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
9561	2025-01-05	Automatic brake Driver Assistance System based on deep learning and fuzzy logic 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308858 PMID:39739638	研究论文	本文提出了一种基于深度学习和模糊逻辑的自动制动驾驶员辅助系统（ADAS），旨在实现交通的完全自动化	开发并验证了一种使用EfficientDet D0的单阶段交通灯状态检测器，以及基于模糊逻辑的制动配置文件，并在墨西哥进行了道路实验验证	主要实验在室内进行，尽管有室外道路实验，但仍需更多真实环境下的测试以验证系统的全面性能	开发一种能够在真实环境中实现自动制动的驾驶员辅助系统	交通灯检测和自动制动系统	计算机视觉	NA	深度学习、模糊逻辑	EfficientDet D0	图像	在墨西哥进行的道路实验
9562	2025-01-05	Enhancing bowel sound recognition with self-attention and self-supervised pre-training 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311503 PMID:39739653	研究论文	本文介绍了一种创新的深度学习方法，旨在自动化和增强肠鸣音的识别	结合了Branchformer架构和自我监督预训练策略，利用自注意力和卷积门控进行特征提取，并通过大量未标记音频数据进行预训练，优化模型在有限数据条件下的识别性能	NA	开发一种自动化且高效的肠鸣音识别方法，以辅助胃肠道疾病的早期诊断和治疗	肠鸣音	机器学习	胃肠道疾病	深度学习	Branchformer	音频	公共肠鸣音数据集
9563	2025-01-05	Development and evaluation of a deep learning segmentation model for assessing non-surgical endodontic treatment outcomes on periapical radiographs: A retrospective study 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310925 PMID:39739891	研究论文	本研究旨在评估基于深度学习的分割模型在预测非手术牙髓治疗结果方面的性能	使用Mask R-CNN模型对牙根进行像素级分割，并预测治疗结果（愈合、愈合中、疾病）	研究为回顾性研究，数据来源单一，可能影响模型的泛化能力	评估深度学习模型在预测非手术牙髓治疗结果中的应用	牙髓治疗前后的根尖周X光片	计算机视觉	牙髓疾病	深度学习	Mask R-CNN	图像	1200颗牙齿的术前X光片，其中1080张用于模型训练、验证和测试，120张用于独立测试
9564	2025-01-05	Prediction and analysis of toxic and side effects of tigecycline based on deep learning 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1512091 PMID:39741593	研究论文	本研究基于深度学习模型预测替加环素的毒副作用，并分析其与住院天数的相关性	首次使用深度学习模型预测替加环素毒副作用与住院天数的相关性，并通过模拟血药浓度和临床实验室指标进行预测	研究样本量较小，仅包括263名患者，且为回顾性研究，可能存在数据偏差	预测替加环素的毒副作用及其与住院天数的相关性，为临床应用提供参考	263名肺部感染患者	深度学习	肺部感染	深度学习	深度学习模型	临床数据和实验室指标	263名肺部感染患者
9565	2025-01-05	Deep learning based bio-metric authentication system using a high temporal/frequency resolution transform 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1463713 PMID:39741738	研究论文	本文提出了一种基于心电图（ECG）信号的生物特征认证系统，利用深度学习技术进行身份验证	该研究创新性地将Wigner-Ville分布应用于ECG信号的频域转换，并结合GoogleNet架构进行深度学习，实现了高精度的身份验证	研究中使用的数据集存在固有噪声，需要预处理，且未来可以探索更多的预处理技术或深度学习架构以进一步提升性能	开发一种基于ECG信号的生物特征认证系统，以提高身份验证的准确性和抗噪能力	心电图（ECG）信号	生物特征识别	NA	Wigner-Ville分布	CNN（GoogleNet架构）	图像数据（由ECG信号转换而来）	NSRDB和MITDB数据集
