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
15281	2024-09-29	CinE caRdiac magneTic resonAnce to predIct veNTricular arrhYthmia (CERTAINTY) 2021-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02111-7 PMID:34811411	研究论文	研究利用心脏磁共振成像（CMR）和深度学习模型预测心室心律失常（VA）的风险	开发了一种新的深度学习模型，通过心脏磁共振成像提取心脏结构和功能特征，以预测心室心律失常的风险	需要多中心参与进行外部验证	开发更好的模型来识别低风险心室心律失常的患者，以减少植入式心脏复律除颤器（ICD）相关并发症的风险	心室心律失常的风险预测	机器学习	心血管疾病	心脏磁共振成像（CMR）	神经网络	图像	350名主要预防性ICD接受者，其中97名女性，中位年龄59岁，178名患有缺血性心肌病
15282	2024-09-29	Neural Decoding of EEG Signals with Machine Learning: A Systematic Review 2021-Nov-18, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11111525 PMID:34827524	综述	本文系统综述了机器学习和深度学习在脑电信号解码和分类中的应用	本文总结了最新的机器学习和深度学习模型在脑电信号处理中的应用，并提供了特征提取和分类器的推荐	本文主要基于文献综述，未进行新的实验或数据分析	系统综述机器学习和深度学习在脑电信号解码和分类中的最新进展	脑电信号的解码和分类	机器学习	NA	脑电图 (EEG)	卷积神经网络 (CNN), 支持向量机 (SVM)	脑电信号	NA
15283	2024-09-29	Wound Size Imaging: Ready for Smart Assessment and Monitoring 2021-11, Advances in wound care IF:5.8Q1 DOI:10.1089/wound.2018.0937 PMID:32320356	研究论文	本文介绍并评估了用于伤口尺寸成像的新兴设备和模式，以及用于智能伤口评估和监测的有前景的图像处理工具	本文引入了低成本设备和机器学习技术，使伤口评估更加稳健和准确，并结合多种成像模式和机器学习，实现了智能伤口监测	NA	研究目的是评估新兴设备和图像处理工具在智能伤口评估和监测中的应用	研究对象是伤口尺寸成像设备和图像处理工具	计算机视觉	NA	机器学习	NA	图像	NA
15284	2024-09-29	Importance of the 5' regulatory region to bacterial synthetic biology applications 2021-11, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.13868 PMID:34171170	综述	本文综述了细菌合成生物学中5'调控区域（包括启动子、非翻译区域和编码序列的5'端）的创建方法及其在基因表达调控和化合物合成中的重要性	本文总结了细菌合成生物学中5'调控区域创建方法的最新进展，并讨论了其在细菌工程中的重要性	本文主要讨论了现有方法的优缺点，但未提出新的解决方案或技术	探讨细菌合成生物学中5'调控区域的创建方法及其在基因表达调控和化合物合成中的应用	细菌合成生物学中的5'调控区域（启动子、非翻译区域和编码序列的5'端）	合成生物学	NA	NA	NA	NA	NA
15285	2024-09-29	Ensemble of Deep Learning Models for Sleep Apnea Detection: An Experimental Study 2021-Aug-11, Sensors (Basel, Switzerland) DOI:10.3390/s21165425 PMID:34450866	研究论文	本文研究了使用不同集成技术结合三种深度学习模型（两个CNN模型和一个CNN与LSTM结合模型）进行阻塞性睡眠呼吸暂停（OSA）检测的实验	本文采用了四种集成技术（多数投票、求和规则、Choquet积分模糊融合和基于MLP的可训练集成），并在PhysioNet Apnea-ECG数据库上进行了实验，最终实现了85.58%的OSA检测准确率，超越了许多现有方法	NA	研究阻塞性睡眠呼吸暂停（OSA）的检测方法	从体传感器获得的ECG信号	机器学习	NA	ECG信号分析	CNN、LSTM、MLP	ECG信号	使用PhysioNet Apnea-ECG数据库
15286	2024-09-29	Automatic Extraction of Lung Cancer Staging Information From Computed Tomography Reports: Deep Learning Approach 2021-Jul-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/27955 PMID:34287213	研究论文	本文开发了一种信息提取系统，用于从CT报告中自动提取肺癌分期相关信息	提出了一种新的关系分类方法，使用关系符号约束（RSC），并在实验中展示了其优越性	NA	自动提取CT报告中肺癌分期相关信息，以支持准确的临床分期	肺癌分期信息	计算机视觉	肺癌	深度学习	BERT	文本	392份胸部CT报告
15287	2024-09-29	Toward Patient-Specific Prediction of Ablation Strategies for Atrial Fibrillation Using Deep Learning 2021, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2021.674106 PMID:34122144	研究论文	本文提出了一种结合图像计算模型和深度学习分类器的方法，用于预测房颤患者的导管消融策略	本文的创新点在于结合了患者特异性房颤模型和深度学习技术，以提高导管消融治疗的成功率	本文的局限性在于验证准确率相对较低，且在预测肺静脉隔离策略时成功率不高	研究目的是开发一种基于深度学习的技术，用于个性化预测房颤患者的导管消融策略	研究对象是房颤患者的特异性房颤模型和导管消融策略	机器学习	心血管疾病	深度学习	CNN	图像	122个患者LGE-MRI数据图像，157个合成图像，558个导管消融模拟结果
