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
20621	2024-08-07	Diagnosis analysis of rectal function through using ensemble empirical mode decomposition-deep belief networks algorithm 2021-Jun-01, The Review of scientific instruments DOI:10.1063/5.0042382 PMID:34243584	研究论文	本文提出了一种基于集成经验模态分解-深度信念网络（EEMD-DBNs）的直肠功能诊断模型，用于人工肛门括约肌植入后的直肠运动功能诊断	使用EEMD框架减少信号模态混合的影响，并通过DBN进行深度学习提取直肠信号的多维特征	NA	开发一种有效的直肠功能诊断模型，以支持人工肛门括约肌植入者的直肠运动功能恢复	直肠压力信号的分解与分类	机器学习	NA	集成经验模态分解（EEMD），深度信念网络（DBN）	深度信念网络（DBN）	信号	正常人和患病患者的直肠信号
20622	2024-08-07	Attenuation correction using deep learning for brain perfusion SPECT images 2021-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01600-z PMID:33751364	研究论文	本研究构建了一个卷积神经网络（CNN）来自动编码器（AE），用于直接从非衰减校正的SPECT图像生成衰减校正的脑灌注SPECT图像	提出了一种使用自动编码器（AE）进行衰减校正的新方法，该方法能够生成高度准确的衰减校正脑灌注SPECT图像	NA	开发一种无需SPECT/CT扫描仪即可进行非均匀衰减校正的方法	脑灌注SPECT图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	自动编码器（AE）	图像	训练集270例（44,528切片），验证集60例（5,002切片），测试集30例（2,558切片）
20623	2024-08-07	The whole is greater than its parts: ensembling improves protein contact prediction 2021-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87524-0 PMID:33850214	研究论文	本文探讨了通过集成学习提高蛋白质接触预测准确性的方法	提出使用集成学习技术，结合不同神经网络模型的输出，以提高蛋白质接触预测的准确性	需要创建更好的蛋白质接触基准集和额外的开源接触预测方法以进一步发展	提高蛋白质接触预测的准确性	蛋白质接触预测	机器学习	NA	深度学习	神经网络	序列数据	涉及多个深度神经网络模型，包括AlphaFold、trRosetta和ProSPr
20624	2024-08-07	Accessory pathway analysis using a multimodal deep learning model 2021-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87631-y PMID:33850245	研究论文	本文评估了一种使用心电图（ECG）和胸部X射线的人工智能模型在识别Wolff-Parkinson-White综合征中旁路位置的有效性	提出了一种结合ECG和胸部X射线数据的多模态深度学习模型，显著提高了旁路位置识别的准确性	NA	开发和评估一种新的深度学习模型，用于准确识别心脏旁路的位置	Wolff-Parkinson-White综合征患者的心脏旁路位置	机器学习	心血管疾病	深度学习	CNN	图像和文本	206名WPW综合征患者的心电图和胸部X射线数据，以及来自其他数据集的1519个胸部X射线样本
20625	2024-08-07	Dual-wavelength interferogram decoupling method for three-frame generalized dual-wavelength phase-shifting interferometry based on deep learning 2021-Mar-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.412433 PMID:33690460	研究论文	本研究提出了一种基于深度学习的双波长干涉图解耦方法，用于三帧广义双波长相移干涉测量	该方法通过深度神经网络，仅使用三帧随机相移的双波长干涉图，即可有效提取每个波长的相位	NA	解决双波长干涉测量中如何高效利用最少波长复用干涉图获取每个波长相位的问题	双波长干涉图的解耦和相位提取	计算机视觉	NA	深度学习	深度神经网络	干涉图	三帧随机相移的双波长干涉图
20626	2024-08-07	Attention-based multi-scale features fusion for unobtrusive atrial fibrillation detection using ballistocardiogram signal 2021-Jan-28, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00848-w PMID:33509212	研究论文	本文提出了一种基于注意力的多尺度特征融合方法，用于使用球肌电图信号进行无创心房颤动检测	首次研究了BCG的相空间轨迹，并结合1-D形态特征和2-D节奏特征，通过CNN网络提高了AF检测的鲁棒性	NA	研究如何通过深度学习方法准确筛查日常生活中的心房颤动	心房颤动检测	机器学习	心血管疾病	BCG信号	CNN, Bi-LSTM	信号	2000个BCG信号段，来自59名患有阵发性心房颤动的志愿者