9566	2025-01-05	Domain adaptation spatial feature perception neural network for cross-subject EEG emotion recognition 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1471634 PMID:39741785	研究论文	本文提出了一种名为DSP-EmotionNet的域适应空间特征感知神经网络，用于跨被试的EEG情绪识别任务	设计了一个空间活动拓扑特征提取模块（SATFEM），能够同时捕捉EEG信号的空间活动特征和空间拓扑特征，显著提高了跨被试EEG情绪识别任务的准确性	NA	提高跨被试EEG情绪识别的准确性	EEG信号	机器学习	NA	深度学习	DSP-EmotionNet, SATFEM	EEG信号	SEED数据集和SEED-IV数据集
9567	2025-01-05	Deep Learning-Based Quantification of Adenoid Hypertrophy and Its Correlation with Apnea-Hypopnea Index in Pediatric Obstructive Sleep Apnea 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S492146 PMID:39741799	研究论文	本研究开发了一种基于深度学习的定量评估腺样体肥大的方法，并探讨了其与儿童阻塞性睡眠呼吸暂停（OSA）患者的呼吸暂停低通气指数（AHI）的相关性	引入了深度学习技术来定量评估腺样体肥大，并通过集成学习技术提高了模型性能，解决了深度学习应用中的样本量限制问题	样本量相对较小，且仅针对3至12岁的儿童患者	开发一种定量评估腺样体肥大的深度学习方法，并研究其与AHI的相关性	3至12岁的儿童阻塞性睡眠呼吸暂停患者	计算机视觉	阻塞性睡眠呼吸暂停	深度学习	SUMNet	图像	1500张鼻咽镜图像
9568	2025-01-05	Deep learning-based automated tool for diagnosing diabetic peripheral neuropathy 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241307573 PMID:39741986	研究论文	本研究开发了一种基于深度学习的自动化工具，用于诊断糖尿病周围神经病变（DPN），通过角膜共聚焦显微镜（CCM）图像分割和形态参数提取	使用深度学习模型U2Net进行CCM图像分割，并开发了一种自动化工具来提取和量化角膜神经纤维（CNF）的形态参数，显著提高了与手动注释结果的一致性	需要进一步研究以验证该工具在临床环境中的实际应用价值	开发一种可靠的自动化分析工具，用于早期诊断糖尿病周围神经病变（DPN）	糖尿病周围神经病变（DPN）患者的角膜神经纤维（CNF）	计算机视觉	糖尿病	深度学习（DL）	U2Net	图像	来自两个独立临床中心的数据
9569	2025-01-05	Synthesis of MR fingerprinting information from magnitude-only MR imaging data using a parallelized, multi network U-Net convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1498411 PMID:39742349	研究论文	本文开发了一种深度学习网络，用于从传统的仅幅度MRI数据中合成MR指纹（MRF）信号，并与实际获取的MRF信号进行比较	使用并行化、多网络U-Net卷积神经网络从仅幅度MRI数据中合成MRF信号，无需专用的MRF脉冲序列即可进行定量弛豫测量	研究仅基于37名志愿者的数据，样本量相对较小，且仅限于3D T1加权脑MRI数据	开发一种深度学习网络，用于从常规MRI数据中合成MRF信号，以扩展MRF的应用范围	37名年龄在21至62岁之间的志愿者的3D T1加权脑MRI数据	医学影像处理	NA	深度学习	U-Net卷积神经网络	3D T1加权脑MRI图像	37名志愿者
9570	2025-01-05	Transformers deep learning models for missing data imputation: an application of the ReMasker model on a psychometric scale 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1449272 PMID:39744035	研究论文	本研究评估了基于Transformer的深度学习模型在缺失数据插补中的有效性，特别是ReMasker模型，并与传统插补技术和机器学习方法进行了比较	引入了ReMasker，一种基于掩码自编码的Transformer模型，用于心理测量数据中的缺失数据插补，展示了其在重建误差方面的优越性能	研究仅使用了来自COVID distress仓库的心理测量数据集，可能限制了结果的普遍性	评估Transformer深度学习模型在心理测量研究中处理缺失数据的有效性	心理测量数据	机器学习	NA	Transformer模型	ReMasker, 人工神经网络, K近邻, MissForest	心理测量数据	来自COVID distress仓库的数据集
