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
1041	2024-11-06	Detecting floating litter in freshwater bodies with semi-supervised deep learning 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122405 PMID:39265217	研究论文	本文提出了一种基于半监督深度学习的淡水体漂浮垃圾检测方法	采用SwAV自监督学习方法预训练ResNet50模型，并在有限标注数据下进行微调，显著提高了模型在新地点的泛化能力	需要进一步扩展数据和计算资源以应对全球范围内的漂浮垃圾监测挑战	开发一种有效的半监督学习方法，用于检测淡水体中的漂浮垃圾	淡水体中的漂浮垃圾	计算机视觉	NA	半监督学习	Faster R-CNN	图像	约10万张未标注图像和约1.8千张标注图像
1042	2024-11-06	Transferable and data efficient metamodeling of storm water system nodal depths using auto-regressive graph neural networks 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122396 PMID:39276474	研究论文	本文提出了一种基于自回归图神经网络的雨水系统节点深度元模型，旨在提高计算效率和数据利用率	本文创新性地应用了归纳偏置和迁移学习方法，构建了一种需要较少数据且在其他地方使用时仍能保持高性能的雨水系统元模型	NA	研究目的是开发一种高效的雨水系统元模型，以减少计算时间和数据需求	研究对象是雨水管理系统中的节点深度	机器学习	NA	自回归图神经网络	自回归图神经网络	数值数据	NA
1043	2024-11-06	Self-Supervised Learning for Generic Raman Spectrum Denoising 2024-Nov-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01550 PMID:39441128	研究论文	本文提出了一种基于自监督学习的通用拉曼光谱去噪算法	该算法采用U-Net网络结构，通过子采样策略避免潜在的偏差干扰，显著提高了信号噪声比和检测深度	NA	解决拉曼光谱去噪中的参数优化问题，提高去噪效果和检测深度	拉曼光谱和表面增强拉曼散射光谱	光谱学	NA	自监督学习	U-Net	光谱数据	广泛范围的光谱数据
1044	2024-11-06	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2024-Nov-05, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	本文介绍了一种结合深度学习图像识别和微流体操控的无标记细胞分选方法	该方法创新地将深度学习与数字微流体技术结合，实现了基于形态学的细胞分选	检测模型的精度、浓度比和分选周期显著影响回收率和纯度	开发一种高效的无标记细胞分选方法，应用于研究和临床	HeLa细胞和聚苯乙烯珠作为样本，以及红细胞、白细胞和白血细胞亚型	数字病理学	NA	数字微流体技术	YOLOv8	图像	HeLa细胞和聚苯乙烯珠，以及红细胞、白细胞和白血细胞亚型
1045	2024-11-06	Exploring nonlinear correlations among transition metal nanocluster properties using deep learning: a comparative analysis with LOO-CV method and cosine similarity 2024-Nov-04, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad892c PMID:39433057	研究论文	本文介绍了一种利用深度学习技术快速准确分析过渡金属纳米团簇非线性性质的新方法	采用深度神经网络（DNN）结合留一交叉验证（LOO-CV）和余弦相似度，提供了一种比传统密度泛函理论方法更高效的预测方法	NA	探索过渡金属纳米团簇性质之间的非线性相关性	第四行过渡金属纳米团簇的多种性质，包括总能量、最低振动模式、结合能和HOMO-LUMO能隙	机器学习	NA	深度神经网络（DNN）	深度神经网络（DNN）	电子和物理特性数据	涉及多种过渡金属纳米团簇的样本
1046	2024-11-06	UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications 2024-Nov-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3484951 PMID:39495690	研究论文	本文探讨了深度学习模型在医疗应用中的偏见及其伦理影响，并提出了一种名为UnBias的方法来评估和检测这些偏见	提出了UnBias方法，用于评估不同深度神经网络架构中的偏见，并检测偏见如何影响学习过程	NA	研究深度学习模型在医疗应用中的偏见及其伦理影响，推动公平和可信赖的人工智能应用	深度学习模型在医疗应用中的偏见及其伦理影响	机器学习	NA	深度学习	ResNet50V2, DenseNet121, InceptionV3, Xception	图像	涉及来自多个公开数据库的胸部X光扫描数据集，以及五种性别模型（包括代表性和非代表性）
1047	2024-11-06	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2024-Nov-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	本文开发了一种多模态深度学习列线图，用于识别灰区PSA水平患者的临床显著性前列腺癌，并与临床和放射组学模型进行比较	本文创新性地整合了深度学习特征、PI-RADS评分和临床变量，构建了一个多模态深度学习列线图，显著提高了诊断性能	本文为回顾性研究，样本量有限，未来需要进一步的前瞻性研究验证	建立一种多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著性前列腺癌	灰区PSA水平患者的前列腺癌诊断	机器学习	前列腺癌	深度学习	列线图	多模态数据	303名患者
