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
601	2024-11-26	Crop classification in the middle reaches of the Hei River based on model transfer 2024-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80327-z PMID:39578651	研究论文	本文提出了一种基于模型迁移的作物分类方法，用于黑河流域中游地区	通过生成多源光谱数据（MSSD）并利用预训练模型进行微调，实现了在无样本年份的作物分类	依赖于预训练模型的准确性，且实验仅使用了四种模型进行验证	提高在黑河流域中游地区作物分类的准确性，减少对大规模样本数据的依赖	黑河流域中游地区的作物分类	计算机视觉	NA	遥感技术	CNN	光谱数据	使用了三种基于CNN的深度学习模型和一个机器学习模型（RF）进行实验
602	2024-11-26	Multimodal machine learning for language and speech markers identification in mental health 2024-Nov-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02772-0 PMID:39578814	研究论文	本文研究了使用多模态机器学习方法识别语言和语音标记在精神健康诊断中的应用	本文结合了单模态和多模态方法，通过识别和编译广泛的精神健康障碍标记，评估多模态方法是否优于单模态方法	本文主要使用DAIC-WOZ数据集，且未探讨更复杂的融合技术和深度学习模型	评估多模态方法在精神健康诊断中是否优于单模态方法	语言和语音数据中的精神健康障碍标记	机器学习	精神健康障碍	多模态机器学习	支持向量机、逻辑回归、随机森林、全连接神经网络	文本和音频	使用DAIC-WOZ数据集中的临床访谈数据
603	2024-11-26	Screening for severe coronary stenosis in patients with apparently normal electrocardiograms based on deep learning 2024-Nov-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02764-0 PMID:39578851	研究论文	本文开发了一种基于深度学习模型，用于在心电图（ECG）看似正常的情况下筛查严重冠状动脉狭窄的患者	本文首次使用深度学习模型结合迁移学习技术，从看似正常的心电图中提取深层特征，以识别严重冠状动脉狭窄	模型在单独使用心电图数据时敏感性较低，添加临床信息后特异性下降	开发一种有效模型，区分心电图看似正常患者中的严重冠状动脉狭窄与无或轻度狭窄	392名患者，其中138名患有严重狭窄	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据和临床信息	392名患者，包括138名严重狭窄患者
604	2024-11-26	VGAE-CCI: variational graph autoencoder-based construction of 3D spatial cell-cell communication network 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae619 PMID:39581873	研究论文	提出了一种基于变分图自编码器的深度学习框架VGAE-CCI，用于构建三维空间细胞间通信网络	该方法能够识别跨多个组织层的细胞间通信，并适用于具有缺失或部分不完整数据的空间转录组数据	未提及具体限制	解决空间转录组数据中数据不完整和系统偏差问题，以及现有方法在分析跨多层组织细胞间通信方面的不足	细胞间通信网络	生物信息学	NA	空间转录组测序 (ST-seq)	变分图自编码器 (VGAE)	空间转录组数据	六个数据集
605	2024-11-26	Repun: an accurate small variant representation unification method for multiple sequencing platforms 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae613 PMID:39584701	研究论文	本文介绍了一种名为Repun的单体型感知变异对齐统一算法，用于在不同测序平台之间统一变异表示	Repun利用单体型信息加速变异与候选单体型的匹配过程，提高了统一过程的效率	NA	确保不同测序平台和条件下变异表示的一致性，为下游分析提供可靠的基础	不同测序平台（Oxford Nanopore Technology, Pacific Biosciences, Illumina）的变异表示	基因组学	NA	测序技术	NA	基因组数据	多个Genome in a Bottle Consortium样本
606	2024-11-26	Chisco: An EEG-based BCI dataset for decoding of imagined speech 2024-Nov-21, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04114-1 PMID:39572577	研究论文	本文介绍了一个基于EEG的BCI数据集Chisco，用于解码想象中的语音	本文首次提供了一个大规模的想象语音EEG数据集Chisco，包含超过20,000句高密度EEG记录，填补了该领域的数据空白	NA	本文旨在提供一个高质量的EEG数据集，以促进脑机接口技术的发展	本文的研究对象是健康成年人的想象语音EEG数据	脑机接口	NA	EEG	NA	EEG数据	超过20,000句EEG记录，来自健康成年人，每人数据超过900分钟
