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
15581	2024-09-27	Federated Transfer Learning for Low-dose PET Denoising: A Pilot Study with Simulated Heterogeneous Data 2023-Mar, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2022.3194408 PMID:37789946	研究论文	本文提出了一种联邦迁移学习框架，用于低剂量PET去噪，通过模拟异构数据进行实验	本文创新性地将联邦迁移学习应用于低剂量PET去噪，解决了不同机构间数据分布不一致的问题	本文仅在模拟数据上进行了实验，尚未在真实临床数据上验证	旨在开发一种能够在不同机构间利用异构低剂量PET数据进行去噪的方法	低剂量PET图像的去噪	计算机视觉	NA	联邦学习	迁移学习	图像	模拟的多机构数据
15582	2024-09-27	Retracted: The Use of Deep Learning Model for Effect Analysis of Conventional Friction Power Confinement 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/9817901 PMID:37771401	correction	该文章已被撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15583	2024-09-27	Quantitative approaches for decoding the specificity of the human T cell repertoire 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1228873 PMID:37781387	综述	本文综述了用于解码人类T细胞受体（TCR）特异性的定量方法	本文介绍了当前用于预测TCR-pMHC相互作用的高通量免疫学和结构评估数据，并探讨了各种统计学习方法的应用	本文主要讨论了现有方法的数学方法、预测性能和局限性，未提出新的技术或模型	探讨当前用于识别TCR-pMHC识别对的理论、计算和深度学习方法	T细胞受体（TCR）与肽-主要组织相容性复合物（pMHC）的相互作用	机器学习	NA	统计学习	NA	蛋白质序列和结构数据	NA
15584	2024-09-27	Global research of artificial intelligence in strabismus: a bibliometric analysis 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1244007 PMID:37799591	研究论文	本文使用文献计量学方法分析了全球范围内人工智能在斜视领域的研究成果	本文首次使用文献计量学方法全面分析了人工智能在斜视领域的研究趋势和热点	研究仅基于Web of Science数据库，可能存在数据不全的问题	分析全球范围内人工智能在斜视领域的研究趋势和热点	人工智能在斜视领域的研究文献	机器学习	NA	文献计量学	NA	文本	146篇相关文献
15585	2024-09-27	Automatic sleep staging by a hybrid model based on deep 1D-ResNet-SE and LSTM with single-channel raw EEG signals 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1561 PMID:37810362	研究论文	本文提出了一种基于深度1D-ResNet-SE和LSTM的混合模型，用于使用单通道原始EEG信号进行自动睡眠分期	提出了一个轻量级的序列到序列深度学习模型1D-ResNet-SE-LSTM，结合了卷积神经网络和长短期记忆网络，以克服梯度消失和爆炸问题，并提高EEG信号的特征表示能力	模型是序列到序列网络，需要输入EEG时段序列；损失函数中的权重系数可以进一步优化以平衡每个睡眠阶段的分类性能；除了通道注意力机制外，引入更多高级注意力机制可以增强模型的有效性	开发一种自动睡眠分期模型，以提高睡眠质量评估和睡眠障碍诊断的效率	使用单通道原始EEG信号进行睡眠分期	机器学习	NA	深度学习	1D-ResNet-SE-LSTM	信号	Sleep-EDF Expanded数据集包含153个夜间PSG记录，来自78名健康受试者；ISRUC-Sleep数据集包含100个PSG记录，来自100名患有各种睡眠障碍的受试者
15586	2024-09-27	Selecting the best optimizers for deep learning-based medical image segmentation 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1175473 PMID:37810757	研究论文	本文探讨了在医学图像分割中，深度学习模型的最佳优化器选择	提出了基于Nesterov加速梯度优化器的新优化函数，结合了循环学习和最优学习率与动量率	NA	探索医学图像分割中深度学习模型的最佳优化器，并提供有效的优化策略指导	医学图像分割中的优化器选择	计算机视觉	NA	深度学习	CNN	图像	使用了MICCAI 2017 ACDC挑战赛的心脏影像数据集
