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
22721	2024-08-05	Detection of caries around restorations on bitewings using deep learning 2024-04, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.104886 PMID:38342368	研究论文	本研究开发了一种基于卷积神经网络的算法来检测咬合片上的初级和次级龋齿	创新点在于利用深度学习技术提高了龋齿检测的准确性，特别是在修复体周围的次级龋齿检测	本研究的数据来源于有限的临床样本，可能影响模型的普适性和推广性	本研究旨在通过深度学习技术改善修复体周围龋齿的诊断准确性	研究对象为从荷兰7家普通牙科诊所收集的425份咬合片，涉及383名患者	计算机视觉	龋齿	深度学习	卷积神经网络（CNN）	影像	425份咬合片，383名患者
22722	2024-08-05	PfgPDI: Pocket feature-enabled graph neural network for protein-drug interaction prediction 2024-Apr, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500045 PMID:38812467	研究论文	本研究提出了一种基于口袋特征的图神经网络，用于预测蛋白质与药物的相互作用	该研究创新地结合了变换器网络和图卷积网络，优化了蛋白质-配体复合物的特征表示	当前方法仍然可能无法完全适应所有种类的蛋白质-配体相互作用	本研究旨在提高药物发现过程中的蛋白质-配体相互作用预测准确性	研究对象为蛋白质和小分子配体之间的相互作用	机器学习	NA	图卷积网络（GCN）	变换器网络（Transformer）	序列数据	多种蛋白质-配体结合预测方法的实验样本
22723	2024-08-05	Medical report generation based on multimodal federated learning 2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102342 PMID:38309174	研究论文	提出了一种基于多模态联邦学习的方法，用于生成医疗图像报告	引入了一种新的多模态联邦学习架构，解决了医疗数据的隐私问题，同时提高了医疗图像报告的准确性和质量	未提及具体的样本大小和研究限制	旨在提高医疗图像报告生成的隐私保护和准确性	医疗机构中生成医疗图像报告的模型	数字病理学	NA	联邦学习	深度学习	医疗图像	NA
22724	2024-08-05	Tooth morphology, internal fit, occlusion and proximal contacts of dental crowns designed by deep learning-based dental software: A comparative study 2024-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2023.104830 PMID:38163455	研究论文	本研究比较了通过两种深度学习(DL)基础的牙科软件自动生成的牙冠与由经验丰富的牙科技师使用传统软件手动设计的牙冠在牙齿形态、内部适配性、咬合和邻接接触点的表现	首次对使用深度学习生成的牙冠设计与人工作业相比，在内部适配性和接触点数量上进行了系统比较	样本规模较小，仅使用了30个部分拱形扫描	评估深度学习软件在牙冠设计中的有效性和临床适用性	使用不同设计方法的牙冠，包括两种DL方法和一种手动技术师方法	数字病理学	NA	深度学习	NA	三维扫描	30个准备好的后牙部分拱形扫描
22725	2024-08-05	AI-based dental caries and tooth number detection in intraoral photos: Model development and performance evaluation 2024-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2023.104821 PMID:38145804	研究论文	本研究旨在利用级联区域基础深度卷积神经网络模型在全口内摄影图像中集成牙齿数量识别和龋齿检测	提出了一种深度学习模型，实现了全口内摄影图像中牙齿数量识别和龋齿检测的自动化	研究主要依赖于标注的图像数据，可能缺乏多样性和广泛的样本代表性	旨在促进人工智能驱动的自动龋齿检测在临床实践中的应用	包含24,578张内口图像的数据集，用于牙齿数量和龋齿的识别	计算机视觉	NA	级联区域基础深度卷积神经网络 (R-CNN)	深度学习模型	图像	24,578张图像
22726	2024-08-05	Liver fibrosis classification from ultrasound using machine learning: a systematic literature review 2024-01, Abdominal radiology (New York) DOI:10.1007/s00261-023-04081-y PMID:37950068	综述	该研究通过系统文献回顾分析了基于超声的非侵入性肝纤维化分类的机器学习/深度学习模型	本研究探讨了机器学习和深度学习在肝纤维化分类中的应用，并评估了现有研究的分类方法	缺乏外部比较和前瞻性临床试验的限制使得这些模型的适用性受到影响	探讨超声图像中应用机器学习和深度学习进行肝纤维化分类的潜力	筛选出的17项研究中，分析使用超声图像的机器学习与深度学习模型	机器学习	NA	NA	OTS分类器、注意力模型、生成模型和集成分类器	图像	188项研究中筛选出17项研究
22727	2024-08-05	Hybrid CNN-LSTM for Predicting Diabetes: A Review 2024, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998261151230925062430 PMID:37867273	综述	本文章回顾了基于CNN-LSTM的糖尿病预测研究。	提出了CNN和LSTM结合的方法用于糖尿病的预测，并与其他深度学习方法进行了比较。	该模型在训练大量数据集和生物因素方面面临挑战。	探讨CNN-LSTM模型在糖尿病早期检测中的应用。	对糖尿病预测的相关研究进行回顾和分析。	机器学习	糖尿病	深度学习	CNN-LSTM	NA	NA
