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
20801	2024-08-18	Semi-supervised learning with flexible threshold for non-intrusive load monitoring 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34457 PMID:39148998	研究论文	本文提出了一种结合一致性正则化和伪标签的半监督学习方法，用于在有限标记数据和大量未标记数据的情况下进行非侵入式负载监测中的设备识别	该方法通过灵活调整不同设备的阈值，以适应不同设备类别的学习难度，从而提高识别性能	NA	旨在解决非侵入式负载监测中监督学习模型需要大量标注数据的问题	非侵入式负载监测中的设备识别	机器学习	NA	NA	NA	数据	使用了公开可用的数据集
20802	2024-08-18	Integrating ensemble and machine learning models for early prediction of pneumonia mortality using laboratory tests 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34525 PMID:39149016	研究论文	本研究旨在开发一种基于实验室检测结果的早期预测肺炎死亡率的AI模型	本研究首次将集成模型与机器学习技术结合，用于肺炎死亡率的早期预测，并强调了实验室检测数据在AI医疗研究中的重要性	NA	开发一种早期预测肺炎死亡率的AI模型	肺炎患者的实验室检测结果和基本临床信息	机器学习	肺炎	机器学习模型（XGBoost, CatBoost, LGBM）和深度学习方法（多层感知器MLP）	集成模型	实验室检测数据	80,940个数据实例
20803	2024-08-18	NCME-Net: Nuclear cataract mask encoder network for intelligent grading using self-supervised learning from anterior segment photographs 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34726 PMID:39149020	研究论文	本文提出了一种名为NCME-Net的混合模型，用于通过自监督学习对前段照片进行核性白内障严重程度的四分类分析	NCME-Net利用自监督预训练，无需昂贵的数据标注，并能跨越领域差异，提高了诊断准确性	NA	解决智能分级核性白内障严重程度的挑战	核性白内障的严重程度分级	计算机视觉	眼科疾病	自监督学习	混合模型	图像	792张核性白内障图像，分为训练集533张，验证集139张，测试集100张
20804	2024-08-18	Artificial intelligence in pediatric airway - A scoping review 2024 Jul-Sep, Saudi journal of anaesthesia IF:1.3Q3 DOI:10.4103/sja.sja_110_24 PMID:39149736	综述	本文是一篇范围综述，评估了人工智能在儿科麻醉领域，特别是儿科气道管理中的应用	NA	NA	评估人工智能在儿科麻醉中的应用	儿科气道管理	计算机视觉	NA	机器学习, 神经网络, 深度学习, 机器人技术	NA	NA	所有18岁以下的儿童研究均被包括和评估
20805	2024-08-18	Identifying prey capture events of a free-ranging marine predator using bio-logger data and deep learning 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240271 PMID:39100157	研究论文	本文开发了一种新方法，利用三轴加速度和深度数据通过深度学习神经网络量化帽带企鹅的捕食率，并通过动物携带的视频进行验证	本文创新性地使用深度学习算法处理生物记录传感器产生的大量数据，以稳健估计潜水海洋捕食者的捕食事件	NA	开发一种创新方法来估计潜水海洋捕食者的猎物消耗量	帽带企鹅及其捕食行为	机器学习	NA	深度学习	CNN 和 V-Net	加速度和深度数据	41只帽带企鹅
20806	2024-08-18	Optimal sampling of spatial patterns improves deep learning-based early warning signals of critical transitions 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.231767 PMID:39100181	研究论文	本文开发了一种先进的机器学习工具包，称为空间早期预警信号网络（S-EWSNet），用于预测复杂时空系统中的关键转变类型。	通过最优采样策略（OSS）让深度神经网络学习潜在特征，提高了对关键转变类型的预测能力。	NA	解决预测关键转变类型（突然与平滑）的难题。	复杂时空系统中的关键转变类型。	机器学习	NA	机器学习	深度神经网络	时空数据	模拟和实证样本
20807	2024-08-18	How many specimens make a sufficient training set for automated three-dimensional feature extraction? 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240113 PMID:39100182	research paper	本研究探讨了用于自动化三维特征提取的深度学习模型所需的最小训练图像数量，并评估了数据增强对提高网络准确性的效果	本研究首次探讨了数据增强在三维图像特征提取中的应用，并揭示了其对提高模型准确性的潜力	研究主要集中在内部结构的体积和形状测量上，对于外部结构的挑战性较低	确定用于自动化三维特征提取的深度学习模型所需的最小训练图像数量	50个浮游有孔虫标本	computer vision	NA	deep learning	NA	three-dimensional images	50个浮游有孔虫标本
