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
1181	2024-11-15	Synthesis of higher-B0 CEST Z-spectra from lower-B0 data via deep learning and singular value decomposition 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5221 PMID:39113170	研究论文	本文提出了一种利用深度学习和奇异值分解从3T数据合成更高场强Z-谱的方法	通过深度学习框架和奇异值分解，实现了从3T数据合成9.4T Z-谱的创新方法	需要进一步验证该方法在不同临床条件下的适用性和鲁棒性	旨在从3T临床扫描仪获取的数据中合成更高场强的Z-谱，以提高CEST MRI的信号解释和定量分析	磷酸肌酸（PCr）模型和伪体内模型，包括PCr幻影、蛋清幻影和体内大鼠脑部数据	磁共振成像	NA	化学交换饱和转移（CEST）MRI	深度神经网络（DNN）	Z-谱	包括7个PCr管、3个蛋清管和3个大鼠切片
1182	2024-11-15	Automatic deep learning segmentation of the hippocampus on high-resolution diffusion magnetic resonance imaging and its application to the healthy lifespan 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5227 PMID:39136393	研究论文	本文提出了一种基于深度学习的高分辨率扩散磁共振成像（DTI）海马体自动分割方法	该方法通过扩展UNet和UNet++架构，引入了额外的密集残差连接，实现了直接在扩散图像上的自动分割	该方法尚未在患者群体中进行评估	开发一种自动分割方法，以促进大规模人群分析	海马体	计算机视觉	NA	扩散张量成像（DTI）	UNet和UNet++	图像	训练集包含100名健康参与者，验证集包含53名健康参与者，进一步验证集包含153名和354名健康参与者
1183	2024-11-15	Deep learning-based diagnosis and survival prediction of patients with renal cell carcinoma from primary whole slide images 2024-Dec, Pathology IF:3.6Q1 DOI:10.1016/j.pathol.2024.05.012 PMID:39168777	研究论文	本文提出了一种基于深度学习的策略，用于从全切片图像中诊断和预测肾细胞癌患者的生存情况	本文创新性地使用深度学习技术进行肾细胞癌的诊断和生存预测，并展示了其在不同数据集上的优异表现	本文未详细讨论模型的泛化能力和在不同医疗中心的适用性	探索肾细胞癌的新型诊断和预后生物标志物	肾细胞癌患者	数字病理学	肾细胞癌	深度学习	深度学习模型	图像	1752张全切片图像
1184	2024-11-15	Deformation depth decoupling network for point cloud domain adaptation 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106626 PMID:39173197	研究论文	本文提出了一种基于输入级离散化匹配的点云域适应方法，通过几何变形深度解耦网络（3DeNet）增强模型的泛化能力	本文创新性地提出了输入级离散化匹配方法，并通过几何变形深度解耦网络（3DeNet）学习源域知识并嵌入隐式特征空间，有效约束下游任务的无监督预测	本文未详细讨论模型在实际应用中的可扩展性和计算效率	提高深度学习模型在点云数据上的泛化能力	点云数据的域适应问题	计算机视觉	NA	深度学习	几何变形深度解耦网络（3DeNet）	点云数据	使用了PointDA-10和PointSegDA数据集进行实验
1185	2024-11-15	Inter-participant transfer learning with attention based domain adversarial training for P300 detection 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106655 PMID:39226850	研究论文	本文提出了一种基于注意力域对抗训练的跨参与者迁移学习方法，用于P300检测	本文提出了一种新的One-source域迁移学习方法，称为Attention Domain Adversarial Neural Network (OADANN)，用于缓解跨参与者分类任务中的数据分布差异	NA	研究如何通过迁移学习方法提高脑机接口系统中P300检测的准确性和鲁棒性	脑电信号中的P300成分	机器学习	NA	域对抗训练	Attention Domain Adversarial Neural Network (OADANN)	脑电信号	使用了公开的OpenBMI数据集和自收集数据集，采用留一参与者交叉验证方案
1186	2024-11-15	Improving classification performance of motor imagery BCI through EEG data augmentation with conditional generative adversarial networks 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106665 PMID:39241437	研究论文	本文提出了一种使用条件生成对抗网络（cGANs）进行脑电图（EEG）数据增强的方法，以提高运动想象脑机接口（BCI）的分类性能	本文创新性地使用条件生成对抗网络（cGANs）进行EEG数据增强，以解决EEG数据稀缺问题	本文未详细讨论cGANs在EEG数据生成中的潜在局限性	提高运动想象脑机接口（BCI）中EEG分类器的性能	运动想象任务的EEG数据	机器学习	NA	条件生成对抗网络（cGANs）	cGAN	脑电图（EEG）	使用了两个公开的EEG数据集，包括BCI竞赛IV IIa和III IVa
