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
11741	2024-11-19	Computational prediction of human deep intronic variation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad085 PMID:37878682	研究论文	本文研究了计算方法在预测人类基因深内含子变异中的应用	本文比较了SpliceAI等深度学习模型与其他新方法的性能，并提出了新的工具可解释性评估方法	工具在预测可能影响剪接调控元件的变异时表现较差	评估不同计算工具在分析深内含子变异中的性能，并提供实用建议	人类基因的深内含子变异	基因组学	NA	深度学习	深度学习模型	基因序列	使用了多种数据集进行评估
11742	2024-11-19	SpheroScan: a user-friendly deep learning tool for spheroid image analysis 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad082 PMID:37889008	研究论文	开发了一种名为SpheroScan的用户友好型深度学习工具，用于球状体图像分析	SpheroScan利用Mask R-CNN框架进行图像检测和分割，解决了3D球状体分析中缺乏自动化和用户友好工具的问题	NA	开发一种自动化工具，以提高3D球状体分析的重复性和通量	3D球状体图像	计算机视觉	NA	深度学习	Mask R-CNN	图像	使用IncuCyte活细胞分析系统和传统显微镜捕获的球状体图像进行训练
11743	2024-11-19	Accurate and fast clade assignment via deep learning and frequency chaos game representation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac119 PMID:36576129	研究论文	本文利用频率混沌游戏表示（FCGR）和卷积神经网络（CNN）开发了一种新的方法，用于SARS-CoV-2基因序列的支系分类	本文首次将深度学习和FCGR应用于物种内分类，并开发了CouGaR-g工具，在GISAID测试子集上实现了96.29%的总体准确率，优于类似工具Covidex	NA	开发快速且准确的工具，用于区分不同的SARS-CoV-2变体并将其分配到相应的支系	SARS-CoV-2基因序列及其变体	机器学习	冠状病毒病	频率混沌游戏表示（FCGR）	卷积神经网络（CNN）	基因序列	GISAID平台上的数百万个完整基因序列
11744	2024-11-19	DeePVP: Identification and classification of phage virion proteins using deep learning 2022-08-11, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac076 PMID:35950840	研究论文	本文介绍了一种基于深度学习的噬菌体病毒颗粒蛋白（PVPs）识别与分类工具DeePVP	DeePVP在PVP识别任务中的F1分数比现有最先进工具高出9.05%，在PVP分类任务中的整体准确率比PhANNs高出约3.72%	NA	开发一种能够有效识别和分类噬菌体病毒颗粒蛋白的工具	噬菌体病毒颗粒蛋白（PVPs）	机器学习	NA	深度学习	NA	序列	NA
11745	2024-11-19	Agricultural plant cataloging and establishment of a data framework from UAV-based crop images by computer vision 2022-06-17, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac054 PMID:35715875	研究论文	本文介绍了一种基于计算机视觉方法的自动化时空识别和作物图像个体化工作流程，用于从无人机获取的作物图像中进行作物目录编制	提出了一个自动化工作流程，用于从无人机图像中识别和个体化作物图像，并应用于大规模时空图像数据集的提取和机器学习模型的训练	未提及具体限制	改进农业中无人机数据的分析和解释	作物图像的时空识别和个体化	计算机视觉	NA	计算机视觉方法	机器学习模型	图像	两个真实世界数据集，一个用于观察糖甜菜中的Cercospora叶斑病，另一个用于花椰菜的收获预测
11746	2024-11-19	A novel ground truth multispectral image dataset with weight, anthocyanins, and Brix index measures of grape berries tested for its utility in machine learning pipelines 2022-06-14, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac052 PMID:35701377	研究论文	本文介绍了一个新的葡萄果实多光谱图像数据集，并测试了其在机器学习管道中的实用性	这是首个公开的葡萄果实多光谱图像数据集，每张图像都附有重量、花青素含量和Brix指数的测量数据	NA	验证或反驳研究假设，并进行模型之间的比较	葡萄果实的多光谱图像及其相关测量数据	计算机视觉	NA	多光谱成像	多层感知器（MLP）和三维卷积神经网络（3D-CNN）	图像	1283个多维数组，来自五种不同葡萄品种的果实
11747	2024-11-19	NuCLS: A scalable crowdsourcing approach and dataset for nucleus classification and segmentation in breast cancer 2022-05-17, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac037 PMID:35579553	研究论文	本文介绍了一种可扩展的众包方法和数据集，用于乳腺癌中的细胞核分类和分割	提出了一个协作框架，利用医学生和病理学家的众包力量生成高质量的细胞核标签，并创建了NuCLS数据集	NA	开发一种高效的方法来生成用于计算病理学应用的细胞核标签	乳腺癌中的细胞核	数字病理学	乳腺癌	深度学习	NA	图像	超过220,000个细胞核注释