1048	2024-11-06	A Stacked Multimodality Model Based on Functional MRI Features and Deep Learning Radiomics for Predicting the Early Response to Radiotherapy in Nasopharyngeal Carcinoma 2024-Nov-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.011 PMID:39496536	研究论文	本研究旨在构建并评估一个综合模型，该模型整合了基于MRI的深度学习放射组学、功能成像（fMRI）和临床指标，以预测鼻咽癌（NPC）放疗的早期疗效	本研究创新性地整合了MRI、fMRI和临床指标，构建了一个多模态模型，显著提高了对鼻咽癌放疗早期疗效的预测能力	本研究为回顾性研究，样本量相对较小，且仅限于两家中国医院，外部验证集的样本量较少	开发一个基于MRI的综合模型，用于预测鼻咽癌放疗的早期反应，并为个性化治疗提供指导	鼻咽癌患者在接受放疗后的早期疗效	数字病理学	鼻咽癌	MRI、fMRI、扩散加权成像（DWI）、动脉自旋标记（ASL）	堆叠模型	图像	训练集194例，内部验证集82例，外部验证集40例
1049	2024-11-06	Data-driven and privacy-preserving risk assessment method based on federated learning for smart grids 2024-Nov-02, Communications engineering DOI:10.1038/s44172-024-00300-6 PMID:39488597	研究论文	本文介绍了一种基于联邦学习的数据驱动和隐私保护的智能电网风险评估方法	结合深度学习和安全加密技术，在联邦学习框架下保护电网运营商的数据隐私	未提及具体的局限性	开发一种能够保护数据隐私并提高风险评估准确性的智能电网风险评估方法	智能电网的安全风险评估	机器学习	NA	联邦学习、同态加密	深度卷积神经网络	高维操作数据	IEEE 14-bus和IEEE 118-bus系统
1050	2024-11-06	Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction 2024-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3406559 PMID:38805327	研究论文	提出了一种利用T1加权图像加速T2加权图像获取的端到端深度学习框架	采用最优传输（OT）进行跨模态合成，有效缓解空间错位问题，并通过交替迭代框架优化重建和合成任务	需要进一步验证在不同数据集和临床环境中的泛化能力	加速多模态MRI中T2加权图像的获取，提高图像重建质量	T1加权图像和T2加权图像	计算机视觉	NA	最优传输（OT）	深度学习框架	图像	使用了FastMRI和内部数据集进行实验
1051	2024-11-06	Do as Sonographers Think: Contrast-Enhanced Ultrasound for Thyroid Nodules Diagnosis via Microvascular Infiltrative Awareness 2024-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3405621 PMID:38801692	研究论文	本文提出了一种深度学习模型，模拟超声医师的诊断思维过程，利用动态对比增强超声（CEUS）和灰阶超声（US）进行甲状腺结节诊断	本文创新性地引入了时间投影注意力机制和灵活的Sigmoid Alpha函数，用于表示微血管灌注和描述渗透性扩张过程，并采用自适应集成机制动态整合辅助灰阶超声和CEUS的置信图	本文的研究是回顾性的，样本量相对较小，可能存在偏倚	旨在通过模拟超声医师的诊断思维，提高动态对比增强超声在甲状腺结节诊断中的准确性和敏感性	甲状腺结节及其微血管分布	计算机视觉	甲状腺疾病	动态对比增强超声（CEUS）	深度学习模型	视频	282个CEUS视频
1052	2024-11-06	Cross-Domain Mutual-Assistance Learning Framework for Fully Automated Diagnosis of Primary Tumor in Nasopharyngeal Carcinoma 2024-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3400406 PMID:38739507	研究论文	提出了一种用于鼻咽癌原发肿瘤全自动诊断的跨域互助学习框架	引入了一个3D跨域知识感知网络和一个多域互信息共享融合网络，用于提取和融合多域、多尺度的T分期诊断特征	未提及具体限制	提高鼻咽癌T分期的准确性，以指导治疗决策和预测不同风险组的结果	鼻咽癌的原发肿瘤诊断	计算机视觉	鼻咽癌	卷积神经网络	3D跨域互助学习框架	图像	内部和外部MR图像数据集，采用三折交叉验证方法
1053	2024-11-06	Simulating the Cellular Context in Synthetic Datasets for Cryo-Electron Tomography 2024-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3398401 PMID:38717878	研究论文	本文提出了一种用于冷冻电子断层扫描（cryo-ET）合成数据集的几何和组织模型，以模拟低阶细胞结构	本文创新性地提出了用于模拟细胞结构的多种几何和组织模型，包括细胞质或膜结合的大分子簇、不同几何形状的膜以及微管或肌动蛋白样网络等纤维结构	本文未提及具体的局限性	本文旨在解决深度学习图像处理算法在cryo-ET领域应用中缺乏可靠基准的问题，通过生成现实的合成数据集来训练深度学习算法	本文的研究对象是cryo-ET图像中的低阶细胞结构	计算机视觉	NA	cryo-ET	深度学习算法	图像	NA
