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
14941	2024-10-01	Brain Tumor Classification based on Improved Stacked Ensemble Deep Learning Methods 2023-Jun-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2023.24.6.2141 PMID:37378946	研究论文	本文研究了基于改进的堆叠集成深度学习方法的脑肿瘤分类	提出了改进的堆叠集成深度学习模型，结合了VGG19、Inception v3和Resnet 10三种模型，提高了分类准确率	NA	提高脑肿瘤分类的准确性，辅助放射科医生和其他医疗专业人员进行脑肿瘤的识别和分类	脑肿瘤的分类	机器学习	脑肿瘤	堆叠集成深度学习技术	CNN	图像	数据集来自Kaggle，包含异常和正常脑部的两类数据
14942	2024-10-01	Electroencephalography-Based Depression Detection Using Multiple Machine Learning Techniques 2023-May-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101779 PMID:37238263	研究论文	研究通过分析脑电图（EEG）数据，利用多种机器学习和深度学习技术进行抑郁症检测	结合了脑电图信号和人口统计数据（如性别和年龄）进行抑郁症检测，提高了检测系统的泛化能力	脑电图信号的复杂性和非平稳性，以及个体差异对检测系统泛化能力的影响	开发一种能够通过分析脑电图数据识别抑郁症模式的算法	脑电图数据和人口统计数据	机器学习	精神疾病	机器学习和深度学习技术	卷积神经网络（CNN）	脑电图信号	使用了来自MODMA多模态开放数据集的脑电图数据，包括128通道的静息脑电图读数
14943	2024-10-01	Prediction of heart transplant rejection from routine pathology slides with self-supervised deep learning 2023-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztad016 PMID:37265858	研究论文	本文评估了使用自监督深度学习从常规病理切片预测心脏移植排斥反应的可行性	首次使用自监督深度学习模型预测心脏移植排斥反应，并展示了其在小样本训练中的有效性	研究样本量相对较小，且仅限于德国的三家移植中心	评估深度学习在预测心脏移植排斥反应中的可行性	心脏移植排斥反应的病理切片	数字病理	心血管疾病	深度学习	基于注意力的深度神经网络	图像	1079张病理切片，来自325名患者
14944	2024-10-01	A Review on Electronic Health Record Text-Mining for Biomedical Name Entity Recognition in Healthcare Domain 2023-Apr-28, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11091268 PMID:37174810	综述	本文综述了在医疗领域中使用深度学习和人工智能技术进行电子健康记录文本挖掘的生物医学命名实体识别	本文介绍了基于深度学习的生物医学命名实体识别系统，这些系统能够自动学习生物医学文本的模式，比传统的基于规则的系统更强大和高效	本文讨论了生物医学命名实体识别系统面临的挑战，并提出了未来的研究方向	综述生物医学命名实体识别在医疗领域的应用，特别是使用深度学习和人工智能技术	电子健康记录中的生物医学命名实体识别	自然语言处理	NA	深度学习	NA	文本	NA
14945	2024-10-01	Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography 2023-04-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.22.01345 PMID:36634294	研究论文	本文介绍了一种名为Sybil的深度学习模型，用于从单次低剂量胸部CT扫描中预测未来肺癌风险	提出了一个经过验证的深度学习模型，能够从单次低剂量胸部CT扫描中预测未来肺癌风险	NA	开发和验证一种能够预测未来肺癌风险的深度学习模型	低剂量胸部CT扫描图像	计算机视觉	肺癌	深度学习	深度学习模型	图像	NA
14946	2024-10-01	Deep efficient-nets with transfer learning assisted detection of COVID-19 using chest X-ray radiology imaging 2023-Mar-27, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-15097-3 PMID:37362692	研究论文	本文提出了一种基于深度学习架构的高效方法，用于通过胸部X光影像自动检测COVID-19	本文采用了迁移学习技术，结合Efficient-Nets模型，并通过数据增强和强度归一化方法解决了数据不平衡问题	尽管本文提出的方法在检测COVID-19方面表现出色，但仍可能存在过拟合和高方差的问题	开发一种高效且快速的COVID-19检测方法，以降低死亡率和传染率	COVID-19感染患者	计算机视觉	COVID-19	迁移学习	Efficient-Nets	影像	使用了公开数据集进行训练和测试，具体样本数量未明确提及
