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
20641	2024-08-14	Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review 2021-07-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20708 PMID:34255646	综述	本文综述了将患者数据整合到基于卷积神经网络的皮肤癌分类中的研究进展	探讨了整合图像特征和患者数据对基于CNN的皮肤癌图像分类性能的影响	关于个体患者数据如何具体增强分类性能，尤其是在多类别分类问题中，仍不明确	评估不同类型的患者数据、非图像数据的编码和合并方式，以及整合对分类器性能的影响	皮肤癌分类	计算机视觉	皮肤癌	卷积神经网络(CNN)	CNN	图像	11篇符合条件的出版物
20642	2024-08-14	Determining Chess Game State from an Image 2021-Jun-02, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060094 PMID:39080882	研究论文	本文提出了一种新的国际象棋棋盘状态识别系统，结合传统计算机视觉技术和深度学习，通过合成的大型3D模型数据集进行训练，实现了从图像中准确识别棋盘配置	本文提出的系统通过结合传统计算机视觉技术和深度学习，实现了对棋盘状态的高精度识别，并且能够适应未见过的棋盘设置	当前方法受限于缺乏大型数据集，并且无法适应未见过的棋盘设置	帮助业余棋手通过自动计算机分析提高棋艺，无需手动输入棋子	从图像中识别国际象棋棋盘的配置	计算机视觉	NA	RANSAC算法，卷积神经网络	CNN	图像	合成的大型3D模型数据集，比现有数据集大一个数量级
20643	2024-08-14	Automated coronary calcium scoring using deep learning with multicenter external validation 2021-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00460-1 PMID:34075194	研究论文	本文介绍了使用深度学习模型自动进行冠状动脉钙化评分的方法，并在多中心外部数据集上进行了验证	提出了两种深度学习模型，能够自动对冠状动脉钙化进行评分，适用于专门的冠状CT检查和常规非门控胸部CT检查	当前临床实践中，冠状动脉钙化评分的实施存在一些限制，如缺乏保险覆盖、需要昂贵的CT设备、专门的成像协议和认证的3D成像实验室等	开发一种自动化的冠状动脉钙化评分方法，以提高筛查效率和早期预防干预的可能性	冠状动脉钙化评分	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包括341个样本，测试集包括42个斯坦福样本和46个MESA样本，外部验证集包括303个样本
20644	2024-08-14	Lessons Learned from the COVID-19 Pandemic: Emphasizing the Emerging Role and Perspectives from Artificial Intelligence, Mobile Health, and Digital Laboratory Medicine 2021-Jun, EJIFCC PMID:34421492	研究论文	本文探讨了人工智能、移动健康和数字实验室医学在COVID-19大流行中的应用和挑战	文章强调了人工智能在疫情预防和控制中的重要作用，以及移动健康和物联网技术的应用	NA	研究旨在评估和应用人工智能、移动健康和数字实验室医学技术在COVID-19大流行中的作用	COVID-19大流行中的人工智能、移动健康和数字实验室医学技术	机器学习	NA	人工智能	机器学习	NA	NA
20645	2024-08-14	Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus 2021-02-01, Journal of neurosurgery. Pediatrics DOI:10.3171/2020.6.PEDS20251 PMID:33260138	研究论文	本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中	该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速	NA	开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策	200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算	计算机视觉	儿童脑积水	深度学习	编码器-解码器卷积神经网络	T2加权MRI图像	200名阻塞性脑积水儿童和199名对照组
20646	2024-08-14	An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models 2021, Journal of healthcare engineering DOI:10.1155/2021/8113403 PMID:34326979	研究论文	本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别	本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误	研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一	提高皮肤病学图像的质量和分类准确性，以辅助诊断	七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌	计算机视觉	皮肤疾病	遗传算法（GA）	卷积神经网络（CNN）	图像	涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85%
20647	2024-08-14	Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram 2018-12-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aaf339 PMID:30524025	研究论文	本研究使用心电图（ECG）中的节拍检测、时频域中的心肺耦合以及深度卷积神经网络（CNN）来分类睡眠阶段	提出的基于ECG的睡眠阶段分类方法在非脑电图数据上取得了最高报告结果，并使用了比先前研究大十倍的数据集	NA	从单导联心电图中分类睡眠阶段	睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠和非快速眼动深睡眠）	机器学习	NA	深度卷积神经网络（CNN）	CNN	心电图（ECG）数据	使用了MIT-BIH多导睡眠图数据库（SLPDB）、PhysioNet/计算心脏病学挑战2018数据库（CinC2018）和睡眠心脏健康研究（SHHS）数据库
