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
14481	2024-08-05	An interpretable deep learning model to map land subsidence hazard 2024-Mar, Environmental science and pollution research international DOI:10.1007/s11356-024-32280-7 PMID:38340298	研究论文	这项研究旨在通过不同技术提升深度学习模型输出在土地沉降危害映射中的可解释性	通过使用粒子群优化算法识别影响土地沉降的有效特征，并应用混合解释方法来增强深度学习模型的可解释性	文章未详细讨论模型在不同地理区域的适用性和推广性	提升深度学习模型在映射土地沉降危害中的可解释性	用于映射土地沉降危险的深度学习模型，包括CNN和LSTM	机器学习	NA	深度学习、粒子群优化算法	CNN和LSTM	地理信息数据	基于实地工作和土地沉降存在点的清单图
14482	2024-08-05	Optimal strategies for modeling anatomy in a hybrid intelligence framework for auto-segmentation of organs 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006617 PMID:38957182	研究论文	本文提出了一种混合智能框架以优化器官自 segmentation 的解剖建模策略	引入混合智能系统结合自然智能和深度学习，显著提高了计算效率	未提及具体的限制因素	提升医疗图像分析中器官的自动分割效率与准确性	涉及多个放射治疗中心的Thorax体区域的器官	计算机视觉	NA	深度学习与非深度学习相结合	NA	医学图像	来自4个不同放射治疗中心的临床研究数据
14483	2024-08-05	Anatomic attention regions via optimal anatomy modeling and recognition for DL-based image segmentation 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006771 PMID:38957740	研究论文	本文提出了通过最优解剖建模和识别的方法实现医学图像的深度学习分割	结合自然智能与人工智能，提出了新的方法来发现医学图像中的注意区域	尚未明确提及深度学习方法的具体计算效率和通用性	提高医学图像分割的准确性和效率	医学图像中的解剖区域	计算机视觉	NA	混合智能	NA	医学图像	唯一测试数据集
14484	2024-08-05	Deep learning-based stress detection for daily life use using single-channel EEG and GSR in a virtual reality interview paradigm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305864 PMID:38959272	研究论文	本研究建立了一个基于生理指标和深度学习技术的实用压力检测框架	采用虚拟现实访谈范式和多列结构相结合的单通道EEG和GSR数据，提高了压力预测的能力	研究样本量有限，仅包含30名参与者，可能影响结果的广泛适用性	研究旨在通过集成生理指标和深度学习技术实现压力检测	研究对象为在虚拟现实访谈中经历压力诱导的30名参与者	计算机视觉	NA	深度学习	CNN, Vision Transformer	生物信号	30名参与者
14485	2024-08-05	Encoding temporal information in deep convolution neural network 2024, Frontiers in neuroergonomics IF:1.5Q4 DOI:10.3389/fnrgo.2024.1287794 PMID:38962279	研究论文	本文提出了一种新的时间编码方法EnK，用于提升卷积神经网络（CNN）对时间依赖特征的学习能力	引入了时间分解信息的新编码内核（EnK），在CNN的垂直卷积操作中实现时间编码	虽然提出的方法有效，但与复杂的序列数据结合时仍存在学习能力的限制	解决深度学习模型在处理EEG信号时对时间依赖特征的学习问题	对不同的EEG数据集进行实证研究，评估EnK的效果	机器学习	NA	深度学习，CNN	CNN	EEG信号	多个EEG数据集，包括人机协作、P300视觉诱发电位等
14486	2024-08-05	A lightweight network architecture for traffic sign recognition based on enhanced LeNet-5 network 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1431033 PMID:38962176	研究论文	本研究提出了一种轻量级的卷积神经网络架构，用于交通标志识别	通过改进经典的LeNet-5网络模型，以实现轻量级且易于部署的嵌入式应用	未提及具体的限制因素	实现一种轻量级的卷积神经网络架构，以提高交通标志识别的准确性和速度	改进LeNet-5网络模型以应对无人驾驶系统中的交通标志识别	计算机视觉	NA	卷积神经网络（CNN）	LeNet-5	图像	使用德国交通标志识别基准（GTSRB）数据库进行测试
14487	2024-08-05	Generative preparation tasks in digital collaborative learning: actor and partner effects of constructive preparation activities on deep comprehension 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1335682 PMID:38962237	研究论文	本研究探讨了在数字协作学习中，建设性准备活动对深度理解的影响	研究通过实验分析了不同生成性准备任务对深度学习影响的差异，尤其关注了先前知识的调节作用	研究对象为非专业大学生，可能影响结果的普遍性	探索建设性准备活动如何促进后续协作中的深度学习	122名非专家大学生，他们被分配到61个二人组进行研究	数字学习	NA	实验研究	NA	文本	122名参与者，61个二人组
