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
21741	2024-08-05	Detection and Identification of Tassel States at Different Maize Tasseling Stages Using UAV Imagery and Deep Learning 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0188 PMID:38933805	研究论文	本研究展示了一种利用无人机和深度学习技术来准确识别和评估玉米杂交田中穗子的状态的方法	提出了一种特定的穗子注释和数据增强策略，以显著提升穗子训练数据的质量	研究中未提及样本的多样性或数据的局限性	研究的目的是提高玉米杂交田中穗子状态的识别精度	研究对象为玉米杂交田中的穗子	计算机视觉	NA	深度学习	对象检测模型	图像	NA
21742	2024-08-05	ConfluentFUCCI for fully-automated analysis of cell-cycle progression in a highly dense collective of migrating cells 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305491 PMID:38924026	研究论文	介绍了ConfluentFUCCI，一个用于密集细胞群体的细胞周期进展全自动分析的开源框架	ConfluentFUCCI通过集成多种前沿工具，提供了与以往工具不同的全自动细胞周期分析方法	对比最新相关工具的准确性和效率的研究，可能存在样本或应用范围上的限制	研究细胞周期进展的机制和生物物理特性之间的关系	高度密集的迁移细胞群体	数字病理学	癌症研究	FUCCI	NA	图像	NA
21743	2024-08-05	SS-DRPL: self-supervised deep representation pattern learning for voice-based Parkinson's disease detection 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1414462 PMID:38933392	研究论文	本研究探讨了自监督深度表示模式学习在基于声音的帕金森病检测中的应用	提出了一种将自监督深度表示模式学习与深度学习算法结合的新方法，以提高基于声音的帕金森病分类准确性	未提及具体的限制	旨在提高基于声音的帕金森病检测的准确性	研究对象为语音数据中的帕金森病病例	机器学习	帕金森病	自监督深度表示模式学习	长短期记忆网络和递归神经网络（LSTM-RNN）、深度神经网络（DNN）	声音	未提及具体的样本大小
21744	2024-08-05	Enhancing brain tumor classification in MRI scans with a multi-layer customized convolutional neural network approach 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418546 PMID:38933391	研究论文	该文章提出了一种新型卷积神经网络架构，以提高脑肿瘤在MRI扫描中的检测准确性和效率	该研究创造性地采用了多任务分类模型，通过单一CNN模型进行多种分类任务，展现了深度学习在医学应用中的巨大潜力	未提及	研究旨在优化脑肿瘤的检测和诊断流程	研究对象为7,023幅被分类为胶质瘤、脑膜瘤、无肿瘤和垂体肿瘤的脑MRI图像	计算机视觉	脑肿瘤	卷积神经网络	CNN	图像	7,023幅脑MRI图像
21745	2024-08-05	A single fast Hebbian-like process enabling one-shot class addition in deep neural networks without backbone modification 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1344114 PMID:38933813	研究论文	介绍了一种快速的Hebbian-like过程，使预训练深度学习图像分类器无需修改其主干即可进行一次性类别添加	提出了一种新颖的解释，将权重印记过程的一部分与Hebbian规律对齐，简化了一次性类别添加的方法	尽管方法简单，但其与神经科学的相关性仍然模糊，并且可能干扰原始图像分类	研究深度学习模型的优化，使其能够进行一次性类别添加	预训练的深度学习图像分类器	机器学习	NA	非参数归一化	深度学习图像分类器	图像	NA
21746	2024-08-05	Correction: Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306470 PMID:38924028	更正	本文章修正了之前发表的关于沉浸式营销环境下消费者偏好的研究。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21747	2024-08-05	Automatic prediction of non-iodine-avid status in lung metastases for radioactive I131 treatment in differentiated thyroid cancer patients 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1429115 PMID:38933823	research paper	本研究提出了一种自动化的非碘摄取状态预测方法，以优化分化型甲状腺癌患者的肺转移治疗	创新点在于开发了一种无创、低辐射的自动化方法，通过深度学习来预测肺转移的非碘摄取状态	研究的可行性需要进一步在多中心的大规模前瞻性研究中验证	本研究旨在开发有效的诊断成像工具，以预测分化型甲状腺癌患者肺转移的非碘摄取状态	研究对象为496例接受过处理的分化型甲状腺癌患者的1962个肺转移病灶	医学影像学	甲状腺癌	深度学习	SE-Net	医学影像	496例分化型甲状腺癌患者的1962个肺转移病灶，以及来自其他两家医院的24例患者的123个肺转移病灶
