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
13541	2024-10-24	Universal neural networks for real-time earthquake early warning trained with generalized earthquakes 2024, Communications earth & environment IF:8.1Q1 DOI:10.1038/s43247-024-01718-8 PMID:39430424	研究论文	本文提出了一种利用深度学习技术进行地震早期预警的通用神经网络模型	通过数据重组方法创建泛化的地震数据用于神经网络训练，使其能够适应不同地区和监测设置	NA	提升地震监测能力，实现全球范围内的实时地震早期预警	地震监测和参数评估	机器学习	NA	深度学习	神经网络	地震波形数据	涉及日本和加利福尼亚（美国）的大量地震序列
13542	2024-10-24	Journey tracker: driver alerting system with a deep learning approach 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1433795 PMID:39430550	研究论文	本文设计了一种基于深度学习的驾驶员警示系统，通过自定义的EfficientNet模型架构检测驾驶员的疲劳状态，以提高公共交通的安全性	采用自定义的EfficientNet模型架构，结合个性化数据和瞳孔检测进行交叉验证，提高了检测的准确性和可靠性	系统依赖于初始10分钟的基线行为学习，可能对新驾驶员的适应性有限	开发一种能够实时监测驾驶员疲劳状态并发出警示的系统，以提高公共交通安全	公共交通驾驶员的疲劳状态	计算机视觉	NA	深度学习	EfficientNet	图像	使用Media Research Lab (MRL)眼数据集进行训练和测试
13543	2024-10-24	A deep learning algorithm model to automatically score and grade obstructive sleep apnea in adult polysomnography 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241291707 PMID:39430691	研究论文	本文研究了一种基于深度学习的算法模型，用于自动评分和分级成人多导睡眠图中的阻塞性睡眠呼吸暂停	本文提出了一种基于深度学习的自动评分系统，用于睡眠呼吸障碍患者呼吸事件的评分，相比传统的手动评分方法，提高了效率和准确性	本文仅使用了1000例多导睡眠图数据进行模型训练和验证，样本量相对较小，可能影响模型的泛化能力	研究目的是评估一种基于深度学习的自动评分系统在睡眠呼吸障碍患者中的应用效果	研究对象是1000例多导睡眠图数据，包括简单打鼾、轻度、中度和重度阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	深度学习	LSTM	多导睡眠图数据	1000例多导睡眠图数据，其中700例用于训练，200例用于验证，100例用于测试
13544	2024-10-24	Transformer-based active learning for multi-class text annotation and classification 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241287357 PMID:39430702	研究论文	本文介绍了一种基于Transformer的深度主动学习框架，用于多类文本注释和分类，特别是使用SOAP框架进行临床笔记的自动注释	利用Transformer深度学习技术自动注释临床笔记，显著减轻了手动劳动并提高了分类性能	未来研究将整合多模态数据和大型语言模型以增强临床文本分析的丰富性和准确性	开发一种新的深度主动学习框架，以促进多类文本分类的注释过程	临床笔记的多类文本分类	自然语言处理	NA	Transformer深度学习技术	Transformer	文本	426份临床笔记
13545	2024-10-24	Maize yield prediction with trait-missing data via bipartite graph neural network 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1433552 PMID:39430895	研究论文	本文提出了一种基于二部图神经网络的模型，用于处理缺失特征数据并预测玉米产量	本文创新性地使用二部图神经网络来挖掘不同样本数据、不同气象特征与特征以及不同特征之间的关联，并提出了一种基于梯度平衡机制的损失函数来解决样本不平衡问题	现有方法通常忽略了玉米种植数据中的广泛关联性，如相邻种植地点的玉米产量关联以及气象特征与玉米特征对玉米产量的综合影响	旨在通过机器学习和深度学习方法，在收获前及时准确地预测玉米产量，以支持粮食安全和农业政策发展	玉米产量预测	机器学习	NA	二部图神经网络	二部图神经网络	数据	涉及多个种植地点的玉米种植数据
13546	2024-10-24	DPNet: Scene text detection based on dual perspective CNN-transformer 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309286 PMID:39432472	研究论文	本文提出了一种基于双视角CNN-transformer的场景文本检测方法，通过集成通道增强自注意力模块和空间增强自注意力模块，改进了传统ResNet骨干网络，提高了模型对不同类型文本检测的鲁棒性	本文创新性地将通道增强自注意力模块和空间增强自注意力模块集成到传统ResNet骨干网络中，有效促进了全局上下文信息和文本位置关系的学，并引入特征解码器来细化特征图中的有效文本信息	NA	提高场景文本检测的准确性和鲁棒性	场景中的文本检测	计算机视觉	NA	CNN, transformer	CNN-transformer	图像	Total-Text数据集, ICDAR 2015数据集, MSRA-TD500数据集