22728	2024-08-05	Radiomics-based machine learning and deep learning to predict serosal involvement in gallbladder cancer 2024-01, Abdominal radiology (New York) DOI:10.1007/s00261-023-04029-2 PMID:37787963	研究论文	本研究旨在确定基于对比增强计算机断层扫描的放射组学模型在预测胆囊癌患者浆膜侵犯方面的能力。	本研究创新地使用了放射组学特征和深度学习模型来提高胆囊癌浆膜侵犯的预测准确性。	研究样本仅限于152名胆囊癌患者，可能影响模型的推广性。	研究的目的是提高对胆囊癌浆膜侵犯的预测能力。	研究对象为152名确诊的胆囊癌患者。	数字病理学	胆囊癌	对比增强计算机断层扫描	全连通神经网络（f-CNN）	图像	152名胆囊癌患者
22729	2024-08-05	Implications of ultrasound-based deep learning model for preoperatively differentiating combined hepatocellular-cholangiocarcinoma from hepatocellular carcinoma and intrahepatic cholangiocarcinoma 2024-01, Abdominal radiology (New York) DOI:10.1007/s00261-023-04089-4 PMID:37999743	研究论文	本研究开发了一种基于超声波的深度学习模型，用于术前区分肝细胞癌、肝内胆管癌和混合肝细胞胆管癌	提出了一种新型的深度学习模型，专注于超声影像中较难区分的肝癌类型	研究对象主要限于初级肝癌患者，可能无法推广到其他类型的肝癌或患者群体	旨在利用超声技术与深度学习改善肝癌的术前诊断	研究对象为465名初级肝癌患者的超声图像	医学影像学	肝癌	深度学习	Resnet18, MobileNet, DenseNet121, Inception V3	影像	465名患者的超声B型图像
22730	2024-08-05	A biologically inspired architecture with switching units can learn to generalize across backgrounds 2023-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2023.09.014 PMID:37839332	研究论文	该文章展示了一种生物启发的网络结构，通过切换单元可以学习在不同背景下进行泛化	提出了一种瓶颈切换网络，这是一种类生物的架构，可以避免在新背景下的灾难性遗忘	未详细讨论与其他生物启发机制的比较	研究如何通过生物感知原则来提高人工系统的环境适应能力	使用MNIST数字及CIFAR-10数据集探索在不同背景下的数字分类	机器学习	NA	NA	切换网络	图像	使用MNIST数字数据集和CIFAR-10数据集的样本
22731	2024-08-05	A Multilabel Text Classifier of Cancer Literature at the Publication Level: Methods Study of Medical Text Classification 2023-Oct-05, JMIR medical informatics IF:3.1Q2 DOI:10.2196/44892 PMID:37796584	研究论文	本研究旨在建立一个多标签分类器，以提高癌症文献的分类分辨率	通过结合BERT和TextRNN模型，实现了对癌症文献的高分辨率多标签分类	未来需要收集更多来自不同领域的数据以验证模型的可扩展性和扩展性	解决现有低分辨率癌症文献分类的问题，以支持临床相关性文献的高效检索	癌症研究的文献，涉及70699篇癌症出版物	自然语言处理	癌症	BERT + X	BERT + TextRNN	文本	70699篇癌症出版物
22732	2024-08-05	Automated fatty liver disease detection in point-of-care ultrasound B-mode images 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034505 PMID:37284231	研究论文	本文提出了一种自动化的脂肪肝疾病检测算法，利用非专家获取的实时超声B模式图像	研究中介绍了如何在低质量的B模式图像上，应用深度学习算法进行肝脏脂肪变的分类，并且可以在非专家操作下实现	尽管表现良好，但该算法依赖于低质量的B模式图像和最小的超声采集培训	研究旨在开发一种用于非酒精性脂肪肝疾病的自动筛查算法	研究对象为478名患者，他们的B模式图像由非专家医护人员获取	数字病理学	NAFLD	深度学习	DenseNet-121	图像	478名患者的图像数据
22733	2024-08-05	Microstrip isoelectric focusing with deep learning for simultaneous screening of diabetes, anemia, and thalassemia 2024-Jul-11, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.342696 PMID:38834281	研究论文	本文提出了一种基于微带等电聚焦和深度学习的方法用于同时筛查糖尿病、贫血和地中海贫血	首次实现了Hb的绝对定量检测、Hb种类的相对定量及多种疾病的同时筛查	基于Hb种类的疾病诊断准确率较低，仅为69.33%	提高糖尿病、贫血和地中海贫血的筛查准确性	检测 Hb 的相对含量及其相关疾病的筛查	数字病理学	糖尿病、贫血、地中海贫血	微带等电聚焦 (mIEF)	ResNet1D	图像	NA