11748	2024-11-19	Role of artificial intelligence in MS clinical practice 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103065 PMID:35661470	综述	本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性	机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类	需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题	探讨人工智能在多发性硬化症临床实践中的应用	多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割	机器学习	多发性硬化症	机器学习 (ML) 和深度学习 (DL)	NA	影像数据	NA
11749	2024-11-18	Decoding lower-limb kinematic parameters during pedaling tasks using deep learning approaches and EEG 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03147-3 PMID:39028484	研究论文	本研究通过比较分析两种基于人工神经网络（ANN）的解码器，评估其在基于脑电图（EEG）的脑机接口（BCI）系统中估计下肢踏车任务中的运动学参数的能力	本研究首次使用深度学习方法（如LSTM）从EEG信号中重建下肢运动学参数，并展示了其在识别踏车和休息期方面的潜力	研究中发现踏车速度与解码器性能之间存在负线性相关，表明在较慢速度下运动学参数更容易估计	评估基于深度学习的解码器在脑机接口系统中估计下肢运动学参数的可行性	下肢踏车任务中的运动学参数，包括踝关节和膝关节在x轴和y轴的位置以及膝关节角度	机器学习	NA	脑电图（EEG）	长短期记忆网络（LSTM）	脑电信号	NA
11750	2024-11-18	DNN-BP: a novel framework for cuffless blood pressure measurement from optimal PPG features using deep learning model 2024-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03157-1 PMID:38963467	研究论文	本文提出了一种基于深度神经网络（DNN）和光体积描记（PPG）信号的无袖带血压测量新框架	本文创新性地结合了深度神经网络和集成特征选择技术，显著提高了基于PPG信号的血压估计精度	NA	开发一种基于PPG信号的无袖带连续血压监测算法	PPG信号和血压值	机器学习	心血管疾病	深度神经网络（DNN）	DNN	信号	125名受试者的218条记录
11751	2024-11-18	Evaluation of Neonatal Cerebral Circulation Under Hypoxic Ischemic Risk Factors Based on Quantitative Analysis of Cerebral Veins with Magnetic Resonance Susceptibility Weighted Imaging 2024-Dec, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-024-01432-0 PMID:38922421	研究论文	本文通过磁共振磁敏感加权成像（SWI）和图像分割算法，量化分析了新生儿大脑深部髓静脉（DMVs）的数量、宽度和曲率，以评估新生儿在缺氧缺血风险下的脑循环自我调节能力	首次使用图像分割算法量化新生儿大脑深部髓静脉，为评估新生儿脑循环自我调节提供了新的方法	样本量有限，且仅限于特定风险因素下的新生儿	评估新生儿在缺氧缺血风险下的脑循环自我调节能力	新生儿大脑深部髓静脉的数量、宽度和曲率	医学影像	NA	磁共振磁敏感加权成像（SWI）	图像分割算法	图像	317名新生儿
11752	2024-11-18	Hybrid deep learning based prediction for water quality of plain watershed 2024-Dec-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119911 PMID:39233036	研究论文	本文评估了传统机器学习模型与深度学习模型在预测平原流域水质方面的效果，并提出了一种新的混合深度学习模型以提高预测准确性	提出了混合Bayes-LSTM-GRU模型，显著提高了预测准确性，平均RMSE降低了18.1%	未提及具体限制	评估不同模型在平原流域水质预测中的效果，并开发新的混合模型以提高预测准确性	平原流域的水质	机器学习	NA	NA	LSTM, GRU	时间序列数据	未提及具体样本数量
11753	2024-11-18	Conv-RGNN: An efficient Convolutional Residual Graph Neural Network for ECG classification 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108406 PMID:39241329	研究论文	本文提出了一种用于心电图分类的高效卷积残差图神经网络（Conv-RGNN）	该方法通过将12导联心电图映射到图结构中，同时提取时间序列和空间特征，解决了传统方法忽略导联间空间关系的问题	NA	提高心血管疾病诊断的自动化水平	12导联心电图信号	机器学习	心血管疾病	卷积神经网络，图神经网络	Conv-RGNN	时间序列数据	涉及两个多标签数据集和一个单标签数据集