1054	2024-11-06	GC2: Generalizable Continual Classification of Medical Images 2024-Nov, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3398533 PMID:38717881	研究论文	本文提出了一种名为GC2的可泛化持续分类方法，用于医学图像分类	GC2通过逐步基于责任的网络剪枝和对抗图像增强与知识蒸馏方法，增强了模型的分布外鲁棒性	NA	提高深度学习模型在医学图像分类中的持续学习能力和泛化性能	医学图像分类中的持续学习问题	计算机视觉	NA	对抗图像增强、知识蒸馏	GC2	图像	多个基准数据集
1055	2024-11-06	DeepAIP: Deep learning for anti-inflammatory peptide prediction using pre-trained protein language model features based on contextual self-attention network 2024-Nov, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136172 PMID:39357724	研究论文	提出了一种基于预训练蛋白质语言模型特征和上下文自注意力网络的深度学习模型，用于预测抗炎肽	使用预训练蛋白质语言模型提取特征，并结合上下文自注意力模块，显著提高了抗炎肽预测的准确性	未提及	开发一种新的深度学习模型，用于准确预测抗炎肽	抗炎肽的预测	机器学习	NA	深度学习	上下文自注意力网络	蛋白质序列	17种新型抗炎肽序列
1056	2024-11-06	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2024-Nov-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53628-0 PMID:39487131	研究论文	本文介绍了一种名为ChromaFold的深度学习模型，用于从单细胞染色质可及性数据中预测3D接触图谱	ChromaFold能够仅使用单细胞ATAC测序数据预测3D接触图谱，相较于使用ATAC-seq和CTCF ChIP-seq的领先模型，ChromaFold实现了最先进的性能	NA	旨在通过单细胞染色质可及性数据预测细胞类型特异性的3D染色质相互作用，以帮助解析基因调控和解释与疾病相关的非编码变异	单细胞ATAC测序数据和3D接触图谱	机器学习	NA	单细胞ATAC测序（scATAC-seq）	深度学习模型	染色质可及性数据	涉及人类和老鼠的多种测试细胞类型
1057	2024-11-06	FlexSleepTransformer: a transformer-based sleep staging model with flexible input channel configurations 2024-11-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76197-0 PMID:39487223	研究论文	提出了一种基于Transformer的睡眠分期模型FlexSleepTransformer，能够处理不同数量的输入通道	FlexSleepTransformer是首个能够在不同PSG通道数量的数据集上同时训练的模型	NA	开发一种能够适应不同PSG通道数量的睡眠分期模型，以促进临床应用	睡眠分期	机器学习	NA	Transformer	Transformer	信号	使用了两个数据集：SleepEDF-78和SleepUHS
1058	2024-11-06	Improving crop production using an agro-deep learning framework in precision agriculture 2024-Nov-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05970-9 PMID:39487390	研究论文	研究通过应用深度学习技术提升精准农业的效果	开发了Agro Deep Learning Framework (ADLF)来处理大量农业数据，以提高作物管理的决策过程和检测潜在问题	未来研究可以进一步优化模型并探索其在不同作物和农业环境中的适用性	通过深度学习技术提升精准农业的效果	精准农业中的作物管理	机器学习	NA	深度学习	ADLF	数据集	包括土壤湿度、温度和湿度等变量的大量数据集
1059	2024-11-06	Segmentation of periapical lesions with automatic deep learning on panoramic radiographs: an artificial intelligence study 2024-Nov-01, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-05126-4 PMID:39487404	研究论文	研究评估了基于U²-Net架构的人工智能模型在全景X光片上检测根尖病变的诊断准确性	首次使用基于U²-Net架构的人工智能模型进行根尖病变的自动分割	需要进一步研究以提高诊断准确性，尤其是使用更大的数据集	评估人工智能模型在全景X光片上检测根尖病变的诊断准确性	根尖病变	计算机视觉	牙科疾病	深度学习	U²-Net	图像	400张全景X光片，包含780个根尖透光区
1060	2024-11-06	Efficient brain tumor grade classification using ensemble deep learning models 2024-Nov-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01476-1 PMID:39487431	研究论文	本文提出了一种基于集成深度学习模型的脑肿瘤分级分类方法	使用MobileNetV2模型提取图像特征，提高了模型的效率和泛化能力	NA	提高脑肿瘤诊断的准确性	脑肿瘤MRI图像的分级分类	计算机视觉	脑肿瘤	深度学习	MobileNetV2	图像	六个标准的Kaggle脑肿瘤MRI数据集