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
13081	2024-10-30	SheepEye: a based-web app for real-time diagnosis of sheep anemia 2024, Translational animal science IF:1.3Q3 DOI:10.1093/tas/txae144 PMID:39463885	研究论文	本文提出了一种基于网络应用的绵羊贫血实时诊断系统SheepEye	利用深度学习算法（U-net模型用于分割，VGG19模型用于分类）开发了一个基于网络的应用程序，用于绵羊贫血的监测和诊断	SheepEye应用仍处于原型阶段，尚未广泛应用于生产者	开发一种能够实时诊断绵羊贫血的网络应用，以提高诊断效率和绵羊生产力	绵羊贫血的监测和诊断	计算机视觉	NA	深度学习	U-net模型，VGG19模型	图像	未明确提及具体样本数量
13082	2024-10-30	Innovations and challenges in predicting cognitive trajectories after stroke 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae364 PMID:39464216	评论	本文是对一篇关于使用深度学习预测中风后认知轨迹的论文的科学评论	NA	NA	评论和讨论使用深度学习预测中风后认知轨迹的创新和挑战	中风后认知轨迹的预测	NA	NA	NA	NA	NA	NA
13083	2024-10-30	Deep learning disconnectomes to accelerate and improve long-term predictions for post-stroke symptoms 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae338 PMID:39464219	研究论文	本研究探讨了深度学习模型在加速生成断连图谱以进行个性化预测中风后一年神经心理结果方面的有效性	本研究首次使用3D U-Net网络生成深度断连图谱，显著提高了生成效率和预测准确性	研究样本量相对较小，需要进一步验证在大规模数据集上的表现	加速生成断连图谱，提高中风后神经心理结果的长期预测准确性	中风患者的断连图谱和神经心理结果	机器学习	中风	3D U-Net网络	3D U-Net	图像	1333个合成病变和1333个真实中风病变，以及119名中风患者的神经心理评分
13084	2024-10-30	The Future of Cervical Cancer Screening 2024, International journal of women's health DOI:10.2147/IJWH.S474571 PMID:39464249	研究论文	探讨宫颈癌筛查的新技术和策略	介绍了快速、低成本的HPV检测、高分辨率数字阴道镜和人工智能解释等新兴技术	未提及具体的研究局限性	探索HPV、宫颈不典型增生和宫颈癌的检测与治疗方法	HPV感染、宫颈不典型增生和宫颈癌	NA	宫颈癌	HPV检测、DNA甲基化分析、双染细胞学、芯片实验室检测、深度学习技术	深度学习	NA	未提及具体样本量
13085	2024-10-30	Swin Transformer-based automatic delineation of the hippocampus by MRI in hippocampus-sparing whole-brain radiotherapy 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1441791 PMID:39464425	研究论文	本研究开发并验证了一种基于Swin Transformer的深度学习模型SwinHS，用于在海马体保护的全脑放疗中自动勾画海马体，以提高临床工作流程效率	本研究首次将Swin Transformer与3D ELSA Transformer模块和sSE CNN解码器结合，用于自动勾画海马体，并在性能上优于其他先进的深度学习模型	尽管SwinHS在自动勾画海马体方面表现优异，但在放疗计划中，自动勾画的海马体Dmax值接近17 Gy的限制，需要谨慎对待	开发和验证一种自动分割模型，用于在海马体保护的全脑放疗中精确勾画海马体，以提高临床工作流程效率	海马体在海马体保护的全脑放疗中的自动勾画	计算机视觉	NA	深度学习	Swin Transformer	三维T1加权MR图像	100例三维T1加权MR图像，其中70例用于训练，30例用于测试
13086	2024-10-30	Deep Attention Networks With Multi-Temporal Information Fusion for Sleep Apnea Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3405666 PMID:39464487	研究论文	本文提出了一种基于深度注意力网络和多时间信息融合的睡眠呼吸暂停检测方法	引入了多时间尺度信息融合的深度注意力网络，能够从不同时间尺度的ECG信号中提取更具区分度的特征	NA	提高睡眠呼吸暂停检测的准确性和性能	单导联心电图信号	机器学习	睡眠障碍	深度学习	1D卷积神经网络	心电图信号	NA
13087	2024-10-30	Multi-branch deep learning neural network prediction model for the development of angular biosensors based on sEMG 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1492232 PMID:39465001	研究论文	本文提出了一种基于sEMG的多分支深度学习神经网络模型，用于步态识别和关节角度预测	本文创新性地采用了多分支深度学习神经网络，使不同神经网络处理不同的特征项，从而实现更准确和高效的步态意图识别	NA	建立一个多分支深度学习神经网络模型，实现准确的步态识别和有效的关节角度估计	人类步态运动意图和关节角度	机器学习	NA	sEMG	多分支深度学习神经网络	信号	NA
