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
15721	2024-10-02	Using novel deep learning models for rapid and efficient assistance in monkeypox screening from skin images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1443812 PMID:39346943	研究论文	本文开发了一种基于自注意力机制和特征金字塔集成的深度学习模型，用于从皮肤图像中快速高效地辅助猴痘筛查	本文提出的模型结合了自注意力机制和特征金字塔集成，通过注意力策略融合不同尺度的图像特征，并借鉴VGG模型选择性地捕捉显著特征，相比现有最先进的深度学习模型，在准确性和精确度上提高了6%	NA	开发一种自动化、高效的辅助诊断模型，以提高猴痘诊断的准确性和可及性	猴痘病毒感染的皮肤图像	计算机视觉	传染性疾病	深度学习	CNN	图像	NA
15722	2024-10-02	Early Diagnosing and Transformation Prediction of Alzheimer's Disease Using Multi-Scaled Self-Attention Network on Structural MRI Images with Occlusion Sensitivity Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230705 PMID:38160355	研究论文	本文提出了一种基于多尺度自注意力网络的阿尔茨海默病早期诊断和转化预测方法，结合结构磁共振成像和遮挡敏感性分析	本文创新性地提出了多尺度自注意力网络（MUSAN），并结合遮挡敏感性算法，提高了阿尔茨海默病的分类和预测性能	NA	实现阿尔茨海默病的精确分类和转化预测，并提高深度学习模型的可解释性	阿尔茨海默病患者的结构磁共振成像数据	计算机视觉	阿尔茨海默病	多尺度自注意力网络	自注意力网络	图像	使用了ADNI-1、ADNI-2和ADNI-3的数据集
15723	2024-10-02	Unsupervised contrastive graph learning for resting-state functional MRI analysis and brain disorder detection 2023-12-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26469 PMID:37668327	研究论文	提出了一种无监督对比图学习框架，用于静息态功能磁共振成像分析和脑部疾病检测	设计了一种双层fMRI增强策略，通过增强血氧水平依赖信号来增加样本量，并采用两个并行的图卷积网络进行无监督对比学习	未提及	探索fMRI生物标志物以预测脑部疾病进展，并提出一种无需大量标注数据的无监督学习方法	静息态功能磁共振成像数据和脑部疾病	机器学习	NA	功能磁共振成像	图卷积网络	图像	未具体说明
15724	2024-10-02	"A net for everyone": fully personalized and unsupervised neural networks trained with longitudinal data from a single patient 2023-10-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01128-w PMID:37907876	研究论文	本文探讨了使用单个患者的纵向数据训练个性化无监督神经网络以检测肿瘤进展的概念验证	提出了一种使用单个患者的纵向数据训练个性化神经网络的新方法，无需额外的训练数据或手动标注	仅在胶质母细胞瘤患者的数据集上进行了验证，尚未在其他类型的肿瘤或疾病中进行测试	展示使用单个患者的纵向数据训练深度神经网络以监测肿瘤变化的潜力	胶质母细胞瘤患者的脑部MRI图像	机器学习	脑癌	MRI	Wasserstein-GAN	图像	64次扫描，来自32名胶质母细胞瘤患者
15725	2024-10-02	Detection of ASD Children through Deep-Learning Application of fMRI 2023-Oct-05, Children (Basel, Switzerland) DOI:10.3390/children10101654 PMID:37892317	研究论文	本研究开发了一种先进的卷积神经网络算法，用于通过静息态功能磁共振成像早期检测自闭症谱系障碍	本研究的创新点在于开发了一种高效的卷积神经网络算法，显著提高了自闭症谱系障碍的早期检测准确性	NA	本研究的目的是开发一种计算机辅助的自闭症谱系障碍早期筛查方法	本研究的对象是自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	功能磁共振成像	卷积神经网络	图像	本研究使用了来自Autism Brain Imaging Data Exchange (ABIDE I)数据库的126名受试者（56名自闭症患者，70名对照组）的数据，共计22,176个二维回波平面样本
15726	2024-10-02	SEMPAI: a Self-Enhancing Multi-Photon Artificial Intelligence for Prior-Informed Assessment of Muscle Function and Pathology 2023-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202206319 PMID:37582656	研究论文	本文介绍了一种名为SEMPAI的自增强多光子人工智能系统，用于肌肉功能和病理的先验信息评估	SEMPAI通过元学习优化先验知识、数据表示和神经网络架构的集成，实现了对小数据集的预测，并在多个预测任务中优于现有技术	NA	开发一种能够利用先验知识进行肌肉功能和病理评估的深度学习系统	肌肉纤维的功能和病理	机器学习	NA	多光子显微镜	深度学习模型	图像	十年实验中的大量单肌肉纤维数据
