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
14261	2024-10-14	Controlled and Real-Life Investigation of Optical Tracking Sensors in Smart Glasses for Monitoring Eating Behavior Using Deep Learning: Cross-Sectional Study 2024-Sep-26, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/59469 PMID:39325528	研究论文	研究开发了一种基于智能眼镜的光学传感器系统，用于自动监测进食和咀嚼活动，并通过深度学习技术区分咀嚼与其他面部活动	该研究通过集成隐藏马尔可夫模型，提供了比现有研究更细粒度的咀嚼段检测，而非仅检测完整的进食事件	NA	开发一种准确且非侵入式的系统，用于自动监测进食和咀嚼活动，并评估其在实验室控制和真实生活环境中的性能	智能眼镜中的光学传感器数据，用于监测面部肌肉活动	机器学习	NA	深度学习	卷积长短期记忆网络	传感器数据	涉及6组比较，包括2个传感器（脸颊和太阳穴）和3种面部活动（进食、咬紧和说话）
14262	2024-10-14	MR Cranial Bone Imaging: Evaluation of Both Motion-Corrected and Automated Deep Learning Pseudo-CT Estimated MR Images 2024-Sep-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8335 PMID:38991771	研究论文	本文研究了通过自动运动校正和深度学习生成的伪CT图像在临床应用中的潜力	开发了自动运动校正和深度学习方法，从MR图像生成伪CT图像，避免了CT的电离辐射	研究样本量较小，需要进一步验证在更大样本中的效果	评估运动校正后的伪CT图像在临床应用中的可行性	儿童颅骨的CT和MR图像	计算机视觉	NA	深度学习	深度学习模型	图像	72名18岁以下的患者
14263	2024-10-14	Supervised deep learning-based synthetic computed tomography from kilovoltage cone-beam computed tomography images for adaptive radiation therapy in head and neck cancer 2024-Sep, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2023.00584 PMID:39354821	研究论文	本文研究了一种监督式深度学习算法，用于从千伏锥束CT图像生成合成CT图像，以应用于头颈部癌症的适形放疗	本文提出了一种基于监督式U-Net深度学习模型的方法，用于从千伏锥束CT图像生成合成CT图像，以提高适形放疗的精度	合成CT图像在解剖结构上与计划CT图像存在差异	研究并验证一种监督式深度学习算法，用于生成合成CT图像，以提高头颈部癌症适形放疗的精度	头颈部癌症患者的千伏锥束CT图像和计划CT图像	计算机视觉	头颈部癌症	深度学习	U-Net	图像	40名头颈部癌症患者，共3491对图像
14264	2024-10-14	OPTIMIZATION-DRIVEN STATISTICAL MODELS OF ANATOMIES USING RADIAL BASIS FUNCTION SHAPE REPRESENTATION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635852 PMID:39391839	研究论文	本文提出了一种基于径向基函数形状表示的解剖结构统计模型的优化驱动方法	本文结合了传统的优化方法和径向基函数表示，通过引入特征形状和对应损失，提供了对模型特征的更精确控制，避免了黑箱模型，并允许粒子在表面上有更大的自由度	NA	旨在改进现有的粒子基形状建模方法，以更好地适应解剖结构的复杂几何形状	解剖结构的形状变异性	计算机视觉	NA	径向基函数	优化模型	3D表面数据	两个真实数据集
14265	2024-10-14	InstructNet: A novel approach for multi-label instruction classification through advanced deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311161 PMID:39388407	研究论文	本文提出了一种新的多标签指令分类方法InstructNet，通过使用先进的深度学习技术对“How To”文章进行分类	本文提出了InstructNet方法，并使用XLNet架构在多标签分类任务中取得了前所未有的高准确率	本文未详细讨论模型的训练时间和计算资源需求，以及在不同数据集上的泛化能力	研究如何通过深度学习技术对多标签指令文本进行分类	对“How To”文章进行多标签分类	自然语言处理	NA	深度学习	XLNet	文本	11,121条来自wikiHow的数据记录
14266	2024-10-14	Multi-feature fusion based face forgery detection with local and global characteristics 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311720 PMID:39388418	研究论文	本文提出了一种基于多特征融合的面部伪造检测方法，结合空间域、噪声域和频率域的特征，并使用Inception Transformer动态学习局部和全局信息	本文的创新点在于综合分析伪造面部特征，融合空间域、噪声域和频率域的多特征，并使用Inception Transformer动态学习局部和全局信息	现有的检测方法主要基于单一特征域的判别信息进行分类，存在一定的局限性	研究准确高效的深度伪造视频检测技术	深度伪造视频的检测	计算机视觉	NA	深度学习	Inception Transformer	视频	在DFDC、Celeb-DF和FaceForensic++基准数据集上进行了评估
