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
23001	2024-08-07	Achieve fairness without demographics for dermatological disease diagnosis 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103188 PMID:38718715	研究论文	本文提出了一种在测试阶段实现敏感属性公平预测的方法，无需在训练阶段使用敏感信息	通过捕捉与敏感和目标属性相关的特征并规范相应类别间的特征纠缠，提高了模型的公平性和准确性	NA	旨在解决皮肤病诊断中AI模型的公平性问题	皮肤病图像诊断中的公平性	计算机视觉	NA	NA	深度学习模型	图像	两个皮肤病数据集
23002	2024-08-07	A systematic comparison of deep learning methods for Gleason grading and scoring 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103191 PMID:38728903	研究论文	本文对九个数据集上的深度学习方法进行了系统比较，以评估其在Gleason分级和评分任务中的表现	本文首次系统比较了多种深度学习方法在Gleason分级和评分任务中的应用，包括全监督学习、弱监督学习、半监督学习等多种训练方法	文章未明确提及具体的局限性	旨在确定最适合Gleason分级和评分任务的深度学习方法	Gleason分级和评分任务	数字病理学	前列腺癌	深度神经网络	CNN, Additive-MIL, Attention-Based MIL, Dual-Stream MIL, TransMIL, CLAM	图像	九个数据集，来源包括病理研究所和公开可访问的存储库
23003	2024-08-07	Deep magnetic resonance fingerprinting based on Local and Global Vision Transformer 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103198 PMID:38759259	研究论文	本文提出了一种基于局部和全局视觉变换器（LG-ViT）的深度磁共振指纹识别方法，以提高参数重建的速度和准确性	本文创新性地采用了局部和全局视觉变换器（LG-ViT）来捕捉磁共振指纹中的上下文信息和长距离依赖关系，从而提高重建效率和准确性	现有的基于卷积神经网络的方法主要关注局部信息，未能充分利用磁共振指纹中的长距离冗余和上下文信息	旨在克服磁共振指纹识别中计算效率和匹配准确性的挑战	磁共振指纹识别中的参数重建	计算机视觉	NA	磁共振指纹识别（MRF）	视觉变换器（ViT）	图像	模拟数据和体内数据
23004	2024-08-07	Anonymizing medical case-based explanations through disentanglement 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103209 PMID:38781754	研究论文	本文提出了一种新的方法，通过解耦图像的身份和医学特征来匿名化医学图像，并应用该方法生成保护隐私的合成身份	提出了一种解耦机制，能够分离并替换图像中的特征向量，同时保留其余特征，以及一种生成合成隐私保护身份的模型	NA	解决医学图像在案例解释中因隐私问题无法共享的问题	医学图像的身份和医学特征	计算机视觉	NA	解耦机制	NA	图像	应用在医学和生物识别数据集上
23005	2024-08-07	Conceptualizing future groundwater models through a ternary framework of multisource data, human expertise, and machine intelligence 2024-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121679 PMID:38696982	研究论文	本文开发了一种三元框架，结合多源数据、人类专业知识和机器智能，以提高地下水模型的可持续性和预测能力	提出了一种结合多源数据、人类专业知识和机器智能的三元框架，以克服传统地下水模型中的挑战	现有机器驱动方法在可解释性和泛化能力方面存在局限	概念化可持续水管理实践，增强对地下水系统的理解和预测能力	地下水模型	NA	NA	机器智能，特别是深度学习	NA	多源数据	NA
23006	2024-08-07	A comprehensive assessment of machine learning algorithms for enhanced characterization and prediction in orodispersible film development 2024-Jun-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124188 PMID:38705248	研究论文	本文探讨了机器学习算法在口腔分散膜开发中的应用，以提高其特性和预测能力	本研究展示了机器学习模型在预测口腔分散膜机械特性方面的高准确性，并揭示了配方变量间的复杂交互作用	本研究为初步研究，可能需要进一步的实验验证和模型优化	探索机器学习方法在口腔分散膜特性分析中的应用，以指导药物开发	口腔分散膜及其机械特性	机器学习	NA	机器学习算法	支持向量机、随机森林、深度学习	实验数据	大量实验数据
23007	2024-08-07	Advances in Clinical Care with Contemporary Cardiac SPECT 2024-Jun, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.02.024 PMID:38553298	综述	本文综述了当代心脏单光子发射计算机断层扫描（SPECT）在临床应用中的最新进展	介绍了数字SPECT技术、超低剂量成像、深度学习算法在冠状动脉造影和SPECT CT中的应用，以及无源发射衰减校正等新技术	NA	探讨心脏SPECT成像技术的临床应用和效果	心脏SPECT成像技术及其在多种心脏疾病诊断和治疗中的应用	数字病理学	心血管疾病	SPECT成像	深度学习算法	图像	NA