15727	2024-10-02	Unlocking the Emotional World of Visual Media: An Overview of the Science, Research, and Impact of Understanding Emotion: Drawing Insights From Psychology, Engineering, and the Arts, This Article Provides a Comprehensive Overview of the Field of Emotion Analysis in Visual Media and Discusses the Latest Research, Systems, Challenges, Ethical Implications, and Potential Impact of Artificial Emotional Intelligence on Society 2023-Oct, Proceedings of the IEEE. Institute of Electrical and Electronics Engineers DOI:10.1109/JPROC.2023.3273517 PMID:37859667	综述	本文全面概述了视觉媒体情感分析领域，讨论了最新研究、系统、挑战、伦理影响及其对社会的潜在影响	本文结合心理学、工程学和艺术领域的见解，提供了一个多学科的情感分析概述	情感分析面临缺乏普遍接受的情感定义和情感主观性及复杂性的挑战	探讨视觉媒体中情感理解的心理学基础和计算原理，并讨论其技术挑战和伦理影响	视觉媒体中的情感分析	计算机视觉	NA	深度学习	NA	图像和视频	NA
15728	2024-10-02	Intelligent Breast Mass Classification Approach Using Archimedes Optimization Algorithm with Deep Learning on Digital Mammograms 2023-Oct-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics8060463 PMID:37887593	研究论文	本文提出了一种基于阿基米德优化算法和深度学习的智能乳腺肿块分类方法，用于数字乳腺X光片的分析	本文创新性地结合了阿基米德优化算法和深度学习技术，用于乳腺肿块的分类，并采用了中值滤波和U-Net分割作为预处理步骤	本文的实验结果仅基于MIAS数据集，可能需要进一步验证其在其他数据集上的表现	本文旨在通过结合生物启发算法和深度学习模型，提高乳腺肿块分类的准确性	本文的研究对象是数字乳腺X光片中的乳腺肿块	计算机视觉	乳腺癌	深度学习	卷积神经网络 (CNN) 和深度信念网络 (DBN)	图像	本文使用了来自Kaggle仓库的MIAS数据集进行实验
15729	2024-10-02	Exploring the Steps of Infrared (IR) Spectral Analysis: Pre-Processing, (Classical) Data Modelling, and Deep Learning 2023-Sep-30, Molecules (Basel, Switzerland) DOI:10.3390/molecules28196886 PMID:37836728	综述	本文综述了红外光谱分析的步骤，包括预处理、经典数据建模和深度学习	本文探讨了经典机器学习和深度学习在红外光谱分析中的最新进展	NA	探讨红外光谱分析中的预处理和数据建模方法	红外光谱数据及其在生物医学样本中的应用	机器学习	NA	红外光谱	经典机器学习模型和深度学习模型	光谱数据	NA
15730	2024-10-02	Developments in Image Processing Using Deep Learning and Reinforcement Learning 2023-Sep-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9100207 PMID:37888314	review	本文综述了深度学习和强化学习在图像处理领域的最新进展和优化方案	本文讨论了图像处理应用中的主要改进和最新发展，并提出了未来研究方向	尽管取得了良好成果，但该领域仍面临许多挑战	探讨图像处理应用中的最新进展和未来研究方向	图像处理中的深度学习和强化学习技术	computer vision	NA	深度学习和强化学习	NA	image	NA
15731	2024-10-02	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	本文提出了一种自监督对比学习方法SMoCo，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展	本文首次将自监督对比学习应用于基于3D淀粉样蛋白PET预测轻度认知障碍向阿尔茨海默病的转化	本文仅在ADNI数据集上进行了验证，未来需要在更多数据集上进行验证	开发一种能够准确预测轻度认知障碍向阿尔茨海默病转化的深度学习模型	轻度认知障碍患者和3D淀粉样蛋白PET图像	计算机视觉	阿尔茨海默病	自监督对比学习	SMoCo	图像	ADNI数据集
15732	2024-10-02	Simultaneous estimation of gene regulatory network structure and RNA kinetics from single cell gene expression 2023-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558277 PMID:37790443	研究论文	本文开发了一种深度学习模型，通过单细胞RNA测序数据同时推断基因调控网络结构和RNA动力学参数	首次提出了一种能够同时推断基因调控网络结构和RNA动力学参数的深度学习模型，并展示了其在预测基因表达状态和模拟转录因子变化效果方面的优越性	NA	构建一个完整的、预测性的生物物理模型，用于描述基因表达调控	基因调控网络结构和RNA动力学参数	机器学习	NA	单细胞RNA测序	深度学习模型	基因表达数据	175,000个单细胞样本
15733	2024-10-02	Real-time face mask position recognition system based on MobileNet model 2023-Jun, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2023.100382 PMID:36743719	研究论文	本文开发并评估了一个基于MobileNet模型的实时口罩佩戴位置识别系统	提出了通过微调预训练的MobileNet模型来实现高精度的口罩佩戴位置识别，并开发了一个实时系统	未提及	开发一个能够自动识别口罩佩戴位置的系统，以确保人们在公共场所正确佩戴口罩	口罩佩戴位置的识别	计算机视觉	NA	深度学习	MobileNet	图像	391名不同年龄和性别的个体