1187	2024-11-15	Improved region proposal network for enhanced few-shot object detection 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106699 PMID:39243514	研究论文	本文提出了一种改进的区域提议网络（RPN）用于增强少样本目标检测	开发了一种半监督算法，利用未标记的新对象作为正样本，并设计了分层三元分类区域提议网络（HTRPN）来定位这些对象并赋予新的对象标签	未提及	改进少样本目标检测的性能	少样本目标检测中的未标记新对象	计算机视觉	NA	深度学习	区域提议网络（RPN）	图像	使用了COCO和PASCAL VOC基准数据集
1188	2024-11-15	Monitoring the leaf damage by the rice leafroller with deep learning and ultra-light UAV 2024-Dec, Pest management science IF:3.8Q1 DOI:10.1002/ps.8401 PMID:39264132	研究论文	本研究利用超轻型无人机和深度学习技术监测水稻卷叶蛾造成的叶片损伤	采用超轻型无人机获取高分辨率图像，并使用Attention U-Net模型进行损伤区域识别和计数	未提及具体限制	开发一种快速准确的方法来监测水稻卷叶蛾造成的叶片损伤	水稻卷叶蛾造成的叶片损伤	计算机视觉	NA	深度学习	Attention U-Net	图像	未提及具体样本数量
1189	2024-11-15	Moving sampling physics-informed neural networks induced by moving mesh PDE 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106706 PMID:39270348	研究论文	本文提出了一种基于深度神经网络和移动网格方法的端到端自适应采样框架，通过求解移动网格偏微分方程生成新的采样点	提出了基于移动网格方法的深度神经网络模型MMPDE-Net，并结合物理信息神经网络（PINN）提出了移动采样PINN（MS-PINN）	NA	改进采样点生成的质量，并通过数值实验验证方法的有效性	自适应采样点和移动采样PINN的生成与性能	机器学习	NA	深度神经网络	MMPDE-Net	NA	NA
1190	2024-11-15	Using 3D facial information to predict malnutrition and consequent complications 2024-Dec, Nutrition in clinical practice : official publication of the American Society for Parenteral and Enteral Nutrition IF:2.1Q3 DOI:10.1002/ncp.11215 PMID:39319394	研究论文	本文探讨了使用深度学习技术从面部图像信息预测营养不良及其并发症的可行性	首次提出使用三维面部数据结合深度学习框架来预测营养不良患者的相位角（PhA）	研究样本主要来自手术、消化内科和肿瘤科的住院患者，可能存在样本偏倚	探索使用面部图像信息预测营养不良及其并发症的可行性	住院患者的营养状态和疾病预后	计算机视觉	NA	深度学习	多模态深度学习框架	三维面部数据	482名住院患者，其中176名患有营养不良
1191	2024-11-15	Multi-scale convolution enhanced transformer for multivariate long-term time series forecasting 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106745 PMID:39340967	研究论文	提出了一种多尺度卷积增强的Transformer模型（MSCformer）用于多元长期时间序列预测	设计了多尺度分割策略和多依赖聚合模块，以降低计算复杂度并捕捉时间序列的多尺度信息和局部特征	未提及具体限制	改进多元长期时间序列预测的准确性	多元长期时间序列数据	机器学习	NA	Transformer模型	MSCformer	时间序列	未提及具体样本数量
1192	2024-11-15	Harnessing uncertainty: A deep mechanistic approach for cautious diagnostic and forecast of Bovine Respiratory Disease 2024-Dec, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2024.106354 PMID:39471650	研究论文	本文介绍了一种结合数据驱动模型和数学流行病学模型的新方法，用于牛呼吸道疾病的诊断和预测	提出了贝叶斯深度机制方法，结合数据驱动模型和数学流行病学模型，考虑了过程中的不确定性	未来研究可能需要整合多种传感器数据，如视频监控、音频记录和环境参数，以提供更全面的动物健康评估	提高牛呼吸道疾病的诊断和预测准确性	牛呼吸道疾病及其相关风险因素	机器学习	牛呼吸道疾病	贝叶斯深度学习模型	贝叶斯深度学习模型	视频	265个肺部超声视频，来自法国9个农场的163头牛
1193	2024-11-15	The Artificial Neural Twin - Process optimization and continual learning in distributed process chains 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106647 PMID:39208460	研究论文	本文提出了一种名为人工神经双胞胎的方法，用于分布式工艺链中的过程优化和持续学习	结合了模型预测控制、深度学习和传感器网络的概念，引入了分散的可微数据融合方法，用于估计分布式工艺步骤的状态及其对输入数据的依赖性	NA	解决工业过程中数据主权、目标差异和专家知识需求等问题，提高经济和生态效率	分布式工艺链中的过程优化和控制	机器学习	NA	深度学习	神经网络	数据	NA