15587	2024-09-27	Retracted: Big Data Analysis of Benign Interaction of Great Power Relations and New International Relations Based on Deep Learning 2023, Journal of environmental and public health DOI:10.1155/2023/9763601 PMID:37811409	correction	该文章已被撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15588	2024-09-27	Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification" 2023, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0011 PMID:37849679	correction	对文章《一种低成本高性能的深度学习皮肤病变分类数据增强方法》的勘误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15589	2024-09-27	A dynamic graph convolutional neural network framework reveals new insights into connectome dysfunctions in ADHD 2022-02-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118774 PMID:34861391	研究论文	提出了一种动态图卷积神经网络框架，用于揭示注意力缺陷多动障碍（ADHD）中的连接组功能障碍	引入了一种新的动态图卷积网络（dGCN），并开发了一种新的卷积读出层以改进图表示，显著提高了ADHD诊断的性能	NA	设计一种能够捕捉大脑功能连接组拓扑信息的新方法，以提高ADHD的精确诊断	注意力缺陷多动障碍（ADHD）患者的大脑功能连接组	机器学习	精神疾病	功能磁共振成像（fMRI）	动态图卷积神经网络（dGCN）	图结构	NA
15590	2024-09-27	Learning to Localize Cross-Anatomy Landmarks in X-Ray Images with a Universal Model 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765095 PMID:37850187	研究论文	本文开发了一种通用的解剖标志检测模型，该模型可以从多个对应不同解剖区域的X射线图像数据集中学习	首次尝试在多个数据集上训练单一网络进行解剖标志检测，相比传统单数据集训练模型，该模型更轻量且训练更简单，同时提高了解剖标志定位的准确性	NA	开发一种能够在不同解剖区域X射线图像中准确自动定位解剖标志的通用模型	X射线图像中的解剖标志	计算机视觉	NA	深度学习	全卷积网络	图像	1710张X射线图像，包含72个解剖标志，涉及四个解剖区域
15591	2024-09-27	Virtual Staining, Segmentation, and Classification of Blood Smears for Label-Free Hematology Analysis 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9853606 PMID:37850166	研究论文	本文提出了一种基于单通道、无标记深紫外显微镜的全自动血液分析框架，用于无标记血液分析	利用深紫外显微镜的独特能力，开发了一种基于深度学习的管道，实现了虚拟染色、分割、分类和白细胞计数	NA	简化并改进当前的全血计数和血涂片分析，开发一种简单、快速、低成本的即时血液分析仪	白细胞的虚拟染色、分割、分类和计数	数字病理学	NA	深紫外显微镜	深度学习网络	图像	NA
15592	2024-09-27	Label-Free Virtual HER2 Immunohistochemical Staining of Breast Tissue using Deep Learning 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9786242 PMID:37850170	研究论文	本文介绍了一种基于深度学习的无标签虚拟HER2免疫组化染色方法	提出了一种基于条件生成对抗网络的虚拟HER2免疫组化染色方法，能够快速将未标记的乳腺组织切片的自发荧光显微图像转换为与标准化学染色相匹配的明场显微图像	需要进一步验证该方法在其他生物标志物上的适用性	开发一种无需化学处理的虚拟HER2免疫组化染色方法，以加速生物医学工作流程	乳腺组织中的HER2生物标志物	数字病理学	乳腺癌	深度学习	条件生成对抗网络	图像	NA
15593	2024-09-27	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	提出了一种低成本高性能的数据增强策略，用于基于深度学习的皮肤病变分类	该策略不仅提高了皮肤病变的分类性能，还突出了临床医生关注的潜在区域，并且可以在低资源环境下广泛应用于多种疾病的早期筛查和自动诊断	NA	开发高性能且低成本的数据增强策略，用于智能皮肤癌筛查设备	皮肤病变分类	机器学习	皮肤癌	数据增强	EfficientNets	图像	HAM10000数据集