9571	2025-01-05	Deep learning-based automation for segmentation and biometric measurement of the gestational sac in ultrasound images 2024, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2024.1453302 PMID:39744215	研究论文	本研究开发了一种基于深度学习的自动化管道，用于超声图像中妊娠囊的分割和生物测量，以辅助超声医师准确估计孕龄	提出了一个新颖的数据集，并修改了四种广泛使用的全卷积神经网络，通过替换编码器为预训练的ResNet50来优化妊娠囊分割，并引入了新的生物测量方法来自动评估孕龄	研究仅基于500个超声扫描样本，样本量相对较小，且仅涵盖了4至10周的妊娠期	开发自动化管道以辅助超声医师准确分割妊娠囊并估计孕龄	妊娠囊的超声图像	计算机视觉	妊娠相关疾病	深度学习	UNet, UNet++, DeepLabV3, ResUNet	超声图像	500个超声扫描样本
9572	2025-01-05	AGMA-PESS: a deep learning-based infant pose estimator and sequence selector software for general movement assessment 2024, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2024.1465632 PMID:39744216	研究论文	本文介绍了一种基于深度学习的婴儿姿势估计和序列选择软件AGMA-PESS，用于自动选择早产儿一般运动评估（GMA）的视频序列并估计婴儿的2D姿势	开发了AGMA-PESS软件，利用最先进的深度学习婴儿姿势估计网络，自动选择GMA视频序列并估计婴儿姿势，提高了GMA在新生儿病房中的实施效率	NA	提高早产儿一般运动评估（GMA）的自动化水平，促进其在新生儿病房中的临床应用和研究	早产儿	计算机视觉	NA	深度学习	CNN	视频	NA
9573	2025-01-05	The application of ChatGPT in nursing: a bibliometric and visualized analysis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1521712 PMID:39744533	研究论文	本文通过文献计量和可视化分析，探讨了ChatGPT在护理领域的应用现状和发展趋势	首次使用文献计量方法全面分析ChatGPT在护理领域的应用，识别研究热点和趋势	作者群体之间的合作有限，研究仍处于基础研究阶段	描述和预测ChatGPT在护理领域的发展轨迹，识别研究热点和趋势	ChatGPT在护理领域的应用	自然语言处理	NA	文献计量分析	ChatGPT	文本	81篇文章，67位作者
9574	2025-01-05	From laboratory to field: cross-domain few-shot learning for crop disease identification in the field 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1434222 PMID:39744608	研究论文	本文提出了一种跨域少样本学习（CD-FSL）框架，用于作物病害识别，旨在通过探索域间相关性实现跨域泛化	提出了一个更广泛的跨域少样本学习框架，整合了布朗距离协方差（BCD）模块并改进了通用特征提取器，开发了三种代表性的CD-FSL模型	当前方法在跨域泛化时性能下降明显，尤其是在源域和目标域之间存在较大域差距时	研究跨域少样本学习在作物病害识别中的应用，提升模型在田间环境中的泛化能力	作物病害识别	计算机视觉	作物病害	少样本学习（FSL）	CDFSL-BDC, CDFSL-MAML, CDFSL-NML	图像	六个公共数据集
