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
15061	2024-09-30	FineTea: A Novel Fine-Grained Action Recognition Video Dataset for Tea Ceremony Actions 2024-Aug-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090216 PMID:39330436	研究论文	本文构建了一个细粒度视频动作数据集FineTea，用于茶道动作的细粒度分析，并提出了一种名为TSM-ConvNeXt的方法来改进细粒度动作识别	提出了TSM-ConvNeXt方法，结合TSM和高性能卷积神经网络ConvNeXt，显著提升了细粒度动作识别的性能	NA	促进细粒度动作识别的发展	茶道动作的细粒度分析	计算机视觉	NA	卷积神经网络	TSM-ConvNeXt	视频	2745个视频片段
15062	2024-09-30	Anterior Cruciate Ligament Tear Detection Based on T-Distribution Slice Attention Framework with Penalty Weight Loss Optimisation 2024-Aug-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090880 PMID:39329622	研究论文	本研究提出了一种基于T分布切片注意力框架和惩罚权重损失优化的前交叉韧带撕裂检测方法	本研究创新性地结合了T分布切片注意力机制和惩罚权重损失函数，显著提高了前交叉韧带撕裂检测的分类准确性	NA	提高前交叉韧带撕裂检测的准确性和诊断性能	前交叉韧带撕裂	计算机视觉	运动损伤	深度学习	CNN	图像	NA
15063	2024-09-30	Electroretinogram Analysis Using a Short-Time Fourier Transform and Machine Learning Techniques 2024-Aug-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090866 PMID:39329608	研究论文	本研究通过短时傅里叶变换和机器学习技术优化了电生理图波形信号的分类	本研究展示了使用Visual Transformer架构和Hamming窗口函数在电生理图信号分类中的优势，并推荐了RF算法用于手动特征提取的场景	NA	优化电生理图波形信号的分类方法	电生理图信号	机器学习	NA	短时傅里叶变换	Visual Transformer	信号	NA
15064	2024-09-30	Artificial Intelligence for Predicting the Aesthetic Component of the Index of Orthodontic Treatment Need 2024-Aug-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11090861 PMID:39329602	研究论文	本研究利用人工智能自动化评估正畸治疗需求指数的美观成分	开发了基于深度学习的算法，能够根据IOTN-AC参考标准预测治疗需求，为临床评估牙齿美观提供辅助	所有其他方案提供的权衡较差，且在省略overjet值和数据集补充后的结果不一	使用人工智能自动化评估正畸治疗需求指数的美观成分	正畸治疗需求指数的美观成分评估	机器学习	NA	深度学习	深度学习算法	图像	1009张预治疗正面口腔内照片
15065	2024-09-30	Beyond Nyquist: A Comparative Analysis of 3D Deep Learning Models Enhancing MRI Resolution 2024-Aug-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10090207 PMID:39330427	研究论文	本文比较了多种3D深度学习模型在提高MRI分辨率方面的性能	本文首次系统比较了多种先进的3D卷积神经网络模型在超分辨率MRI任务中的表现	研究仅使用了IXI数据集的结构图像，且数据是通过人工下采样生成的低分辨率MRI	旨在通过比较不同3D深度学习模型，找到在超分辨率MRI任务中性能和鲁棒性最佳的模型	3D卷积神经网络模型在超分辨率MRI任务中的性能	计算机视觉	NA	深度学习	3D卷积神经网络	图像	使用了IXI数据集的结构图像，数据通过人工下采样生成低分辨率MRI
15066	2024-09-30	An explainable ensemble approach for advanced brain tumor classification applying Dual-GAN mechanism and feature extraction techniques over highly imbalanced data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310748 PMID:39331600	研究论文	本文提出了一种可解释的集成方法，用于高度不平衡数据上的高级脑肿瘤分类，结合了Dual-GAN机制和特征提取技术	本文提出了一个新颖的深度集成特征提取（DeepEFE）框架，结合Dual-GAN机制和多种特征提取方法，显著提高了分类准确性和可解释性	NA	提高脑肿瘤分类的准确性和可解释性，促进其在临床实践中的应用	脑肿瘤的分类和特征提取	计算机视觉	脑肿瘤	Dual-GAN机制和特征提取技术	深度学习模型	医学影像数据（如MRI扫描）	高度不平衡的数据集，良性肿瘤数量远多于恶性肿瘤
15067	2024-09-30	Domain affiliated distilled knowledge transfer for improved convergence of Ph-negative MPN identifier 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303541 PMID:39331624	研究论文	本文提出了一种利用从大规模数据集中提取的知识来提升轻量级模型在罕见疾病Ph-negative MPN识别中的性能的方法	本文创新性地使用了知识蒸馏技术，将从大规模数据集中学习到的知识转移到轻量级模型中，以解决数据稀缺问题	研究仅在300张图像的小数据集上进行验证，可能无法完全代表所有Ph-negative MPN病例	旨在通过知识蒸馏技术提升轻量级模型在Ph-negative MPN识别中的性能	Ph-negative MPN疾病的诊断	计算机视觉	血液病	知识蒸馏	CNN	图像	300张Ph-negative MPN图像
