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
941	2024-11-09	Leveraging convolutional neural networks and hashing techniques for the secure classification of monkeypox disease 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75030-y PMID:39496621	研究论文	本文提出了一种利用卷积神经网络和哈希技术进行猴痘疾病安全分类的方法	本文提出了CanDark模型，结合可撤销生物识别技术，利用DarkNet-53 CNN提取猴痘皮肤图像的深度特征，并通过可撤销方法保护患者信息	NA	开发一种高效且安全的猴痘疾病诊断方法	猴痘疾病的皮肤症状图像	计算机视觉	猴痘	卷积神经网络 (CNN) 和哈希技术	DarkNet-53 CNN	图像	NA
942	2024-11-09	Ensemble based high performance deep learning models for fake news detection 2024-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76286-0 PMID:39496680	研究论文	研究探讨了在阿拉伯语假新闻检测中使用机器学习、深度学习和集成学习框架的不同技术	结合了FastText词嵌入与多种机器学习和深度学习方法，并利用BERT、XLNet和RoBERTa等基于Transformer的模型进行优化	研究仅限于阿拉伯语假新闻检测，未涉及多语言扩展	研究旨在探索阿拉伯语假新闻检测中的不同机器学习和深度学习技术	研究对象为阿拉伯语新闻文章，分为假新闻和真实新闻两类	机器学习	NA	深度学习	Bi-GRU-Bi-LSTM	文本	使用了两个阿拉伯语新闻文章数据集，AFND和ARABICFAKETWEETS数据集
943	2024-11-09	Prediction and clustering of Alzheimer's disease by race and sex: a multi-head deep-learning approach to analyze irregular and heterogeneous data 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77829-1 PMID:39496718	研究论文	本文通过多头部深度学习方法对阿尔茨海默病进行预测和聚类分析，重点关注种族和性别因素	采用多头部深度学习架构处理和学习生物医学和影像数据，并通过Shapley加性解释算法进行特征重要性排序和成对相关性分析，识别疾病进展的预测因子	NA	建立阿尔茨海默病进展模型，分析异质性多模态数据，进行人群子集的聚类分析	阿尔茨海默病的进展模式及其在不同种族和性别群体中的差异	机器学习	阿尔茨海默病	深度学习	多头部卷积神经网络	多模态数据	16个子聚类，包含不同进展模式的参与者
944	2024-11-09	A deep learning framework for hepatocellular carcinoma diagnosis using MS1 data 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77494-4 PMID:39496730	研究论文	开发了一种名为MS1Former的端到端深度学习模型，用于直接使用原始MS1光谱对肝细胞癌肿瘤和邻近非肿瘤组织进行分类	提出了MS1Former模型，能够直接使用原始MS1光谱进行分类，无需肽前体鉴定，解决了肽前体鉴定和蛋白质鉴定引入的误差问题	NA	开发一种能够准确预测疾病类型并提高患者疾病诊断和预后的计算方法	肝细胞癌肿瘤和邻近非肿瘤组织	机器学习	肝癌	MS1光谱分析	深度学习模型	MS1光谱数据	多个外部验证数据集
945	2024-11-09	Interpretable Fine-Grained Phenotypes of Subcellular Dynamics via Unsupervised Deep Learning 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202403547 PMID:39239705	研究论文	本文介绍了一种用于细粒度可解释表型的自训练深度学习框架，用于揭示活细胞动态的细粒度表型	提出了一种基于自编码器正则化的自训练深度学习框架，能够增强特征的区分能力并保留分子扰动的异质性	NA	揭示健康和疾病生物过程中异质性的细粒度表型	迁移上皮细胞的异质性突起动态及其对药物扰动的特定反应	机器学习	NA	深度学习	深度神经网络 (DNN)	细胞动态数据	NA
946	2024-11-09	Advancements in synthetic CT generation from MRI: A review of techniques, and trends in radiation therapy planning 2024-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14499 PMID:39325781	综述	本文综述了从MRI生成合成CT（sCT）的最新技术进展及其在放射治疗计划（RTP）中的应用	本文重点介绍了基于机器学习和深度学习的sCT生成技术，这些技术有望提高RTP的效率和准确性	本文指出sCT生成技术在图像质量、剂量计算准确性和临床接受度方面仍存在挑战	旨在概述从MRI生成sCT的最新进展，并探讨其在RTP中的应用，强调技术、性能评估、临床应用、未来研究趋势和领域内的开放挑战	从MRI生成sCT的技术及其在RTP中的应用	计算机视觉	NA	机器学习（ML）和深度学习（DL）	NA	图像	NA
947	2024-11-09	Brain tumor segmentation by combining MultiEncoder UNet with wavelet fusion 2024-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14527 PMID:39284311	研究论文	本文提出了一种结合多编码器UNet和小波融合的脑肿瘤分割网络	采用晚期融合策略和3D离散小波变换特征融合模块，提取多模态MRI间的互补信息，并引入3D全局上下文感知模块捕捉肿瘤体素的长程依赖关系	未提及具体局限性	提高脑肿瘤从多模态MRI中的分割精度，辅助临床诊断和手术干预	脑肿瘤的多模态MRI图像	计算机视觉	脑肿瘤	多模态MRI	UNet	图像	BraTS2018和BraTS2021数据集