13088	2024-10-30	An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	提出了一种基于视觉概念的深度学习模型，用于提供局部解释	开发了一种名为Cross-Attentional Fast/Slow Thinking Network (CA-SoftNet)的双流模型，结合了浅层卷积神经网络和交叉注意力概念记忆网络，以实现快速模式识别和透明逻辑推理	未明确提及	解决现有深度学习模型在解释性和局部解释方面的不足	深度学习模型的解释性和局部解释	计算机视觉	NA	卷积神经网络 (CNN)	Cross-Attentional Fast/Slow Thinking Network (CA-SoftNet)	图像	在CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集上进行了评估
13089	2024-10-30	A new fusion neural network model and credit card fraud identification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311987 PMID:39466806	研究论文	本文研究了影响信用卡欺诈识别的相关因素，构建了一种基于神经网络的信用卡欺诈识别模型，并提出了一种新的融合神经网络模型，应用于信用卡欺诈识别	本文提出了一种结合深度神经网络和宽神经网络的新型融合神经网络模型，提高了预测精度和F1分数	NA	建立高效的信用卡欺诈识别模型	信用卡欺诈识别	机器学习	NA	神经网络	融合神经网络模型	NA	NA
13090	2024-10-30	Development of a transformer-based deep learning algorithm for diabetic peripheral neuropathy classification using corneal confocal microscopy images 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1484329 PMID:39469112	研究论文	本研究开发了一种基于Transformer的深度学习算法，用于通过角膜共聚焦显微镜图像对糖尿病周围神经病变进行分类	本研究首次采用基于Transformer的深度学习算法进行糖尿病周围神经病变的分类，相较于传统的卷积神经网络，该算法在分类准确性上表现更优	本研究样本量较小，且仅限于糖尿病周围神经病变的分类，未来需要在大样本和多疾病类型上进行验证	建立一种基于Transformer的深度学习算法，用于通过角膜共聚焦显微镜图像识别糖尿病周围神经病变	糖尿病周围神经病变患者和非患者	计算机视觉	糖尿病	角膜共聚焦显微镜	Transformer	图像	94名参与者（57名糖尿病周围神经病变患者和37名非患者），共计940张图像
13091	2024-10-30	Targeted weed management of Palmer amaranth using robotics and deep learning (YOLOv7) 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1441371 PMID:39469303	研究论文	本研究开发了一种基于人工智能的机器人系统，用于精准管理杂草，特别是对Palmer amaranth的识别和喷洒	本研究首次将YOLOv7深度学习技术应用于农业机器人系统，实现了对特定杂草的精准识别和喷洒	研究主要在受控的户外条件下进行，尚未在实际农业环境中广泛验证	开发一种精准且可持续的杂草管理方法，减少传统除草剂的负面环境影响	Palmer amaranth杂草	计算机视觉	NA	深度学习	YOLOv7	图像	在受控的户外条件下测试了不同生长阶段的Palmer amaranth杂草
13092	2024-10-30	Nutritional composition analysis in food images: an innovative Swin Transformer approach 2024, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2024.1454466 PMID:39469326	研究论文	本文提出了一种结合EfficientNet、Swin Transformer和特征金字塔网络（FPN）的深度学习模型，用于提高食品营养成分识别的准确性和效率	本文的创新点在于整合了EfficientNet、Swin Transformer和FPN，以捕捉长距离依赖关系并进行多尺度特征融合，显著提升了食品营养成分识别的性能	NA	本文的研究目的是开发一种高效、非破坏性的方法来识别和量化食品中的营养成分，以支持饮食管理和健康监测	本文的研究对象是食品图像中的营养成分	计算机视觉	NA	深度学习	EfficientNet、Swin Transformer、特征金字塔网络（FPN）	图像	Nutrition5k数据集和ChinaMartFood109数据集
13093	2024-10-30	Remote physiological signal recovery with efficient spatio-temporal modeling 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1428351 PMID:39469440	研究论文	本文提出了一种基于高效时空建模的远程生理信号恢复方法	引入3D中心差分卷积进行时间上下文建模，采用Huber损失进行鲁棒的强度级rPPG恢复，并设计了双分支结构和软注意力掩码，以及多任务设置进行联合心率和呼吸信号测量	未提及具体局限性	开发一种能够有效恢复远程生理信号的方法，特别是在存在运动和光照伪影的情况下	远程光电容积脉搏波（rPPG）信号	计算机视觉	NA	深度学习	3D中心差分卷积	视频	在三个公开数据库上进行了广泛实验