15068	2024-09-30	Cascaded convolutional networks for unsupervised brain tissue segmentation and bias field estimation 2023-Aug, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2676893 PMID:38250086	研究论文	本文提出了一种基于级联卷积网络的无监督脑组织分割和偏置场估计方法	本文的创新点在于开发了一种无监督深度学习模型，通过级联卷积网络同时进行脑组织分割和偏置场估计，利用大量未标记的脑成像数据	本文的局限性在于仅在HCP-Aging和HCP-Development数据集上进行了评估，可能需要进一步验证其在其他数据集上的性能	本文的研究目的是利用无监督学习方法提高脑组织分割和偏置场估计的性能	本文的研究对象是脑组织分割和偏置场估计	计算机视觉	NA	深度学习	级联卷积网络	图像	在HCP-Aging和HCP-Development数据集上进行了评估
15069	2024-09-30	Searching for protein variants with desired properties using deep generative models 2023-Jul-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05415-9 PMID:37480001	研究论文	本文提出了一种时间变分自编码器（T-VAE）模型，用于改进对较长蛋白质序列的表示学习能力，并生成与原始序列相似的变体	本文创新性地提出了时间变分自编码器（T-VAE）模型，通过扩展网络结构中神经元的感受野，提高了对较长序列的编码表示能力	NA	改进现有深度学习模型在捕捉较长蛋白质序列中氨基酸位点关系方面的能力，并利用潜在空间中的位置关系直接搜索性能更好的变体	蛋白质序列及其变体	机器学习	NA	深度学习	变分自编码器（VAE）	序列	NA
15070	2024-09-30	Leveraging natural language processing to augment structured social determinants of health data in the electronic health record 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad073 PMID:37130345	研究论文	本文开发了一种自然语言处理信息提取模型，用于从电子健康记录中的临床笔记中捕获详细的社交决定因素健康信息，并评估了将其与现有结构化数据结合后的信息增益	本文提出了一种新的深度学习实体和关系提取架构，用于从临床笔记中提取详细的社交决定因素健康信息	NA	开发和评估一种自然语言处理模型，用于从电子健康记录中的临床笔记中提取详细的社交决定因素健康信息，并评估其与现有结构化数据的结合效果	社交决定因素健康信息	自然语言处理	NA	深度学习	实体和关系提取架构	文本	225,089名患者和430,406份包含社会历史部分的临床笔记
15071	2024-09-30	Distinct brain morphometry patterns revealed by deep learning improve prediction of aphasia severity 2023-Jul-03, Research square DOI:10.21203/rs.3.rs-3126126/v1 PMID:37461696	研究论文	本文探讨了深度学习结合卷积神经网络（CNN）在全脑形态测量和病变解剖学数据上预测慢性中风患者失语症严重程度的能力	本文首次展示了CNN在识别个体化三维萎缩模式方面的优势，显著提高了失语症严重程度的预测准确性	本文仅限于慢性中风患者的研究，未来研究需扩展到其他类型中风患者	研究深度学习技术在预测失语症严重程度方面的应用	慢性中风患者的失语症严重程度	计算机视觉	中风	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	231名慢性中风患者
15072	2024-09-30	PPAD: a deep learning architecture to predict progression of Alzheimer's disease 2023-06-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad249 PMID:37387135	研究论文	本文提出了一种基于深度学习的架构，用于预测阿尔茨海默病的进展	本文提出了两种基于RNN的深度学习架构，即PPAD和PPAD-Autoencoder，用于早期预测从轻度认知障碍到阿尔茨海默病的转换，并解决了电子健康记录数据中时间间隔不规则的问题	NA	开发早期预测轻度认知障碍患者转换为阿尔茨海默病的方法	轻度认知障碍患者和阿尔茨海默病	机器学习	阿尔茨海默病	RNN	RNN	电子健康记录	使用了阿尔茨海默病神经影像学倡议和国家阿尔茨海默病协调中心的数据集
15073	2024-09-30	Breast Cancer Classification through Meta-Learning Ensemble Technique Using Convolution Neural Networks 2023-Jun-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13132242 PMID:37443636	研究论文	本研究旨在通过元学习集成技术和卷积神经网络开发高效准确的乳腺癌分类模型	采用元学习集成技术、迁移学习和数据增强等先进技术，结合多个卷积神经网络，提高乳腺癌图像分类的准确性	NA	开发一种能够准确分类乳腺癌超声图像中良性或恶性病变的模型	乳腺癌超声图像数据集中的病变分类	计算机视觉	乳腺癌	元学习集成技术、迁移学习、数据增强	卷积神经网络（CNN）	图像	乳腺癌超声图像数据集（BUSI）