14488	2024-08-05	Comparison of image quality between Deep learning image reconstruction and Iterative reconstruction technique for CT Brain- a pilot study 2024, F1000Research DOI:10.12688/f1000research.150773.1 PMID:38962692	研究论文	本文比较了深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。	本研究通过使用卷积神经网络 (CNN) 的深度学习图像重建 (DLIR) 算法，展示了其在减少噪声和提高图像质量方面的优势。	本研究是一个小规模的初步研究，样本量有限，结果需要在更大人群中进一步验证。	评估深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。	研究对象为接受非对比CT脑部检查的30名患者。	数字病理学	NA	深度学习图像重建 (DLIR)，迭代重建 (iDose 4)	卷积神经网络 (CNN)	影像	30名接受非对比CT脑部检查的患者
14489	2024-08-05	A comprehensive multi-domain dataset for mitotic figure detection 2023-07-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02327-4 PMID:37491536	研究论文	本文介绍了用于有丝分裂细胞检测的综合多领域数据集MIDOG++	该数据集是第一个基于不同肿瘤类型、实验室、全切片图像扫描仪和物种的广泛领域转移的有丝分裂细胞数据集	在单一领域训练中观察到显著差异，可能影响深度学习方法的性能	本文旨在自动化有丝分裂细胞检测任务，并评估领域转移的影响	本文研究对象为503个来自七种不同肿瘤类型的组织标本	数字病理学	乳腺癌, 肺癌, 淋巴肉瘤, 神经内分泌肿瘤, 皮肤肥大细胞肿瘤, 皮肤黑色素瘤, (亚)皮下软组织肉瘤	深度学习	NA	图像	503个组织标本
14490	2024-08-05	Integrative dissection of gene regulatory elements at base resolution 2023-Jun-14, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2023.100318 PMID:37388913	研究论文	本研究结合表观遗传干扰、碱基编辑和深度学习来解析CD69编码的免疫基因位点中的调控序列	首次通过多种技术的结合，深入解析了一个特定免疫基因位点中调控元件的功能和作用	研究主要集中在CD69基因位点，可能不适用于其他基因调控元件	旨在阐明基因调控元件的功能和底层序列动机	主要研究对象为CD69基因在刺激的Jurkat T细胞中的调控机制	数字病理学	NA	表观遗传干扰、碱基编辑、深度学习	NA	序列数据	刺激的Jurkat T细胞
14491	2024-08-05	A Hybrid Intelligence Approach for Circulating Tumor Cell Enumeration in Digital Pathology by Using CNN and Weak Annotations 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3343701 PMID:38957613	研究论文	该论文提出了一种混合智能方法，通过结合细胞病理学家专业知识和深度学习卷积神经网络的效率，自动计数循环肿瘤细胞。	创新之处在于将蔡细胞病理学家的专业技能与深度学习技术相结合，实现了循环肿瘤细胞的自动计数。	此研究依赖于图像数据集，可能存在数据集的选择偏差和样本多样性不足的问题。	研究目的是通过混合智能方法提高循环肿瘤细胞的自动计数效率。	研究对象为循环肿瘤细胞（CTCs）。	数字病理学	NA	卷积神经网络（CNN）、支持向量机（SVM）	CNN	图像	共收集了466张氟像图像用于CTC检测/定位，473张图像用于CTC分割，以及198张图像（包含323个CTC）作为独立数据集进行计数
14492	2024-08-07	DEEP LEARNING ALGORITHMS HAVE HIGH ACCURACY FOR AUTOMATED LANDMARK DETECTION ON 2D LATERAL CEPHALOGRAMS 2022-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2022.101798 PMID:36494109	meta-analysis	本文通过系统综述和荟萃分析，评估了深度学习算法在二维侧位头颅摄影中自动识别地标点的准确性	NA	NA	评估深度学习算法在头颅摄影地标检测中的准确性	深度学习算法在头颅摄影地标检测中的应用	computer vision	NA	深度学习	NA	image	NA
14493	2024-08-07	DEEP LEARNING ALGORITHMS SHOW SOME POTENTIAL AS AN ADJUNCTIVE TOOL IN CARIES DIAGNOSIS 2022-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2022.101772 PMID:36494110	综述	本文系统回顾了深度学习算法在龋齿检测中的应用	NA	NA	探讨深度学习算法在龋齿诊断中的潜在应用	深度学习算法在龋齿检测中的应用	机器学习	口腔疾病	深度学习	NA	NA	NA
