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
20521	2024-08-05	Few-Shot Conditional Learning: Automatic and Reliable Device Classification for Medical Test Equipment 2024-Jul-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070167 PMID:39057738	研究论文	本文提出了一种少量样本学习方法，通过预训练的ResNet集成编码器对新生儿复苏设备进行分类	创新点在于通过少量自然图像实现自动和可靠的设备分类，并引入可靠性评分以增强预测	在复杂自然图像测试阶段，由于非最优的分割策略，性能有所下降	旨在开发一种可以在缺乏专业图像数据库的情况下进行医疗测试设备分类的方法	研究对象为新生儿复苏设备	计算机视觉	NA	少量样本学习	ResNet	图像	87张自然图像
20522	2024-08-05	Public Perceptions and Discussions of the US Food and Drug Administration's JUUL Ban Policy on Twitter: Observational Study 2024-Jul-11, JMIR formative research IF:2.0Q4 DOI:10.2196/51327 PMID:38990633	研究论文	本研究旨在通过Twitter数据理解公众对JUUL禁令政策的看法和讨论	通过深度学习模型分析Twitter用户对JUUL禁令政策的态度及其与人口统计特征的关系	研究仅基于Twitter数据，可能无法全面代表公众意见	理解公众对JUUL禁令政策的看法和社交媒体讨论	与JUUL禁令政策相关的Twitter用户和推文	自然语言处理	NA	深度学习，RoBERTa，逻辑回归	RoBERTa，M3模型	文本	17007条推文，用于分类的2600条手动编码推文
20523	2024-08-05	A 2.5D Self-Training Strategy for Carotid Artery Segmentation in T1-Weighted Brain Magnetic Resonance Images 2024-Jul-03, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070161 PMID:39057732	研究论文	本文提出了一种深度学习管道，用于在T1加权脑磁共振图像中对颈动脉进行分割	引入了2.5D分割技术和递归自我训练策略，改善了标注过程的时间效率和分割质量	研究的模型性能仅在未见数据集上进行了测试，验证范围有限	旨在提高医学图像数据集的标注效率和颈动脉的分割准确性	研究对象为颈动脉树的分割问题	计算机视觉	NA	半自动分割、递归自我训练、2.5D分割	Res-Unet	影像	42个非对比T1加权脑扫描
20524	2024-08-05	Hybrid Ensemble Deep Learning Model for Advancing Ischemic Brain Stroke Detection and Classification in Clinical Application 2024-Jul-02, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070160 PMID:39057731	研究论文	本研究旨在通过整合多种模型提升缺血性脑卒中的检测与分类能力	提出了一种新的混合模型，结合了卒中精度增强、集成深度学习及智能病灶检测和分割模型	需要在更大数据集上验证其性能，并增强在临床应用中的整合性	提高缺血性脑卒中的检测和分类精度	使用CT扫描数据集进行缺血性脑卒中的检测与分类	计算机视觉	脑卒中	计算机断层扫描（CT）	混合深度学习模型	图像	10,000个CT扫描数据
20525	2024-08-05	An effective deep learning-based approach for splice site identification in gene expression 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241266588 PMID:39051530	研究论文	本文提出了一种基于深度学习的计算机辅助诊断技术，用于快速准确识别基因表达中的剪接位点序列	提出了一种基于LSTM的框架，能够更快速和准确地检测RNA序列中的剪接位点	未具体说明局限性	旨在提高剪接位点序列识别的准确性和速度	研究对象为RNA序列中的剪接位点	机器学习	NA	深度学习	LSTM	RNA序列	使用了接受者和供体位点数据集，具体样本量未说明
20526	2024-08-05	Deciphering lung adenocarcinoma prognosis and immunotherapy response through an AI-driven stemness-related gene signature 2024-Jul, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18564 PMID:39046884	研究论文	本研究构建了一个人工智能驱动的干性相关基因特征，用于解析肺腺癌的预后和免疫疗法反应	创新点在于利用AI融合传统回归、机器学习和深度学习算法构建干性相关基因特征，以提高预后准确性和免疫治疗反应的预测	本研究可能受到样本量和实验验证范围的限制	旨在改进肺腺癌患者的预后评估及免疫治疗反应预测	肺腺癌的干性相关基因及其与免疫环境的关系	数字病理学	肺癌	单细胞RNA测序	人工智能网络	基因组数据	NA