23008	2024-08-07	Deep learning for low-data drug discovery: Hurdles and opportunities 2024-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102818 PMID:38669740	综述	本文综述了在药物发现领域中，深度学习在低数据情况下的应用及其面临的挑战和机遇	探讨了在低数据环境下利用深度学习的新方法，并预测了未来研究方向	深度学习在药物发现中的应用常受限于某些任务的小数据情况	分析低数据学习在药物发现中的障碍和优势，并预测未来研究方向	药物发现领域中的深度学习应用	机器学习	NA	深度学习	NA	NA	低数据情况
23009	2024-08-07	New methods for drug synergy prediction: A mini-review 2024-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102827 PMID:38705070	综述	本文探讨了基于高通量组合筛选的药物组合协同预测新方法	介绍了自2021年以来发表的超过三十种基于深度学习技术的机器学习方法	涉及新药物或细胞线的预测场景仍未达到准确的预测水平	旨在通过突出核心技术、数据来源、输入数据类型和协同评分以及预测场景和评估协议，将这些文章置于统一的视角下	药物组合协同预测方法	机器学习	NA	深度学习	NA	NA	NA
23010	2024-08-07	Deep learning framework for peak detection at the intact level of therapeutic proteins 2024-Jun, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.202400051 PMID:38819868	研究论文	本文研究了一种深度学习框架，用于在治疗性蛋白质的整体水平上进行峰值检测	采用卷积神经网络（CNN）模型进行峰值识别，其性能优于传统的部分最小二乘判别分析（PLS-DA）和局部加权回归（LWR）	NA	开发一种自动化的峰值检测方法，以提高治疗性蛋白质分析中的真阳性率	单克隆抗体的异质变体（糖型）	机器学习	NA	液相色谱-质谱法	CNN	质谱数据	NA
23011	2024-08-07	Surface plasmons-phonons for mid-infrared hyperspectral imaging 2024-May-31, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ado3179 PMID:38809968	研究论文	研究通过开发一种结合表面等离子体和表面声子的超光谱成像系统，探索了表面声子在超光谱成像中的作用	首次展示了表面声子在超光谱成像中的应用，通过使用不对称十字形纳米天线，实现了对分子折射率强度和线形特征的精确捕捉，提高了分子识别的精确度和灵敏度	NA	探索表面声子在超光谱成像中的作用及其对分子识别的影响	表面等离子体和表面声子在超光谱成像中的应用	计算机视觉	NA	超光谱成像	深度学习	光谱数据	230,400 光谱/秒
23012	2024-08-07	Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study 2024-May-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3cde PMID:38599183	研究论文	本研究比较了多种预训练卷积神经网络（CNN）在利用时间-频率数据表示算法进行癫痫脑电图（EEG）分类中的性能	首次探索了使用时间-频率数据调整预训练框架参数对EEG数据分类的影响	研究仅使用了Bern-Barcelona EEG数据集和Temple University数据库进行验证	评估预训练CNN模型结合不同时间-频率技术在癫痫EEG分类中的效果	癫痫脑电图信号的分类	机器学习	NA	连续小波变换（CWT）、经验傅里叶分解（EFD）、经验模态分解（EMD）、经验小波变换（EWT）、变分模态分解（VMD）	CNN	脑电图（EEG）	使用了Bern-Barcelona EEG数据集和Temple University数据库
23013	2024-08-07	Optical frequency multiplication using residual network with random forest regression 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30958 PMID:38813222	研究论文	本文提出了一种利用残差网络（ResNet）与随机森林回归（RFR）算法相结合的混合深度学习方法，用于光学频率倍增	本文创新性地将残差网络与随机森林回归算法结合，用于光学频率倍增，并展示了三种不同的频率倍增调制方案	NA	研究光学频率倍增技术	光学频率倍增的参数优化及毫米波信号生成	计算机视觉	NA	残差网络（ResNet），随机森林回归（RFR）	ResNet，RFR	模拟数据	8倍频、12倍频和16倍频的毫米波信号
23014	2024-08-07	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-May-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	本研究旨在开发和验证一个端到端的软件平台PyHFO，该平台简化了深度学习方法在从EEG记录中检测癫痫发作区的神经生理标志物中的应用	PyHFO引入了时间效率高的高频振荡（HFO）检测算法，并结合深度学习模型进行伪影和HFO分类，能够在标准计算机硬件上高效运行	NA	开发和验证一个端到端的软件平台，用于在癫痫研究中应用深度学习技术分析EEG数据	从EEG记录中检测癫痫发作区的神经生理标志物	机器学习	癫痫	深度学习	DL模型	EEG数据	三个独立数据集，包括网格/条电极、网格/条和深度电极组合以及使用深度电极采样的啮齿动物研究中的新皮质和海马体