15288	2024-09-29	The Impact of Artificial Intelligence and Deep Learning in Eye Diseases: A Review 2021, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2021.710329 PMID:34527682	综述	本文综述了人工智能和深度学习在眼科疾病中的应用及其基本原理	NA	本文讨论了将人工智能技术应用于眼科领域时出现的一些潜在挑战和局限性	探讨人工智能和深度学习在眼科疾病中的应用	常见眼科疾病	计算机视觉	NA	人工智能	深度学习	NA	NA
15289	2024-09-29	A Deep Learning and XGBoost-Based Method for Predicting Protein-Protein Interaction Sites 2021, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2021.752732 PMID:34764983	研究论文	提出了一种基于深度学习和XGBoost的蛋白质-蛋白质相互作用位点预测方法	结合深度学习和XGBoost算法，提出了一种新的蛋白质-蛋白质相互作用位点预测方法DeepPPISP-XGB	NA	预测蛋白质-蛋白质相互作用位点	蛋白质序列及其相互作用位点	机器学习	NA	深度学习, XGBoost	深度学习模型, XGBoost	蛋白质序列	NA
15290	2024-09-29	Biologically Inspired Deep Learning Model for Efficient Foveal-Peripheral Vision 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.746204 PMID:34880741	研究论文	本文提出了一种受灵长类和人类视网膜皮层映射启发的端到端神经模型，用于高效的中央凹-周边视觉	该模型采用了一种高效的采样技术来压缩视觉信号，使得场景的一小部分以高分辨率感知，而大部分视野以低分辨率维持，同时引入了一种注意力机制来模拟“眼球运动”，帮助代理从观察场景中逐步收集详细信息	NA	开发一种高效的计算模型来模拟生物学中的中央凹-周边视觉	中央凹-周边视觉的神经网络模型	计算机视觉	NA	NA	神经网络	图像和视频	NA
15291	2024-09-28	Accelerating multipool CEST MRI of Parkinson's disease using deep learning-based Z-spectral compressed sensing 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30233 PMID:39044635	研究论文	本文提出了一种基于深度学习的Z谱压缩感知方法，用于加速帕金森病多池CEST MRI扫描时间	本文创新性地提出了基于改进的一维U-Net的Z谱压缩感知方法，能够在减少扫描时间的同时保持足够的预测准确性	本文的实验主要基于数值模拟和体内大鼠脑实验，尚未在大规模人体临床试验中验证	开发一种能够减少帕金森病多池CEST MRI扫描时间并保持足够预测准确性的深度学习方法	帕金森病模型中的多池CEST MRI数据	计算机视觉	帕金森病	多池CEST MRI	一维U-Net	Z谱数据	体内大鼠脑实验
15292	2024-09-28	Enhancing SNR in CEST imaging: A deep learning approach with a denoising convolutional autoencoder 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30228 PMID:39030953	研究论文	本文提出了一种使用去噪卷积自编码器（DCAE）增强CEST成像信噪比的方法，并将其性能与现有去噪方法进行了比较	本文创新性地使用去噪卷积自编码器（DCAE）来增强CEST成像的信噪比	本文仅在模拟数据和动物肿瘤模型中验证了方法的有效性，尚未在人体临床数据中进行验证	开发一种增强CEST成像信噪比的方法，并评估其性能	CEST成像的信噪比增强	计算机视觉	NA	去噪卷积自编码器（DCAE）	卷积神经网络（CNN）	图像	模拟数据和动物肿瘤模型的活体数据
15293	2024-09-28	Physics-guided self-supervised learning for retrospective T1 and T2 mapping from conventional weighted brain MRI: Technical developments and initial validation in glioblastoma 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30226 PMID:39014982	研究论文	开发了一种自监督学习方法，用于从临床加权MRI中回顾性估计T1和T2值	利用自监督学习方法和MR物理模型，从常规加权MRI中估计T1和T2值，无需额外数据	仅在健康志愿者和胶质母细胞瘤数据集上进行了验证，未来需在更多疾病和更广泛的数据集上进行验证	开发一种自监督学习方法，用于从临床MRI中回顾性估计T1和T2值	T1和T2值的估计，以及其在脑肿瘤特征分析中的应用	计算机视觉	脑肿瘤	自监督学习	深度学习	图像	50名胶质母细胞瘤患者和健康志愿者数据