20527	2024-08-05	On Entropic Learning from Noisy Time Series in the Small Data Regime 2024-Jun-28, Entropy (Basel, Switzerland) DOI:10.3390/e26070553 PMID:39056915	研究论文	本研究提出了一种新的方法，用于对有序的噪声数据进行监督分类。	提出了带有马尔可夫正则化的熵稀疏概率逼近（eSPA-Markov）方法，能够同时学习分段模式、熵最优特征空间离散化以及贝叶斯分类规则。	本研究在处理高维非平稳和噪声时间序列时，可能会受到小数据统计量的限制。	研究小数据条件下对噪声时间序列进行有效分类的技术。	对高维的非平稳噪声时间序列进行分类和分析。	机器学习	NA	熵稀疏概率逼近	NA	时间序列	使用了一组玩具学习问题进行验证
20528	2024-08-05	Avionics Module Fault Diagnosis Algorithm Based on Hybrid Attention Adaptive Multi-Scale Temporal Convolution Network 2024-Jun-27, Entropy (Basel, Switzerland) DOI:10.3390/e26070550 PMID:39056912	研究论文	提出了一种基于混合注意力自适应多尺度时序卷积网络的航空电子模块故障诊断方法	创新性地结合了互动通道注意力模块和分层块时序注意力模块，提高了故障信号特征提取的效率和准确性	缺乏真实的航空电子模块故障数据，依赖于故障注入和数据增强	研究航空电子模块的故障诊断和健康管理方法	航空电子模块的故障信号	机器学习	NA	故障注入数据增强	混合注意力自适应多尺度时序卷积网络	故障信号数据	P2020通信处理器故障数据集的多个故障类型
20529	2024-08-05	Adaptive Joint Carrier and DOA Estimations of FHSS Signals Based on Knowledge-Enhanced Compressed Measurements and Deep Learning 2024-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e26070544 PMID:39056907	研究论文	本文提出了一种自适应压缩方法，用于频跳扩频信号的载波和到达方向(DOA)的联合估计	通过基于信号后验知识和特定任务的信息优化，自适应设计压缩测量核，并结合深度神经网络提高测量核设计的效率	本文的限制没有在摘要中提到	研究频跳扩频信号的载波和到达方向的估计方法	使用压缩测量核来提取频跳扩频信号	数字信号处理	NA	深度学习	深度神经网络	模拟数据	NA
20530	2024-08-05	Utilizing TabNet Deep Learning for Elephant Flow Detection by Analyzing Information in First Packet Headers 2024-Jun-22, Entropy (Basel, Switzerland) DOI:10.3390/e26070537 PMID:39056900	研究论文	本研究利用TabNet深度学习架构通过分析初始数据包头的5元组字段来检测大型数据流，即大象流	提出了使用TabNet模型在流开始时准确识别大象流的创新方法	未提及具体的局限性	提高网络流量管理的效率和准确性	大型数据流（大象流）的检测	计算机视觉	NA	深度学习	TabNet	数据包信息	一个校园网络的全面数据集
20531	2024-08-05	Robust PCA with Lw,∗ and L2,1 Norms: A Novel Method for Low-Quality Retinal Image Enhancement 2024-Jun-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070151 PMID:39057722	研究论文	提出了一种新颖的鲁棒主成分分析方法，以增强低质量的视网膜图像	通过低秩稀疏分解整合加权核范数和L2,1范数的鲁棒主成分分析方法，克服了现有方法的局限性	现有的无监督学习方法在视网膜图像增强方面对噪声和异常值敏感，并且在可扩展性和可解释性方面存在困难	提高低质量视网膜图像的质量，特别是在高噪声或显著存在伪影的有限数据背景下	非散瞳视网膜底部图像	计算机视觉	眼科疾病	加权核范数，L2,1范数	鲁棒主成分分析(RPCA)	图像	多个数据集的模拟结果
20532	2024-08-05	Efficient Wheat Head Segmentation with Minimal Annotation: A Generative Approach 2024-Jun-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070152 PMID:39057723	研究论文	本文提出了一种通过最小化标注实现高效的小麦穗分割的方法	创新点在于通过计算机模拟生成大规模标注数据集，并使用生成对抗网络（GAN）填补模拟数据与真实数据之间的域间隙	该方法的局限性在于虽然其在小麦穗分割中表现良好，但可能无法直接推广到所有作物类型或所有类型的图像	旨在开发一种使用合成数据进行小麦穗分割的深度学习模型	研究对象为小麦穗的图像分割	计算机视觉	NA	生成对抗网络（GAN）	深度学习模型	图像	内部数据集的Dice得分为83.4%，对两个外部数据集的得分分别为79.6%和83.6%
20533	2024-08-05	Correction: Improved runoff forecasting based on time-varying model averaging method and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307923 PMID:39046993	更正	本文更正了之前发布的文章的内容	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20534	2024-08-05	Field pea leaf disease classification using a deep learning approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307747 PMID:39052602	研究论文	该论文提出了一种基于深度学习的方法来自动诊断田豌豆叶病	采用了迁移学习方法提升田豌豆叶疾病的自动分类准确性	研究可能局限于特定的田豌豆种类及其疾病类型	旨在改进田豌豆叶病的检测和分类过程	对田豌豆的三种叶病进行分类，包括灰斑病、叶斑病和白粉病	计算机视觉	NA	迁移学习	DenseNet121	图像	1600张健康和病叶图像