15734	2024-10-02	COVID-19 CT ground-glass opacity segmentation based on attention mechanism threshold 2023-Mar, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104486 PMID:36505089	研究论文	本文提出了一种基于注意力机制阈值的新方法，用于准确分割COVID-19 CT图像中的磨玻璃影（GGO）	本文创新性地提出了一个包含注意力机制阈值、轮廓均衡和肺部分割（ACL）的框架，能够根据图像对比度自适应调整阈值参数，从而实现对低对比度GGO图像的准确分割	NA	解决COVID-19 CT图像中磨玻璃影（GGO）分割的挑战	COVID-19患者的CT图像中的磨玻璃影（GGO）	计算机视觉	COVID-19	注意力机制	NA	图像	四个COVID数据集
15735	2024-10-02	A review of the application of artificial intelligence to nuclear reactors: Where we are and what's next 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13883 PMID:36895398	综述	本文综述了人工智能在核反应堆中的应用现状及未来发展方向	提出了将领域知识与数据驱动方法结合以减少数据需求，并推广可解释人工智能技术以提高模型透明度和可靠性	数据问题和黑箱困境是阻碍人工智能与核反应堆技术进一步融合的主要障碍	探讨人工智能技术在提高核反应堆安全性和经济性方面的应用及未来发展方向	核反应堆的设计优化及运行维护	机器学习	NA	机器学习、深度学习、进化计算	NA	实验数据	NA
15736	2024-10-02	Exploring a global interpretation mechanism for deep learning networks when predicting sepsis 2023-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30091-3 PMID:36810645	研究论文	本研究通过一种新的机制解释深度学习模型在预测脓毒症时的全局解释机制，并识别出额外的临床特征	提出了一种新的全局解释机制来解释黑箱机器学习模型，并识别出与脓毒症相关的临床特征	识别出的特征中，有3个特征与临床特征有强相关性，但未被机制识别	通过新的解释机制识别脓毒症检测的额外临床特征，并提供机制的适当评估	脓毒症检测的临床特征和黑箱机器学习模型的解释机制	机器学习	脓毒症	长短期记忆网络（LSTM）	LSTM	生理数据	约40,000名重症监护病房（ICU）患者，40个生理变量
15737	2024-10-02	A systematic review of machine learning techniques for stance detection and its applications 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08285-7 PMID:36743664	综述	本文系统回顾了用于立场检测及其应用的机器学习技术	本文提出了一个六维分类法，用于分类和分析立场检测相关的研究，并指出了深度学习模型中自注意力机制的广泛应用	尽管机器学习模型在立场检测领域显示出潜力，但在现实世界中的应用仍然有限	回顾和分析用于立场检测的机器学习技术及其应用	立场检测及其相关应用	自然语言处理	NA	机器学习	深度学习模型	文本	96项主要研究
15738	2024-10-02	Cross-sectional Ct distributions from qPCR tests can provide an early warning signal for the spread of COVID-19 in communities 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1185720 PMID:37841738	研究论文	本研究利用qPCR测试中的Ct值分布来改进COVID-19预测模型，以提前预警社区中的疫情传播	开发了一种基于Ct值的预测模型，能够比传统的基于病例数的模型更早地预测疫情波峰	需要进一步验证模型在不同地区和时间段的适用性	改进COVID-19预测模型，提前预警疫情波峰	COVID-19疫情传播的早期预警	机器学习	COVID-19	qPCR	深度学习模型	Ct值	2020年8月至2022年1月期间在Northeastern University收集的PCR数据
15739	2024-10-02	Computational methods for in situ structural studies with cryogenic electron tomography 2023, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2023.1135013 PMID:37868346	综述	本文综述了低温电子断层扫描（cryo-ET）中用于原位结构研究的计算方法，包括数据处理流程、经典数学模型和深度学习方法	本文总结了经典数学模型和深度学习方法在cryo-ET重建过程中的应用，并讨论了当前的局限性和未来展望	低温电子断层扫描中的低信噪比和缺失楔形区域是重建过程中的主要挑战	提高cryo-ET数据集的三维高分辨率结构重建	低温电子断层扫描数据处理流程和重建方法	计算机视觉	NA	低温电子断层扫描（cryo-ET）	深度学习	图像	NA
15740	2024-10-02	Prediction of transient and permanent protein interactions using AI methods 2023, Bioinformation DOI:10.6026/97320630019749 PMID:37885791	研究论文	本文利用人工智能方法预测蛋白质的瞬时和永久相互作用	本文开发了五种监督机器学习模型和一种人工神经网络深度学习方法来预测蛋白质的瞬时和永久相互作用，并分析了影响这些相互作用的关键物理化学和几何特征	本文未提及具体的局限性	理解蛋白质相互作用的细节，发现抑制剂，并了解蛋白质相互作用的性质和功能	蛋白质-蛋白质相互作用（PPIs）的瞬时和永久分类	机器学习	NA	监督机器学习，人工神经网络	k-NN，其他四种未明确提及的监督机器学习模型	蛋白质-蛋白质复合物的物理化学、几何和结构特征	402个蛋白质-蛋白质复合物