20808	2024-08-18	Semi-Supervised, Attention-Based Deep Learning for Predicting TMPRSS2:ERG Fusion Status in Prostate Cancer Using Whole Slide Images 2024-04-02, Molecular cancer research : MCR IF:4.1Q2 DOI:10.1158/1541-7786.MCR-23-0639 PMID:38284821	研究论文	本研究利用半监督的注意力机制深度学习方法，通过全切片图像预测前列腺癌中的TMPRSS2:ERG融合状态	本研究展示了深度学习在从常规可用的组织学切片中有效推断前列腺癌关键遗传改变方面的潜力	NA	探索深度学习在前列腺癌诊断中的应用	前列腺癌中的TMPRSS2:ERG融合状态	数字病理学	前列腺癌	深度学习	注意力机制	图像	NA
20809	2024-08-18	DeepDynaForecast: Phylogenetic-informed graph deep learning for epidemic transmission dynamic prediction 2024-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011351 PMID:38598563	研究论文	本文介绍了一种基于系统发育树的深度学习系统DeepDynaForecast，用于预测流行病传播动态	利用原始-对偶图学习结构和快捷多层聚合，适用于早期识别和预测高风险群体中的传播动态	NA	开发一种基于系统发育树的深度学习系统，用于预测流行病传播风险和模式	流行病传播动态	机器学习	NA	深度学习	图深度学习	系统发育树数据	使用佛罗里达州2012年至2020年的人类免疫缺陷病毒流行病大型数据集
20810	2024-08-18	FDB-Net: Fusion double branch network combining CNN and transformer for medical image segmentation 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230413 PMID:38848160	研究论文	本文提出了一种结合CNN和Transformer的双分支医学图像分割网络FDB-Net，通过使用包含gnConv块的CNN和包含Varied-Size Window Attention块的Transformer作为特征提取骨干网络，确保网络具有全局感受野以及获取目标局部细节特征的能力。	FDB-Net通过结合CNN和Transformer的双分支结构，克服了卷积操作受限的感受野和Transformer自注意力机制缺乏局部精细信息提取能力的局限。	NA	提高医学图像分割的性能	医学图像分割	计算机视觉	NA	CNN, Transformer	FDB-Net	图像	NA
20811	2024-08-18	Connectome-based schizophrenia prediction using structural connectivity - Deep Graph Neural Network(sc-DGNN) 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230426 PMID:38820060	研究论文	本研究利用结构连接深度图神经网络（sc-DGNN）模型，通过分析与精神分裂症相关的功能连接子网络，提高了对精神分裂症的预测准确性	提出了一种新的结构连接深度图神经网络（sc-DGNN）模型，该模型在预测精神分裂症相关的功能连接异常方面表现优于传统的机器学习和深度学习方法	NA	提高对脑部疾病问题的预测准确性	研究与精神分裂症相关的功能连接子网络和图结构	机器学习	精神分裂症	扩散磁共振成像（dMRI）	深度图神经网络（DGNN）	图像	88名受试者
20812	2024-08-18	A fusion of deep neural networks and game theory for retinal disease diagnosis with OCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240027 PMID:38759091	研究论文	本文提出了一种结合深度神经网络和博弈论的混合模型GIGT，用于通过OCT图像诊断视网膜疾病	该方法结合了生成对抗网络（GANs）、Inception模型和博弈论，引入了一种战略和动态的诊断过程，提高了准确性和鲁棒性	NA	提高视网膜疾病诊断的准确性和可靠性	视网膜疾病	计算机视觉	视网膜疾病	生成对抗网络（GANs）	混合模型GIGT	图像	NA
20813	2024-08-18	An improved attention module based on nnU-Net for segmenting primary central nervous system lymphoma (PCNSL) in MRI images1 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240016 PMID:38728198	研究论文	本文提出了一种基于nnU-Net的改进注意力模块，用于在MRI图像中自动分割原发性中枢神经系统淋巴瘤（PCNSL）	首次将注意力模块引入基于脑部MRI的深度学习中进行PCNSL分割	NA	解决PCNSL在脑部MRI分割中的小尺寸、扩散分布、同轴层间连续性差及过度分割问题	原发性中枢神经系统淋巴瘤（PCNSL）	数字病理学	中枢神经系统疾病	3D卷积、批量归一化、残差注意力（res-attention）、多尺度扩张卷积核、注意力特征融合（AFF3D）	nnU-Net	MRI图像	114例T1 MRI图像
20814	2024-08-18	Revolutionizing tumor detection and classification in multimodality imaging based on deep learning approaches: Methods, applications and limitations 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230429 PMID:38701131	综述	本文综述了深度学习技术在多模态医学影像中肿瘤检测与分类的方法、应用及局限性	深度学习技术在多模态医学影像中的应用提高了肿瘤检测与分类的准确性和鲁棒性	文章指出了深度学习在多模态医学影像分析中面临的挑战和局限性	旨在全面审查深度学习方法在多模态医学影像中肿瘤检测与分类的进展、局限和关键挑战	肿瘤检测与分类	计算机视觉	NA	深度学习	卷积神经网络（CNN）、循环神经网络（RNN）及其变体	多模态医学影像	NA