20535	2024-08-05	A deep learning framework for the early detection of multi-retinal diseases 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307317 PMID:39052616	研究论文	本文提出了一种深度学习框架，用于早期检测多种视网膜疾病。	本研究通过分析彩色眼底图像，实现了多种眼病的同时检测，并提供了可靠高效的诊断系统。	20层CNN模型虽然准确率高，但存在过拟合现象。	研究的目的是提供一种非侵入性的方法，用于早期检测和及时治疗眼病。	研究对象为包含多种眼病的眼底图像数据集，以及健康图像。	计算机视觉	视网膜疾病	CNN	CNN	图像	使用了Retinal Fundus Multi-disease Image Dataset (RFMiD) 数据集，包含各种视网膜病变的眼底图像类别
20536	2024-08-05	Building Prediction Models for 30-Day Readmissions Among ICU Patients Using Both Structured and Unstructured Data in Electronic Health Records 2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm58861.2023.10385612 PMID:39055130	研究论文	本研究构建并评估了多个机器学习模型，以预测ICU患者的30天再入院率	该研究结合了结构化和非结构化数据，展示了利用机器学习和深度学习预测ICU再入院的潜力	该研究可能受到MIMIC-III数据库的特定限制	预测ICU患者的30天再入院率	ICU患者的电子健康记录数据	机器学习	NA	机器学习	逻辑回归	结构化和非结构化数据	使用MIMIC-III数据库中的数据
20537	2024-08-05	Artificial Intelligence as a Decision-Making Tool in Forensic Dentistry: A Pilot Study with I3M 2023-03-06, International journal of environmental research and public health DOI:10.3390/ijerph20054620 PMID:36901630	研究论文	这项研究旨在探讨基于第三磨牙成熟指数（I3M）创建决策支持工具的技术可行性	该研究结合深度学习和拓扑数据分析方法，实现了I3M评分的自动化，展示了与牙科法医专家的高度一致性	这是一个初步研究，样本量相对较小，局限于特定地区的图像	研究目的是开发一种支持牙科年龄估计专家决策的人工智能工具	研究对象是来自法国和乌干达的456张下颌骨X光影像	数字病理学	NA	深度学习	U-Net, Mask R-CNN	影像	456张图像
20538	2024-08-05	Super-Resolution of Dental Panoramic Radiographs Using Deep Learning: A Pilot Study 2023-Mar-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13050996 PMID:36900140	研究论文	本研究旨在比较基于深度学习的超分辨率模型与传统方法在提升牙科全景影像分辨率方面的效果	探索了五种最先进的深度学习超分辨率方法，并与传统双三次插值方法进行了比较	研究样本仅限于牙科全景影像，可能无法推广到其他类型的医疗影像	提高牙科全景影像的分辨率和质量	888幅牙科全景影像	计算机视觉	NA	深度学习超分辨率算法	SRCNN, SRGAN, U-Net, SwinIr, LTE	图像	888幅牙科全景影像
20539	2024-08-07	Hyperparameter Tuning and Automatic Image Augmentation for Deep Learning-Based Angle Classification on Intraoral Photographs-A Retrospective Study 2022-Jun-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071526 PMID:35885432	研究论文	本研究评估了超参数调优和自动图像增强对基于深度学习的正畸照片按Angle分类的影响	采用GradCAM提高模型的可解释性，并发现自动图像增强进一步提升了模型性能	误分类主要发生在Angle I类和II类之间	评估超参数调优和自动图像增强对深度学习模型在正畸照片分类中的效果	正畸照片按Angle分类	计算机视觉	NA	深度学习	ResNet	图像	605张Angle I类图像，1038张Angle II类图像，408张Angle III类图像
20540	2024-08-07	Deep Learning-Based Methods for Automatic Diagnosis of Skin Lesions 2020-Mar-21, Sensors (Basel, Switzerland) DOI:10.3390/s20061753 PMID:32245258	研究论文	本文旨在开发一种基于深度学习的高精度系统，用于自动诊断皮肤病变	本文的创新点在于集成多种分类器方法于一个基于全局融合的决策系统中，利用各方法的结果来确定融合权重	NA	开发一种高精度的皮肤病变自动诊断系统	皮肤病变，包括黑色素瘤和良性痣	机器学习	NA	深度学习	神经网络（NN）、卷积神经网络（CNN）	图像	使用了两个不同的免费数据库进行实验