9575	2025-01-05	Multimodal sleep staging network based on obstructive sleep apnea 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1505746 PMID:39744723	研究论文	本文提出了一种基于阻塞性睡眠呼吸暂停（OSA）的多模态睡眠分期网络MSDC-SSNet，用于自动睡眠分期	MSDC-SSNet通过改进的Transformer编码器架构和多尺度特征提取模块（MFEM），有效捕捉了EEG和EOG信号的长期依赖性和多尺度空间模式，增强了模型的鲁棒性，并解决了OSA对睡眠分期的影响	尽管在OSA患者数据集上表现良好，但样本量相对较小（17名OSA患者），可能需要更大规模的数据集进行进一步验证	开发一种适用于OSA患者的自动睡眠分期网络，以提高睡眠分期的准确性和鲁棒性	阻塞性睡眠呼吸暂停（OSA）患者的睡眠数据	机器学习	阻塞性睡眠呼吸暂停（OSA）	深度学习	Transformer, CNN	EEG, EOG信号	17名OSA患者的PSG记录
9576	2025-01-04	Editorial: Deep learning and neuroimage processing in understanding neurological diseases 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1523973 PMID:39749286	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9577	2025-01-05	Retinal OCT Layer Segmentation via Joint Motion Correction and Graph-Assisted 3D Neural Network 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3317011 PMID:39737086	研究论文	本文提出了一种结合运动校正和图辅助3D神经网络的视网膜OCT层分割方法，以提高分割精度	提出了结合运动校正和分割的3D神经网络，并引入了一种新颖的图金字塔结构	NA	提高视网膜OCT层分割的精度，以更好地诊断和评估视网膜及全身性疾病	视网膜OCT图像	计算机视觉	视网膜疾病	OCT成像技术	3D卷积神经网络	3D图像	包含正常样本和多种疾病样本的大型OCT分割数据集
9578	2025-01-04	An efficient deep learning method for amino acid substitution model selection 2025-Jan-03, Journal of evolutionary biology IF:2.1Q3 DOI:10.1093/jeb/voae141 PMID:39548851	研究论文	本文提出了一种基于深度学习的氨基酸替换模型选择方法，旨在提高模型选择的效率和准确性	提出了一种名为ModelDetector的深度学习网络，用于从蛋白质比对中检测氨基酸替换模型，显著提高了计算效率	实验数据主要基于模拟数据，尚未在真实基因组数据上进行广泛验证	研究目的是开发一种高效的氨基酸替换模型选择方法，以替代传统的最大似然方法	氨基酸替换模型	机器学习	NA	深度学习	ModelDetector	蛋白质比对数据	2,246,400个比对
9579	2025-01-04	Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups 2025-Jan-02, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11256-8 PMID:39747589	研究论文	本研究比较了深度学习方法和多参数统计模型在不同疾病群体中对肺结节恶性风险分层的性能	使用深度学习模型LCP-CNN进行肺结节风险分类，并证明其在多种患者群体中的优越性	研究为回顾性分析，样本量相对较小（297名患者，422个结节）	评估深度学习模型LCP-CNN在肺结节恶性风险分类中的性能，并与传统多参数统计模型进行比较	肺结节	计算机视觉	肺癌	深度学习	CNN	CT图像	297名患者，422个肺结节（其中105个为恶性）
9580	2025-01-04	Preoperative discrimination of absence or presence of myometrial invasion in endometrial cancer with an MRI-based multimodal deep learning radiomics model 2025-Jan-02, Abdominal radiology (New York) DOI:10.1007/s00261-024-04766-y PMID:39747670	研究论文	本研究旨在通过开发和验证基于MRI的多模态深度学习放射组学（MDLR）模型，提高子宫内膜癌（EC）术前肌层浸润（MI）存在与否的判别准确性	结合临床特征和深度学习特征，开发了MDLR模型，显著提高了术前MI判别的准确性	研究为回顾性设计，可能存在选择偏倚，且样本量虽大但来自多个中心，可能存在异质性	提高子宫内膜癌术前肌层浸润的判别准确性，以支持个性化治疗决策	1139名子宫内膜癌患者	数字病理学	子宫内膜癌	MRI	ResNet18, Integrated Sparse Bayesian Extreme Learning Machine	MRI图像	1139名患者