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
15821	2024-09-30	Explainable artificial intelligence model to predict brain states from fNIRS signals 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.1029784 PMID:36741783	研究论文	本文介绍了一种可解释的人工智能模型，用于从fNIRS信号中预测大脑状态	提出了一个包含分类模块和解释模块的可解释人工智能系统，能够分解深度学习模型的输出，并解释输入变量对fNIRS信号分类的贡献	NA	开发一种能够解释深度学习模型输出并预测大脑状态的可解释人工智能系统	fNIRS信号的分类和解释	机器学习	NA	fNIRS信号分析	1-D CNN 和 LSTM	fNIRS信号	3名受试者的运动任务数据和29名受试者的运动想象数据
15822	2024-09-30	[Research progress of epileptic seizure predictions based on electroencephalogram signals] 2021-Dec-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202105052 PMID:34970903	综述	本文综述了基于脑电图信号的癫痫发作预测研究进展	强调了机器学习和深度学习在癫痫发作预测中的贡献，特别是深度学习在特征选择和模型泛化方面的优势	尽管取得了显著进展，但仍需更多努力才能实现临床应用	探讨如何利用脑电图信号预测癫痫发作，并促进其在临床中的应用	癫痫发作预测及其相关技术	机器学习	癫痫	脑电图（EEG）	深度学习（DL）	脑电图信号	NA
15823	2024-09-30	Epileptic Seizures Detection in EEG Signals Using Fusion Handcrafted and Deep Learning Features 2021-Nov-19, Sensors (Basel, Switzerland) DOI:10.3390/s21227710 PMID:34833780	研究论文	本文提出了一种基于手工特征和深度学习特征融合的计算机辅助诊断系统，用于自动检测脑电图信号中的癫痫发作	本文创新性地结合了手工特征和深度学习特征，提出了一种基于CNN-RNN的分类方法，显著提高了癫痫发作检测的准确性	本文未详细讨论模型的泛化能力和在其他数据集上的表现	开发一种自动检测脑电图信号中癫痫发作的计算机辅助诊断系统	脑电图信号中的癫痫发作	机器学习	癫痫	Tunable-Q Wavelet Transform (TQWT)	CNN-RNN	信号	Bonn和Freiburg数据集
15824	2024-09-30	PScL-HDeep: image-based prediction of protein subcellular location in human tissue using ensemble learning of handcrafted and deep learned features with two-layer feature selection 2021-11-05, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab278 PMID:34337652	研究论文	本文提出了一种基于人类蛋白质图谱数据的新型计算方法PScL-HDeep，用于准确高效地预测人类组织中蛋白质的亚细胞定位	本文结合了手工特征和深度学习特征，并通过两层特征选择算法优化特征集，提高了预测的准确性和效率	NA	开发一种新的计算方法，用于准确预测人类组织中蛋白质的亚细胞定位	人类组织中蛋白质的亚细胞定位	计算机视觉	NA	支持向量机	支持向量机	图像	基于人类蛋白质图谱数据库构建的新金标准基准训练数据集
15825	2024-09-30	[Parkinson's disease diagnosis based on local statistics of speech signal in time-frequency domain] 2021-Feb-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202001024 PMID:33899424	研究论文	提出了一种基于时频域梯度统计的方法来分析帕金森病患者语音障碍	引入时频域梯度统计特征，相比传统特征和深度学习特征，在分类准确性、特异性和敏感性上表现更好	NA	开发一种新的方法来诊断帕金森病患者的语音障碍	帕金森病患者的语音信号	信号处理	神经退行性疾病	时频分析	KNN分类器	语音信号	不同帕金森病患者的语音数据集
