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
15181	2024-10-05	Opportunities and challenges of artificial intelligence and distributed systems to improve the quality of healthcare service 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102779 PMID:38462281	综述	本文综述了机器学习、深度学习和分布式系统在提升医疗服务质量中的应用	本文填补了关于机器学习、深度学习和分布式系统在医疗领域应用的综合性综述的空白	本文主要关注现有技术的综述，未涉及具体的技术实现或实验验证	探讨人工智能和分布式系统在提升医疗服务质量中的机遇与挑战	机器学习、深度学习和分布式系统在医疗领域的应用	机器学习	心血管疾病	机器学习、深度学习、分布式系统	卷积神经网络（CNN）、长短期记忆网络（LSTM）、浅层学习网络	NA	NA
15182	2024-10-05	Multi input-Multi output 3D CNN for dementia severity assessment with incomplete multimodal data 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102774 PMID:38462278	研究论文	本文提出了一种多输入-多输出3D卷积神经网络，用于处理不完整的多模态数据进行痴呆严重程度评估	提出的网络能够处理不完整的多模态数据，即在一种图像模态缺失的情况下仍能进行评估	NA	研究多模态深度学习方法在痴呆严重程度评估中的应用	阿尔茨海默病患者的痴呆严重程度	计算机视觉	神经退行性疾病	深度学习	3D卷积神经网络	图像	使用了OASIS-3数据集进行实验
15183	2024-10-05	Development and validation of a deep interpretable network for continuous acute kidney injury prediction in critically ill patients 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102785 PMID:38462285	研究论文	本研究开发并验证了一种深度可解释网络，用于在重症患者中连续预测急性肾损伤（AKI）的风险	本研究创新性地设计了DeepAKI模型，采用挤压激励网络和膨胀因果卷积的基本框架，并利用集成梯度方法解释预测模型	深度学习模型在实际临床环境中的泛化能力存在潜在威胁	开发一种能够在重症患者中实时连续预测24小时急性肾损伤风险的深度可解释网络，并评估其内外部性能	重症患者的急性肾损伤风险	机器学习	肾脏疾病	挤压激励网络、膨胀因果卷积	CNN	电子健康记录	共21,163名患者的数据用于模型构建，3025名患者和2625名患者分别用于外部验证
15184	2024-10-05	An interpretable dual attention network for diabetic retinopathy grading: IDANet 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102782 PMID:38462283	研究论文	提出了一种可解释的双注意力网络IDANet，用于糖尿病视网膜病变分级	采用双向空间和通道并行注意力机制，提取细粒度DR分级的判别特征	未提及具体局限性	提高糖尿病视网膜病变分级的准确性和可解释性	糖尿病视网膜病变及其微小病变	计算机视觉	糖尿病视网膜病变	双向空间和通道并行注意力机制	CNN	图像	四个广泛使用的基准数据集
15185	2024-10-05	NPB-REC: A non-parametric Bayesian deep-learning approach for undersampled MRI reconstruction with uncertainty estimation 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102798 PMID:38462289	研究论文	本文介绍了一种非参数贝叶斯深度学习方法NPB-REC，用于从欠采样的MRI数据中重建高质量图像并估计不确定性	提出了NPB-REC框架，结合随机梯度Langevin动力学训练网络参数的后验分布，提高了图像重建质量和不确定性估计的准确性	未提及	提高MRI时间分辨率和减少采集时间，同时量化重建图像的不确定性	欠采样的MRI数据	计算机视觉	NA	随机梯度Langevin动力学	非参数贝叶斯框架	MRI图像	多线圈MRI数据集，来自fastMRI挑战赛
15186	2024-10-05	DISCOVER: 2-D multiview summarization of Optical Coherence Tomography Angiography for automatic diabetic retinopathy diagnosis 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102803 PMID:38462293	研究论文	本文研究了使用光学相干断层扫描血管造影（OCTA）进行糖尿病视网膜病变（DR）自动诊断的方法	提出了两种互补的策略来优化OCTA体积的2D图像摘要：通过深度学习优化的参数化正面投影和基于梯度归因的横截面切片选择过程	NA	研究自动DR严重程度评估方法	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	神经网络	图像	NA
