深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
161	2024-12-20	Recommender-based bone tumour classification with radiographs-a link to the past 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10672-0 PMID:38488971	研究论文	开发了一种基于放射影像的算法，通过链接未诊断患者与既往患者的历史记录，并同时对多种骨肿瘤进行分类，以实现早期和特异性诊断	提出了一种结合ResNet和transformer模型的新方法，通过深度学习提取图像特征，并使用基于哈希的最近邻推荐方法进行图像聚类和多数投票分类，显著提高了骨肿瘤分类的准确性	研究是回顾性的，数据仅来自特定时间段和特定数据库，可能存在样本偏倚	开发一种能够通过放射影像链接既往患者历史记录并同时分类多种骨肿瘤的算法，以提高诊断的准确性和特异性	未诊断患者的放射影像数据以及既往患者的临床和放射影像数据	计算机视觉	骨肿瘤	深度学习	ResNet和transformer模型	图像	809名患者（1792张放射影像），包括80%的训练集和20%的测试集
162	2024-12-20	Enhancing gadoxetic acid-enhanced liver MRI: a synergistic approach with deep learning CAIPIRINHA-VIBE and optimized fat suppression techniques 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10693-9 PMID:38492004	研究论文	研究深度学习控制的CAIPIRINHA-VIBE技术在增强肝MRI中的图像质量、病灶显著性和检测效果	深度学习和HR-DL CAIPIRINHA-VIBE技术显著提高了图像质量和病灶显著性，并缩短了采集时间	深度学习和HR-DL CAIPIRINHA-VIBE技术生成的图像具有更强的合成外观	探讨深度学习控制的CAIPIRINHA-VIBE技术在增强肝MRI中的应用效果	168名接受gadoxetic酸增强肝MRI的患者	医学影像	肝病	CAIPIRINHA-VIBE技术	深度学习	图像	168名患者
163	2024-12-20	Enhancing a deep learning model for pulmonary nodule malignancy risk estimation in chest CT with uncertainty estimation 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10714-7 PMID:38536463	研究论文	本文研究了不确定性估计对深度学习算法在肺结节恶性风险评估中的性能影响	本文创新性地将不确定性估计方法集成到现有的深度学习算法中，以提高其在肺结节恶性风险评估中的性能	本文的研究是回顾性的，且样本量相对较小，可能影响结果的普适性	研究不确定性估计对深度学习算法在肺结节恶性风险评估中的性能影响	肺结节的恶性风险评估	计算机视觉	肺癌	深度学习	深度学习算法	图像	883个结节（其中65个为恶性）用于开发不确定性阈值，374个结节（其中207个为恶性）用于外部验证
164	2024-12-20	Reduction of false positives using zone-specific prostate-specific antigen density for prostate MRI-based biopsy decision strategies 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10700-z PMID:38538841	研究论文	本研究开发并测试了结合区域特异性前列腺特异性抗原密度（sPSAD）和PI-RADS来指导前列腺活检决策策略	本研究创新性地结合了区域特异性前列腺特异性抗原密度（sPSAD）和PI-RADS，以减少假阳性并提高前列腺癌检测的准确性	本研究为回顾性研究，样本量有限，可能存在选择偏倚	开发和验证一种新的方法，通过结合区域特异性前列腺特异性抗原密度和PI-RADS来优化前列腺活检决策策略	前列腺癌的检测和诊断	数字病理学	前列腺癌	深度学习系统（DLS）	nnU-Net	图像	1604名患者
165	2024-12-20	Automated abdominal CT contrast phase detection using an interpretable and open-source artificial intelligence algorithm 2024-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10769-6 PMID:38683384	研究论文	开发并验证了一种开源的人工智能算法，用于自动检测腹部CT扫描中的对比期	提出了一个开源且可解释的人工智能算法，用于准确检测腹部CT扫描中的对比期，并通过Shapley特征归因分析解释了关键特征	研究是回顾性的，且样本量相对较小	开发并验证一种能够准确检测腹部CT扫描中对比期的开源人工智能算法	腹部CT扫描中的对比期检测	计算机视觉	NA	深度学习	梯度提升分类器	图像	训练集包含172名患者，内部测试集包含28名患者，外部验证集使用VinDr-Multiphase CT数据集
166	2024-12-19	Artificial intelligence methods available for cancer research 2024-Oct, Frontiers of medicine IF:3.9Q2 DOI:10.1007/s11684-024-1085-3 PMID:39115792	综述	本文综述了人工智能方法在癌症研究中的应用，探讨了其优势和局限性	本文介绍了人工智能技术在癌症研究中的多样化应用，包括机器学习方法和大型语言模型的使用	本文指出在临床环境中利用人工智能的主要障碍是缺乏使用现有报告指南，阻碍了已发表研究的 reproducibility	探讨人工智能方法在癌症研究中的应用及其对未来研究方向的影响	人工智能方法在癌症研究中的应用	机器学习	癌症	NA	NA	NA	NA