15826	2024-09-30	Deep Learning Based Staging of Bone Lesions From Computed Tomography Scans 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2021.3074051 PMID:34733603	研究论文	本研究提出了一种基于深度学习的分类策略，用于通过计算机断层扫描（CT）图像对前列腺癌患者的骨转移病变进行分类	引入了包含2880个注释骨病变的数据集，并通过患者级别的分层提高了模型的可靠性，探索了病变纹理、形态、大小、位置和体积信息对分类性能的影响，并使用多种算法进行比较，最终通过2D ResNet-50和3D ResNet-18的集成模型达到了92.2%的分类准确率	NA	开发一种高效且准确的深度学习模型，用于通过CT扫描图像对前列腺癌患者的骨转移病变进行分类	前列腺癌患者的骨转移病变	计算机视觉	前列腺癌	深度学习	ResNet	图像	2880个注释骨病变，来自114名前列腺癌患者
15827	2024-09-30	Epidemiological Predictive Modeling of COVID-19 Infection: Development, Testing, and Implementation on the Population of the Benelux Union 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.727274 PMID:34778171	研究论文	本文提出了一种基于SEIRD模型和LSTM深度学习模型的两步法来预测COVID-19在比利时、荷兰和卢森堡（Benelux）地区的传播情况	结合了传统的SEIRD模型和LSTM深度学习模型来预测COVID-19的传播，并展示了两种模型在预测疫情高峰方面的有效性	SEIRD模型在轻症病例的预测上存在较大误差，LSTM模型在比利时和荷兰的感染人数预测上也存在较高误差	开发和测试一种预测COVID-19感染的模型，并在Benelux地区实施，以帮助及时采取措施应对疫情	COVID-19在Benelux地区的传播情况	机器学习	COVID-19	SEIRD模型，LSTM	LSTM	统计数据	比利时、荷兰和卢森堡在2020年3月15日至2021年3月15日期间的官方统计数据
15828	2024-09-30	COVIDSAVIOR: A Novel Sensor-Fusion and Deep Learning Based Framework for Virus Outbreaks 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.797808 PMID:34917585	研究论文	本文介绍了一种基于深度学习和传感器融合的新型辅助技术，用于病毒爆发期间的自动口罩检测和体温扫描	提出了COVIDSAVIOR框架，结合深度学习和传感器融合技术，实现了智能口罩和体温扫描系统，能够自动检测口罩佩戴情况和体温异常	NA	开发一种能够自动检测口罩佩戴情况和体温异常的辅助技术，以减少病毒传播	智能口罩和体温扫描系统	计算机视觉	NA	深度学习	NA	图像	NA
15829	2024-09-30	Diseases Detection of Occlusion and Overlapping Tomato Leaves Based on Deep Learning 2021, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2021.792244 PMID:34956290	研究论文	研究提出了一种基于YOLOv3-tiny-IRB算法的深度学习方法，用于检测遮挡和重叠的番茄叶片疾病	提出了YOLOv3-tiny-IRB算法，优化特征提取网络，减少信息损失，实现多层特征复用和融合	NA	提高在真实自然环境中遮挡和重叠条件下番茄病虫害检测的准确性和速度	番茄叶片疾病和虫害	计算机视觉	NA	深度学习	YOLOv3-tiny-IRB	图像	自建的番茄病虫害数据集
15830	2024-09-30	Spontaneous Facial Expressions and Micro-expressions Coding: From Brain to Face 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.784834 PMID:35058850	研究论文	本文旨在通过解构面部肌肉运动，从运动皮层出发，系统梳理面部肌肉、动作单元（AU）和情绪之间的关系，使更多人理解编码的基本原理	本文通过数据驱动的分析和专业编码员的经验，推导出AU与情绪之间的关系，并详细讨论了生成面部运动特性的复杂面部运动皮层网络系统	NA	减轻基于视频的表情或微表情研究中专业知识的需求	面部表情和微表情的编码	计算机视觉	NA	深度学习	NA	图像	5000张图像
15831	2024-09-30	Code-Free Development and Deployment of Deep Segmentation Models for Digital Pathology 2021, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2021.816281 PMID:35155486	研究论文	本文介绍了一种无需编写代码的深度学习分割模型开发和部署管道，用于数字病理学中的组织病理学全切片图像（WSIs）分割	提出了一个无需编写代码的管道，利用开源软件（QuPath、DeepMIB和FastPathology）创建和部署深度学习分割模型，使没有编程经验的病理学家也能创建接近最先进的分割解决方案	NA	提高病理学诊断的效率和可重复性	结肠黏膜中的上皮和基质分离	数字病理学	NA	深度学习	分割模型	图像	251张标注的全切片图像，包括140张苏木精-伊红（HE）染色和111张CD3免疫染色的结肠活检图像