14494	2024-08-05	Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes 2024-Jul-04, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0561-OA PMID:38960391	研究论文	研究三阴性乳腺癌中腺样分化和雄激素受体状态对新辅助化疗反应的影响	本研究发现腺样形态是新的可靠的化疗反应预测因子，优于雄激素受体表达	对腺样形态与肿瘤浸润淋巴细胞之间的相关性未能找到统计学显著性	评估三阴性乳腺癌对新辅助化疗的反应及腺样形态和雄激素受体状态的影响	232名接受新辅助化疗并进行手术切除的三阴性乳腺癌患者	数字病理学	乳腺癌	免疫组化，深度学习模型	NA	生物组织活检	232名三阴性乳腺癌患者
14495	2024-08-05	Δ BP-Net: Monitoring "Changes" in Blood Pressure Using PPG with Self-contrastive Masking 2024-Jul-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3422023 PMID:38954566	研究论文	该文章提出了一种基于PPG监测血压变化的新方法	通过将血压变化监测视为二分类任务，提出了自对比掩蔽模型(ΔBP-Net)来提高监测的准确性	未提及具体的受限制因素	研究如何从PPG信号中监测血压的变化，而不是直接估算血压值	使用PulseDB数据来评估ΔBP-Net模型的表现	数字病理学	高血压疾病	PPG	ΔBP-Net	生理信号	数据来自PulseDB，涉及多个未见过的受试者
14496	2024-08-05	Thermal facial image analyses reveal quantitative hallmarks of aging and metabolic diseases 2024-Jul-02, Cell metabolism IF:27.7Q1 DOI:10.1016/j.cmet.2024.05.012 PMID:38959862	研究论文	该文章探讨了面部温度与衰老和代谢疾病的关系	提出了一种新的热面部影像分析方法ThermoFace，并开发了相应的衰老和疾病预测模型	研究仅涉及汉族个体，可能限制了结果的普遍性	研究面部温度与衰老速度及衰老相关疾病的潜在关联	收集了2811名20至90岁汉族个体的面部热影像	数字病理学	代谢疾病	深度学习	ThermoFace深度学习模型	热影像	2811名汉族个体
14497	2024-08-05	Deep Learning-based Hierarchical Brain Segmentation with Preliminary Analysis of the Repeatability and Reproducibility 2024-Jul-02, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2023-0124 PMID:38960679	研究论文	本研究开发了一种基于深度学习的层次脑分割方法，用于对T1加权MR图像进行分割并计算各子区域体积。	提出了一种新颖的层次脑分割方法，能够同时进行高效的分割和体积估算，并显示出其在重复性和再现性方面优于现有工具。	该研究未涉及其他类型的脑部影像数据和更多的样本量进行验证。	评估基于深度学习的层次脑分割方法的体积估算重复性和再现性。	使用486名受试者的T1WI和脑掩模对脑子区域进行分割。	数字病理学	NA	深度学习	NA	图像	486名受试者，11名健康受试者的脑部3D-T1WI扫描数据
14498	2024-08-05	Deep Learning-Enabled Quantification of 99mTc-Pyrophosphate SPECT/CT for Cardiac Amyloidosis 2024-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267542 PMID:38724278	研究论文	本研究评估了一种深度学习方法，以实现99mTc-焦磷酸盐SPECT/CT成像的完全自动化定量分析。	提出了一种基于深度学习的自动分割CT衰减图的心脏影像定量方法，克服了主观性和繁琐手动量化的局限。	研究中未提及样本多样性及其对结果的影响。	旨在改进心脏淀粉样变性（ATTR CA）诊断中的影像定量方法。	参与研究的299名患者均为疑似心脏淀粉样变性而接受了SPECT/CT成像的个体。	数字病理学	心脏淀粉样变性	SPECT成像	深度学习模型	影像	299名患者
14499	2024-08-05	Is Automatic Tumor Segmentation on Whole-Body 18F-FDG PET Images a Clinical Reality? 2024-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267183 PMID:38844359	评论	本文探讨了使用F-FDG PET/CT图像进行自动化全身肿瘤分割在肿瘤诊断中的重要转变	突出人工智能和深度学习技术在自动化肿瘤分割中的应用	存在数据多样性、验证需求和监管障碍等挑战	研究自动化肿瘤分割在临床中的应用潜力	聚焦于F-FDG PET/CT图像的肿瘤分割问题	计算机视觉	肿瘤	深度学习	NA	医学图像	NA
14500	2024-08-05	Semantic and traditional feature fusion for software defect prediction using hybrid deep learning model 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65639-4 PMID:38951608	研究论文	本文提出了一种新颖的缺陷预测模型，通过混合深度学习方法结合传统和语义特征	提出了一种混合CNN-MLP分类器，结合了从抽象语法树提取的语义特征和传统特征	只使用单一特征种类会对预测性能产生负面影响	旨在找到一种可靠的方法，预测特定软件项目中的缺陷	软件缺陷预测模型	计算机视觉	NA	混合深度学习	CNN-MLP	开源项目数据	多个开源项目