23015	2024-08-07	Deep learning algorithm-enabled sediment characterization techniques to determination of water saturation for tight gas carbonate reservoirs in Bohai Bay Basin, China 2024-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63168-8 PMID:38806579	研究论文	本研究利用深度学习算法，特别是门控循环单元（GRU）、循环神经网络（RNN）、长短期记忆（LSTM）、支持向量机（SVM）、K近邻（KNN）和决策树（DT），对渤海湾盆地的致密气碳酸盐岩储层的水饱和度进行预测	本研究采用了一种新颖的数据驱动策略，结合多种深度/浅层学习算法，特别是GRU模型，在预测水饱和度方面达到了前所未有的准确度	尽管GRU模型在预测水饱和度方面表现出色，但仍需考虑其在处理其他类型地质数据时的适用性和潜在的过拟合问题	优化烃类生产并解决因水饱和度导致的渗透率降低和孔喉堵塞等问题	致密气碳酸盐岩储层的水饱和度	机器学习	NA	深度学习算法	GRU, RNN, LSTM, SVM, KNN, DT	常规岩石物理数据	未具体说明样本数量
23016	2024-08-07	Machine vision-based autonomous road hazard avoidance system for self-driving vehicles 2024-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62629-4 PMID:38806585	研究论文	本文针对传统YOLOv5s在小目标检测上的问题，提出了一种优化的目标检测算法，通过升级C3模块并引入新的激活函数和损失函数，提高了检测准确性并增强了系统的视觉避障功能。	本文引入了CBAMC3模块、GELU激活函数和EfficiCIoU损失函数，加速了算法的收敛并提高了对小目标的检测准确性。	NA	旨在提高自动驾驶车辆在复杂道路条件下的导航能力和安全性。	自动驾驶车辆的视觉避障系统及其算法优化。	计算机视觉	NA	深度学习	YOLOv5s	图像	使用车载摄像头在预定路线上进行测试
23017	2024-08-07	Deep learning for risk stratification of thymoma pathological subtypes based on preoperative CT images 2024-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12394-4 PMID:38807039	研究论文	本研究旨在开发一种基于术前CT图像的胸腺瘤风险分层深度模型	该深度模型能够同时识别病变、分割感兴趣区域（ROI）并区分胸腺瘤的风险，其诊断能力优于基线模型	目前的算法主要关注放射组学特征或2D深度特征，并需要放射科医生手动进行肿瘤分割，限制了其实际应用	开发一种创新的深度模型，用于基于术前CT图像的胸腺瘤风险分层	胸腺瘤的风险分层	机器学习	胸腺瘤	深度学习	深度模型	CT图像	147名患者（其中82名女性；平均年龄54岁±10）
23018	2024-08-07	Novel f-CaO soft sensor for cement clinker based on integrated model of dual-parallel structure 2024-May-01, The Review of scientific instruments DOI:10.1063/5.0194437 PMID:38819257	research paper	本文针对水泥生产过程中存在的不确定性、时延和变量间强耦合问题，提出了一种基于双并行结构集成模型的新型游离氧化钙软传感器	该模型采用一维卷积神经网络、长短时记忆网络、图神经网络和极限梯度提升的优化集成，有效缓解过拟合风险，并结合各模型的优势，擅长从原始时间序列数据中提取局部和全局特征以及时空特性	NA	解决水泥生产过程中的不确定性、时延和变量间强耦合问题	游离氧化钙在水泥熟料中的软传感器模型	machine learning	NA	一维卷积神经网络、长短时记忆网络、图神经网络、极限梯度提升	CNN, LSTM, 图神经网络, 极限梯度提升	时间序列数据	NA
23019	2024-08-07	[A survey on the application of convolutional neural networks in the diagnosis of occupational pneumoconiosis] 2024-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202309079 PMID:38686425	综述	本文综述了卷积神经网络（CNN）在职业性尘肺病影像诊断中的应用	探讨了CNN在尘肺病筛查诊断、分期诊断及病灶分割中的方法和优化思路	未提及具体的研究局限	总结CNN在尘肺病图像应用中的方法、优缺点及优化思路，为计算机辅助尘肺病诊断的进一步研究提供参考	职业性尘肺病的影像诊断	计算机视觉	职业病	卷积神经网络（CNN）	CNN（包括VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet）	图像	NA
23020	2024-08-07	Revolutionizing protein-protein interaction prediction with deep learning 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102775 PMID:38330793	综述	本文综述了利用深度学习方法预测蛋白质相互作用的最新进展	结合大量基因组序列数据，深度学习方法在预测蛋白质结构和建模蛋白质复合体方面达到了与实验技术相当的水平	本文未提及具体限制	探讨蛋白质相互作用预测的计算方法及其在生物医学中的应用	蛋白质相互作用及其在生物过程中的作用	机器学习	NA	深度学习	NA	基因组序列数据	NA