15187	2024-10-05	Scalable Swin Transformer network for brain tumor segmentation from incomplete MRI modalities 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102788 PMID:38462288	研究论文	本文提出了一种名为IMS2Trans的新型轻量级可扩展Swin Transformer网络，用于从不完全的MRI模态中进行脑肿瘤分割	利用单一编码器从所有可用模态中提取潜在特征图，实现了模态间的高效信息共享和融合，即使在存在缺失模态的情况下也能保持分割性能	未提及	提高在不完全MRI模态下脑肿瘤分割的准确性和效率	脑肿瘤分割	计算机视觉	脑肿瘤	MRI	Swin Transformer	图像	BraTS 2018和BraTS 2020数据集
15188	2024-10-05	Improving deep-learning electrocardiogram classification with an effective coloring method 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102809 PMID:38462295	研究论文	本文提出了一种通过颜色化技术将患者病历中的临床信息整合到心电图分类中的创新方法	通过颜色化技术将人口统计信息映射到RGB颜色空间，增强了心电图分析的准确性	NA	提高心电图分类的准确性，支持精准医疗	心电图分类	机器学习	心血管疾病	颜色化技术	深度学习模型	心电图数据	PTB-XL数据集
15189	2024-10-05	End-to-end Deep Learning Restoration of GLCM Features from blurred and noisy images 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006205 PMID:39239466	研究论文	本文提出了一种端到端的深度学习算法，用于从模糊和噪声图像中恢复灰度共生矩阵（GLCM）特征	开发了一种双域深度学习算法，通过两个U-Net网络和一个可微分的GLCM估计器来恢复图像和GLCM特征	NA	解决放射组学模型在不同扫描仪和成像条件下特征值变异性问题，提高模型的泛化能力	肺部CT图像块	计算机视觉	NA	深度学习	U-Net	图像	NA
15190	2024-10-05	Developing a deep learning model for sleep stage prediction in obstructive sleep apnea cohort using 60 GHz frequency-modulated continuous-wave radar 2024-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.14050 PMID:37752626	研究论文	本研究利用60 GHz调频连续波雷达和注意力机制的双向长短期记忆模型，对阻塞性睡眠呼吸暂停患者的睡眠阶段进行预测	首次使用60 GHz调频连续波雷达结合注意力机制的双向长短期记忆模型进行睡眠阶段预测，并展示了多雷达数据结合的优势	模型性能随OSA严重程度增加而下降，但通过增加雷达数据可以部分缓解	开发一种非侵入性且成本效益高的睡眠阶段预测方法，以替代传统的多导睡眠图分类	阻塞性睡眠呼吸暂停患者的睡眠阶段	机器学习	阻塞性睡眠呼吸暂停	60 GHz调频连续波雷达	注意力机制的双向长短期记忆模型	雷达数据	78名阻塞性睡眠呼吸暂停患者
15191	2024-10-05	Segmentation study of nanoparticle topological structures based on synthetic data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311228 PMID:39356683	研究论文	本文提出了一种基于合成数据的纳米颗粒拓扑结构分割方法，旨在解决材料领域数据量小的问题	通过结合渲染软件生成的合成数据与15%的真实数据，显著提高了深度学习模型的训练效果	仅使用了15%的真实数据，可能影响模型在真实场景中的泛化能力	解决材料科学领域数据量小的问题，提高纳米颗粒拓扑结构分割的准确性	纳米颗粒的拓扑结构	计算机视觉	NA	深度学习	U-Net	图像	合成数据与15%的真实数据
15192	2024-10-05	Towards automatic farrowing monitoring-A Noisy Student approach for improving detection performance of newborn piglets 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310818 PMID:39356687	研究论文	本文提出了一种基于Noisy Student方法的自动生成标注信息的技术，用于提高新生猪仔检测模型的性能	采用Noisy Student方法自动生成标注信息，减少了手动标注的成本和时间消耗	NA	提高新生猪仔检测模型的性能，以支持分娩监控系统的改进	新生猪仔和母猪的身体部位	计算机视觉	NA	Noisy Student方法	教师-学生模型	图像	NA
15193	2024-10-05	Deep learning enabled label-free microfluidic droplet classification for single cell functional assays 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1468738 PMID:39359262	研究论文	本文开发了一种基于ResNet-50深度学习模型的无标签微流控液滴分类方法，用于单细胞功能分析	该模型能够在包含非细胞结构的液滴中准确分类细胞数量，适用于多种细胞类型，具有广泛的应用前景	NA	开发一种高效准确的液滴分类方法，用于单细胞功能分析	微流控液滴中的细胞数量分类	计算机视觉	NA	深度学习	ResNet-50	图像	NA
15194	2024-10-05	Game-Based Learning in Neuroscience: Key Terminology, Literature Survey, and How To Guide to Create a Serious Game 2023-Dec-22, Neurology. Education DOI:10.1212/NE9.0000000000200103 PMID:39359316	研究论文	本文综述了基于游戏的学习（GBL）在神经科学教育中的应用现状，并提供了创建严肃游戏的指南	本文首次系统地综述了GBL在神经科学教育中的应用，并提供了创建教育游戏的实用建议	本文主要基于文献综述，未涉及具体的游戏开发实践	探讨基于游戏的学习在神经科学教育中的应用潜力	神经科学教育中的游戏元素、游戏化、严肃游戏和GBL	教育技术	NA	NA	NA	文本	NA