1194	2024-11-15	A surrogate-assisted extended generative adversarial network for parameter optimization in free-form metasurface design 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106654 PMID:39208457	研究论文	本文提出了一种基于代理辅助扩展生成对抗网络（XGAN）的参数优化方法，用于自由形式超表面设计	引入代理模型为XGAN提供物理约束，使其能够从输入光谱响应中准确生成超表面	NA	加速和优化自由形式超表面设计	自由形式超表面	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	光谱响应	20000个自由形式超表面设计
1195	2024-11-15	A dual-region speech enhancement method based on voiceprint segmentation 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106683 PMID:39255636	研究论文	本文提出了一种基于声纹区域分割的双区域语音增强方法	通过声纹区域分割，分别对语音能量集中和非集中区域建立不同的语音增强模型，从而提高模型性能	未提及	验证基于声纹区域分割的双区域语音增强模型的有效性	噪声污染的语音信号和干净的语音信号之间的映射关系	自然语言处理	NA	深度学习	双区域语音增强模型	语音信号	使用公共数据集进行实验
1196	2024-11-15	AI-Enhanced Detection of Clinically Relevant Structural and Functional Anomalies in MRI: Traversing the Landscape of Conventional to Explainable Approaches 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29247 PMID:38243677	综述	本文详细探讨了人工智能在磁共振成像（MRI）中异常检测的应用，强调了其在医学诊断中的变革性影响	本文介绍了最新的集成方法和可解释人工智能的进展，为未来的研究方向和潜在突破提供了见解	NA	提高MRI中关键结构和功能异常检测的精度和速度	MRI图像中的异常检测	计算机视觉	NA	机器学习和深度学习	集成方法和可解释人工智能	图像	NA
1197	2024-11-15	Deep Learning Radiomic Analysis of MRI Combined with Clinical Characteristics Diagnoses Placenta Accreta Spectrum and its Subtypes 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29317 PMID:38390981	研究论文	本文开发了一种级联深度语义-放射组学-临床（DRC）模型，用于基于T2加权MRI诊断胎盘植入谱（PAS）及其亚型	本文创新性地结合了放射组学、深度语义特征和临床特征，开发了一种级联模型用于诊断PAS及其亚型	本文为回顾性研究，样本量相对较小，且未提及模型的长期性能评估	开发一种新的深度学习模型，用于诊断胎盘植入谱及其亚型，以辅助手术规划	胎盘植入谱及其亚型	机器学习	妇产科疾病	MRI	深度学习模型	图像	361名疑似PAS的孕妇，分为训练组和测试组
1198	2024-11-15	Editorial for "Deep Learning Radiomic Analysis of MRI Combined with Clinical Characteristics Diagnoses Placenta Accreta Spectrum and its Subtypes" 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29321 PMID:38415787	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1199	2024-11-15	Fully Automated Identification of Lymph Node Metastases and Lymphovascular Invasion in Endometrial Cancer From Multi-Parametric MRI by Deep Learning 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29344 PMID:38471960	研究论文	本文开发了一种深度学习模型，用于从多参数MRI图像中自动识别子宫内膜癌患者的淋巴结转移和淋巴血管侵犯	本文首次提出了一种多任务深度学习模型，能够同时识别淋巴结转移和淋巴血管侵犯，并在外部测试集上表现优于三名放射科医生	本文的研究是回顾性的，且样本量相对较小，未来需要在前瞻性研究和更大样本量的验证中进一步验证模型的有效性	开发一种深度学习模型，用于从多参数MRI图像中自动识别子宫内膜癌患者的淋巴结转移和淋巴血管侵犯，以辅助临床治疗方案的设计	子宫内膜癌患者的淋巴结转移和淋巴血管侵犯	计算机视觉	妇科肿瘤	多参数MRI	nnU-Net	图像	621名子宫内膜癌患者，其中111名淋巴结转移阳性，168名淋巴血管侵犯阳性，分为训练集398例，内部测试集169例，外部测试集54例
1200	2024-11-15	Editorial for "Fully Automated Identification of Lymph Node Metastases and Lymphovascular Invasion in Endometrial Cancer From Multi-Parametric MRI by Deep Learning" 2024-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29409 PMID:38662938	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA