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
20501	2024-08-07	Research on Fatigue Driving Detection Technology Based on CA-ACGAN 2024-Apr-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14050436 PMID:38790415	研究论文	本研究提出了一种基于条件生成对抗网络与分类头结合卷积和注意力机制（CA-ACGAN）的疲劳驾驶检测技术，通过分析脑电图（EEG）信号来精确识别疲劳驾驶状态	本研究引入了CA-ACGAN框架，结合注意力机制、瓶颈残差块和Transformer元素，显著改进了EEG信号的处理，并通过生成高质量合成数据解决了真实数据稀缺的问题	NA	提高道路安全，通过先进的疲劳监测方法减少驾驶疲劳带来的交通风险	疲劳驾驶状态的识别	机器学习	NA	EEG信号分析	CA-ACGAN	脑电图（EEG）信号	使用SEED-VIG公共数据集进行实验
20502	2024-08-07	A Novel Mis-Seg-Focus Loss Function Based on a Two-Stage nnU-Net Framework for Accurate Brain Tissue Segmentation 2024-Apr-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050427 PMID:38790294	research paper	本文提出了一种基于两阶段nnU-Net框架的新型误分割聚焦损失函数，用于提高脑组织分割的准确性	本文创新性地提出了一种两阶段nnU-Net框架，通过全局损失函数识别误分割区域，并使用误分割损失函数自适应调整模型，以更好地处理模糊边界和重叠的解剖结构	NA	提高脑组织分割的准确性	脑组织分割	computer vision	NA	NA	nnU-Net	image	两个数据集
20503	2024-08-07	Cancerous and Non-Cancerous MRI Classification Using Dual DCNN Approach 2024-Apr-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050410 PMID:38790279	研究论文	本研究提出了一种双深度卷积神经网络（DCNN）模型，用于准确分类癌症和非癌症的MRI样本	本研究引入了双DCNN模型，结合inceptionV3和denseNet121两个深度学习模型，通过全局最大池化层提取特征，并使用五个全连接层进行训练，以提高分类准确性	NA	开发一种高效的系统，用于通过医学影像特别是MRI分析大量医疗数据，以实现早期肿瘤检测	癌症和非癌症的MRI样本	计算机视觉	脑癌	深度学习（DL），深度卷积神经网络（DCNN）	双DCNN模型，包括inceptionV3和denseNet121	MRI图像	NA
20504	2024-08-07	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.03.556122 PMID:37732188	研究论文	本文介绍了Polaris，一个用于基于图像的空间转录组学的分析流程，结合深度学习模型进行细胞分割和点检测，并通过概率基因解码器准确量化单细胞基因表达	Polaris提供了一个统一的、即插即用的解决方案，用于分析来自MERFSIH、seqFISH或ISS实验的空间转录组学数据	NA	开发一个自动化的分析流程，用于基于图像的空间转录组学数据分析	基于图像的空间转录组学数据	计算机视觉	NA	深度学习	深度学习模型	图像	NA
20505	2024-08-07	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	本文评估并优化了基于深度学习的细胞分割模型在免疫荧光图像上的性能，特别是在人类单纯疱疹病毒感染的皮肤组织中的应用	通过选择最佳模型并进一步训练，提高了预测性能，达到了与人类表现相当的水平	最终模型的性能不完美，主要归因于图像集中适度的信噪比	优化基于深度学习的细胞分割模型，以提高在密集组织中的细胞识别和定量	评估和优化18种基于深度学习的细胞分割模型在免疫荧光图像上的性能	计算机视觉	NA	深度学习	CNN	图像	使用了两组公共图像集和一组包含10,000+训练实例的当前图像集
20506	2024-08-07	Deep-Masker: A Deep Learning-based Tool to Assess Chord Length from Murine Lung Images 2023-08, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1165/rcmb.2023-0051MA PMID:37236629	研究论文	本文介绍了一种基于深度学习的工具Deep-Masker，用于自动评估小鼠肺部图像中的弦长	Deep-Masker通过自动化的深度学习算法，提高了评估弦长的准确性和效率，减少了人工操作的变异性和偏差	NA	开发一种自动化的工具，以标准化小鼠肺部疾病模型中弦长的测量	小鼠肺部图像中的弦长	计算机视觉	慢性阻塞性肺疾病	深度学习	NA	图像	1217张图像来自137只小鼠，涉及12个品系，暴露于室内空气或香烟烟雾6个月
20507	2024-08-07	Wide and deep learning based approaches for classification of Alzheimer's disease using genome-wide association studies 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283712 PMID:37126509	research paper	本研究利用全基因组关联研究数据，通过基于关联测试、主成分分析和Boruta算法的混合特征选择方法，筛选出阿尔茨海默病的潜在预测因子，并将其输入到宽深神经网络模型中进行分类	提出了一种基于关联测试、主成分分析和Boruta算法的混合特征选择方法，并使用宽深神经网络模型进行分类，实验结果显示该方法在标准数据集上的准确率和F1分数达到99%	NA	旨在通过基因组数据准确诊断阿尔茨海默病，并识别影响该疾病的关键因素	阿尔茨海默病及其相关基因	machine learning	geriatric disease	GWAS	wide and deep neural network	genetic markers	包含620901个属性的原始数据集