14947	2024-10-01	ECG-guided non-invasive estimation of pulmonary congestion in patients with heart failure 2023-03-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30900-9 PMID:36894601	研究论文	开发了一种基于深度学习的心衰患者肺充血无创评估模型HFNet	利用12导联心电图、年龄和性别数据，通过深度学习模型HFNet准确预测心衰患者的平均肺毛细血管楔压（mPCWP）是否超过18 mmHg	模型在不确定性较高的预测中表现较差，需要临床医生判断何时信任模型预测	开发一种无创方法准确评估心衰患者的血流动力学严重程度	心衰患者的平均肺毛细血管楔压（mPCWP）	机器学习	心血管疾病	深度学习	深度学习模型（HFNet）	心电图（ECG）、年龄、性别	使用了马萨诸塞州总医院的回顾性数据，并在另一机构的独立外部验证集上进行了评估
14948	2024-10-01	Integration of neuromorphic AI in event-driven distributed digitized systems: Concepts and research directions 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1074439 PMID:36875653	研究论文	本文探讨了在资源受限的边缘计算环境中，如何通过采用类脑计算和传感设备来提高人工智能能力，并提出了一个基于微服务的概念框架，以促进神经形态系统与现有分布式数字计算基础设施的集成	本文提出了一个基于微服务的概念框架，用于神经形态系统的集成，并引入了声明式编程方法来简化工程过程	本文主要提出了概念框架和研究方向，尚未实现具体的系统集成	探讨神经形态AI在事件驱动分布式数字化系统中的集成概念和研究方向	神经形态计算系统与传统冯·诺依曼计算机和时钟驱动传感系统的集成	机器学习	NA	神经形态计算	NA	NA	NA
14949	2024-10-01	Sublinear information bottleneck based two-stage deep learning approach to genealogy layout recognition 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1230786 PMID:37457003	研究论文	本文提出了一种基于亚线性信息瓶颈和两阶段深度学习的家谱布局识别方法	引入了亚线性信息瓶颈（SIB）用于提取输入图像的相关特征，并结合两阶段深度学习方法进行家谱布局的识别和定位	NA	开发一种新的家谱布局识别方法，以促进家谱研究和保存	家谱布局图像	计算机视觉	NA	深度学习	CNN	图像	使用了家谱图像数据集进行评估
14950	2024-10-01	Multiple Field-of-View Based Attention Driven Network for Weakly Supervised Common Bile Duct Stone Detection 2023, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3286423 PMID:37465459	研究论文	提出了一种基于多视野注意力驱动的深度学习网络MFADNet，用于从CT扫描图像中检测胆总管结石	创新性地结合了多视野编码器、注意力驱动解码器和分类网络，实现了弱监督下的胆总管结石检测	NA	开发一种弱监督的深度学习方法，用于从CT扫描图像中自动检测胆总管结石	胆总管结石	计算机视觉	胆道疾病	深度学习	MFADNet	图像	NA
14951	2024-10-01	BIDL: a brain-inspired deep learning framework for spatiotemporal processing 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1213720 PMID:37564366	研究论文	本文介绍了一种名为BIDL的脑启发深度学习框架，用于时空处理	提出了一个通用的学习框架，能够处理多种时空模态数据，如视频片段和3D成像数据	NA	提供一个统一的时空处理设计流程，并研究通过脑启发神经动力学进行轻量级时空处理的能力	视频信息处理、DVS信息处理、3D医学影像分类和自然语言处理	机器学习	NA	深度尖峰神经网络（DSNN）	深度神经网络	视频、3D成像、自然语言	涉及多种类型的数据，具体样本数量未提及
14952	2024-10-01	Enhancing diabetic retinopathy classification using deep learning 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231203676 PMID:37766903	研究论文	本文利用深度学习模型对糖尿病视网膜病变进行分类	提出了使用CLAHE和ESRGAN技术进行图像增强的卷积神经网络模型，实验结果显示分类准确率高达97.83%	未提及具体限制	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变及其不同严重程度	计算机视觉	糖尿病	深度学习	卷积神经网络	图像	使用APTOS 2019 Blindness Detection数据集中的视网膜扫描图像
14953	2024-10-01	Using graph-based model to identify cell specific synthetic lethal effects 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2023.10.011 PMID:37920819	研究论文	本文提出了一种基于图模型的方法，用于识别特定细胞类型的合成致死效应	通过结合细胞特异性多组学数据和自注意力模块，将基因关系表示为图，实现了细胞特异性合成致死对的预测	依赖于高质量的多组学数据，且需要大量计算资源	开发一种计算方法，用于预测特定细胞类型的合成致死对，以促进癌症精准治疗	特定细胞类型的合成致死对	机器学习	NA	深度学习	图模型	多组学数据	细胞系特异性数据