20815	2024-08-18	F-Net: Follicles Net an efficient tool for the diagnosis of polycystic ovarian syndrome using deep learning techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307571 PMID:39146307	研究论文	本研究旨在利用深度学习技术开发一种高效工具，用于诊断多囊卵巢综合征（PCOS）	开发了一种名为Follicles Net（F-Net）的自定义模型，该模型在PCOS分类中表现出色，分类准确率高达95%和97.5%	NA	实现卵巢卵泡的目标检测和分割，并评估机器学习和深度学习分类器在检测PCOS中的有效性	卵巢卵泡和多囊卵巢综合征（PCOS）	计算机视觉	妇科疾病	YOLOv8, 混合模糊c均值基于的活动轮廓技术, Gray-level co-occurrence matrices (GLCM)	CNN, Vision transformer	图像	两个数据集，数据集1包括50名正常和50名PCOS受试者，数据集2包括100名正常和100名PCOS受试者
20816	2024-08-18	Ortho-digital dynamics: Exploration of advancing digital health technologies in musculoskeletal disease management 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241269613 PMID:39148814	研究论文	本文通过文献计量分析探索了数字健康技术在肌肉骨骼疾病管理中的应用趋势	首次对数字健康技术在肌肉骨骼疾病管理中的应用进行了全面的文献计量分析	未提及具体的局限性	分析数字健康技术在肌肉骨骼疾病管理中的应用趋势及其对医疗系统的影响	肌肉骨骼疾病管理中的数字健康技术应用	数字病理学	肌肉骨骼疾病	文献计量分析	NA	文本	6810篇论文
20817	2024-08-18	Assessing clinical efficacy of polyp detection models using open-access datasets 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1422942 PMID:39148908	研究论文	本研究评估了基于深度学习的计算机辅助检测（CADe）系统在开放访问数据集上对息肉检测的临床效能	引入了新的评估指标，如早期息肉检测的召回率和每个患者的平均假阳性数，以及自由响应接收器操作特性（FROC）曲线，以优化CADe系统的操作参数	研究发现，不使用完整过程视频会导致不现实的评估，且小息肉边界框的检测最具挑战性	评估和优化计算机辅助检测系统在临床环境中的效能	评估深度学习模型在开放访问数据集上的息肉检测效能	计算机视觉	结直肠癌	深度学习	YOLOv7	图像	包含超过340,000张图像和380个注释息肉的四个开放访问数据集，以及包含60个完整过程结肠镜视频的REAL-Colon数据集
20818	2024-08-18	Real-time temperature anomaly detection in vaccine refrigeration systems using deep learning on a resource-constrained microcontroller 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1429602 PMID:39149162	研究论文	本文提出了一种基于深度学习的实时温度异常检测系统，用于疫苗冷藏系统的故障检测	利用半监督卷积自编码器（CAE）模型在资源受限的ESP32微控制器上实现实时温度异常检测	NA	提高疫苗冷藏系统的监测和故障检测能力	疫苗冷藏系统的温度异常检测	机器学习	NA	深度学习	卷积自编码器（CAE）	温度传感器数据	NA
20819	2024-08-18	Accurate diagnosis and prognosis prediction of gastric cancer using deep learning on digital pathological images: A retrospective multicentre study 2021-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2021.103631 PMID:34678610	研究论文	本研究利用深度学习技术在数字病理图像上对胃癌进行准确诊断和预后预测	开发了两种人工智能模型，GastroMIL用于胃癌诊断，MIL-GC用于预测胃癌的预后，这些模型在诊断和生存预测方面表现优异	NA	开发基于深度学习的人工智能模型，辅助预测胃癌患者的诊断和总体生存	胃癌患者的病理图像	数字病理学	胃癌	深度学习	AI模型	图像	2333张HE染色病理图片，涉及1037名胃癌患者；175张数字病理图片，涉及91名胃癌患者
20820	2024-08-18	Fast activation maximization for molecular sequence design 2021-Oct-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04437-5 PMID:34670493	研究论文	本文介绍了一种改进的激活最大化方法Fast SeqProp，用于优化DNA和蛋白质序列设计	Fast SeqProp结合了直通近似和输入序列分布参数的归一化，克服了早期方法中输入参数在优化过程中倾斜的问题，实现了更快的收敛和更好的适应度优化	NA	开发一种可靠且高效的序列优化方法，通过可微分的适应度预测器进行分子设计	DNA和蛋白质序列	机器学习	NA	激活最大化	深度学习模型	序列	六种深度学习预测器，包括蛋白质结构预测器