607	2024-11-26	Enhanced MobileNet for skin cancer image classification with fused spatial channel attention mechanism 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80087-w PMID:39572649	研究论文	本文提出了一种改进的MobileNet模型，结合空间通道注意力机制用于皮肤癌图像分类	引入了一种新的注意力机制，用于揭示图像中的全局关联信息，从而提高分类性能	未提及具体的局限性	提高皮肤癌图像分类的准确性，以提升患者的生存率并减轻公共卫生负担	皮肤癌图像	计算机视觉	皮肤癌	卷积神经网络	MobileNet	图像	使用了国际皮肤成像协作组织2019年公开数据集（ISIC-2019）
608	2024-11-26	The diagnostic value of MRI segmentation technique for shoulder joint injuries based on deep learning 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80441-y PMID:39572780	研究论文	研究基于深度学习的MRI图像分割技术在游泳者肩关节损伤诊断中的应用价值	开发了一种新的多尺度特征融合网络（MSFFN），通过优化和整合AlexNet和U-Net算法，用于肩关节MRI图像的分割	研究样本仅限于52名游泳者，可能存在样本量不足的问题	评估基于深度学习的MRI图像分割技术在诊断游泳者肩关节损伤中的有效性	游泳者的肩关节损伤	计算机视觉	运动损伤	MRI图像分割	多尺度特征融合网络（MSFFN）	图像	52名游泳者
609	2024-11-26	The urine formed element instance segmentation based on YOLOv5n 2024-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79969-w PMID:39562665	研究论文	本研究提出了一种基于YOLOv5n的尿液形成元素实例分割模型，用于快速准确地检测和分割尿液中的形成元素	本研究创新性地将YOLOv5n与小FCN网络结合，实现了对尿液形成元素的快速且准确的实例分割	本研究仅使用了500张图像的数据集进行验证，数据集规模较小，可能影响模型的泛化能力	开发一种基于深度学习的自动化尿液形成元素分析方法，以提高临床疾病诊断的准确性和效率	尿液中的形成元素，如尿液细胞等	计算机视觉	泌尿系统疾病	YOLOv5n	YOLOv5n	图像	500张尿液形成元素图像
610	2024-11-26	Convolutional neural network for oral cancer detection combined with improved tunicate swarm algorithm to detect oral cancer 2024-11-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79250-0 PMID:39562767	研究论文	本文提出了一种结合改进的海鞘群算法的卷积神经网络用于口腔癌检测	本文创新性地将改进的海鞘群算法与卷积神经网络结合，提高了口腔癌检测的准确性	NA	开发一种更准确的口腔癌检测方法	口腔癌患者的图像数据	计算机视觉	口腔癌	卷积神经网络	CNN	图像	口腔癌图片数据集
611	2024-11-25	Wafer-Scale Ag2S-Based Memristive Crossbar Arrays with Ultra-Low Switching-Energies Reaching Biological Synapses 2024-Nov-22, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01559-2 PMID:39572441	研究论文	本文报道了基于Ag2S的晶圆级忆阻器交叉阵列，实现了超低开关能量，接近生物突触水平	通过微结构调制增强Ag在Ag2S电解质中的迁移，实现了创纪录的低阈值电压和超低开关能量	忆阻器单元的固有非理想性需要通过先进的训练算法进行补偿	开发一种具有超高能效的神经形态计算设备	基于Ag2S的忆阻器交叉阵列	NA	NA	忆阻器技术	NA	NA	NA
612	2024-11-25	Computed tomography-based radiomics and body composition model for predicting hepatic decompensation 2024-Nov-22, Oncotarget DOI:10.18632/oncotarget.28673 PMID:39576671	研究论文	研究利用基于CT的放射组学和身体成分模型预测肝功能失代偿	首次将放射组学与身体成分模型结合，用于预测PSC患者的肝功能失代偿	预测未来事件仍具有挑战性，需要进一步研究验证临床效用和局限性	探索计算放射组学在预测PSC患者肝功能失代偿中的潜在价值	PSC患者及其肝功能失代偿	数字病理学	肝病	计算放射组学	深度学习模型	医学图像	训练和验证队列的具体样本数量未明确说明
613	2024-11-25	Deep learning based emulator for predicting voltage behaviour in lithium ion batteries 2024-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80371-9 PMID:39572616	研究论文	本研究使用长短期记忆深度学习模型构建了一个数据驱动的电池仿真器，用于预测锂离子电池的充放电行为	本研究通过使用机器学习模型，显著减少了大规模汽车原型电池制造的经济成本和时间，并展示了高预测准确性	本研究主要集中在实验室生产的电池数据和模拟数据上，未涉及实际大规模生产中的应用	本研究的目的是通过数据驱动的仿真方法，减少大规模汽车原型电池制造的经济成本和时间	本研究的对象是锂离子电池的充放电行为	机器学习	NA	长短期记忆（LSTM）深度学习模型	LSTM	模拟数据和实验数据	本研究使用了两种数据集：来自Dualfoil模型的模拟数据和来自液态锂离子电池的实验数据，训练数据集包括五个充放电数据集
614	2024-11-25	Leveraging a deep learning generative model to enhance recognition of minor asphalt defects 2024-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80199-3 PMID:39572659	研究论文	本文介绍了一种利用深度学习生成模型增强识别沥青路面小缺陷的方法	提出了AsphaltGAN，一种带有注意力机制的类条件生成对抗网络，用于生成合成图像以增强对象检测	主要关注于生成模型和对象检测的改进，未涉及其他类型的道路缺陷检测	提高沥青路面缺陷检测的自动化和成本效益	沥青路面的小缺陷	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了Road Damage Detection 2022、Crack Dataset、Asphalt Pavement Detection Dataset和Crack Surface Dataset四个公共数据集
615	2024-11-25	An accurate prediction for respiratory diseases using deep learning on bronchoscopy diagnosis images 2024-Nov-19, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.023 PMID:39571731	研究论文	本文提出了一种多尺度注意力残差网络（MARN）用于通过支气管镜图像诊断肺部疾病	设计了多尺度卷积块注意力模块（MCBAM）以增强空间和通道特征，并使用梯度加权类激活图（Grad-CAM）提高诊断结果的可解释性	NA	提高支气管镜图像诊断肺部疾病的准确性	支气管镜图像中的肺部疾病	计算机视觉	呼吸系统疾病	深度学习	多尺度注意力残差网络（MARN）	图像	615例，包括2900张图像
616	2024-11-25	Generalized deep learning for histopathology image classification using supervised contrastive learning 2024-Nov-16, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.013 PMID:39551131	研究论文	本研究介绍了HistopathAI，一种用于病理图像分类的混合网络，旨在提高临床病理诊断的准确性和效率	HistopathAI利用监督对比学习（SCL）和混合深度特征融合（HDFF），显著提高了病理图像分类的准确性，特别是在不平衡数据集的情况下	NA	展示HistopathAI在病理图像分类中的优越性能，特别是在不平衡数据集的情况下	病理图像分类	数字病理学	NA	监督对比学习（SCL）	混合网络	图像	七个公开数据集和一个私有数据集
617	2024-11-25	Development and Validation of Deep Learning-Based Infectivity Prediction in Pulmonary Tuberculosis Through Chest Radiography: Retrospective Study 2024-Nov-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58413 PMID:39509691	研究论文	本研究开发并验证了一种基于深度学习的肺结核感染性预测模型，通过胸部X光片进行快速准确的评估	本研究首次使用DenseNet121模型结合可视化技术，通过胸部X光片快速准确地评估肺结核患者的感染性	本研究仅使用了Severance医院和Yongin Severance医院的数据进行训练和验证，可能存在数据偏倚	开发一种基于人工智能的胸部X光片分析工具，用于快速准确地评估肺结核患者的感染性	肺结核患者的胸部X光片	计算机视觉	肺结核	DenseNet121模型、梯度加权类激活映射、局部可解释模型不可知解释	DenseNet121	图像	36,142张胸部X光片，涉及4492名肺结核患者
618	2024-11-25	Improving tabular data extraction in scanned laboratory reports using deep learning models 2024-Nov, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104735 PMID:39393477	研究论文	本研究开发了一种基于深度学习的OCR方法，用于从扫描的实验室报告中准确提取实验室测试信息	本研究提出了一种新的OCR管道，结合了DETR R18和EDD模型，用于从扫描的临床文档中检测和识别表格数据	NA	开发一种新的技术，从扫描的实验室报告中准确提取实验室测试信息，以支持临床决策	扫描的实验室报告中的表格数据	计算机视觉	NA	深度学习	DETR R18, YOLOv8s, PaddleOCR, 编码器-双解码器(EDD)模型	图像	650个表格数据来自632份随机选择的实验室测试报告
619	2024-11-25	A Survey on Hyperlink Prediction 2024-Nov, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3286280 PMID:37363843	综述	本文系统全面地综述了超链接预测方法	将现有的超链接预测方法分类为基于相似性、基于概率、基于矩阵优化和基于深度学习的方法，并进行了基准研究	NA	旨在推断超图中缺失的超链接	超链接预测方法及其在不同系统中的应用	机器学习	NA	深度学习	NA	超图	NA
620	2024-11-25	Demonstration-based learning for few-shot biomedical named entity recognition under machine reading comprehension 2024-Nov, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104739 PMID:39490610	研究论文	本文提出了一种基于演示学习的机器阅读理解方法，用于在少样本场景下进行生物医学命名实体识别	将生物医学命名实体识别重新定义为机器阅读理解问题，并提出了一种基于演示学习的少样本生物医学命名实体识别方法	NA	提高模型在少样本学习场景下识别生物医学实体的能力	生物医学命名实体识别	自然语言处理	NA	机器阅读理解	NA	文本	25-shot 和 50-shot 学习实验