15294	2024-09-28	Improving Xenon-129 lung ventilation image SNR with deep-learning based image reconstruction 2024-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30250 PMID:39155454	研究论文	评估深度学习（DL）重建方法在提高超极化129Xe肺通气MRI信噪比（SNR）中的可行性和实用性	使用深度学习重建方法显著提高了129Xe肺通气图像的SNR，并有效保留了结构相似性	深度学习重建方法在肺通气指标上存在轻微的正偏差，这可能归因于图像锐度的差异	评估深度学习重建方法在提高129Xe肺通气MRI信噪比中的应用	哮喘和/或慢性阻塞性肺疾病（COPD）患者的129Xe肺通气MRI数据	计算机视觉	呼吸系统疾病	MRI	深度学习	图像	哮喘和/或COPD患者的数据，以及健康志愿者的数据
15295	2024-09-28	A critical review of RNN and LSTM variants in hydrological time series predictions 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102946 PMID:39324077	综述	本文综述了RNN、LSTM及其变体在水利时间序列预测中的应用	探讨了注意力机制和混合模型的集成，以提高预测精度	实际应用需要大量数据和计算资源，未来研究应开发可解释的架构并利用迁移学习	评估RNN、LSTM及其变体在水利时间序列预测中的有效性	RNN、LSTM、GRU及其在水利时间序列预测中的应用	机器学习	NA	NA	RNN、LSTM、GRU	时间序列数据	NA
15296	2024-09-28	Comprehensive stomata image dataset of Sundarbans Mangrove and Ratargul Swamp forest tree species in Bangladesh 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110908 PMID:39328967	研究论文	本文介绍了一个包含1083张图像的综合气孔图像数据集，涵盖了孟加拉国两个不同地点的11种树种	该数据集为改进专门用于检测气孔和准确分类物种的机器学习算法提供了宝贵的工具	NA	旨在通过模式识别、深度学习和特征提取技术，深入理解植物生理学、适应机制和环境相互作用	植物叶片的气孔图像	计算机视觉	NA	深度学习	NA	图像	1083张图像，涵盖11种树种
15297	2024-09-28	Dataset for image classification with knowledge 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110893 PMID:39328969	研究论文	本文介绍了一种结合先验知识的图像分类数据集	本文创新性地将先验知识与图像分类数据集结合，通过频繁闭项集挖掘创建类别及其属性，并提取先验知识规则	本文未提及具体的性能提升效果或与其他方法的比较	提升在数据量不足或细粒度分类任务中的图像分类性能	图像分类数据集及其先验知识	计算机视觉	NA	频繁闭项集挖掘	NA	图像	NA
15298	2024-09-28	Genome analysis through image processing with deep learning models 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01275-0 PMID:39085457	综述	本文综述了通过深度学习模型进行图像处理以分析基因组序列的三种典型应用	本文介绍了将基因组信息编码为图像或将图像中的空间信息整合到分析过程中的创新方法	NA	总结和评估使用图像处理和深度学习模型进行基因组分析的方法	基因组序列及其图像表示	计算机视觉	NA	深度学习	NA	图像	NA
15299	2024-09-28	Efficient HLA imputation from sequential SNPs data by transformer 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01278-x PMID:39095607	研究论文	本文提出了一种基于Transformer模型的HLA基因型推断方法HLARIMNT，通过利用SNP数据序列进行高效推断	本文创新性地使用Transformer模型进行HLA基因型推断，相较于传统的CNN模型，在推断罕见等位基因方面表现出更高的效率和准确性	本文未详细讨论HLARIMNT在不同种族群体中的适用性	开发一种高效的HLA基因型推断方法，以减少直接分型的成本和时间	HLA基因型及其与疾病的相关性	机器学习	NA	Transformer模型	Transformer	SNP数据	使用了两个参考面板：Pan-Asian参考面板（n=530）和Type 1 Diabetes genetics Consortium（T1DGC）参考面板（n=5225），以及一个合并面板（n=1060）
15300	2024-09-28	Two-stage strategy using denoising autoencoders for robust reference-free genotype imputation with missing input genotypes 2024-Oct, Journal of human genetics IF:2.6Q2 DOI:10.1038/s10038-024-01261-6 PMID:38918526	研究论文	本文提出了一种基于去噪自编码器的两阶段策略，用于在没有参考基因组的情况下进行稳健的基因型填补	本文提出了一种新的两阶段填补策略，通过使用去噪自编码器处理缺失的基因型数据，提高了RNN-IMP模型的填补准确性	RNN-IMP模型对输入基因型中的缺失值敏感	开发一种无需参考基因组且具有高填补准确性的基因型填补方法	基因型填补方法的性能评估	机器学习	NA	深度学习	RNN-IMP	基因型数据	1000 Genomes Project Phase 3数据集和相应的模拟Omni2.5 SNP基因型数据