15195	2024-10-05	Validity of Neural Networks to Determine Body Position on the Bicycle 2023-12, Research quarterly for exercise and sport IF:1.4Q3 DOI:10.1080/02701367.2022.2070103 PMID:35575754	研究论文	本研究评估了两种深度学习方法（MSRA和OpenPose）在自行车上自动估计人体关节角度以确定身体位置的有效性	本研究首次比较了两种深度学习方法在自行车上自动估计人体关节角度的准确性	研究仅在一个静止的自行车上进行，且样本量较小，可能限制了结果的普适性	评估神经网络在自行车上自动估计人体关节角度以确定身体位置的有效性	自行车上的身体位置和关节角度	计算机视觉	NA	深度学习	神经网络	视频	14名自行车手
15196	2024-10-05	Direct prediction of gas adsorption via spatial atom interaction learning 2023-Nov-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42863-6 PMID:37923711	研究论文	本文介绍了一种名为DeepSorption的空间原子相互作用学习网络，用于直接预测气体吸附	提出了DeepSorption模型，通过考虑全局结构和局部空间原子相互作用，实现了对晶体多孔材料吸附性能的准确、快速预测	NA	开发一种能够快速准确预测晶体多孔材料气体吸附性能的深度学习模型	晶体多孔材料的气体吸附性能	机器学习	NA	深度学习	Matformer	原子坐标和化学元素类型信息	NA
15197	2024-10-05	An invertible, invariant crystal representation for inverse design of solid-state materials using generative deep learning 2023-Nov-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42870-7 PMID:37919277	研究论文	本文介绍了一种可逆且不变的晶体表示方法SLICES，用于固态材料的逆向设计	开发了一种名为SLICES的简化线输入晶体编码系统，解决了固态材料设计中缺乏可逆晶体表示的问题	NA	解决固态材料设计中缺乏可逆晶体表示的问题，并应用于光电应用中的直接窄带隙半导体逆向设计	固态材料及其结构排列	材料科学	NA	生成式深度学习	NA	晶体结构数据	超过40,000种结构和化学多样化的晶体结构
15198	2024-10-05	Image harmonization and deep learning automated classification of plus disease in retinopathy of prematurity 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.061107 PMID:37794884	研究论文	本文开发了一种基于深度学习的方法，用于自动分类早产儿视网膜病变中的plus疾病，并使用智能手机摄像头获取的图像进行图像协调	本文创新性地使用智能手机摄像头和廉价镜头获取眼底图像，并通过预处理管道增强血管和协调图像，然后使用深度学习进行分类	研究结果基于有限的数据集，未来需要更大规模的数据集进行验证	开发一种能够使用智能手机图像进行plus疾病分期的算法和软件	早产儿视网膜病变中的plus疾病	计算机视觉	眼科疾病	深度学习	GoogLeNet	图像	有限的数据集
15199	2024-10-05	Hybrid deep learning model based smart IOT based monitoring system for Covid-19 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e21150 PMID:37928011	研究论文	本文设计了一种基于物联网的智能健康监测系统，用于监测COVID-19患者的生理参数，并提出了一种基于循环卷积神经网络（RCNN）和拼图优化算法（PO）的分类方法	本文提出了一种创新的循环卷积神经网络（RCNN）和拼图优化算法（PO）的混合模型，用于分类和监测患者的生理参数	NA	设计一种基于物联网的智能健康监测系统，用于远程监测COVID-19患者的生理参数	COVID-19患者的生理参数，如血氧水平、血压、体温和心率	机器学习	COVID-19	物联网（IoT）	循环卷积神经网络（RCNN）	生理参数数据	NA
15200	2024-10-05	3D multiplexed tissue imaging reconstruction and optimized region of interest (ROI) selection through deep learning model of channels embedding 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1275402 PMID:37928169	研究论文	本文提出了一种深度学习方法，用于从多通道图像中重建3D组织图像并优化感兴趣区域（ROI）的选择	本文的创新点在于使用生成模型重建3D CyCIF表示，并通过跨域翻译学习多模态映射，以实现最小代表性ROI的选择	本文的局限性在于处理大量组织切片时的高成本和时间消耗，以及ROI选择的定性和主观性	本文的研究目的是解决肿瘤异质性问题，通过深度学习方法优化组织图像的重建和感兴趣区域的选择	本文的研究对象是结直肠癌的组织图像和多通道图像	数字病理学	结直肠癌	深度学习	生成模型	图像	NA