13094	2024-10-30	Study on Univariate Modeling and Prediction Methods Using Monthly HIV Incidence and Mortality Cases in China 2024, HIV/AIDS (Auckland, N.Z.) DOI:10.2147/HIV.S476371 PMID:39469494	研究论文	本文使用ARIMA、SARIMA、Prophet、BP神经网络和LSTM五种单一模型对中国每月艾滋病发病和死亡病例进行建模和预测，并提出了LSTM-SARIMA组合模型以提高预测准确性	提出了LSTM-SARIMA组合模型，以提高艾滋病发病和死亡病例预测的准确性	由于艾滋病发病和死亡病例序列的特性不同，不同方法的性能略有差异	研究并优化中国每月艾滋病发病和死亡病例的预测方法	中国每月艾滋病发病和死亡病例	机器学习	艾滋病	LSTM、ARIMA、SARIMA、Prophet、BP神经网络	LSTM-SARIMA组合模型	时间序列数据	2010年1月至2024年2月的中国每月艾滋病发病和死亡病例数据，其中2010年1月至2021年2月用于建模，其余用于验证
13095	2024-10-30	VP-net: an end-to-end deep learning network for elastic wave velocity prediction in human skin in vivo using optical coherence elastography 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1465823 PMID:39469517	研究论文	本文提出了一种名为VP-Net的端到端深度学习网络，用于从光学相干弹性成像（OCE）数据中预测人体皮肤中的弹性波速度	VP-Net能够从原始OCE数据中直接预测弹性波速度，显著简化了速度估计过程，提高了处理速度	NA	开发一种能够快速准确预测人体皮肤中弹性波速度的深度学习模型，以评估和治疗皮肤疾病	人体皮肤中的弹性波速度	机器学习	皮肤疾病	光学相干弹性成像（OCE）	深度学习网络（VP-Net）	图像	共使用了45,274个原始相位切片，包括16,424个来自1%到5%琼脂基组织模拟幻影的切片，28,270个来自16名参与者的人体皮肤切片，以及580个面部闭合粉刺切片
13096	2024-10-30	Modeling epithelial-mesenchymal transition in patient-derived breast cancer organoids 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1470379 PMID:39469640	研究论文	本文利用患者来源的乳腺肿瘤类器官模型研究上皮-间质转化过程	首次在患者来源的乳腺肿瘤类器官中成功模拟上皮-间质转化过程，并通过图像分析和深度学习算法量化了这一过程	NA	研究乳腺肿瘤细胞在上皮-间质转化过程中的可塑性	患者来源的乳腺肿瘤类器官	数字病理学	乳腺癌	NA	深度学习算法	图像	不同乳腺肿瘤患者的类器官样本
13097	2024-10-30	Benchmarking Scalable Epistemic Uncertainty Quantification in Organ Segmentation 2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023... DOI:10.1007/978-3-031-44336-7_6 PMID:39469570	研究论文	本文对在器官分割中可扩展的认知不确定性量化方法进行了全面的基准测试	本文首次在医学图像分析背景下对多种认知不确定性量化方法进行了全面评估，并提供了未来改进的建议	本文未提及具体的局限性	评估和理解模型预测中的不确定性在临床应用中的重要性	器官分割中的认知不确定性量化方法	计算机视觉	NA	深度学习	NA	图像	NA
13098	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants 2023-Jun-29, Research square DOI:10.21203/rs.3.rs-3085032/v1 PMID:37461629	研究论文	本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法	本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本	本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异	旨在开发一种高效且准确的听觉植入设备声学模拟评估方法	听觉植入设备的声学模拟及其对语音感知的影响	机器学习	NA	深度学习	深度学习模型	语音	NA
13099	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Vocoder Simulations of Auditory Implants 2023-May-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.23.541843 PMID:37292787	研究论文	本文提出了一种利用深度学习模型评估人工耳蜗编码器模拟中语音信息的新方法	本文的创新点在于使用OpenAI Whisper深度学习语音识别模型替代传统的人类参与者，评估编码器模拟对语音感知的影响	本文的局限性在于模型表现与人类表现的完全一致性尚未得到验证	本研究的目的是探索利用先进的深度学习语音识别模型在听觉假体研究中的潜力	本研究的对象是人工耳蜗编码器模拟对语音感知的影响	机器学习	NA	深度学习	Whisper	语音	NA
13100	2024-10-30	Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans 2023-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106512 PMID:36701964	研究论文	本文提出了一种基于优化视网膜层分割和深度集成学习的非高级AMD自动分类方法	结合图割算法和三次样条自动标注11个视网膜边界，并采用深度集成机制结合Bagged Tree和端到端深度学习分类器进行AMD检测	NA	提高AMD检测的准确性	视网膜层分割和AMD分类	计算机视觉	老年性黄斑变性	图割算法、三次样条、深度集成学习	深度集成模型	图像	内部和外部数据集