20627	2024-08-07	Clustered embedding using deep learning to analyze urban mobility based on complex transportation data 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249318 PMID:33878114	研究论文	本文提出了一种基于深度学习的分析城市交通模式的新方法，通过聚类和嵌入技术捕捉城市居民移动模式的隐含意义	本文创新性地结合了聚类和嵌入技术，有效分析了复杂的城市移动模式，提高了预测准确性	NA	研究目的是通过深度学习技术分析城市移动模式，预测交通流量和公共交通使用情况	研究对象是城市居民的移动模式及其时空特征	机器学习	NA	深度学习	NA	交通数据	150万市民的交通数据
20628	2024-08-07	The phase space of meaning model of psychopathology: A computer simulation modelling study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249320 PMID:33901183	研究论文	本研究通过计算机模拟实验，测试了Harmonium模型的一个核心观点，即精神病理学可以被概念化为由于认知过程的调节不良，并在计算层面上模拟了意义相空间（PSM）的概念。	提出了一个基于符号学、具身化和精神分析概念的p因子的新概念化模型——Harmonium模型，并提供了该构造的计算解释。	研究讨论了其局限性和进一步的研究方向，但具体局限性未在摘要中详细说明。	测试Harmonium模型的核心观点，并通过计算机模拟探索精神病理学的认知过程。	精神病理学的认知过程及其在计算模型中的表现。	机器学习	NA	深度学习模型	神经网络	模拟数据	未在摘要中明确提及具体样本数量
20629	2024-08-07	Deep learning-based prediction of future growth potential of technologies 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252753 PMID:34086769	研究论文	本文基于元知识（包括引用、摘要、领域代码等文本信息）利用深度学习算法构建模型，预测技术的未来增长潜力，并探讨不同形式元知识在预测中的适用性	本文创新地利用元知识结合深度学习算法来预测技术的未来增长潜力	NA	研究如何利用研究论文中的元知识预测技术的未来增长潜力	技术的未来增长潜力	机器学习	NA	深度学习算法	NA	文本	NA
20630	2024-08-07	Crop yield prediction integrating genotype and weather variables using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252402 PMID:34138872	研究论文	本文利用北美统一大豆试验的性能记录，构建了一个基于长短期记忆（LSTM）循环神经网络的模型，结合系谱相关性和每周天气参数，预测多个环境中的基因型响应，以提高作物产量预测的准确性。	本文提出的模型在作物产量预测方面优于其他机器学习模型，并开发了一种时间注意机制，增强了LSTM模型的可解释性。	NA	提高作物产量预测的准确性，为农业育种和应对气候变化提供科学支持。	大豆作物的产量预测。	机器学习	NA	长短期记忆（LSTM）循环神经网络	LSTM	性能记录和天气参数	北美统一大豆试验的性能记录
20631	2024-08-07	A simple and robust method for automating analysis of naïve and regenerating peripheral nerves 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0248323 PMID:34234376	研究论文	本文评估了开源深度学习程序AxonDeepSeg在不同制备方法的外周神经光镜图像中进行轴突组织形态测量的鲁棒性	AxonDeepSeg无需重新训练算法，能够适当地识别幼稚和再生神经之间的关键差异，并适用于不同的外周神经光镜图像制备方法	手动和自动AxonDeepSeg轴突计数在再生神经上显示出中等的一致性，且在轴突直径、髓鞘厚度和g比率测量上存在小但一致的差异	评估AxonDeepSeg在外周神经轴突组织形态测量中的鲁棒性	幼稚和再生的大鼠正中神经横截面的光镜图像	计算机视觉	NA	深度学习	CNN	图像	幼稚和再生的大鼠正中神经横截面
20632	2024-08-07	The predictive skill of convolutional neural networks models for disease forecasting 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254319 PMID:34242349	研究论文	本文研究了一维卷积神经网络（CNN）模型在流行病学预测中的应用	本文采用一维时间卷积层作为主要构建块的两种神经网络——时间卷积网络和简单神经注意元学习器，用于流行病学预测，并发现其预测技能与普通RNN相当，有时甚至更优	NA	研究CNN模型在流行病学预测中的有效性	一维卷积神经网络模型在流行病学预测中的应用	机器学习	NA	卷积神经网络（CNN）	CNN	数据	2010-2019年美国流感数据
20633	2024-08-07	Efficient, high-performance semantic segmentation using multi-scale feature extraction 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0255397 PMID:34411138	研究论文	本文介绍了一种名为MoNet的高效神经网络分割算法，利用多尺度图像特征进行优化	MoNet算法在保持与比较架构相匹配的分割性能的同时，提供了更好的样本外泛化性能，并且在独立验证集上优于更大的架构	NA	开发适用于资源受限环境的高效深度学习架构，并评估其在联邦学习应用中的适用性	胰腺分割和脑肿瘤分割	计算机视觉	NA	多尺度特征提取	U-Net类似架构	图像	NA
