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
23281	2024-08-07	Prediction of Obliteration After the Gamma Knife Radiosurgery of Arteriovenous Malformations Using Hand-Crafted Radiomics and Deep-Learning Methods 2024-Apr, Cureus DOI:10.7759/cureus.58835 PMID:38784357	research paper	本研究使用手工放射组学和深度学习技术预测伽玛刀放射手术治疗脑动静脉畸形后的结果，并比较这两种方法的预测性能	本研究采用了手工放射组学模型和预训练的卷积神经网络模型，这两种模型在预测伽玛刀放射手术后的临床结果方面具有相当的预测性能	研究结果需要在外部更多患者中进行进一步验证	预测伽玛刀放射手术治疗脑动静脉畸形后的结果	脑动静脉畸形患者	machine learning	NA	放射组学, 深度学习	随机森林模型, ResNet-34卷积神经网络	MRI扫描图像	42名患者
23282	2024-08-07	Cleaning and Harmonizing Medical Image Data for Reliable AI: Lessons Learned from Longitudinal Oral Cancer Natural History Study Data 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3005875 PMID:38774479	研究论文	本文介绍了为开发用于研究口腔癌自然史的AI驱动方法而准备和处理图像数据的工作，重点在于数据清洗和注释信息提取	提出了自动化数据清洗和注释信息提取的方法，以提高效率	未详细说明自动化方法的具体实现和效果	准备和处理图像数据，以便开发用于研究口腔癌自然史的AI驱动方法	口腔癌的图像数据	计算机视觉	口腔癌	深度学习	NA	图像	未具体说明样本数量
23283	2024-08-07	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究聚焦拉萨，探索藏传佛教精神感知与城市空间的融合，通过结合街景数据和深度学习技术，识别并绘制城市景观中藏传佛教精神场所的空间分布	采用街景数据和深度学习技术的新颖方法，展示了技术在考察城市发展对文化和宗教景观影响方面的潜力	NA	探讨藏传佛教精神感知在城市空间中的融合及其对城市规划、宗教研究和数字人文领域的贡献	藏传佛教精神场所在城市空间中的分布及其与城市建筑和文化遗产区的关系	数字人文	NA	深度学习技术	NA	街景数据	NA
23284	2024-08-07	Sampling clustering based on multi-view attribute structural relations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297989 PMID:38781184	研究论文	本文提出了一种基于多视图属性结构关系采样的图聚类方法SLMGC	SLMGC方法通过图滤波去除噪声，基于节点重要性采样降低计算复杂度，并通过图对比正则化增强聚类表示，最终使用自训练聚类算法实现聚类结果	NA	解决现有图聚类技术在处理多视图图数据时面临的挑战	多视图图数据	机器学习	NA	图滤波	NA	图数据	NA
23285	2024-08-07	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	本文提出了一种混合特征加权注意力深度学习方法，结合随机森林算法用于入侵检测系统，以解决类别不平衡问题	本文创新性地结合了均值卷积层（MCL）、特征加权注意力（FWA）学习、双向长短期记忆网络（BI-LSTM）和随机森林算法，形成了一个独特的混合模型MCL-FWA-BILSTM，有效提高了入侵检测的准确性和降低了误报率	本文未明确提及该方法的局限性	研究旨在开发和完善高级算法和技术，如异常检测、成本敏感学习和过采样方法，以有效处理类别不平衡问题，提高入侵检测系统的敏感性和减少误报	研究对象为入侵检测系统中的类别不平衡问题	机器学习	NA	随机森林算法	CNN, LSTM	数据集	使用了NSL-KDD和UNSW-NB-15两个广泛可用的IDS数据集
23286	2024-08-07	Deep Learning Model Coupling Wearable Bioelectric and Mechanical Sensors for Refined Muscle Strength Assessment 2024, Research (Washington, D.C.) DOI:10.34133/research.0366 PMID:38783913	研究论文	本研究提出了一种结合肌电和应变传感器的可穿戴设备，用于同步采集肌肉活动时的表面肌电图和机械信号，并通过基于时间卷积网络（TCN）+ Transformer（Tcnformer）的深度学习模型进行肌肉力量的准确分级和预测。	本研究通过结合深度聚类技术，实现了对肌肉力量的25级分类，相较于传统的5级分类更加精细。	NA	旨在提高肌肉力量评估的精确性，并可能改善相关的临床诊断和康复结果。	肌肉力量评估	机器学习	NA	表面肌电图, 应变传感器	时间卷积网络（TCN）+ Transformer（Tcnformer）	信号	NA
23287	2024-08-07	Prostate Cancer Detection from MRI Using Efficient Feature Extraction with Transfer Learning 2024, Prostate cancer IF:2.3Q3 DOI:10.1155/2024/1588891 PMID:38783970	研究论文	本研究利用深度学习模型（VGG16、VGG19、ResNet50和ResNet50V2）进行特征提取，并结合随机森林分类器诊断前列腺癌	采用迁移学习方法，使用少量标注的前列腺癌数据优化深度学习模型，提高模型在不同患者群体和临床情况下的泛化能力	研究中提到的数据集限制问题，尽管使用了迁移学习，但仍可能受限于可用数据量	探索机器学习技术在前列腺癌诊断中的应用，特别是深度学习模型的特征提取能力	前列腺癌的MRI图像	机器学习	前列腺癌	迁移学习	VGG16, VGG19, ResNet50, ResNet50V2	图像	未明确提及具体样本数量