20648	2024-08-13	Magnitude and angle dynamics in training single ReLU neurons 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106435 PMID:38970945	研究论文	本研究深入探讨了单个ReLU神经元在平方损失下的梯度流w(t)的训练动态，将其分解为幅度‖w(t)‖和角度φ(t)两个部分，并建立了这些部分的上限和下限以阐明收敛动态	本研究首次详细分解并分析了单个ReLU神经元的权重向量动态，填补了该领域的知识空白	研究主要集中在单个ReLU神经元和两层多神经元网络上，尚未扩展到更深层次的网络	理解深度ReLU网络的训练动态	单个ReLU神经元的权重向量动态	机器学习	NA	梯度下降法	ReLU神经元	NA	NA
20649	2024-08-13	Aligning the domains in cross domain model inversion attack 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106490 PMID:38968777	研究论文	本文研究了在跨域模型逆向攻击中对齐不同域分布的问题	提出了域对齐模型逆向攻击（DA-MIA）和带有辅助分类器的域对齐模型逆向攻击（DA-MIA-AC），以解决因域分布差异导致的特征向量和预测向量逆向重建难题	未提及具体限制	旨在改进跨域模型逆向攻击中的图像重建和分类准确性	跨域模型逆向攻击中的特征向量和预测向量	机器学习	NA	模型逆向攻击	DA-MIA, DA-MIA-AC	图像	未提及具体样本数量
20650	2024-08-13	When an extra rejection class meets out-of-distribution detection in long-tailed image classification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106485 PMID:38959597	研究论文	本文提出了一种三分支训练框架，用于在长尾图像分类中进行异常检测，通过引入额外的拒绝类别和辅助异常训练数据来提高检测性能	提出了一种有效的三分支训练框架，结合了内部损失、异常损失和尾部类别原型诱导的监督对比损失（TSCL），以在一个网络中训练分布内分类器和异常检测器	NA	提高在长尾分布训练集上的异常检测性能	长尾图像分类中的异常检测	计算机视觉	NA	NA	CNN	图像	NA
20651	2024-08-13	A Semi-supervised Gaussian Mixture Variational Autoencoder method for few-shot fine-grained fault diagnosis 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106482 PMID:38945116	研究论文	提出了一种半监督高斯混合变分自编码器方法SeGMVAE，用于少样本细粒度故障诊断	引入高斯混合作为变分自编码器的多模态先验分布，并通过期望最大化算法动态优化，以构建任务和未标记样本的潜在表示，实现元学习	NA	解决实际工程中由于标记高质量故障样本稀缺导致的细粒度故障诊断难题	机械故障的细粒度诊断	机器学习	NA	变分自编码器	高斯混合变分自编码器	样本数据	少量标记样本
20652	2024-08-13	A topological description of loss surfaces based on Betti Numbers 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106465 PMID:38943863	研究论文	本文通过贝蒂数对深度学习模型中的损失函数表面进行拓扑描述，以更好地理解基于梯度下降的训练方法	提供了一种拓扑度量方法来评估多层神经网络中损失函数的复杂性	NA	旨在通过拓扑方法更好地理解深度学习模型的训练过程	多层神经网络的损失函数复杂性	机器学习	NA	NA	多层神经网络	NA	NA
20653	2024-08-13	Spiking generative adversarial network with attention scoring decoding 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106423 PMID:38906053	研究论文	本文构建了一种能够处理复杂图像并具有更高性能的尖峰生成对抗网络，通过引入地球移动距离和基于注意力的加权解码方法，解决了尖峰生成对抗网络中的域外不一致性和时间不一致性问题	首次构建了能够处理复杂图像的尖峰生成对抗网络，并引入了地球移动距离和基于注意力的加权解码方法，显著提高了算法在多个数据集上的性能	NA	探索和改进基于尖峰神经网络的生成模型性能	尖峰生成对抗网络及其在复杂图像和事件数据上的应用	机器学习	NA	尖峰神经网络	生成对抗网络（GAN）	图像	包括MNIST、FashionMNIST、CIFAR10和CelebA等多个数据集
20654	2024-08-13	A syntactic evidence network model for fact verification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106424 PMID:38875934	研究论文	本文提出了一种结合实体关键词、句法信息和句子注意力的句法证据网络（SENet）模型，用于事实验证	SENet模型通过提取实体关键词和使用预训练的句法依赖解析器来提取相应的句法句子结构，并将提取的句法信息融入注意力机制，以实现语言驱动的词表示	NA	提高事实验证任务的准确性	事实验证任务中的句法信息和注意力机制	自然语言处理	NA	注意力机制	SENet	文本	在FEVER和UKP Snopes数据集上进行了实验