14267	2024-10-14	Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311897 PMID:39392828	研究论文	本文研究了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法和深度学习技术，应用于铁路通信信号处理	本文创新地将自适应均衡算法与深度学习相结合，应用于铁路通信信号处理，并采用波分复用（WDM）和正交频分复用（OFDM）技术，以及模糊C均值均衡算法，有效减少了信号失真和干扰	实验结果表明，增加步长会降低均衡效果，增加调制参数会增加误码率	研究一种能够满足高速信号处理需求的高速通信信号处理方法，以提高铁路通信系统的质量和传输效率	铁路通信信号处理	通信技术	NA	波分复用（WDM）、正交频分复用（OFDM）、模糊C均值均衡算法	深度学习	信号	NA
14268	2024-10-14	An open-source dataset for arabic fine-grained emotion recognition of online content amid COVID-19 pandemic 2023-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109745 PMID:38020433	研究论文	本文介绍了一个名为ArPanEmo的开源数据集，用于在COVID-19疫情期间对阿拉伯语在线内容的细粒度情感识别	该数据集是首个专注于沙特方言并涵盖COVID-19相关话题的阿拉伯语情感识别数据集，包含11,128条手动标注的在线帖子	数据集仅涵盖沙特方言和COVID-19相关话题，可能不适用于其他方言或话题	旨在丰富阿拉伯语自然语言处理资源，并帮助开发机器学习和深度学习工具以识别文本中的情感	阿拉伯语在线内容的细粒度情感识别	自然语言处理	NA	NA	NA	文本	11,128条在线帖子
14269	2024-10-14	Just-in-time deep learning for real-time X-ray computed tomography 2023-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-46028-9 PMID:37973801	研究论文	本文介绍了一种在实时X射线计算机断层扫描中使用深度学习进行即时学习的策略	开发了即时学习策略，利用连续重建的空间-时间连续性在实验期间训练和部署较小的深度神经网络	即时学习策略在科学环境中可能面临训练数据不足和实验设置不确定性的挑战	扩展实时重建功能，通过图像处理和分析组件增强实时X射线断层扫描	实时X射线断层扫描中的深度神经网络集成	计算机视觉	NA	深度神经网络	深度神经网络	图像	使用来自真实动态实验的X射线数据进行训练
14270	2024-10-14	Ensemble classification of integrated CT scan datasets in detecting COVID-19 using feature fusion from contourlet transform and CNN 2023-11-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47183-9 PMID:37973820	研究论文	本文提出了一种基于机器学习和深度学习的自动化方法，用于通过融合轮廓变换和卷积神经网络的特征来检测COVID-19	本文创新性地使用了轮廓变换和卷积神经网络的特征融合方法，并结合二进制差分进化算法进行特征优化，最终通过集成学习方法提高了检测准确率	NA	开发一种自动化方法，通过CT扫描图像早期检测COVID-19，以降低死亡率	COVID-19的CT扫描图像	计算机视觉	COVID-19	轮廓变换、卷积神经网络、二进制差分进化算法	集成学习	图像	11,407张CT扫描图像，其中7397张为COVID-19图像，4010张为正常图像
14271	2024-10-14	Deep learning workflow for the inverse design of molecules with specific optoelectronic properties 2023-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45385-9 PMID:37973879	研究论文	本文介绍了一种用于设计具有特定光电特性的分子的深度学习工作流程	提出了结合密度泛函紧束缚方法、图卷积神经网络和掩码语言模型的迭代深度学习工作流程，以加速分子设计	NA	开发一种加速具有特定光电特性的分子设计的计算方法	具有特定光电特性的新型分子	机器学习	NA	密度泛函紧束缚方法	图卷积神经网络	分子数据	NA
14272	2024-10-14	Automated crystal system identification from electron diffraction patterns using multiview opinion fusion machine learning 2023-Nov-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2309240120 PMID:37943836	研究论文	本文开发了一种基于多视角意见融合机器学习的框架，用于从任意方向的电子衍射图案中自动识别晶体系统	提出了一个基于卷积神经网络和证据深度学习的框架，通过量化和融合多视角预测的不确定性，实现了对任意方向电子衍射图案的晶体系统分类	NA	加速高吞吐量材料数据分析实验	电子衍射图案中的晶体系统识别	机器学习	NA	卷积神经网络	CNN	图像	NA
14273	2024-10-14	Integrated Molecular Modeling and Machine Learning for Drug Design 2023-Nov-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00814 PMID:37883810	研究论文	本文总结了将分子建模与机器学习相结合以开发计算工具用于调节剂设计的最新努力	提出了基于AlphaSpace的口袋引导理性设计方法，用于靶向蛋白质-蛋白质相互作用，以及用于蛋白质-配体对接和虚拟筛选的delta机器学习评分函数，并使用最先进的深度学习模型预测基于分子力学优化几何结构的计算和实验分子性质	讨论了当前方法的局限性，并指出了未来发展的有前景的方向	开发计算工具以加速新药的研发过程	蛋白质-蛋白质相互作用、蛋白质-配体对接、虚拟筛选以及分子性质预测	机器学习	NA	分子建模、机器学习	深度学习模型	分子几何结构	NA