20634	2024-08-07	Forecasting renewable energy for environmental resilience through computational intelligence 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0256381 PMID:34415924	研究论文	本文利用海上风力发电机产生的数据，通过深度自动编码器筛选高维特征，并结合CNN和LSTM模型进行风能预测，以提高环境韧性。	提出了一种结合CNN和LSTM的深度学习混合模型，用于提高海上风能预测的准确性。	NA	提高海上风能预测的准确性，从而增强环境韧性。	海上风力发电机的风能预测。	机器学习	NA	深度学习	CNN-LSTM	数据	三个不同的海上风电场
20635	2024-08-07	Application of a time-series deep learning model to predict cardiac dysrhythmias in electronic health records 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0239007 PMID:34516567	研究论文	本文利用时间序列深度学习模型预测电子健康记录中的心脏节律失常	采用长短期记忆（LSTM）模型进行预测，该模型在预测性能上优于传统的机器学习模型	未提及具体限制	利用电子健康记录数据预测心脏节律失常，以实现早期诊断和治疗	心脏节律失常的预测	机器学习	心血管疾病	长短期记忆（LSTM）模型	LSTM	电子健康记录数据	70个诊所的电子健康记录数据
20636	2024-08-07	Detection and classification of neurons and glial cells in the MADM mouse brain using RetinaNet 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0257426 PMID:34559842	研究论文	本文利用RetinaNet模型在MADM小鼠脑组织切片中自动检测和分类神经元及胶质细胞	引入第二个RetinaNet模型专门用于检测胶质细胞簇，显著提高了胶质细胞簇的自动计数精度	单一RetinaNet模型在处理密集和饱和的胶质细胞簇时存在困难	开发一种自动检测和分类组织切片中细胞群的方法	MADM小鼠脑中的神经元和胶质细胞	计算机视觉	NA	NA	RetinaNet	图像	涉及六类通过MADM报告基因表达和表型（神经元或胶质）区分的细胞
20637	2024-08-07	3D fluorescence microscopy data synthesis for segmentation and benchmarking 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260509 PMID:34855812	研究论文	本文提出了一种利用条件生成对抗网络从3D细胞结构注释掩码生成真实3D荧光显微镜图像数据的方法	本文创新地使用条件生成对抗网络生成3D荧光显微镜图像数据，并结合掩码模拟方法生成完全注释的3D显微镜数据集，公开可用	NA	旨在解决深度学习方法在生物医学图像处理中缺乏大量注释训练数据的问题	3D荧光显微镜图像数据	计算机视觉	NA	条件生成对抗网络	GAN	图像	任意大小和不同生物体的图像数据
20638	2024-08-07	Identification of public submitted tick images: A neural network approach 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0260622 PMID:34855822	研究论文	本文介绍了一种基于卷积神经网络的自动识别蜱虫图像的方法TickIDNet，并展示了其在蜱虫识别上的应用	TickIDNet在蜱虫识别上达到了87.8%的准确率，超过了普通公众和医疗专业人员的识别能力	该模型未能达到具有正式昆虫学训练的专家的性能，且在小物体检测方面存在挑战	开发一种能够实时准确识别蜱虫图像的系统，以帮助公众了解蜱虫风险并提供研究人员和公共卫生机构更多关于蜱虫活动的数据	蜱虫及其传播的疾病	计算机视觉	NA	卷积神经网络	CNN	图像	超过90,000张蜱虫图像
20639	2024-08-07	Accurate identification of breast cancer margins in microenvironments of ex-vivo basal and luminal breast cancer tissues using Raman spectroscopy 2020-Dec, Prostaglandins & other lipid mediators IF:2.5Q3 DOI:10.1016/j.prostaglandins.2020.106475 PMID:32711127	研究论文	本研究使用拉曼光谱技术对离体基底和腔内乳腺癌组织的微环境进行精确识别，并开发了一种卷积神经网络（CNN）深度学习算法来区分组织切片中的组织病理学特征。	本研究利用拉曼光谱技术提供了快速、无标记的微观特征成像，并开发了一种深度学习算法来提高识别准确性。	NA	研究目的是更好地理解乳腺癌肿瘤微环境，以辅助手术切除和肿瘤发展过程的理解。	研究对象包括88个冷冻的乳腺组织切片，其中44个为正常组织，44个为肿瘤组织。	数字病理学	乳腺癌	拉曼光谱	CNN	图像	88个冷冻乳腺组织切片
20640	2024-08-07	Image Segmentation of the Ventricular Septum in Fetal Cardiac Ultrasound Videos Based on Deep Learning Using Time-Series Information 2020-Nov-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom10111526 PMID:33171658	研究论文	本文提出了一种名为Cropping-Segmentation-Calibration（CSC）的新型分割方法，专门用于胎儿心脏超声视频中的室间隔图像分割	CSC方法利用视频的时间序列信息和特定部分信息校准U-net的输出，显著提高了分割性能	NA	开发一种新的图像分割方法，以精确检测胎儿心脏超声视频中的室间隔	胎儿心脏超声视频中的室间隔	计算机视觉	NA	深度学习	U-net	视频	615帧来自421个正常胎儿心脏超声视频，涉及211名孕妇