20655	2024-08-13	Deep Learning-Based Segmentation and Risk Stratification for Gastrointestinal Stromal Tumors in Transabdominal Ultrasound Imaging 2024-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16489 PMID:38822195	研究论文	本文开发了一种基于深度神经网络的系统，用于胃肠道间质瘤（GISTs）在经腹超声图像中的自动分割和风险分层预测	本文采用了五种深度学习分割网络和ResNet 18分类网络，通过比较选出最佳网络组合，实现了GISTs的自动分割和风险分层预测	NA	开发一种自动分割和风险分层预测胃肠道间质瘤的深度神经网络系统	胃肠道间质瘤（GISTs）	计算机视觉	胃肠道间质瘤	深度学习	SegNeXt-ResNet18	超声图像	回顾性收集了245名GIST患者的980张超声图像，前瞻性收集了47名GIST患者的188张超声图像
20656	2024-08-13	Developing a Computer Vision Model to Automate Quantitative Measurement of Hip-Knee-Ankle Angle in Total Hip and Knee Arthroplasty Patients 2024-Sep, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.04.062 PMID:38679347	研究论文	本文开发了一种基于深度学习的计算机视觉模型，用于自动化测量全髋关节和膝关节置换术患者的长腿X光片中的髋膝踝角度（HKAA）。	该研究提出了一种基于检测的深度学习算法，能够高精度地计算HKAA，即使在股骨头难以区分的情况下也能有效识别。	NA	研究目的是开发一种自动化工具，以减轻骨科医生的负担，并提高髋膝踝角度测量的准确性。	全髋关节和膝关节置换术患者的长腿X光片中的髋膝踝角度。	计算机视觉	NA	深度学习	DL算法	图像	1379张长腿X光片，其中1221张用于模型开发，158张被认为是‘困难’样本。
20657	2024-08-13	A deep learning-guided automated workflow in LipidOz for detailed characterization of fungal fatty acid unsaturation by ozonolysis 2024-Sep, Journal of mass spectrometry : JMS IF:1.9Q2 DOI:10.1002/jms.5078 PMID:39132905	研究论文	本文通过应用Ozone-induced dissociation mass spectrometry（OzID-MS）和LipidOz软件，分析了转化自Histoplasma capsulatum的不同脂肪酸去饱和酶的Saccharomyces cerevisiae酵母菌株的复杂脂质，以确定产生的特定不饱和脂质	本文通过重新训练深度学习（DL）模型作为预筛选工具，优先处理自动化分析的目标，减少了手动验证的时间和计算资源	由于DL模型最初是使用哺乳动物脂质提取物训练的，因此在酵母衍生数据上的预测准确性降低	研究真菌脂质生物学和代谢，以发现抗真菌靶点	Saccharomyces cerevisiae酵母菌株的脂质	机器学习	NA	Ozone-induced dissociation mass spectrometry（OzID-MS）	深度学习模型（DL）	脂质数据	转化自Histoplasma capsulatum的不同脂肪酸去饱和酶的Saccharomyces cerevisiae酵母菌株
20658	2024-08-13	Differentiating loss of consciousness causes through artificial intelligence-enabled decoding of functional connectivity 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120749 PMID:39033787	研究论文	本研究通过人工智能技术解析功能连接性，以区分急性意识丧失的不同原因	首次开发了针对特定意识丧失原因的特征性功能连接变化的人工智能诊断模型	NA	提高对急性意识丧失原因的诊断准确性，从而选择合适的治疗策略	急性意识丧失的不同原因，如非惊厥性癫痫持续状态、代谢性脑病和苯二氮卓中毒	机器学习	NA	功能连接性分析	卷积神经网络 (CNN)	脑电图 (EEG) 数据	使用20秒的EEG数据段进行分类
20659	2024-08-13	Brain age prediction using interpretable multi-feature-based convolutional neural network in mild traumatic brain injury 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120751 PMID:39048043	研究论文	本文利用大规模异质数据集，构建了一个可解释的3D组合卷积神经网络模型，用于预测健康个体和轻度创伤性脑损伤患者的脑龄，并通过精细的人类脑网络图谱进行基于图谱的遮挡分析，揭示了年龄分层的贡献脑区。	本文创新性地使用了多特征输入的3D卷积神经网络模型，并引入了基于精细人类脑网络图谱的遮挡分析方法，提高了脑龄预测的准确性和可解释性。	NA	研究目的是开发一个可解释的深度学习框架，以准确预测健康个体和轻度创伤性脑损伤患者的脑龄。	研究对象包括健康对照组和轻度创伤性脑损伤患者。	计算机视觉	创伤性脑损伤	卷积神经网络 (CNN)	CNN	MRI图像	1464个样本
20660	2024-08-13	Disentangling brain atrophy heterogeneity in Alzheimer's disease: A deep self-supervised approach with interpretable latent space 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120737 PMID:39004409	研究论文	本研究提出了一种基于深度学习的自监督框架，用于在阿尔茨海默病中解构复杂的萎缩特征，通过潜在空间表示来捕捉疾病的异质性	该方法通过特征工程、分类和聚类的整合，有效地解构了阿尔茨海默病的异质性，并在潜在空间中揭示了疾病进展和亚型的核心维度	NA	旨在通过深度学习方法解构阿尔茨海默病的异质性，并揭示其内在的萎缩模式和临床特征	阿尔茨海默病的异质性和萎缩模式	机器学习	阿尔茨海默病	深度学习	潜在空间表示	图像	NA