23288	2024-08-07	BCSLinker: automatic method for constructing a knowledge graph of venous thromboembolism based on joint learning 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1272224 PMID:38784240	研究论文	本文提出了一种基于联合学习的深静脉血栓知识图谱自动构建方法BCSLinker	采用Biaffine Common-Sequence Self-Attention模块同时提取实体和关系，减少错误传播，并使用多标签交叉熵损失减少冗余信息影响	NA	构建一个更准确全面的深静脉血栓知识图谱，为诊断、评估和治疗提供参考	深静脉血栓患者的电子病历数据	自然语言处理	深静脉血栓	深度学习	BCSLinker	文本	来自三级医院的深静脉血栓患者电子病历数据
23289	2024-08-07	Tongue feature recognition to monitor rehabilitation: deep neural network with visual attention mechanism 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1392513 PMID:38784768	研究论文	本文开发了一种新的深度学习架构，专门用于分析和分类舌头特征，包括颜色、形状和舌苔	提出的方法解决了基于VGG或ResNet等传统架构的大尺寸问题，从而缓解了过拟合问题	NA	旨在推动舌头特征识别技术的发展，最终实现更精确的诊断和更好的患者康复	舌头特征的分析和分类	计算机视觉	NA	深度学习	CNN	图像	NA
23290	2024-08-07	Wearable sensors in patient acuity assessment in critical care 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1386728 PMID:38784909	研究论文	本文探讨了在重症监护环境中使用可穿戴传感器数据与电子健康记录（EHR）中的临床数据相结合，以更精确地评估患者病情严重程度的方法。	本研究首次将可穿戴传感器数据与临床数据结合，通过深度学习模型提高了病情严重程度评估的精确度、敏感性和F1分数。	NA	研究目的是通过整合可穿戴传感器数据和临床数据，改进重症监护环境中患者病情严重程度的评估。	研究对象包括87名佩戴手腕加速度计的患者，以及他们的临床数据。	机器学习	NA	加速度计	深度神经网络模型（VGG, ResNet, MobileNet, SqueezeNet, 自定义Transformer网络）	加速度计数据，临床数据	87名患者
23291	2024-08-07	Multiple sampling schemes and deep learning improve active learning performance in drug-drug interaction information retrieval analysis from the literature 2023-05-30, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-023-00287-7 PMID:37248476	研究论文	本文首次研究了主动学习在药物-药物相互作用信息检索分析中的应用，并通过多种采样方案和深度学习算法提高了分析效率	首次将主动学习应用于药物-药物相互作用信息检索分析，并设计了随机负采样和正采样方法以提高分析效率	NA	提高药物-药物相互作用信息从文献中的检索分析效率	药物-药物相互作用信息检索分析	自然语言处理	NA	主动学习	支持向量机, 深度学习	文本	PubMed摘要被分为筛选池和未筛选池，具体样本数量未提及
23292	2024-08-07	Deep learning on graphs for multi-omics classification of COPD 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284563 PMID:37083575	研究论文	本研究利用卷积图神经网络（ConvGNN）结合蛋白质相互作用（PPI）网络和多组学数据，开发了一种慢性阻塞性肺疾病（COPD）分类预测模型	首次使用AhGlasso算法重建COPD相关的PPI网络，并扩展ConvGNN方法以整合PPI、蛋白质组学和转录组学数据，提高了分类准确性	深度神经网络模型，尤其是图神经网络，在决策过程中难以解释，难以识别对预测贡献最大的特征	开发一种结合PPI网络信息和多组学数据的深度学习方法，用于提高COPD的分类准确性	COPD相关的PPI网络、蛋白质组学和转录组学数据	机器学习	慢性阻塞性肺疾病	卷积图神经网络（ConvGNN）	卷积图神经网络（ConvGNN）	蛋白质相互作用网络、蛋白质组学数据、转录组学数据	包括COPD病例和对照组的独立转录组学数据集
23293	2024-08-07	Two fully automated data-driven 3D whole-breast segmentation strategies in MRI for MR-based breast density using image registration and U-Net with a focus on reproducibility 2022-Oct-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-022-00121-4 PMID:36219359	研究论文	本研究开发了两种基于图像配准和3D U-Net的全自动数据驱动3D全乳房分割策略，用于MRI中的乳腺密度测量，重点关注可重复性	提出的图像配准和深度学习全乳房分割方法在乳腺密度测量中表现出高度的准确性和可靠性，优于先前开发的算法和手动分割方法	NA	开发一种高度可重复且准确的乳腺密度测量算法	乳腺MRI图像的全乳房分割	数字病理学	乳腺癌	图像配准，3D U-Net	U-Net	图像	三个来自两个临床试验的志愿者数据集