15074	2024-09-30	Fusion of visible and thermal images improves automated detection and classification of animals for drone surveys 2023-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37295-7 PMID:37369669	研究论文	本文研究了通过无人机获取的可见光和热成像图像的融合方法，以提高动物检测和分类的自动化程度	本文首次比较了八种图像融合方法，并结合两种监督深度学习模型，评估了其在检测和分类白尾鹿、家牛和家马中的应用效果	图像融合对家牛和家马的改进有限，可能是因为这些物种的体型、形状和颜色使其在背景中较为显眼	研究如何通过图像融合技术提高无人机在动物监测中的自动化检测和分类能力	白尾鹿、家牛和家马	计算机视觉	NA	图像融合	深度学习模型	图像	涉及白尾鹿、家牛和家马的图像数据
15075	2024-09-30	Recent Advances in Deep Learning and Medical Imaging for Head and Neck Cancer Treatment: MRI, CT, and PET Scans 2023-Jun-21, Cancers IF:4.5Q1 DOI:10.3390/cancers15133267 PMID:37444376	综述	本文综述了深度学习技术在头颈癌影像分析中的应用，重点介绍了肿瘤检测、分割、分类和响应预测	本文讨论了卷积自编码器、生成对抗网络（GANs）和变压器模型等先进深度学习技术，并探讨了深度学习与传统影像技术在癌症管理中的互补作用	本文指出了标准化、算法可解释性和临床验证等挑战，以及模型在不同影像模态和肿瘤类型中的泛化能力和人类专业知识在AI时代的作用等关键差距和争议	本文旨在鼓励深度学习在头颈癌管理中的应用，以最终提高患者护理和治疗效果	头颈癌的影像分析	计算机视觉	头颈癌	深度学习	卷积自编码器、生成对抗网络（GANs）、变压器模型	影像	NA
15076	2024-09-30	Improve the performance of CT-based pneumonia classification via source data reweighting 2023-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-35938-3 PMID:37296239	研究论文	本文提出了一种基于源数据重加权的方法，通过优化CT图像数据来提高肺炎分类的性能	本文创新性地提出了一种三层优化方法，利用源域的CT数据来缓解目标域中标注CT扫描数据的缺乏问题，并通过自动识别和降低低质量源数据的权重来提高模型性能	本文未详细讨论该方法在不同数据集上的泛化能力	旨在通过优化CT图像数据来提高肺炎分类的准确性和效率	研究对象为基于CT图像的肺炎分类	计算机视觉	肺炎	NA	NA	图像	目标数据集包含2218个CT扫描，源数据集包含349个CT图像
15077	2024-09-30	Recent Advances in Melanoma Diagnosis and Prognosis Using Machine Learning Methods 2023-06, Current oncology reports IF:4.7Q1 DOI:10.1007/s11912-023-01407-3 PMID:37000340	综述	总结了人工智能和机器学习在黑色素瘤诊断和管理中的当前作用和状态	深度学习算法能够从临床、皮肤镜和全切片病理图像中识别黑色素瘤，准确性不断提高	需要更高质量的输入数据以进一步提高模型的能力	总结人工智能和机器学习在黑色素瘤诊断和管理中的应用	黑色素瘤的诊断和管理	机器学习	皮肤癌	深度学习	深度学习算法	图像	NA
15078	2024-09-30	A systematic review of biologically-informed deep learning models for cancer: fundamental trends for encoding and interpreting oncology data 2023-May-15, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05262-8 PMID:37189058	综述	本文系统回顾了生物学启发的深度学习模型在癌症研究中的应用，重点关注多组学分析和模型的可解释性	提出了生物中心可解释性的概念，并讨论了其在深度学习模型中的应用	文章主要集中在现有模型的回顾和分析，未提出具体的创新模型或方法	探讨深度学习模型在癌症生物学中的应用，特别是如何整合先验生物学知识和提高模型的可解释性	深度学习模型在癌症研究中的应用，特别是多组学分析和模型的可解释性	机器学习	癌症	深度学习	NA	多组学数据	42项研究
15079	2024-09-30	When Machine Learning and Deep Learning Come to the Big Data in Food Chemistry 2023-May-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c07722 PMID:37179635	综述	本文综述了食品化学领域中大数据与人工智能方法的应用	探讨了机器学习和深度学习在食品数据库分析中的应用	NA	展示食品数据库与人工智能结合在食品科学和化学中的潜力	食品成分、风味和化学化合物数据库	机器学习	NA	机器学习、深度学习	NA	数据库	NA
15080	2024-09-30	A Deep Learning-Driven Self-Conscious Distributed Cyber-Physical System for Renewable Energy Communities 2023-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s23094549 PMID:37177753	研究论文	研究了基于深度学习的自感知分布式信息物理系统，用于可再生能源社区的能源管理	提出了能量感知的边缘到云架构模型和技术，创新了机器学习算法用于动态重新分配和重新配置能源资源	NA	开发能量感知的架构模型和边缘/云计算技术，设计下一代AI驱动的自感知物联网扩展DCPS	可再生能源社区的能量感知DCPS	机器学习	NA	深度学习	NA	NA	NA