167	2024-12-19	Explainable fNIRS-based pain decoding under pharmacological conditions via deep transfer learning approach 2024-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.11.4.045015 PMID:39691581	研究论文	本文提出了一种基于深度迁移学习的可解释fNIRS疼痛解码方法，用于在药物条件下对疼痛和非疼痛刺激进行分类	本文创新性地使用深度迁移学习方法，将药物前模型的知识迁移到药物后不同时间点的模型中，并使用DeepSHAP方法揭示不同脑区对分类性能的贡献	本文未详细讨论药物对不同个体的影响差异，以及在实际临床应用中的可行性	提出一种基于深度学习的迁移学习方法，用于在药物条件下对fNIRS数据进行客观分类	fNIRS数据，药物前后的疼痛和非疼痛刺激	机器学习	NA	fNIRS	深度学习模型	fNIRS数据	公开的fNIRS数据集，包括药物前和药物后不同时间点的扫描数据
168	2024-12-18	RUL forecasting for wind turbine predictive maintenance based on deep learning 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39268 PMID:39678167	研究论文	本文提出了一种基于深度学习的深度学习方法，用于预测风力涡轮机的剩余使用寿命（RUL），以实现预测性维护	本文引入了基于多参数注意力机制的深度学习方法，避免了特征工程，减少了人为错误的风险，并提出了ForeNet-2d和ForeNet-3d两种模型	本文未提及具体的局限性	研究目的是通过准确预测风力涡轮机的剩余使用寿命，降低风电场运营和维护成本	研究对象是风力涡轮机的剩余使用寿命预测	机器学习	NA	深度学习	深度学习模型	多参数数据	7个复杂的风力涡轮机故障
169	2024-12-18	HcGAN: Harmonic conditional generative adversarial network for efficiently generating high-quality IHC images from H&E 2024-Oct-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37902 PMID:39678164	研究论文	本文提出了一种名为HcGAN的新技术，用于从H&E图像高效生成高质量的IHC图像	HcGAN模型引入了基于离散余弦变换滤波器的谐波卷积，以提高生成图像的视觉质量并解决过拟合问题	NA	开发一种高效生成高质量IHC图像的方法，以支持精确诊断和计算机辅助诊断系统的发展	IHC染色图像的生成	数字病理学	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了两个公开数据集
170	2024-12-18	Systematic review of experimental paradigms and deep neural networks for electroencephalography-based cognitive workload detection 2024-10-21, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ad8530 PMID:39655862	综述	本文总结了基于深度神经网络从脑电图信号中估计认知工作负荷的系统文献综述	本文提出了使用可解释的深度学习方法来揭示脑电图与认知工作负荷之间的关联，并建议使用对时间依赖性敏感的网络和适当的输入形式来提高分类性能	本文主要关注于文献综述，缺乏实际的实验验证和数据支持	探讨基于深度神经网络的认知工作负荷检测方法	脑电图信号和深度神经网络	机器学习	NA	深度神经网络	DNN	脑电图信号	NA
171	2024-12-18	Exploring linguistic features and user engagement in Chinese online mental health counseling 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38042 PMID:39678785	研究论文	研究探讨了中文在线心理咨询平台上促进用户参与和互动的语言特征	本研究专注于专业心理健康平台，分析了能够促进用户参与和互动的帖子中的语言特征	研究仅限于中文在线心理咨询平台，未涵盖其他语言或平台的分析	旨在理解在线心理咨询平台上哪些问题披露和社会支持能够吸引更多用户关注和参与	中文在线心理咨询平台上的帖子，包括求助者的问题和提供社会支持的回答	自然语言处理	NA	文本挖掘和深度学习	NA	文本	22,250个求助者的问题和78,328个提供社会支持的回答
172	2024-12-18	Scan-Specific Unsupervised Highly Accelerated Non-Cartesian CEST Imaging Using Implicit Neural Representation and Explicit Sparse Prior 2024-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3407092 PMID:38814759	研究论文	提出了一种基于隐式神经表示和显式稀疏先验的无监督深度学习算法，用于加速非笛卡尔稳态脉冲CEST成像	采用混合特征哈希编码的隐式神经表示和显式稀疏先验，显著提高了成像质量和加速效果	NA	加速化学交换饱和转移（CEST）成像的扫描时间，以满足临床应用需求	人体大脑的CEST成像数据	医学影像	NA	化学交换饱和转移（CEST）成像	隐式神经表示	图像	人体大脑数据集
173	2024-12-18	Heart Sound Abnormality Detection From Multi-Institutional Collaboration: Introducing a Federated Learning Framework 2024-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3393557 PMID:38700959	研究论文	本文提出了一种联邦学习框架，用于从多机构合作中检测心脏声音异常	本文引入了联邦学习（FL）优化策略，通过水平FL解决隐私问题，并通过垂直FL提高模型可解释性和解决数据稀缺问题	NA	早期诊断心血管疾病	心脏声音异常检测	机器学习	心血管疾病	联邦学习（FL）	NA	声音	多中心机构的心脏声音数据库