14274	2024-10-14	A Deep Learning Approach for Automatic and Objective Grading of the Motor Impairment Severity in Parkinson's Disease for Use in Tele-Assessments 2023-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s23219004 PMID:37960703	研究论文	研究使用深度学习方法通过低成本可穿戴传感器自动客观评估帕金森病患者的运动障碍严重程度	通过扩展训练数据集和使用无监督预训练权重，提高了运动障碍分类的准确性	研究结果仅限于特定的运动任务，未涵盖所有可能的运动障碍评估	探索深度学习在远程评估帕金森病患者运动障碍严重程度中的应用	帕金森病患者的运动障碍严重程度	机器学习	神经退行性疾病	深度学习	XceptionTime	运动数据	包括帕金森病患者和健康老年人的运动数据
14275	2024-10-14	Unsupervised deep learning registration model for multimodal brain images 2023-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14177 PMID:37823748	研究论文	本文提出了一种基于卷积神经网络的无监督深度学习模型，用于多模态脑图像的配准	本文的创新点在于使用无监督学习方法进行多模态脑图像的配准，避免了传统监督学习方法对大量标注数据的依赖和可能的偏差	本文的局限性在于仅使用了CT和MR图像进行实验，未来可以扩展到更多模态的图像	本文的研究目的是开发一种高效且准确的多模态脑图像配准方法，以支持临床图像引导的干预	本文的研究对象是脑部CT和MR图像的配准	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1100对CT/MR切片，来自110名有/无肿瘤的神经心理患者
14276	2024-10-14	Deep Learning for Genomics: From Early Neural Nets to Modern Large Language Models 2023-Nov-01, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms242115858 PMID:37958843	review	本文从基因组学角度简要讨论了不同深度学习模型的优势，以便为每个特定任务选择合适的基于深度学习的架构，并强调了开发基因组学深度学习架构的实际考虑	本文回顾了深度学习在基因组学研究各个方面的应用，并指出了当前的挑战和未来基因组学应用的潜在研究方向	NA	探讨深度学习在基因组学中的应用及其未来发展方向	不同深度学习模型在基因组学任务中的适用性	machine learning	NA	high-throughput sequencing	NA	genomic data	NA
14277	2024-10-14	Deep Learning Framework for Liver Segmentation from T1-Weighted MRI Images 2023-Nov-01, Sensors (Basel, Switzerland) DOI:10.3390/s23218890 PMID:37960589	研究论文	研究提出了一种用于从T1加权MRI图像中分割肝脏的深度学习框架	提出了一种新的级联网络，用于分割轴向肝脏切片，并在肝脏分割任务中表现优于现有方法	研究仅使用了20名患者的647张MR切片数据，样本量较小	开发一种自动分割肝脏的深度学习框架，以辅助临床诊断	肝脏在T1加权MRI图像中的分割	计算机视觉	NA	MRI	CNN	图像	20名患者，647张MR切片
14278	2024-10-14	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.30.563998 PMID:37961180	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的语义分割，并探索了半监督学习方法	引入了半监督学习方法Cross Pseudo Supervision，并比较了多种先进模型在稀疏标注数据上的表现	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁	计算机视觉	癌症	电子显微镜	UNet++, FracTALResNet, SenFormer, CEECNet	图像	三个完全标注的内部数据集
14279	2024-10-14	Deep learning-based multimodal fusion network for segmentation and classification of breast cancers using B-mode and elastography ultrasound images 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10480 PMID:38023698	研究论文	本文提出了一种基于深度学习的乳腺肿瘤分割与分类方法，利用B模式和弹性成像超声图像进行多模态融合	本文提出了一种加权多模态U-Net模型和多模态融合框架，能够同时从B模式和弹性成像超声图像中学习互补信息，并在实际临床数据上表现优异	NA	开发一种能够提高乳腺肿瘤分类准确性的计算机辅助诊断系统	乳腺肿瘤的分割与分类	计算机视觉	乳腺癌	深度学习	U-Net、CNN	图像	NA
14280	2024-10-14	4D-CT deformable image registration using unsupervised recursive cascaded full-resolution residual networks 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10587 PMID:38023695	研究论文	提出了一种用于腹部四维计算机断层扫描（4D-CT）图像配准的新型递归级联全分辨率残差网络（RCFRR-Net）	该网络采用无监督学习方法，无需变形向量场的真实值，通过级联三个不同架构的全分辨率残差子网络实现渐进式配准	NA	开发一种在医学图像配准中表现优越且具有广泛应用前景的新方法	腹部四维计算机断层扫描（4D-CT）图像的配准	计算机视觉	NA	递归级联全分辨率残差网络（RCFRR-Net）	递归级联全分辨率残差网络（RCFRR-Net）	图像	使用了内部4D-CT数据集、公开的DIRLAB 4D-CT数据集和4D锥束CT（4D-CBCT）数据集进行广泛的网络测试