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
20061	2024-08-07	Melanoma Diagnosis Using Deep Learning and Fuzzy Logic 2020-Aug-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10080577 PMID:32784837	研究论文	本文提出了一种基于深度学习的YOLO算法，结合模糊逻辑用于从皮肤镜和数字图像中检测黑色素瘤	本文引入了图论的最小生成树概念和L型模糊数近似方法进行两阶段分割，并在特征提取过程中提取实际受影响的病变区域	NA	开发一种更快速且计算有效的系统用于检测黑色素瘤	黑色素瘤的检测	计算机视觉	皮肤癌	深度卷积神经网络(DCNNs)	YOLO	图像	20250张图像
20062	2024-08-07	Semantic Deep Learning: Prior Knowledge and a Type of Four-Term Embedding Analogy to Acquire Treatments for Well-Known Diseases 2020-Aug-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/16948 PMID:32759099	研究论文	本研究通过语义深度学习方法，利用先验知识和四项式嵌入类比，系统地提取疾病治疗陈述	本研究采用了一种新的四项式嵌入类比方法，不同于传统的成对类比，并利用先验知识进行推理	研究中使用的数据集规模相对较小，且需要进一步的人工验证	旨在通过语义深度学习方法，系统地从生物医学文献中提取基于证据的疾病治疗陈述	疾病治疗陈述的提取和验证	自然语言处理	NA	连续词袋模型（CBOW）和跳字模型（Skip-gram）嵌入	深度学习模型	文本	423K n-grams 从 PubMed 系统评价子集（PMSB 数据集）中提取
20063	2024-08-07	Feature Selection for Health Care Costs Prediction Using Weighted Evidential Regression 2020-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s20164392 PMID:32781680	研究论文	本文提出了一种基于加权证据回归的特征选择方法，用于预测医疗保健成本，并允许结果的解释	该方法结合了证据回归和k-近邻算法，能够在保持预测准确性的同时提供结果的解释性	NA	开发一种既能够达到黑盒方法预测准确性，又允许结果解释的医疗成本预测方法	医疗保健成本预测及其影响因素	机器学习	NA	证据回归（EVREG）	回归模型	医疗记录	使用了Tsuyama Chuo Hospital从2013年到2018年的日本健康记录
20064	2024-08-07	Real-Time Detection of Railway Track Component via One-Stage Deep Learning Networks 2020-Aug-03, Sensors (Basel, Switzerland) DOI:10.3390/s20154325 PMID:32756365	research paper	本文提出了一系列单阶段深度学习方法，用于实时检测铁路轨道关键部件，如轨道、螺栓和夹子。	采用YOLOv2模型，实现了93%的平均精度均值（mAP）和35张图像每秒（IPS）的检测速度。	较大的输入尺寸虽然提高了检测精度，但增加了推理时间。	提高铁路轨道检查的准确性和速度。	铁路轨道的关键部件，包括轨道、螺栓和夹子。	computer vision	NA	深度学习	YOLOv2, FPN	image	NA
20065	2024-08-07	Current Status and Future Perspectives of Artificial Intelligence in Magnetic Resonance Breast Imaging 2020, Contrast media & molecular imaging DOI:10.1155/2020/6805710 PMID:32934610	综述	本文综述了人工智能（AI）和深度学习（DL）在乳腺磁共振成像（MRI）中的当前状态和未来展望	强调了开发用于精准医学的定量影像生物标志物的重要性，以及乳腺MRI和DL在此方面的潜力	讨论了DL在乳腺MRI应用中的未来挑战	提供AI在乳腺MRI中当前状态和未来展望的全面图景	乳腺MRI中的AI和DL应用	计算机视觉	NA	深度学习	DL	影像	NA
20066	2024-08-07	A Deep Network Model on Dynamic Functional Connectivity With Applications to Gender Classification and Intelligence Prediction 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00881 PMID:33013292	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习模型，用于捕捉功能连接序列的时空特征，并应用于性别分类和智力预测任务	该模型能够同时捕捉功能连接序列的时空特征，并在性别分类和智力预测任务中显著优于先前报告的模型	NA	研究动态功能脑网络的动态特性与个体行为和认知特征之间的关系	功能脑网络的动态特性	机器学习	NA	fMRI	CNN 和 LSTM	功能连接序列	1,050 名参与者（人类连接组计划）
20067	2024-08-07	Using deep learning to probe the neural code for images in primary visual cortex 2019-04-01, Journal of vision IF:2.0Q2 DOI:10.1167/19.4.29 PMID:31026016	研究论文	本研究利用深度卷积神经网络预测初级视觉皮层（V1）神经元对自然图像刺激的放电率	本研究首次使用深度卷积神经网络预测V1神经元对自然图像刺激的放电率，并发现预测结果与实际放电率高度相关	研究仅限于预测V1神经元的放电率，未涉及更深层次的视觉信息处理机制	旨在填补对V1如何编码图像的理解中的重要空白	初级视觉皮层（V1）神经元对自然图像刺激的响应	计算机视觉	NA	深度学习	CNN	图像	355个神经元