948	2024-11-09	Revising Reflection Assignments to Align With Clinical Judgment Measurement Model Language: Maximizing Critical Thinking, Feedback, and Measurement in Simulation 2024 Nov-Dec 01, Nursing education perspectives IF:0.9Q3 DOI:10.1097/01.NEP.0000000000001149 PMID:37255453	研究论文	本文探讨了如何通过修订反思作业模板，使其与临床判断测量模型（CJMM）的语言相一致，从而最大化模拟中的批判性思维、反馈和测量	本文创新性地将临床判断测量模型（CJMM）的语言融入到模拟反思作业中，以促进学生对临床判断的深入理解和自我评估	本文仅在初步质量改进试点研究中验证了改进效果，尚未在大规模应用中进行验证	研究目的是通过修订反思作业模板，提升学生在模拟中的批判性思维和临床判断能力	研究对象为护理专业的学生及其在模拟中的反思作业	NA	NA	NA	NA	NA	初步质量改进试点研究中的学生数量未明确提及
949	2024-11-08	[Research progress on the development of myopia prediction models and their predictive performance] 2024-Nov-11, [Zhonghua yan ke za zhi] Chinese journal of ophthalmology DOI:10.3760/cma.j.cn112142-20231128-00248 PMID:39505381	综述	本文综述了近年来近视预测模型及其预测性能的研究进展	介绍了结合环境因素和遗传因素的近视预测模型，以及人工智能在近视预测中的应用	未提及具体模型的局限性	探讨近视预测模型的研究进展及其预测性能，为建立更准确的近视预测模型提供参考	近视预测模型及其预测性能	NA	眼科疾病	机器学习、深度学习	NA	NA	NA
950	2024-11-08	Exploring coronavirus sequence motifs through convolutional neural network for accurate identification of COVID-19 2024-Nov-07, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2404149 PMID:39508163	研究论文	本文利用深度学习方法中的卷积神经网络来识别和区分新冠病毒与其他冠状病毒	本文提出了DeepCoV方法，通过卷积神经网络识别新冠病毒，并能定位与新冠病毒相关的各种基序，显示出CNN的透明性	NA	快速识别由新病毒或已知疾病引起的疫情	新冠病毒与其他冠状病毒的区分	机器学习	NA	卷积神经网络	CNN	序列	使用了2019nCoVR数据集
951	2024-11-08	Inverse Design of Multistructured Terahertz Metamaterial Sensors Based on Improved Conditional Generative Network 2024-Nov-06, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c10921 PMID:39438282	研究论文	提出了一种基于改进的条件生成对抗网络的多结构太赫兹超材料传感器逆向设计模型	结合自注意力生成对抗网络和Wasserstein生成对抗网络，提出了一种新的逆向设计模型SACW-GAN	NA	简化太赫兹超材料传感器的设计过程	太赫兹超材料传感器	计算机视觉	NA	生成对抗网络	SACW-GAN	图像	NA
952	2024-11-08	Computer vision applications for the detection or analysis of tuberculosis using digitised human lung tissue images - a systematic review 2024-Nov-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01443-w PMID:39497049	综述	本文对使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用进行了系统性综述	本文介绍了使用μCT扫描仪获取软组织图像对比度的新方法，以及使用多分辨率CT分析人类肺部3D结构的技术	当前技术在检测结核病方面存在挑战和局限性	促进开发更高效和准确的结核病检测或分析算法，并提高对早期检测重要性的认识	使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用	计算机视觉	肺结核	图像处理和深度学习	机器学习模型	图像	10项研究使用了人类组织（主要是肺部），其中5项研究提出了用于检测结核杆菌的机器学习模型，另外5项研究使用了CT扫描的人类肺部组织
953	2024-11-08	Explainable fully automated CT scoring of interstitial lung disease for patients suspected of systemic sclerosis by cascaded regression neural networks and its comparison with experts 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78393-4 PMID:39496802	研究论文	本文开发了一种深度学习框架，用于自动化系统性硬化症相关间质性肺病（SSc-ILD）的CT评分，并与专家评分进行比较	提出了一个由两个神经网络组成的级联框架，用于自动化SSc-ILD评分，并引入了热图方法来解释网络输出	未来研究需要确认模型的泛化能力	开发一种自动化系统性硬化症相关间质性肺病的CT评分方法	系统性硬化症相关间质性肺病（SSc-ILD）患者的CT扫描图像	计算机视觉	间质性肺病	深度学习	级联回归神经网络	图像	NA
954	2024-11-08	Novel large empirical study of deep transfer learning for COVID-19 classification based on CT and X-ray images 2024-11-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76498-4 PMID:39489731	研究论文	本文通过大规模实验研究了基于CT和X光图像的COVID-19分类的深度迁移学习模型	首次扩展模型空间并从10,000个构建的深度迁移学习模型中识别出性能更好的模型	NA	开发基于AI的模型以加速COVID-19的诊断过程	COVID-19和非COVID-19患者的CT和X光图像	计算机视觉	COVID-19	深度迁移学习	ConvNeXt, EfficientNetV2, DenseNet121, ResNet34	图像	4481张CT和X光图像
955	2024-11-08	Ultrasensitive Wearable Pressure Sensors with Stress-Concentrated Tip-Array Design for Long-Term Bimodal Identification 2024-Nov, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202406235 PMID:39007254	研究论文	本文介绍了一种超灵敏的可穿戴压力传感器，通过引入应力集中尖端阵列设计和自粘性界面来提高检测限	设计了一种双金字塔微结构，将机械传递效率从72.6%提高到98.4%，并通过增加模量差异将灵敏度提高到8.5 V kPa，检测限为0.14 Pa	NA	提高现有可穿戴压力传感器的传感性能和界面粘附性	可穿戴压力传感器的设计和性能优化	NA	NA	NA	深度学习双模态融合网络	信号	NA
956	2024-11-08	An Artificial Intelligence-assisted Diagnostic System Improves Upper Urine Tract Cytology Diagnosis 2024 Nov-Dec, In vivo (Athens, Greece) DOI:10.21873/invivo.13785 PMID:39477382	研究论文	评估基于深度学习的人工智能工具AIxURO系统在提高上尿路细胞学诊断准确性和可靠性方面的效果	AIxURO系统能够精确检测非典型尿路上皮细胞，减少评估中的主观性，显著提高诊断准确性和一致性	NA	评估AIxURO系统在诊断上尿路癌症中的效果	上尿路细胞学样本	计算机视觉	泌尿系统癌症	深度学习	NA	图像	185个上尿路细胞学样本，包括168个非高级别尿路上皮癌（NHGUC）、14个非典型尿路上皮细胞（AUC）、2个疑似高级别尿路上皮癌（SHGUC）和1个高级别尿路上皮癌（HGUC）
957	2024-11-07	Classification of EEG evoked in 2D and 3D virtual reality: traditional machine learning versus deep learning 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad89c5 PMID:39437806	研究论文	本文比较了传统机器学习和深度学习在2D和3D虚拟现实诱发脑电图分类中的表现	首次使用EEGNet深度学习模型在2D和3D虚拟现实诱发脑电图分类中取得了显著优于传统机器学习方法的性能	NA	研究不同机器学习方法在2D和3D虚拟现实诱发脑电图分类中的效果	2D和3D虚拟现实诱发的脑电图信号	机器学习	NA	脑电图(EEG)	卷积神经网络(CNN)	脑电图信号	56通道脑电图记录
958	2024-11-07	An improved AlexNet deep learning method for limb tumor cancer prediction and detection 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad89c7 PMID:39437809	研究论文	本文介绍了一种改进的AlexNet深度学习方法，用于滑膜肉瘤的预测和检测	本文提出了一个改进的AlexNet架构，增加了卷积层和调整输入图像大小，显著提高了模型的性能	NA	提高滑膜肉瘤的诊断准确性	滑膜肉瘤的数字病理图像	计算机视觉	肿瘤	卷积神经网络	AlexNet	图像	NA
959	2024-11-07	MCI Net: Mamba- Convolutional lightweight self-attention medical image segmentation network 2024-Nov-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad8acb PMID:39447592	研究论文	提出了一种名为MCI-Net的轻量级自注意力医学图像分割网络，通过减少模型参数和计算复杂度，提高了分割效率	MCI-Net通过线性建模永久标记有效特征并过滤无关信息，有效捕捉局部-全局信息，减少了参数数量并利用注意力计算实现模型轻量化	NA	开发一种轻量级、高效的医学图像分割网络，减少诊断时间和计算复杂度	医学图像分割	计算机视觉	NA	自注意力机制	卷积神经网络	图像	五个公共数据集：X射线、肺部、ISIC-2016、ISIC-2018和胶囊内窥镜及胃肠分割
960	2024-11-07	Bidirectional dynamic frame prediction network for total-body [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET images 2024-Nov-04, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00698-0 PMID:39489859	研究论文	本文提出了一种双向动态帧预测网络，用于减少全身PET成像的扫描时间	本文的创新点在于提出了一种基于深度学习技术的双向动态帧预测网络，用于减少全身PET成像的扫描时间，从而提高患者舒适度和图像质量	本文的局限性在于仅在特定的PET成像数据上进行了验证，未来需要在更多类型的数据上进行验证	本文的研究目的是通过深度学习技术减少全身PET成像的扫描时间，提高成像效率和患者舒适度	本文的研究对象是全身动态PET成像数据，特别是[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04 PET图像	计算机视觉	NA	深度学习技术	双向动态帧预测网络	图像	13名接受[68Ga]Ga-FAPI-04的患者和24名接受[68Ga]Ga-PSMA-11的患者