21748	2024-08-05	A deep neural network and transfer learning combined method for cross-task classification of error-related potentials 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1394107 PMID:38933146	研究论文	本文提出了一种结合深度神经网络和迁移学习的方法，用于错误相关电位的跨任务分类。	创新性地整合卷积层和变换器编码器，并采用迁移学习策略，有效提高了错误相关电位的分类准确性。	目前的方法仍受限于电极信号的高非平稳性和可用ErrPs数据集的有限性。	研究如何通过深度学习提高错误相关电位的分类精度。	该研究的对象是错误相关电位（ErrPs）及其分类。	机器学习	NA	深度学习	卷积神经网络和变换器	EEG信号	NA
21749	2024-08-05	Clinical Applications, Methodology, and Scientific Reporting of Electrocardiogram Deep-Learning Models: A Systematic Review 2023-Dec, JACC. Advances DOI:10.1016/j.jacadv.2023.100686 PMID:38288263	研究论文	本文对电心电图深度学习模型的临床应用、方法学和科学报告进行了系统性回顾	该研究定义了临床相关ECG深度学习模型的现状，并考察了这些研究的科学报告实践	方法学报告存在高度变异，无法重现模型的完整信息的出版物较少	探讨电心电图深度学习模型的现状及其科学报告的实践	临床相关的电心电图深度学习模型	机器学习	心血管疾病	深度学习	NA	NA	44篇文献，包含53个独特的、临床相关的ECG深度学习模型
21750	2024-08-05	Detect and attribute the extreme maize yield losses based on spatio-temporal deep learning 2023-Nov, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2022.05.006 PMID:38933002	研究论文	本研究开发了一种基于深度学习的多任务学习框架，以估计美国玉米带2006年至2018年间玉米产量的变化。	提出了一种新的时空深度学习框架，用于评估和归因作物产量对气候变化的响应。	未提及具体限制	准确估计大空间尺度的作物产量并理解极端气候压力下的产量损失。	研究对象为美国玉米带的玉米产量。	机器学习	NA	深度学习	深度神经网络	县级产量数据	2006年至2018年期间的县级玉米产量数据
21751	2024-08-05	SwarmDeepSurv: swarm intelligence advances deep survival network for prognostic radiomics signatures in four solid cancers 2023-Aug-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100777 PMID:37602223	研究论文	本文提出了一种新方法SwarmDeepSurv，用于在四种实体肿瘤中进行预后放射组学特征的研究	SwarmDeepSurv结合了群体智能算法与深度生存模型，优化了预后预测并选择了不同的特征	未提及明显的局限性	研究生物标志物与治疗效果之间的关系	四种不同类型的癌症样本	机器学习	NA	深度学习	NA	多中心数据	1,058 个样本
21752	2024-08-05	Identifying Mitral Valve Prolapse at Risk for Arrhythmias and Fibrosis From Electrocardiograms Using Deep Learning 2023-Aug, JACC. Advances DOI:10.1016/j.jacadv.2023.100446 PMID:37936601	研究论文	本文利用深度学习分析心电图识别有心律失常和纤维化风险的二尖瓣脱垂患者	该研究采用卷积神经网络（CNN）分析12导联心电图，能够识别出有心律失常和死亡风险的二尖瓣脱垂患者，并发现与心律失常风险相关的新型心电图表现	本文未详细讨论心电图预测的临床应用和长期跟踪的具体实施方案	评估基于心电图的机器学习能否识别风险较高的二尖瓣脱垂患者	569名来自加州大学旧金山分校的二尖瓣脱垂患者以及与之相关的心电图数据	机器学习	心脏病	深度学习	卷积神经网络（CNN）	心电图	6916个12导联心电图，来自569名患者
21753	2024-08-05	Hyperspectral Imaging in Brain Tumor Surgery-Evidence of Machine Learning-Based Performance 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.03.149 PMID:37030483	研究论文	该文章讨论了高光谱成像在脑肿瘤手术中的应用及其机器学习性能的证据	提出了微神经外科高光谱成像指导的合理性和临床范例，并强调了基于机器学习的方法	目前文献中相关文章数量有限，缺乏经过验证的机器学习和公共数据集	研究高光谱成像在神经外科手术中提升组织检测和诊断的潜力	探讨在胶质瘤手术中使用高光谱成像的组织分类性能	数字病理学	脑肿瘤	高光谱成像	深度学习	数据集	有限的病例系列或病例报告