20068	2024-08-04	Machine learning for high-precision simulation of dissolved organic matter in sewer: Overcoming data restrictions with generative adversarial networks 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174469 PMID:38972419	研究论文	本研究建立了一种新框架，结合生成对抗网络和机器学习模型，以提高污水中溶解有机物转化过程的模拟精度	提出了一种整合生成对抗网络算法与机器学习模型的框架，以克服数据限制带来的缺陷	模型的准确性受到数据限制的限制	研究污水中溶解有机物的转化过程及其管理策略	污水中的溶解有机物的转化过程	机器学习	NA	生成对抗网络	集成模型	虚拟数据集	1000个样本
20069	2024-08-04	Spatiotemporal changes of urban vacant land and its distribution patterns in shrinking cities on the globe 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174424 PMID:38969133	研究论文	研究确定了497个全球收缩城市中的城市空置土地（UVL）及其时空特征	使用手动标记和深度学习识别UVL，揭示其分布模式及时空变化	仅分析了2016年至2021年间的UVL，可能未涵盖其他时间段的变化	识别UVL并分析其在收缩城市中的时空特征	497个全球收缩城市的城市空置土地	城市规划	NA	深度学习	NA	地理空间数据	497个城市
20070	2024-08-04	Integrated machine learning and deep learning for predicting diabetic nephropathy model construction, validation, and interpretability 2024-Aug, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03735-1 PMID:38393509	研究论文	构建了一种用于辅助诊断糖尿病肾病的风险预测模型	结合了机器学习和深度学习算法以构建和验证预测模型	未提及具体的样本和疾病的多样性对模型影响的限制	探索利用机器学习算法构建糖尿病肾病的风险预测模型	糖尿病肾病患者的数据	机器学习	糖尿病肾病	机器学习	随机森林	数据集	NA
20071	2024-08-04	Forecasting daily total pollen concentrations on a global scale 2024-Aug, Allergy IF:12.6Q1 DOI:10.1111/all.16227 PMID:38995241	研究论文	本研究使用CatBoost和深度学习模型预测全球范围内的每日总花粉浓度	提出了利用深度学习模型和CatBoost进行全球花粉浓度预测的新方法	预测效果在不同城市之间差异较大，部分城市的预测准确性较低	加强全球尺度花粉浓度的预测能力	涵盖五大洲23个城市的每日总花粉浓度	机器学习	NA	CatBoost，深度学习	NA	气象数据，花粉浓度数据	23个城市
20072	2024-08-04	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-Jul-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	本研究提出了一种不需要标定的运动意象脑机接口的方法，使用VGG卷积神经网络和WGAN。	提出了一种利用深度学习和WGAN生成合成谱图像的校准-free方法来增强跨主体的运动意象EEG分类性能。	研究中未提及的限制因素	提高运动意象EEG分类的准确性，使之更适合实际应用。	使用记录的运动意象EEG信号进行分类和数据增强。	计算机视觉	NA	EEG, WGAN	VGG-CNN	EEG谱图像	使用了BCI竞赛IV-2B, IV-2 A, 和IV-1基准数据集进行评估
20073	2024-08-05	Utilising deep learning networks to classify ZEB2 expression images in cervical cancer 2024-Jul-30, British journal of hospital medicine (London, England : 2005) DOI:10.12968/hmed.2024.0156 PMID:39078889	研究论文	本研究提出了一种混合深度学习系统，用于基于ZEB2表达对宫颈癌图像进行分类	集成了多种卷积神经网络模型（EfficientNet、DenseNet和InceptionNet）并采用梯度加权类激活映射（Grad-CAM）技术来提高模型决策的可解释性	未来的工作将集中在提高模型的准确性以及探索其对其他癌症类型的适用性	研究开发一种有效且可解释的深度学习模型，以提高宫颈癌的早期诊断能力	宫颈癌图像及其中的ZEB2表达水平	计算机视觉	宫颈癌	深度学习	卷积神经网络	图像	649张注释图像
20074	2024-08-05	High precision deep-learning model combined with high-throughput screening to discover fused [5,5] biheterocyclic energetic materials with excellent comprehensive properties 2024-Jul-26, RSC advances IF:3.9Q2 DOI:10.1039/d4ra03233k PMID:39077321	研究论文	本文提出了一种结合深度学习模型和高通量筛选的有效方法，以发现性能优异的[5,5]双杂环能量材料	创新点在于使用嵌入特征的有向信息传递神经网络建立了高预测准确性的深度学习模型	在文中未提及研究的限制	研究旨在快速发现具有高能量和优良热稳定性的能量材料	研究对象是[5,5]双杂环能量材料及其性能	机器学习	NA	密度泛函理论计算 (DFT)	有向信息传递神经网络	NA	选出了1种具有良好爆轰性能和热稳定性的材料