20508	2024-08-07	Identifying Barriers to Post-Acute Care Referral and Characterizing Negative Patient Preferences Among Hospitalized Older Adults Using Natural Language Processing 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128417	研究论文	本研究利用自然语言处理技术识别住院老年患者接受急性后护理的障碍，并分析患者的负面偏好	开发了一种自然语言处理分类器，用于识别最高价值的急性后护理障碍类别，即患者的负面偏好，并比较了多种机器学习模型，包括深度学习模型	研究样本仅包括594份急性护理笔记，来自100名患者，可能影响结果的普遍性	旨在检测住院老年患者接受急性后护理的常见障碍	住院老年患者的临床笔记	自然语言处理	NA	自然语言处理	深度学习模型	文本	594份急性护理笔记，来自100名患者
20509	2024-08-07	Integrating Medication Therapy Management Education into a Core Pharmacy Curriculum 2016-May-25, American journal of pharmaceutical education IF:3.8Q2 DOI:10.5688/ajpe80470 PMID:27293237	research paper	本文描述了将药物治疗管理（MTM）教育融入药学核心课程的设计，旨在提高学生的信心和能力以执行MTM服务。	本文创新地将美国药剂师协会（APhA）证书培训计划的框架应用于开发核心课程，通过深度学习和真实任务提高学生的信心和准备度。	NA	提高学生执行药物治疗管理服务的信心和能力。	药学学生	NA	NA	NA	NA	NA	NA
20510	2024-08-07	Deep-learning-based sampling position selection on color Doppler sonography images during renal artery ultrasound scanning 2024-05-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60355-5 PMID:38782971	研究论文	本研究评估了深度学习对象检测技术在彩色多普勒超声（CDS）图像中辅助选择肾动脉超声采样位置的有效性	首次评估了深度学习在辅助选择肾动脉超声采样位置的潜力	NA	评估深度学习对象检测技术在彩色多普勒超声图像中辅助选择采样位置的有效性	2004名接受肾动脉超声检查的患者的彩色多普勒超声图像	计算机视觉	NA	深度学习	对象检测模型	图像	2004名患者
20511	2024-08-07	Assessment of image quality and impact of deep learning-based software in non-contrast head CT scans 2024-05-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62394-4 PMID:38782976	研究论文	本研究回顾性地评估了不同重建技术和基于深度学习的软件对非对比头部CT图像的客观和主观图像质量的影响	使用基于深度学习的后处理算法显著降低了FBP重建图像的噪声，提高了信噪比	深度学习后处理与IR相比的差异不一致且部分不显著，主观评估未显示显著的临床影响	评估不同重建技术和基于深度学习的软件对非对比头部CT图像质量的影响	非对比头部CT图像的图像质量	计算机视觉	NA	CT扫描	深度学习	图像	152例成人头部CT扫描（77名女性，75名男性；平均年龄69.4±18.3岁）
20512	2024-08-07	Partial discharge localization in power transformer tanks using machine learning methods 2024-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62527-9 PMID:38782982	研究论文	本文比较了用于电力变压器油箱内局部放电三维定位的机器学习方法	研究采用了从支持向量机到卷积神经网络等多种机器学习和深度学习方法，并在不同案例中进行了分析和比较	NA	旨在预测单传感器电场测量下的局部放电三维位置	电力变压器油箱内的局部放电定位	机器学习	NA	机器学习方法，包括支持向量机和卷积神经网络	卷积神经网络 (CNN)	电场测量信号	多个具有不同传感器位置、局部放电信号频率内容和变压器油箱尺寸的案例
20513	2024-08-07	Training deep learning based dynamic MR image reconstruction using open-source natural videos 2024-05-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62294-7 PMID:38783018	研究论文	开发并评估一种深度学习（DL）流程，用于从公开的自然视频（Inter4K）学习动态磁共振图像重建	利用公开的自然视频数据集进行动态磁共振图像重建的深度学习训练，并提供了预训练网络和代码	在模拟数据中，使用心脏数据的DL网络表现优于使用自然视频的DL网络	开发和评估一种深度学习流程，用于从自然视频学习动态磁共振图像重建	动态磁共振图像重建的深度学习网络及其在心脏和语音磁共振数据上的应用	计算机视觉	NA	深度学习	VarNet, 3D UNet, FastDVDNet	图像	心脏MR数据692例，模拟MR数据588例，模拟数据集104个，心脏电影数据20例，语音电影数据10例
20514	2024-08-07	Enhancing trash classification in smart cities using federated deep learning 2024-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62003-4 PMID:38783026	研究论文	本研究通过比较分析多种基于卷积神经网络（CNN）的深度学习模型，探讨了在智能城市环境中实现可持续固体废物管理的高效垃圾分类方法	本研究展示了基于CNN的技术在智能城市垃圾分类中的显著进步潜力，并提出了一个基于联邦学习的分布式框架，以优化CNN模型组合的性能	NA	探讨在智能城市环境中实现可持续固体废物管理的高效垃圾分类方法	智能城市环境中的垃圾分类	计算机视觉	NA	深度学习	CNN	图像	使用TrashBox数据集进行实验