13547	2024-10-24	3D CNN for neuropsychiatry: Predicting Autism with interpretable Deep Learning applied to minimally preprocessed structural MRI data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276832 PMID:39432512	研究论文	本文介绍了一种可解释的深度学习方法，用于通过3D CNN模型预测自闭症诊断，基于最小预处理的结构MRI数据	本文的创新点在于使用3D深度学习模型进行自闭症诊断，同时避免了数据归一化到模板空间的需求，从而减少了偏差并提高了对结构变化的敏感性	本文的局限性包括自闭症临床异质性和站点效应等挑战	本文的研究目的是开发一种可解释的预测模型，用于通过结构MRI数据预测自闭症诊断	本文的研究对象是自闭症患者和对照组的结构MRI数据	计算机视觉	神经精神疾病	3D CNN	3D CNN	图像	1329个样本，分为训练集、验证集和测试集
13548	2024-10-24	Auto encoder-based defense mechanism against popular adversarial attacks in deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307363 PMID:39432550	研究论文	本文研究了基于卷积神经网络（CNN）的模型在对抗攻击下的防御机制，特别是针对肺炎胸片图像的检测	提出了一种基于卷积自编码器的防御机制，能够有效抵御多种类型的对抗攻击，包括快速梯度符号法（FGSM）和投影梯度下降（PGD）攻击	本文未详细讨论防御机制在其他类型医学图像上的适用性	旨在提高深度学习模型在医学图像分类中的安全性和鲁棒性	研究对象为肺炎胸片图像，以及针对这些图像的对抗攻击	计算机视觉	肺部疾病	卷积神经网络（CNN）	卷积自编码器	图像	涉及五种不同ε值的对抗攻击图像
13549	2024-10-24	Applications of Artificial Intelligence in Cataract Surgery: A Review 2024, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S489054 PMID:39434720	综述	本文综述了人工智能在白内障手术中的应用现状	探讨了人工智能在白内障手术的术前、术中和术后各阶段的应用，包括机器学习、深度学习和卷积神经网络等技术的整合	当前研究面临的挑战包括图像数据集有限、深度学习分析指标不统一以及对新数据集的泛化能力不足	旨在理解人工智能在眼科显微手术，特别是白内障手术中的应用现状	白内障手术的术前、术中和术后阶段	机器学习	眼科疾病	机器学习、深度学习、卷积神经网络	卷积神经网络	图像	NA
13550	2024-10-24	ECG data analysis to determine ST-segment elevation myocardial infarction and infarction territory type: an integrative approach of artificial intelligence and clinical guidelines 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1462847 PMID:39434722	研究论文	本研究提出了一种基于人工智能和临床指南的综合方法，用于通过12导联心电图数据准确诊断ST段抬高型心肌梗死并详细分类梗死区域	本研究创新性地将临床领域与人工智能技术相结合，用于心电图诊断，提高了STEMI患者的快速治疗和预后	NA	研究目的是开发一种新方法，通过12导联心电图数据准确诊断ST段抬高型心肌梗死并详细分类梗死区域	研究对象是888名心肌梗死患者的心电图数据	机器学习	心血管疾病	深度学习	NA	心电图数据	888名心肌梗死患者
13551	2024-10-24	The art of selecting the ECG input in neural networks to classify heart diseases: a dual focus on maximizing information and reducing redundancy 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1452829 PMID:39434723	研究论文	本文研究了在神经网络中选择心电图输入以分类心脏疾病时，如何最大化信息并减少冗余	首次量化了输入中的冗余，并通过验证多种冗余减少技术，为生物医学信号处理研究提供了新的方向	NA	量化心电图中的冗余及其对使用卷积神经网络进行分类任务的影响	心电图中的冗余信息及其对神经网络性能的影响	机器学习	心血管疾病	卷积神经网络	CNN	信号	NA
13552	2024-10-24	Predicting the influence of extreme temperatures on grain production in the Middle-Lower Yangtze Plains using a spatially-aware deep learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18234 PMID:39434796	研究论文	研究利用空间感知深度学习模型预测极端温度对长江中下游平原粮食产量的影响	提出了一种空间感知深度学习模型，显著优于传统的多线性粮食产量模型，并提供了新的气候变化对粮食产量影响的预测	研究主要集中在长江中下游平原，可能不适用于其他地区	填补以往研究中忽视极端温度时空分布对区域粮食产量影响的空白，并提供21世纪剩余时间气候变化对粮食产量变化的预测	长江中下游平原的粮食产量	机器学习	NA	深度学习	空间感知深度学习模型	气候数据	NA
13553	2024-10-24	An integrated method for detecting lung cancer via CT scanning via optimization, deep learning, and IoT data transmission 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1435041 PMID:39435294	研究论文	本文介绍了一种通过优化、深度学习和物联网数据传输进行肺癌CT扫描检测的综合方法	本文提出了一种结合碰撞体优化（CBO）和DenseNet CNN的新方法，显著提高了肺癌检测的分割和分类精度	NA	开发一种先进的诊断工具，以提高肺癌早期检测的准确性	肺癌的早期检测和诊断	计算机视觉	肺癌	CT扫描	DenseNet CNN	图像	NA