174	2024-12-17	Classifying histopathological growth patterns for resected colorectal liver metastasis with a deep learning analysis 2024-Oct-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae127 PMID:39471410	研究论文	本研究开发并验证了一种深度学习算法，用于区分结直肠癌肝转移的纤维化和非纤维化组织病理学生长模式	本研究首次使用神经图像压缩技术来自动分类结直肠癌肝转移的组织病理学生长模式	本研究仅在两个机构的数据集上进行了验证，可能需要进一步的多中心验证	开发一种高效、客观且自动化的组织病理学生长模式评分方法，以帮助其在日常实践和研究中的应用	结直肠癌肝转移的组织病理学生长模式	数字病理学	结直肠癌	深度学习	神经图像压缩	图像	开发集包括932名患者的3641张全切片图像，验证集包括870张全切片图像
175	2024-12-17	Automatic kidney stone identification: an adaptive feature-weighted LSTM model based on urine and blood routine analysis 2024-Oct-14, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-024-01644-6 PMID:39402276	研究论文	本研究利用尿常规和血常规检测指标构建深度学习模型，用于早期识别肾结石	提出了基于LSTM的自适应特征加权模型，用于早期肾结石的识别，并与其他模型进行了比较	研究仅使用了单个医院的回顾性数据，样本量有限，可能存在偏倚	利用常规尿液和血液检测指标构建深度学习模型，早期识别肾结石	肾结石患者和健康人群的尿常规和血常规数据	机器学习	泌尿系统疾病	深度学习	LSTM	文本	2360人，包括1130名肾结石患者和1230名健康受试者
176	2024-12-17	A brief survey on human activity recognition using motor imagery of EEG signals 2024-Oct, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2415089 PMID:39425602	综述	本文综述了基于运动想象（MI）和脑电图（EEG）信号的人类活动识别（HAR）方法	本文总结了现有的基于MI-EEG信号的HAR方法，并讨论了研究中的空白和局限性	本文主要讨论了现有技术的局限性，并指出了未来研究的方向	探讨基于MI-EEG信号的HAR方法及其挑战	基于MI-EEG信号的人类活动识别方法	机器学习	NA	脑电图（EEG）	机器学习（ML）和深度学习（DL）模型	信号	50篇研究文章
177	2024-12-17	Segmentation and classification of brain tumor using Taylor fire hawk optimization enabled deep learning approach 2024-Oct, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2421202 PMID:39514821	研究论文	本文提出了一种基于Taylor Fire Hawk优化（TFHO）的深度学习方法，用于脑肿瘤的分割和分类	本文创新性地将Taylor系列与Fire Hawk优化器（FHO）结合，形成TFHO，用于脑肿瘤的分割和分类	NA	旨在提高脑肿瘤的早期诊断和准确分类	脑肿瘤	计算机视觉	NA	深度学习	DenseNet	图像	NA
178	2024-12-17	Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72111-3_11 PMID:39677326	研究论文	本文提出了一种新的2.5D跨切片注意力模型，结合证据关键损失，用于在MR图像中进行不确定性感知的前列腺癌检测	创新点包括引入2.5D跨切片注意力模型，利用全局和局部信息，并结合证据关键损失进行证据深度学习，以提高前列腺癌检测的性能和不确定性估计	NA	旨在改进基于深度学习的前列腺癌检测模型，特别是通过引入不确定性估计来辅助临床决策	前列腺癌的MR图像检测	计算机视觉	前列腺癌	深度学习	2.5D跨切片注意力模型	图像	两个不同数据集
179	2024-12-16	Toward a Semi-Supervised Learning Approach to Phylogenetic Estimation 2024-Oct-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae029 PMID:38916476	研究论文	本文提出了一种半监督学习方法，用于推断分子进化和重建系统发育树	本文结合了基因组进化随机模拟与一种新的监督深度学习模型，直接分析多序列比对并估计每个位点的进化速率和分歧度，无需已知的系统发育树	本文的方法在复杂速率变化模式下表现优异，但在简单伽马分布下的准确性与基于似然的系统发育推断相当	开发一种新的半监督学习方法，用于更灵活和准确的系统发育分析	分子进化速率参数和系统发育树的重建	机器学习	NA	深度学习	深度学习模型	基因组数据	2600万核苷酸的基因组数据
180	2024-12-16	TAWFN: a deep learning framework for protein function prediction 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae571 PMID:39312678	研究论文	本文提出了一种结合卷积神经网络（CNN）和图卷积网络（GCN）的深度学习框架TAWFN，用于蛋白质功能预测	本文的创新点在于提出了一种结合CNN和GCN的统一框架TAWFN，通过自适应权重融合网络来提高蛋白质功能预测的准确性	本文的局限性在于仅在PDBset和AFset数据集上进行了实验验证，未来需要在更多数据集上进行测试	本文的研究目的是提高蛋白质功能预测的准确性	本文的研究对象是蛋白质结构及其功能	机器学习	NA	卷积神经网络（CNN）、图卷积网络（GCN）	卷积神经网络（CNN）、图卷积网络（GCN）	蛋白质结构数据	实验使用了PDBset和AFset数据集