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
901	2024-11-15	EEG-based brain-computer interface methods with the aim of rehabilitating advanced stage ALS patients 2024-Nov, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2024.2316312 PMID:38400897	综述	本文综述了基于脑电图（EEG）的脑机接口（BCI）方法在晚期肌萎缩侧索硬化症（ALS）患者康复中的应用	介绍了FFT、WPD、CSP、CSSP、CSP和GC等特征提取方法，以及LDA、SVM、神经网络（NN）和深度学习（DL）分类方法	仍需提高EEG信号检测的准确性和可靠性，并开发更直观和用户友好的接口	探讨基于EEG的BCI方法在ALS患者康复中的应用	晚期ALS患者	神经科学	神经退行性疾病	脑电图（EEG）	NA	脑电信号	NA
902	2024-11-15	3DECG-Net: ECG fusion network for multi-label cardiac arrhythmia detection 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109126 PMID:39255656	研究论文	本文介绍了一种名为3DECG-Net的深度学习模型，用于通过12导联ECG数据的融合来检测和分类七种不同的心脏状态	3DECG-Net利用残差架构和多头注意力机制，通过将12导联ECG信号转换为3D数据，实现了显著的微F1分数，超越了其他最先进的深度学习模型	NA	开发一种自动化的ECG分析方法，以帮助诊断心脏疾病	12导联ECG数据和七种不同的心脏状态	机器学习	心血管疾病	深度学习	3DECG-Net	ECG数据	NA
903	2024-11-15	Siamese based deep neural network for ADHD detection using EEG signal 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109092 PMID:39255658	研究论文	本研究利用基于孪生网络的深度神经网络分析脑电图信号，以检测儿童注意力缺陷多动障碍（ADHD）	本研究首次采用基于孪生网络的卷积神经网络（CNN）和梯度加权类激活映射（Grad-CAM）方法，分析脑电图信号中的功率谱密度（PSD）特征，以提高ADHD检测的准确性	NA	利用深度学习技术分析脑电图信号，以提高儿童ADHD的检测准确性	儿童ADHD的检测	机器学习	儿童疾病	脑电图（EEG）	卷积神经网络（CNN）	脑电图信号	NA
904	2024-11-15	Can generative AI replace immunofluorescent staining processes? A comparison study of synthetically generated cellpainting images from brightfield 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109102 PMID:39255659	研究论文	本文比较了五种基于CNN、GAN和扩散模型的生成式AI模型，用于从明场图像合成免疫荧光图像，并评估其性能	本文首次系统比较了不同生成式AI模型在免疫荧光图像合成中的应用，并提出了一个全面的评估流程	生成式AI在简化细胞表型分析方面显示出潜力，但仍需进一步研究以解决模型泛化性、批次效应、特征相关性和计算成本等关键挑战	评估生成式AI在免疫荧光图像合成中的有效性，并探讨其在替代传统免疫荧光染色过程中的潜力	比较五种基于CNN、GAN和扩散模型的生成式AI模型在合成免疫荧光图像中的性能	计算机视觉	NA	生成式AI	CNN, GAN, 扩散模型	图像	使用公开数据集进行评估
905	2024-11-15	Vector field attention for deformable image registration 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064001 PMID:39513093	研究论文	本文提出了一种新的向量场注意力（VFA）框架，用于提高可变形图像配准的效率	VFA通过直接从特征图中检索空间对应关系，避免了传统方法中需要通过卷积或全连接层预测位移或变形场的过程	NA	提高可变形图像配准的效率和准确性	固定图像和移动图像之间的非线性空间对应关系	计算机视觉	NA	深度学习	神经网络	图像	使用了公开数据集和Learn2Reg挑战数据集进行评估
906	2024-11-14	Unleashing the strengths of unlabelled data in deep learning-assisted pan-cancer abdominal organ quantification: the FLARE22 challenge 2024-Nov, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00154-7 PMID:39455194	研究论文	本文介绍了FLARE22挑战赛，旨在评估和提升深度学习在腹部器官分割和量化中的应用，特别是在使用未标记数据的情况下	本文首次展示了如何利用未标记数据显著减少手动标注成本，并提高深度学习算法在跨国数据集上的泛化能力	本文主要集中在腹部器官的分割和量化，未涉及其他类型的医学图像分析	评估和提升深度学习在腹部器官分割和量化中的应用，特别是在使用未标记数据的情况下	腹部器官的分割和量化	计算机视觉	NA	深度学习	NA	图像	使用了50个标记图像和2000个未标记图像
907	2024-11-13	Deep learning hybrid model ECG classification using AlexNet and parallel dual branch fusion network model 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78028-8 PMID:39505940	研究论文	本文提出了一种基于AlexNet和并行双分支融合网络模型的深度学习混合模型，用于心电图分类	本文提出的模型在心电图分类任务中达到了99%的准确率，优于现有的Hybrid AlexNet SVM和DCNN LSTM模型	NA	提高心电图分类的准确性和自动化程度	心电图信号	机器学习	心血管疾病	深度学习	AlexNet, 并行双分支融合网络模型	心电图信号	PTB诊断心电图数据库中的样本