14954	2024-10-01	Convex optimization algorithms in medical image reconstruction-in the age of AI 2022-03-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac3842 PMID:34757943	综述	本文回顾了基于模型的图像重建（MBIR）算法在医学图像重建中的应用，特别是凸优化算法的发展及其与深度学习的结合	探讨了深度学习与基于模型的图像重建方法之间的协同作用，并强调了凸优化算法在网络架构中的基础作用	未提及具体限制	回顾和讨论医学图像重建中凸优化算法的发展及其与深度学习的结合	医学图像重建算法及其与深度学习的结合	计算机视觉	NA	凸优化算法	深度学习网络	图像	NA
14955	2024-10-01	Inferring RNA-binding protein target preferences using adversarial domain adaptation 2022-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009863 PMID:35202389	研究论文	本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA）	采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能	NA	解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性	RNA结合蛋白（RBP）的目标偏好性	机器学习	NA	对抗性领域自适应（ADDA）	神经网络	文本	NA
14956	2024-10-01	Identification of piRNA disease associations using deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.026 PMID:35317234	研究论文	本文开发了一种基于深度学习的piRNA疾病关联识别方法piRDA	提出了一种无需特征工程的简单、稳健且高效的深度学习方法，用于识别piRNA疾病关联，并显著优于现有方法	NA	开发一种高效的计算方法来识别piRNA与疾病之间的关联，以促进疾病特异性药物开发	piRNA与疾病之间的关联	机器学习	NA	深度学习	NA	序列数据	NA
14957	2024-10-01	Extracting default mode network based on graph neural network for resting state fMRI study 2022, Frontiers in neuroimaging DOI:10.3389/fnimg.2022.963125 PMID:37555154	研究论文	本文提出使用图神经网络（graphSAGE）来研究静息态功能磁共振成像（rs-fMRI）并提取默认模式网络（DMN）	相比传统的种子点相关法、独立成分分析和字典学习，graphSAGE方法更稳健、可靠，并能更清晰地定义感兴趣区域	NA	研究大脑功能连接，提取默认模式网络	静息态功能磁共振成像数据	计算机视觉	NA	图神经网络（graphSAGE）	图神经网络	功能磁共振成像数据	NA
14958	2024-10-01	Automatic Detection of Atrial Fibrillation from Single-Lead ECG Using Deep Learning of the Cardiac Cycle 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9813062 PMID:37850161	研究论文	本文探讨了使用深度神经网络（DNN）从单导联心电图（ECG）信号中学习心脏周期并可靠地检测心房颤动（AF）的方法	本文设计了一个三步管道，用于从ECG中检测AF，并展示了其优于现有ECG分析方法的性能	深度神经网络（DNN）通常被设计为通用目的的黑箱模型，缺乏对其决策的可解释性	开发一种从单导联ECG信号中可靠检测心房颤动（AF）的方法	单导联心电图（ECG）信号中的心房颤动（AF）	机器学习	心血管疾病	深度神经网络（DNN）	深度神经网络（DNN）	时间序列数据	NA
14959	2024-10-01	Improved Protein Structure Prediction Using a New Multi-Scale Network and Homologous Templates 2021-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202102592 PMID:34719864	研究论文	本文介绍了一种改进的蛋白质结构预测方法trRosettaX，通过应用新的多尺度网络Res2Net和基于注意力的模块来利用多个同源模板，提高了预测精度	引入了新的多尺度网络Res2Net和基于注意力的模块，利用多个同源模板提高了蛋白质结构预测的精度	NA	提高蛋白质结构预测的准确性	蛋白质结构预测	机器学习	NA	深度学习	Res2Net	蛋白质结构数据	161个目标
14960	2024-10-01	Detecting Parkinson Disease Using a Web-Based Speech Task: Observational Study 2021-10-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26305 PMID:34665148	研究论文	本文提出了一种基于网络的语音任务框架，用于检测帕金森病	利用网络平台收集语音数据，并通过机器学习算法进行分析，实现远程帕金森病的筛查	数据主要来自美国，且部分数据质量较低，可能影响模型的泛化能力	开发一种便捷的远程筛查工具，帮助全球范围内的人们检测帕金森病	帕金森病患者和非患者的语音数据	机器学习	帕金森病	机器学习算法	XGBoost	语音数据	726名参与者，其中262名帕金森病患者，464名非患者，平均年龄61岁