13554	2024-10-22	Enhanced ADHD classification through deep learning and dynamic resting state fMRI analysis 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74282-y PMID:39424632	研究论文	本文提出了一种基于深度学习和动态静息态fMRI分析的增强型ADHD分类方法	引入了Skip-Vote-Net，一种新颖的深度学习网络，通过动态连接分析来分类ADHD和正常发育儿童	NA	提高ADHD分类的准确性	ADHD和正常发育儿童的分类，以及ADHD不同亚型的区分	机器学习	精神疾病	功能磁共振成像（fMRI）	深度学习网络	图像	222名参与者
13555	2024-10-22	Graph attention automatic encoder based on contrastive learning for domain recognition of spatial transcriptomics 2024-Oct-18, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07037-0 PMID:39424696	研究论文	提出了一种基于对比学习的图注意力自动编码器方法GAAEST，用于空间转录组学领域的识别	该方法结合了空间位置信息和基因表达数据，通过图注意力网络和自监督对比学习优化潜在嵌入，以识别具有相似表达模式和空间接近性的空间域	NA	准确识别空间转录组学中的空间域	空间转录组学数据中的基因表达和空间位置信息	数字病理学	NA	空间转录组学	图注意力网络	基因表达数据	多个数据集
13556	2024-10-22	Ensembling methods for protein-ligand binding affinity prediction 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72784-3 PMID:39424851	研究论文	本文提出了一种基于集成学习的蛋白质-配体结合亲和力预测方法	通过训练13个深度学习模型并探索所有可能的集成组合，显著提高了预测精度和泛化能力	NA	提高蛋白质-配体结合亲和力预测的准确性和泛化能力	蛋白质-配体结合亲和力	机器学习	NA	深度学习	集成模型	蛋白质-配体复合物的1D序列和结构特征	CASF2016和CSAR-HiQ等五个基准测试数据集
13557	2024-10-22	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-Oct-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	本文介绍了一种名为Modal-Nexus Auto-Encoder（Monae）的深度学习方法，用于多模态单细胞数据的整合和插补	Monae利用模态间的调控关系和对比学习，增强了统一空间中的细胞表示，并能生成精确的模态内和跨模态插补计数	NA	解决多模态单细胞数据整合和插补中的异质特征空间和技术噪声问题	多模态单细胞数据	机器学习	NA	深度学习	Auto-Encoder	多模态数据	NA
13558	2024-10-22	A hybrid deep learning network for automatic diagnosis of cardiac arrhythmia based on 12-lead ECG 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75531-w PMID:39424921	研究论文	提出了一种结合卷积神经网络和双向门控循环单元与多头注意力的混合深度学习模型，用于自动诊断心律失常	创新的混合深度学习模型结合了卷积神经网络和双向门控循环单元与多头注意力，有效捕捉心电信号的时空特征	NA	开发一种自动诊断心律失常的深度学习模型	心电图信号	机器学习	心血管疾病	卷积神经网络、双向门控循环单元、多头注意力	混合深度学习模型	心电图信号	MIT-BIH心律失常数据库和PTB诊断心电图数据库
13559	2024-10-22	Platform for precise, personalised glucose forecasting through continuous glucose and physical activity monitoring and deep learning 2024-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104241 PMID:39428134	研究论文	本文提出了一种结合内容注意力学习的混合深度学习框架，用于基于过去数据预测T1D和T2D患者的血糖水平，并开发了一个云端系统和移动应用来收集和处理相关数据	本文的创新点在于引入内容注意力学习机制，并结合物理活动数据，提高了血糖预测的准确性，同时展示了个性化训练的优势	本文的局限性在于仅使用了单一患者的8天临床数据进行训练和测试，未来需要在大规模多患者数据上验证模型的泛化能力	本文的研究目的是开发一种精确的个性化血糖预测系统，以帮助糖尿病患者管理血糖水平	本文的研究对象是T1D和T2D糖尿病患者	机器学习	糖尿病	深度学习	混合深度学习框架	连续血糖监测数据、物理活动数据、碳水化合物摄入值和胰岛素测量数据	使用了单一患者的8天临床数据进行训练，并在后续临床数据上进行测试
13560	2024-10-22	An optimal fast fractal method for breast masses diagnosis using machine learning 2024-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104234 PMID:39428132	研究论文	本文介绍了一种用于乳腺肿块分类的快速分形方法	通过提取最佳分形信息并仅关注对分类有价值的信息，提高了计算速度和分类准确性	NA	提高乳腺肿块分类的计算速度和准确性	乳腺肿块的分类	机器学习	乳腺癌	分形方法	NA	图像	NA