15594	2024-09-27	Connectivity-based Cortical Parcellation via Contrastive Learning on Spatial-Graph Convolution 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9814824 PMID:37850179	研究论文	本文提出了一种基于结构连接的皮质分割框架，利用空间图卷积网络进行对比学习	提出了空间图卷积分割（SGCP）框架，通过两阶段深度学习模型进行图表示脑成像数据的分割	NA	开发和评估基于结构连接的皮质分割框架	脑皮质分割	计算机视觉	NA	空间图卷积网络	深度学习模型	图像	15个受试者的DWI数据集，用于5个脑区域的分割任务
15595	2024-09-27	Deep Learning Algorithm to Detect Cardiac Sarcoidosis From Echocardiographic Movies 2021-12-24, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0265 PMID:34176867	研究论文	开发了一种深度学习算法，用于从超声心动图电影中检测心脏肉瘤病	使用3D卷积神经网络（3D-CNN）结合迁移学习方法来区分心脏肉瘤病患者和健康受试者	研究样本量较小，且仅限于特定时间段内的患者	开发一种新的方法来早期诊断亚临床心脏肉瘤病	心脏肉瘤病患者和健康受试者	计算机视觉	心血管疾病	3D卷积神经网络（3D-CNN）	3D-CNN	视频	212个超声心动图电影，包括50名心脏肉瘤病患者和149名健康受试者
15596	2024-09-27	Deep Learning Brings New Era in Echocardiography 2021-12-24, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0663 PMID:34471070	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15597	2024-09-27	Artificial intelligence to deep learning: machine intelligence approach for drug discovery 2021-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-021-10217-3 PMID:33844136	研究论文	本文探讨了人工智能和深度学习在药物发现和开发中的应用	介绍了深度学习和机器学习算法在药物发现过程中的多种应用，如肽合成、虚拟筛选、毒性预测等	未具体提及	探讨人工智能和深度学习在药物设计和开发中的应用和潜力	药物设计和开发过程中的各种挑战和障碍	机器学习	NA	深度学习	人工神经网络、深度神经网络、支持向量机、生成对抗网络等	基因组数据、蛋白质组数据、微阵列数据、临床试验数据等	NA
15598	2024-09-27	A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises 2021-May, Proceedings of the IEEE. Institute of Electrical and Electronics Engineers DOI:10.1109/JPROC.2021.3054390 PMID:37786449	综述	本文综述了深度学习在医学影像中的应用，涵盖了影像特征、技术趋势、案例研究及未来展望	本文总结了深度学习在医学影像中的最新进展，并探讨了未来的发展方向	本文未提供详尽的文献综述，而是重点介绍了几个突出的研究亮点	探讨深度学习在医学影像中的应用及其未来发展	医学影像中的网络架构、稀疏和噪声标签、联邦学习、可解释性和不确定性量化等问题	计算机视觉	NA	深度学习	NA	影像	NA
15599	2024-09-27	Efficient few-shot machine learning for classification of EBSD patterns 2021-04-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87557-5 PMID:33854109	研究论文	本文研究了在电子背散射衍射（EBSD）图案分类中使用少样本迁移学习方法的有效性	本文首次将少样本迁移学习应用于EBSD图案分类，并使用可视化技术解释模型操作	本文未详细讨论迁移学习在其他材料科学问题中的应用	验证少样本迁移学习在EBSD图案分类中的有效性	电子背散射衍射（EBSD）图案	计算机视觉	NA	迁移学习	卷积神经网络（CNN）	图像	六种空间群的EBSD图案
15600	2024-09-27	Deep learning approaches for natural product discovery from plant endophytic microbiomes 2021, Environmental microbiome IF:6.2Q1 DOI:10.1186/s40793-021-00375-0 PMID:33758794	综述	本文综述了利用深度学习方法从植物内生微生物组中发现天然产物的新方法	强调了深度学习在预测内生菌生物化学新奇性和调控控制方面的潜力	NA	探讨从植物微生物组中发现天然产物的新突破方法	植物内生微生物组的次级代谢产物	机器学习	NA	深度学习	NA	基因组、代谢组、调控组和化学数据	NA