23294	2024-08-07	Genomics transformer for diagnosing Parkinson's disease 2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi56158.2022.9926815 PMID:36824448	研究论文	本文介绍了一种基于transformer编码器的新模型，用于根据基因型数据对帕金森病（PD）患者和健康对照者进行分类	该模型能够有效建模复杂的全局特征交互，并通过学习到的注意力分数提高可解释性	NA	旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性，提高帕金森病的诊断能力	帕金森病患者和健康对照者的基因型数据	机器学习	帕金森病	NA	transformer	基因型数据	NA
23295	2024-08-07	Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2022-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-021-01162-7 PMID:34837159	研究论文	本研究旨在使用超声诊断设备实现二维和亚像素位移的高空间分辨率检测	本研究开发了一种利用超声图像和输出位移分布的深度学习网络，通过修改FlowNet2网络结构并使用超声图像模拟开发训练数据集，实现了高空间分辨率和亚像素位移检测	NA	实现二维和亚像素位移的高空间分辨率检测	使用超声诊断设备进行位移检测	机器学习	NA	深度学习	FlowNet2	图像	使用了模拟超声图像和肝脏超声图像进行评估
23296	2024-08-07	Prediction of protein self-interactions using stacked long short-term memory from protein sequences information 2018-12-21, BMC systems biology DOI:10.1186/s12918-018-0647-x PMID:30577794	研究论文	本文开发了一种基于堆叠长短期记忆（SLSTM）神经网络的深度学习模型，用于预测蛋白质自相互作用	首次应用深度学习方法预测蛋白质自相互作用，并结合Zernike矩（ZMs）和位置特异性权重矩阵（PSWM）进行特征提取	NA	开发一种高效的计算方法来预测蛋白质自相互作用，以弥补传统实验方法的不足	蛋白质自相互作用	机器学习	NA	深度学习	SLSTM	序列	使用了酵母和人类蛋白质自相互作用数据集
23297	2024-08-07	Automatic seizure detection using three-dimensional CNN based on multi-channel EEG 2018-12-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-018-0693-8 PMID:30526571	研究论文	本文提出了一种基于多通道脑电图（EEG）的三维卷积神经网络（CNN）来自动检测癫痫发作	首次尝试应用三维CNN从EEG中检测癫痫发作，提供了一种从多通道EEG信号中同时学习模式的新方法	NA	旨在提供一个有效的自动癫痫发作检测系统	多通道EEG信号	机器学习	癫痫	三维卷积神经网络（3D CNN）	CNN	脑电图（EEG）数据	13名患者的EEG数据
23298	2024-08-07	Application and progress of artificial intelligence in radiation therapy dose prediction 2024-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2024.100792 PMID:38779524	综述	本文综述了人工智能在放射治疗剂量预测中的应用和进展，特别是深度学习的进展	人工智能在放射治疗中的应用提高了剂量预测的准确性和效率	由于参与者和机构之间的知识和经验差异，预测的剂量常常不一致	探讨人工智能在放射治疗剂量预测中的应用和进展	放射治疗中的剂量预测	机器学习	NA	深度学习	DL	NA	NA
23299	2024-08-07	Is Risk-Stratifying Patients with Colorectal Cancer Using a Deep Learning-Based Prognostic Biomarker Cost-Effective? 2024-Jun, PharmacoEconomics IF:4.4Q1 DOI:10.1007/s40273-024-01371-1 PMID:38584239	研究论文	研究使用基于深度学习的预测生物标志物Histotyping对结直肠癌患者进行风险分层的经济效益	开发了基于深度学习的预测方法Histotyping，用于结直肠癌患者的治疗前风险分层	NA	评估基于深度学习的预测方法Histotyping在挪威医疗系统中的成本效益	结直肠癌II期和III期患者	机器学习	结直肠癌	深度学习	NA	NA	NA
23300	2024-08-07	Automatic classification of spinal osteosarcoma and giant cell tumor of bone using optimized DenseNet 2024-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100606 PMID:38778836	研究论文	本研究旨在探索一种优化的深度学习模型，用于自动分类脊柱骨肉瘤和大细胞骨肿瘤	研究采用了具有自注意力机制的优化DenseNet模型，并结合Gradient-weighted Class Activation Mapping (Grad-CAM)技术，提高了分类准确性和特征提取能力	未来研究将集中在扩展数据集和改进算法上，以增强模型在不同临床环境中的适用性	提供一种可靠的方法，用于在医学影像中区分脊柱骨肉瘤和大细胞骨肿瘤	脊柱骨肉瘤和大细胞骨肿瘤的自动分类	计算机视觉	骨肿瘤	Gradient-weighted Class Activation Mapping (Grad-CAM)	DenseNet	图像	未具体说明样本数量