20075	2024-08-05	Exploring Implicit Biological Heterogeneity in ASD Diagnosis Using a Multi-Head Attention Graph Neural Network 2024-Jul-17, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/j.jin2307135 PMID:39082298	研究论文	本文提出了一种新型深度学习方法，利用多头注意力图神经网络探索自闭症谱系障碍（ASD）的隐性生物异质性	创新点在于采用多头注意力机制建模功能连接图，能够同时模拟与ASD相关的复杂大脑连接模式	该研究未提及样本的多样性以外的限制因素	研究目的在于提高ASD的诊断准确性和推动神经科学研究	研究对象为自闭症患者的脑部成像数据	数字病理学	自闭症谱系障碍	功能连接（FC）图建模	图神经网络	脑部成像数据	使用了来自自闭症脑成像数据交换（ABIDE）I和II的异质性队列数据
20076	2024-08-04	Morphological classification of neurons based on Sugeno fuzzy integration and multi-classifier fusion 2024-07-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66797-1 PMID:38992081	研究论文	本文提出了一种基于Sugeno模糊积分和多分类器融合的神经元形态分类方法	采用了三种优化的深度学习模型融合，通过Sugeno模糊积分提升分类准确率	未提及模型在其他数据集或实际应用中性能的表现	准确分类神经元类型以提取重要的形态特征	神经元图像的分类	计算机视觉	NA	深度学习	AlexNet, VGG11_bn, ResNet-50	图像	Img_raw, Img_resample, Img_XYalign数据集，分类准确率为四分类98.04%, 91.75%, 93.13%; 十二分类97.82%, 85.68%, 87.60%
20077	2024-08-04	Selection of pre-trained weights for transfer learning in automated cytomegalovirus retinitis classification 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67121-7 PMID:38987446	研究论文	本研究探讨了利用不同预训练权重进行自动化细胞巨病毒视网膜炎分类的有效性	提出了一种顺序转移学习方法，通过不同的数据集预训练权重，提高了细胞巨病毒视网膜炎的分类精度与效率	该研究的模型依赖于有限数量的细胞巨病毒视网膜炎图像，可能影响模型的普适性	研究旨在改进细胞巨病毒视网膜炎的自动化诊断	研究对象为来自Siriraj医院的955幅视网膜图像，包括524幅细胞巨病毒视网膜炎图像和431幅正常图像	计算机视觉	细胞巨病毒视网膜炎	卷积神经网络（CNN）	DenseNet121	图像	955幅视网膜图像（524幅CMVR和431幅正常图像）
20078	2024-08-04	Better performance of deep learning pulmonary nodule detection using chest radiography with pixel level labels in reference to computed tomography: data quality matters 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66530-y PMID:38987309	研究论文	该文章探讨了使用像素级标签的胸部X光图像在肺结节检测中的深度学习模型性能与CT扫描的关系	提出了一种使用参考胸部CT的像素级注释数据来提高肺结节检测的深度学习模型	研究主要依赖于特定的数据集，可能限制了模型的普遍适用性	研究旨在提高胸部X光下肺结节的检测和定位性能	研究对象为使用胸部X光图像和CT图像进行标注的数据集	计算机视觉	肺癌	深度学习	DenseNet	图像	包含国家卫生研究院的胸部X光标注数据集和AI-HUB的CT标注数据集
20079	2024-08-04	Automatic wild bird repellent system that is based on deep-learning-based wild bird detection and integrated with a laser rotation mechanism 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66920-2 PMID:38987345	研究论文	提出了一种基于深度学习的自动野鸟驱散系统	系统集成了激光旋转机制，能够检测并驱散野鸟	未提及系统在不同环境下的表现	降低农业中的野鸟数量以减少经济损失	野鸟探测和驱散系统	计算机视觉	NA	深度学习	NA	图像	在台湾云林的一个户外鸭场进行的实验
20080	2024-08-04	Nano fuzzy alarming system for blood transfusion requirement detection in cancer using deep learning 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66607-8 PMID:38987580	研究论文	本文提出了一种基于深度学习的纳米模糊警报系统，用于检测癌症患者的输血需求	首次使用体内数据处理血癌患者的输血需求预测，结合LSTM神经网络和纳米模糊技术	样本量为98，可能限制结果的普遍性和适用性	预测癌症患者的输血需求以减少输血相关风险	血癌患者，包含98个样本和61个特征的多变量数据	机器学习	血癌	LSTM	LSTM	临床与实验室数据	98个血癌患者样本