908	2024-11-13	Identification of sentinel lymph node macrometastasis in breast cancer by deep learning based on clinicopathological characteristics 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78040-y PMID:39505964	研究论文	本研究首次探讨了基于术前临床病理特征的深度学习模型在识别乳腺癌前哨淋巴结宏转移中的应用	首次探索了深度学习模型在基于术前临床病理特征识别前哨淋巴结宏转移中的应用	特征重要性分析显示，具有相似特征的患者表现出不同的淋巴结状态预测，表明需要额外的预测因子以进一步改进	探索深度学习模型在识别乳腺癌前哨淋巴结宏转移中的可行性	乳腺癌患者的前哨淋巴结宏转移	机器学习	乳腺癌	深度学习	Transformer	临床病理特征	18,185名患者
909	2024-11-13	Automatic delineation of cervical cancer target volumes in small samples based on multi-decoder and semi-supervised learning and clinical application 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78424-0 PMID:39505991	研究论文	本文提出了一种基于多解码器和半监督学习的自动分割算法，用于在小样本中确定宫颈癌目标体积，并通过独立测试队列评估其准确性	本文创新性地结合了多解码器和半监督学习方法，解决了小样本数据需求问题，提高了自动分割模型的准确性和效率	本文仅在71例患者数据上进行了验证，样本量较小，可能影响算法的泛化能力	旨在提高宫颈癌放射治疗中目标体积划分的准确性和效率	宫颈癌患者的CT图像数据，包括主要肿瘤区域和盆腔淋巴引流区域	计算机视觉	宫颈癌	多解码器和半监督学习	3D U-Net	CT图像	71例宫颈癌患者
910	2024-11-13	Enhanced convolutional neural network architecture optimized by improved chameleon swarm algorithm for melanoma detection using dermatological images 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77585-2 PMID:39505992	研究论文	本文提出了一种基于改进的变色龙群算法优化的卷积神经网络架构，用于通过皮肤病理图像进行黑色素瘤检测	本文的创新点在于使用改进的变色龙群算法优化卷积神经网络，以提高黑色素瘤检测的准确性	NA	本文的研究目的是开发一种自动化的深度学习方法，用于早期黑色素瘤的检测	本文的研究对象是皮肤病理图像中的黑色素瘤	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	使用了SIIM-ISIC黑色素瘤数据集进行验证
911	2024-11-13	Artificial intelligence-assisted magnetic resonance imaging technology in the differential diagnosis and prognosis prediction of endometrial cancer 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78081-3 PMID:39506051	研究论文	研究深度学习算法结合磁共振成像技术在子宫内膜癌风险诊断和预后预测中的应用	引入了空间注意力和通道注意力模块优化模型，提高了对高风险子宫内膜癌的诊断准确性和术后复发预测的准确性	研究仅基于回顾性数据，样本量相对较小，未来需进一步验证和扩大样本量	评估深度学习算法结合磁共振成像技术在子宫内膜癌风险诊断和预后预测中的价值	子宫内膜癌患者及其磁共振成像数据	计算机视觉	妇科肿瘤	磁共振成像 (MRI)	卷积神经网络 (CNN)	图像	210例子宫内膜癌患者的MRI图像数据，其中140例用于测试集，70例用于验证集
912	2024-11-13	Speech recognition using an english multimodal corpus with integrated image and depth information 2024-11-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78557-2 PMID:39506055	研究论文	本文研究了将深度信息引入多模态语料库，并探讨了集成电子图像和深度信息的英语多模态语料库的构建方法及其语音识别方法	本文的创新点在于引入了深度信息到多模态语料库中，并研究了多模态融合策略，结合语音信号和图像信息，利用深度学习技术挖掘声学和视觉特征	本文的局限性在于仅在特定信噪比条件下进行了实验，未探讨其他信噪比条件下的效果	本文的研究目的是提高英语多模态语料库的语音识别准确率	本文的研究对象是集成图像和深度信息的英语多模态语料库及其语音识别方法	自然语言处理	NA	深度学习	CNN	多模态数据（语音、图像、深度信息）	NA
913	2024-11-13	Rapid bacterial identification through volatile organic compound analysis and deep learning 2024-Nov-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05967-4 PMID:39506632	研究论文	本研究探讨了通过挥发性有机化合物分析和深度学习算法自动识别细菌的方法	提出了一种新的快速识别细菌微生物的方法，通过GC-IMS检测结果自动识别细菌	NA	探索一种快速且准确识别临床环境中微生物物种的方法，以精确用药并减少抗生素耐药性的发展	细菌物种的自动识别	机器学习	NA	挥发性有机化合物分析	AlexNet	挥发性有机化合物数据	三种细菌在随机混合培养中的识别
914	2024-11-13	Prediction of antibody-antigen interaction based on backbone aware with invariant point attention 2024-Nov-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05961-w PMID:39506679	研究论文	本文提出了一种基于不变点注意力机制的新型神经网络架构，用于预测抗体-抗原相互作用	引入了AbAgIPA网络，通过编码抗体和抗原的结构特征来预测相互作用，显著提高了预测性能	NA	开发一种高效且准确的计算方法来预测抗体-抗原相互作用	抗体和抗原的相互作用	机器学习	NA	不变点注意力机制（IPA）	神经网络	结构特征	使用了抗原多样性和抗原特异性抗体-抗原相互作用的数据集
915	2024-11-13	Machine learning models in evaluating the malignancy risk of ovarian tumors: a comparative study 2024-Nov-06, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-024-01544-8 PMID:39506832	研究论文	本研究比较了机器学习模型与专家主观评估在评估卵巢肿瘤恶性风险中的诊断效能	本研究首次比较了多种深度学习模型在卵巢肿瘤恶性风险评估中的诊断效能，并发现深度学习模型与专家评估的诊断效能相当	本研究仅在一个中心进行回顾性分析，样本量有限，且未探讨模型在不同人群中的泛化能力	比较机器学习模型与专家主观评估在卵巢肿瘤恶性风险评估中的诊断效能	卵巢肿瘤的恶性风险评估	机器学习	卵巢癌	NA	ResNet, DenseNet, Vision Transformer, Swin Transformer	图像	1555名患者
916	2024-11-13	Network medicine informed multiomics integration identifies drug targets and repurposable medicines for Amyotrophic Lateral Sclerosis 2024-Nov-05, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00449-y PMID:39500920	研究论文	本文开发了一种基于网络医学的方法，通过整合人脑多组学数据，优先识别肌萎缩侧索硬化症（ALS）的药物靶点和可重新利用的治疗药物	本文创新性地利用网络医学方法整合多组学数据，通过网络深度学习框架识别潜在的ALS相关基因，并应用网络接近分析确定可重新利用的药物	NA	识别肌萎缩侧索硬化症（ALS）的药物靶点和可重新利用的治疗药物	肌萎缩侧索硬化症（ALS）	生物信息学	神经退行性疾病	多组学数据整合	深度学习	基因组数据	NA
917	2024-11-13	HarDNet-based deep learning model for osteoporosis screening and bone mineral density inference from hand radiographs 2024-Nov-03, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117317 PMID:39500404	研究论文	本文开发了一种基于HarDNet的深度学习模型DeepDXA-Hand，用于从手部X光片中筛查骨质疏松症并推断骨密度	利用HarDNet架构的深度学习模型进行非侵入性骨密度预测，并使用GradCAM增强模型解释性	需要进一步研究以探索其在预测骨折风险中的应用	开发一种用于从手部X光片中筛查骨质疏松症并推断骨密度的深度学习模型	骨质疏松症的早期检测和骨密度推断	机器学习	骨质疏松症	深度学习	CNN	图像	10,351对手部X光片和DXA数据
918	2024-11-11	Application of deep learning for semantic segmentation in robotic prostatectomy: Comparison of convolutional neural networks and visual transformers 2024-Nov, Investigative and clinical urology IF:2.5Q2 DOI:10.4111/icu.20240159 PMID:39505514	研究论文	本文比较了卷积神经网络和视觉变换器在机器人辅助根治性前列腺切除术中语义分割的表现	本文首次比较了卷积神经网络和视觉变换器在机器人手术中语义分割的应用	需要进一步研究以验证在大数据集上的表现	研究深度学习模型在机器人辅助根治性前列腺切除术中语义分割的表现，并确定哪种架构更适合机器人手术中的分割任务	机器人辅助根治性前列腺切除术中的手术器械、膀胱、前列腺、输精管和精囊的分割	计算机视觉	前列腺癌	深度学习	卷积神经网络和视觉变换器	图像	随机分为训练和验证数据集的手术图像
919	2024-11-10	Comprehensive walkability assessment of urban pedestrian environments using big data and deep learning techniques 2024-Nov-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78041-x PMID:39506013	研究论文	本文构建了一个综合评估框架，结合主观和客观维度评估城市步行环境，并应用于北京五环路内的街道环境	本文创新性地整合了主观和客观维度，提出了一个综合评估框架，包括宏观尺度指数、微观尺度指数和街道步行偏好指数	本文未详细讨论评估框架在其他城市或不同发展模式下的适用性	评估城市步行环境，促进公共健康、社区凝聚力和城市可持续发展	北京五环路内的街道环境	城市规划	NA	深度学习	NA	大数据	北京五环路内的街道环境
920	2024-11-10	Machine learning models for river flow forecasting in small catchments 2024-Nov-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78012-2 PMID:39501028	研究论文	研究探讨了在小流域中使用深度学习模型进行河流流量预测的可行性	提出了结合不同输入数据集的模型组合方法，以提供更全面的河流流量未来演变描述	随着预测时间的增加，预测的不确定性增加，需要使用能提供预测置信区间的机器学习模型来减少不确定性	开发新的工具以减轻气候变化带来的水文地质风险，特别是在小流域中	小流域中的河流流量	机器学习	NA	深度学习	深度学习模型	河流流量数据	NA