22734	2024-08-05	Crowdsourcing image segmentation for deep learning: integrated platform for citizen science, paid microtask, and gamification 2024-Jun-25, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2023-0148 PMID:38143326	研究论文	本文开发了一种集成群众外包的平台，以比较不同的医学图像分割方法	提出了结合公民科学、付费微任务和游戏化的集成众包平台	样本数量较少，仅有50幅图像参与训练	比较不同类型的众包方法在医学图像分割中的效果	医学图像（眼底图像中的巩膜分割）	数字病理学	NA	深度学习，卷积神经网络	NA	图像	50幅图像
22735	2024-08-05	E2SCNet: Efficient Multiobjective Evolutionary Automatic Search for Remote Sensing Image Scene Classification Network Architecture 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3220699 PMID:36395135	研究论文	提出了一种高效的多目标进化自动搜索框架E2SCNet，用于遥感图像场景分类网络架构	E2SCNet采用了八种轻量级操作符，构建了多样化的搜索空间，实现了参数数量与准确度的两步进化搜索机制	进化神经架构搜索方法通常需要几天时间	解决遥感图像场景分类中传统网络架构的固定性和不足之处	遥感图像场景分类深度学习网络架构	计算机视觉	NA	多目标进化计算	NA	NA	通过与多种人类专家设计的网络及基于梯度和进化计算的搜索方法获得的网络进行比较
22736	2024-08-05	Automated marine oil spill detection algorithm based on single-image generative adversarial network and YOLO-v8 under small samples 2024-Jun, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116475 PMID:38761680	研究论文	本文介绍了一种针对小样本的海洋油污检测算法，结合了SinGAN和YOLO-v8模型	创新之处在于使用单幅图像生成对抗网络(SinGAN)扩展小样本数据集，并结合YOLO-v8进行油污检测	研究的主要局限在于依赖于从Landsat-8卫星获得的小样本数据集，可能影响检测模型的泛化能力	本研究旨在提升海洋油污检测的准确性和实时性，特别是在样本稀缺的情况下	研究对象为海洋油污检测数据集，主要包括通过Landsat-8卫星拍摄的油污图像	计算机视觉	NA	生成对抗网络(SinGAN), YOLO-v8	YOLO-v8	图像	小样本数据集
22737	2024-08-05	Fourier Domain Robust Denoising Decomposition and Adaptive Patch MRI Reconstruction 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3222394 PMID:37015441	研究论文	本文提出了一种傅里叶域稳健去噪分解和自适应补丁MRI重建的方法	创新点在于提出了一种新的两步优化方法，针对噪声和低欠采样数据的MRI重建	文中提到的模型在解决鲁棒字典学习问题时仍然是非凸的且计算复杂度高	旨在改善MRI重建过程中的图像质量，特别是在低欠采样和噪声干扰情况下	研究对象为MRI重建中的稀疏性和低欠采样数据	数字病理学	NA	傅里叶变换	低秩和稀疏去噪重建模型（LSDRM）和鲁棒字典学习重建模型（RDLRM）	图像	进行的广泛数值实验
22738	2024-08-05	Tiny Machine Learning for Concept Drift 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3229897 PMID:37015671	研究论文	本文介绍了一种基于深度学习的概念漂移微型机器学习方案	首次提出了针对概念漂移的微型机器学习（TML-CD）解决方案，结合深度学习特征提取器和k近邻分类器，具有混合适应模块	假设训练过程在云或边缘计算系统中进行，可能限制了在某些环境下的应用	设计能够在嵌入式系统和物联网单元中操作的机器学习技术	针对在概念漂移影响下的数据生成过程进行适应性处理	机器学习	NA	深度学习, k近邻分类	NA	图像和音频	多个基准测试
22739	2024-08-05	Explainable Graph Wavelet Denoising Network for Intelligent Fault Diagnosis 2024-Jun, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3230458 PMID:37015709	研究论文	本文提出了一种可解释的图小波去噪网络用于智能故障诊断	提出了一种新的图小波去噪卷积以提取图结构数据的多尺度特征并实现信号去噪	NA	旨在提升在噪声环境下的智能故障诊断能力	主要研究信号中的故障相关组件及其去噪过程	机器学习	NA	图小波去噪卷积	NA	图结构数据	NA
22740	2024-08-05	Investigation of the MDM2-binding potential of de novo designed peptides using enhanced sampling simulations 2024-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.131840 PMID:38679255	研究论文	本研究通过深度学习设计了高亲和力的肽结合物，以干扰MDM2与p53的相互作用	利用深度学习蛋白质设计和结构预测方法，识别出新的高亲和力肽结合物Pep1和Pep2	在标题和摘要中未提及具体的样本类型或数量，限制了结果的广泛适用性	旨在设计肽以干扰MDM2与p53的相互作用，提供癌症治疗的新途径	针对MDM2的结合肽Pep1和Pep2	计算机视觉	肿瘤	增强采样模拟	深度学习模型	分子动态模拟数据	NA