21754	2024-08-05	Predicting benefit from immune checkpoint inhibitors in patients with non-small-cell lung cancer by CT-based ensemble deep learning: a retrospective study 2023-07, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00082-1 PMID:37268451	研究论文	本文探讨了基于胸部CT扫描的深度学习如何预测非小细胞肺癌患者对免疫检查点抑制剂的响应。	提出了一种名为Deep-CT的集成深度学习模型，能够通过预处理CT数据独立于传统生物标志物进行生存预测。	本研究为回顾性建模研究，可能存在选择偏倚和数据依赖的局限性。	旨在探索深度学习在胸部CT扫描中的应用，以评估其在预测免疫检查点抑制剂疗效中的附加价值。	研究对象为976名接受免疫检查点抑制剂治疗的晚期非小细胞肺癌患者。	计算机视觉	肺癌	深度学习	集成深度学习模型	影像数据	976名患者
21755	2024-08-05	The role of online news sentiment in carbon price prediction of China's carbon markets 2023-Mar, Environmental science and pollution research international DOI:10.1007/s11356-023-25197-0 PMID:36627425	研究论文	该文章探讨了在线新闻情绪在中国碳市场碳价格预测中的作用	通过将在线新闻情绪指数作为非结构化数据引入深度学习模型，提高了碳价格预测的性能	未提及特定的限制因素	提高中国碳市场，尤其是国家碳市场的碳价格预测性能	研究对象为中国国家碳市场和湖北省试点碳市场的碳价格	机器学习	NA	深度学习	长短期记忆网络 (LSTM)	在线新闻情绪指数	未提及具体样本数量
21756	2024-08-05	A Bibliometric Review: Brain Tumor Magnetic Resonance Imagings Using Different Convolutional Neural Network Architectures 2023-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2022.11.091 PMID:36442778	综述	本研究对脑肿瘤的磁共振成像进行了文献计量学评估，重点关注不同卷积神经网络架构的应用	通过文献计量学方法系统整理和分析了现有的关于脑肿瘤的CNN研究文献	本研究未涉及药物剂量的分析	旨在识别脑肿瘤识别的当前研究趋势和热点	脑肿瘤的磁共振成像和卷积神经网络研究文献	计算机视觉	脑肿瘤	卷积神经网络	CNN	文献	NA
21757	2024-08-07	3D GAN image synthesis and dataset quality assessment for bacterial biofilm 2022-09-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac529 PMID:35924980	研究论文	本文介绍了一种生物图像合成与评估工作流程，用于增强细菌生物膜图像，利用3D循环生成对抗网络（GAN）生成3D生物膜图像，并提出了一种随机合成数据集质量评估（SSQA）方法	本文创新性地使用了3D循环GAN和非平衡损失函数来生成逼真的3D生物膜图像，并提出了SSQA方法来评估合成数据集的质量	NA	开发一种新的方法来合成和评估细菌生物膜图像，以增强数据驱动的深度学习技术在生物图像分析中的应用	细菌生物膜图像的合成与质量评估	计算机视觉	NA	3D循环生成对抗网络（GAN）	GAN	图像	NA
21758	2024-08-07	Predicting transcription factor binding in single cells through deep learning 2020-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aba9031 PMID:33355120	研究论文	本文介绍了一种名为scFAN的深度学习模型，用于预测单细胞水平上的转录因子结合谱	scFAN模型通过预训练的ATAC-seq、DNA序列和ChIP-seq数据，利用单细胞ATAC-seq数据预测单细胞中的转录因子结合	NA	开发一种新的深度学习模型，以在单细胞水平上预测转录因子的全基因组结合谱	转录因子在单细胞中的结合谱	机器学习	NA	ATAC-seq, ChIP-seq	深度学习模型	DNA序列数据	NA
21759	2024-08-05	Fully automated planning for anatomical fetal brain MRI on 0.55T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30122 PMID:38650351	研究论文	本文探讨了在0.55T MRI上实现胎儿脑MRI的全面自动规划。	首次实现了在真实时间内针对胎儿脑部关键平面的完全自动规划，能够拓宽胎儿MRI的使用范围。	研究仅涉及九位胎儿受试者，样本量较小，可能影响结果的广泛适用性。	旨在通过自动化实时计划提高胎儿MRI的可用性。	研究对象为孕期20到37周的胎儿。	医学影像学	NA	深度学习	NA	图像	9个胎儿样本
21760	2024-08-05	Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T 2024-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30106 PMID:38576068	研究论文	本文开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率卡氏首次心肌灌注成像。	创新点在于提出了一种深度学习驱动的快速图像重建和运动校正技术，能在短时间内提供高质量的图像。	本文未提及潜在的限制。	本研究旨在提高3T卡氏首次心肌灌注成像的重建速度和图像质量。	研究对象为20名受试者的135个切片，涉及单层和多层同时采集数据。	数字病理学	NA	深度学习	3D U-Net	图像	20名受试者的135个切片