20515	2024-08-07	Deep learning for dual detection of microsatellite instability and POLE mutations in colorectal cancer histopathology 2024-May-23, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00592-z PMID:38783059	研究论文	研究利用深度学习技术在结直肠癌病理切片中同时检测微卫星不稳定性（MSI）和DNA聚合酶ε（POLE）突变	首次提出使用基于transformer的深度学习系统，通过训练MSI病理切片数据，能够有效检测出POLE突变，为MSS患者提供增强的治疗选择	NA	开发一种深度学习模型，用于在结直肠癌病理图像中同时检测MSI和POLE突变，以提高治疗效率	结直肠癌病理图像中的微卫星不稳定性（MSI）和DNA聚合酶ε（POLE）突变	机器学习	结直肠癌	深度学习	transformer	图像	内部和外部切除队列中的大量病理图像数据
20516	2024-08-07	Enhancing oral squamous cell carcinoma detection: a novel approach using improved EfficientNet architecture 2024-May-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04307-5 PMID:38783295	研究论文	本研究利用改进的EfficientNet架构，通过深度学习技术提高口腔鳞状细胞癌的检测准确性	通过在EfficientNetB0模型中加入双注意力网络（DAN），显著提升了模型的性能，超越了现有技术的水平	NA	利用深度学习技术自动化早期诊断口腔组织病理学图像，以促进口腔癌的及时准确检测	口腔鳞状细胞癌（OSCC）的早期诊断	计算机视觉	口腔癌	深度学习卷积神经网络（CNN）	EfficientNetB0	图像	涉及良性与恶性口腔活检组织病理学图像
20517	2024-08-07	Development and validation of a reliable method for automated measurements of psoas muscle volume in CT scans using deep learning-based segmentation: a cross-sectional study 2024-May-22, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-079417 PMID:38777592	研究论文	本文开发并验证了一种基于深度学习的自动测量CT扫描中腰大肌体积的方法	本文提出了一种基于nnU-Net方法的深度学习模型，用于自动分割腰大肌，提高了测量效率和准确性	NA	开发一种自动测量腰大肌体积的方法，以有效支持肌少症研究	腰大肌体积的自动测量	计算机视觉	NA	深度学习	nnU-Net	CT扫描图像	520名参与者的CT扫描数据
20518	2024-08-07	Deep learning of left atrial structure and function provides link to atrial fibrillation risk 2024-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48229-w PMID:38773065	研究论文	本文利用深度学习和表面重建模型分析了40,558名UK Biobank参与者的心脏磁共振成像数据，研究左心房结构和功能与心房颤动风险的关系	首次结合大规模心脏磁共振成像和遗传数据，通过深度学习模型识别与左心房结构和功能相关的遗传位点，并探讨其对心房颤动风险的因果影响	NA	评估遗传因素对左心房结构和功能的影响，并理解其与心房颤动风险的关系	左心房结构和功能与心房颤动风险的关系	机器学习	心血管疾病	心脏磁共振成像	深度学习	图像	40,558名UK Biobank参与者
20519	2024-08-07	Parkinson's Disease Recognition Using Decorrelated Convolutional Neural Networks: Addressing Imbalance and Scanner Bias in rs-fMRI Data 2024-May-19, Biosensors DOI:10.3390/bios14050259 PMID:38785733	研究论文	本文介绍了一种创新的去相关深度学习技术，用于减轻类别偏差和扫描器偏差，并同时关注于在静息态功能磁共振成像（rs-fMRI）数据中寻找区分特征，以高准确度识别帕金森病（PD）。	提出了一个新的去相关卷积神经网络（DcCNN）框架，通过应用基于去相关的优化到卷积神经网络（CNNs），有效解决了不平衡数据集问题和扫描器偏差问题。	文章未明确提及具体的局限性。	旨在通过去相关深度学习技术提高帕金森病的识别准确性，并解决数据集中的类别偏差和扫描器偏差问题。	帕金森病（PD）的识别和分类。	机器学习	帕金森病	静息态功能磁共振成像（rs-fMRI）	去相关卷积神经网络（DcCNN）	图像	使用了公开的帕金森病进展标志物倡议（PPMI）数据集和前颞叶变性神经影像学倡议（NIFD）数据集的组合，具体样本数量未详细说明。
20520	2024-08-07	Objective Methods to Assess Aorto-Iliac Calcifications: A Systematic Review 2024-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101053 PMID:38786352	综述	本文遵循PRISMA指南，系统回顾了评估主动脉-髂动脉钙化的方法及其与心血管疾病和临床结果的相关性	自动化方法使用人工智能显示出更广泛的适用性和更少的时间消耗	缺乏标准化的可重复性评估	研究测量主动脉-髂动脉钙化的方法及其与心血管疾病和临床结果的相关性	主动脉-髂动脉钙化及其与心血管疾病的关系	NA	心血管疾病	人工智能，深度学习	NA	图像	11项研究符合纳入标准