11754	2024-11-18	ViT-MAENB7: An innovative breast cancer diagnosis model from 3D mammograms using advanced segmentation and classification process 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108373 PMID:39276667	研究论文	本文提出了一种基于3D乳腺X光图像的创新性乳腺癌诊断模型ViT-MAENB7，通过先进的分割和分类过程实现肿瘤的准确检测	本文创新性地结合了Vision Transformer和Multiscale Adaptive EfficientNetB7模型，并使用Modified Garter Snake Optimization Algorithm优化参数，显著提高了乳腺癌诊断的准确性	NA	开发一种高精度的乳腺癌诊断模型，以提高早期乳腺癌检测的准确性和患者的生存率	3D乳腺X光图像中的肿瘤检测	计算机视觉	乳腺癌	Adaptive Thresholding with Region Growing Fusion Model (AT-RGFM), Modified Garter Snake Optimization Algorithm (MGSOA)	Vision Transformer-based Multiscale Adaptive EfficientNetB7 (ViT-MAENB7)	图像	从互联网收集的3D乳腺X光图像
11755	2024-11-18	Optimizing graph neural network architectures for schizophrenia spectrum disorder prediction using evolutionary algorithms 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108419 PMID:39293231	研究论文	本文提出了一种基于进化算法的图神经网络架构搜索方法，用于精神分裂谱系障碍的预测	采用进化算法自动搜索高性能的图神经网络架构，并使用GNNExplainer提高模型的可解释性	NA	提高精神分裂谱系障碍的诊断准确性	精神分裂谱系障碍患者的功能磁共振成像数据	机器学习	精神疾病	进化算法	图神经网络	图像	多站点数据集
11756	2024-11-18	Stress-induced overeating behaviors explained from a (transitory) relief-learning perspective 2024-Dec-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2024.114707 PMID:39349091	评论	本文提出了一种基于缓解学习的新模型，旨在解释压力诱导的过度饮食行为，并试图将情感饮食理论与激励敏感化理论结合起来	提出了一个新的基于缓解学习的模型，旨在整合情感饮食理论和激励敏感化理论，以更好地理解压力诱导的过度饮食行为	目前缺乏对压力诱导过度饮食行为深层机制的深入理解，且现有理论存在内部理论和方法上的不足	探讨压力诱导的过度饮食行为的深层机制，并提出一个新的整合模型	压力诱导的过度饮食行为及其临床表现	NA	肥胖	NA	NA	NA	NA
11757	2024-11-18	ECG classification based on guided attention mechanism 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108454 PMID:39369585	研究论文	本研究通过引入两种新的引导注意力机制，提升了心电图异常分类的性能和可解释性	提出了两种新的引导注意力机制，即Guided Spatial Attention (GSA)和CAM-based spatial guided attention mechanism (CGAM)，并基于临床知识创建了不同的注意力引导标签	未提及具体限制	提升心电图异常分类的性能和可解释性	心电图异常分类任务，包括ST段改变检测、早搏识别、Wolf-Parkinson-White综合征分类和房颤检测	机器学习	心血管疾病	引导注意力机制	NA	心电图	未提及具体样本数量
11758	2024-11-18	Bootstrap each lead's latent: A novel method for self-supervised learning of multilead electrocardiograms 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108452 PMID:39393284	研究论文	本文提出了一种新的自监督学习方法BELL，用于多导联心电图的自动检测，以减少对标签的依赖并提升模型性能	BELL是BYOL的一个变体，利用多导联心电图的特性，通过预训练学习先验知识，并在下游任务中受益	NA	减少深度学习模型对心电图标签的依赖，提升模型在各种任务中的性能，特别是在训练数据不足的情况下	多导联心电图	机器学习	心血管疾病	自监督学习	BELL	心电图	NA
11759	2024-11-18	Concept-based AI interpretability in physiological time-series data: Example of abnormality detection in electroencephalography 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108448 PMID:39395304	研究论文	本文探讨了在生理时间序列数据中使用基于概念的解释方法（TCAV）来提高深度学习模型的可解释性，特别是针对脑电图（EEG）中的异常检测	本文引入了TCAV方法，通过人类可理解的抽象概念来解释模型行为，并应用于多通道生理时间序列数据	需要进一步开发和验证概念定义的策略，以更好地从概念敏感性分数中提取临床相关信息	提高深度学习模型在生理时间序列数据中的可解释性，并检测数据中的潜在偏差	脑电图（EEG）中的异常检测	机器学习	NA	TCAV（测试概念激活向量）	XceptionTime	时间序列数据	使用额外的标记EEG数据和医院数据进行评估
11760	2024-11-18	MG-Net: A fetal brain tissue segmentation method based on multiscale feature fusion and graph convolution attention mechanisms 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108451 PMID:39395303	研究论文	本文提出了一种基于多尺度特征融合和图卷积注意力机制的胎儿脑组织分割方法	引入了新的双膨胀注意力块（DDAB）、多尺度可变形变换器（MSDT）和基于图卷积注意力（GCAB）的解码器块，以增强特征提取和分割效果	NA	开发一种能够高效准确分割胎儿脑组织的自动化分割模型，以提高医疗专业人员的工作流程	胎儿脑组织	计算机视觉	NA	深度学习	MG-Net	图像	使用了FeTA 2021和FeTA 2022数据集进行训练和测试