15832	2024-09-30	SpatialSim: Recognizing Spatial Configurations of Objects With Graph Neural Networks 2021, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2021.782081 PMID:35156011	研究论文	本文提出了一种名为SpatialSim的新型几何推理诊断数据集，并验证了全连接消息传递图神经网络（MPGNNs）在解决识别和区分物体空间配置任务中的优势	提出了SpatialSim数据集，并展示了MPGNNs在几何推理任务中的优越性	指出了当前GNNs在识别和区分任务中的局限性	研究自主代理如何通过几何推理能力判断目标是否达成	物体空间配置的识别和区分	计算机视觉	NA	图神经网络（GNNs）	图神经网络（MPGNNs）	图像	NA
15833	2024-09-30	Emotion Recognition Based on Dynamic Energy Features Using a Bi-LSTM Network 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.741086 PMID:35264939	研究论文	本文提出了一种基于动态能量特征的深度网络模型，用于解决脑电图（EEG）信号情感识别中因分辨率低和小样本量导致的高质量模型难以应用的问题	本文提出了能量序列的概念以减少特征分析和提取过程中的噪声叠加，并给出了动态能量特征集的构建方法，同时使用了双向长短期记忆（Bi-LSTM）网络以适应小数据集	NA	解决脑电图信号情感识别中因分辨率低和小样本量导致的高质量模型难以应用的问题	脑电图（EEG）信号的情感识别	机器学习	NA	双向长短期记忆（Bi-LSTM）网络	Bi-LSTM	脑电图（EEG）信号	使用了SEED和DEAP数据集，采用留一法（LOSO）和10折交叉验证（CV）策略进行实验
15834	2024-09-30	[Research on coronavirus disease 2019 (COVID-19) detection method based on depthwise separable DenseNet in chest X-ray images] 2020-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202005056 PMID:32840070	研究论文	本文提出了一种基于深度可分离DenseNet的COVID-19检测方法，并在胸部X光图像上进行了验证	提出了深度可分离DenseNet模型，相比传统DenseNet减少了模型参数，同时保持了分类效果	未提及具体的局限性	快速诊断COVID-19	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	DenseNet	图像	2905张胸部X光图像
15835	2024-09-30	LVI-PathNet: Segmentation-classification pipeline for detection of lymphovascular invasion in whole slide images of lung adenocarcinoma 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100395 PMID:39328468	研究论文	本研究开发了一种用于检测肺腺癌全切片图像中淋巴血管侵犯的深度学习模型，并评估了其在病理学家信息系统中的有效性	本研究提出了LVI-PathNet模型，通过分割和分类管道检测淋巴血管侵犯，显著提高了检测的准确性和一致性	研究样本仅限于非粘液性肺腺癌，且样本量相对较小	开发和评估一种用于检测肺腺癌中淋巴血管侵犯的深度学习模型	肺腺癌全切片图像中的淋巴血管侵犯	数字病理学	肺腺癌	深度学习	DeepLabV3+	图像	162张全切片图像
15836	2024-09-30	A comprehensive cotton leaf disease dataset for enhanced detection and classification 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110913 PMID:39328970	研究论文	本文介绍了一个全面的棉花叶病数据集，用于增强疾病检测和分类	该数据集包含了2137张原始图像和7000张增强图像，使用Inception V3模型展示了96.03%的高准确率	NA	开发用于早期疾病检测的准确机器学习模型，减少人工检查并促进及时干预	棉花叶病数据集及其在农业研究、精准农业和疾病管理中的应用	计算机视觉	NA	深度学习	Inception V3	图像	2137张原始图像和7000张增强图像
15837	2024-09-30	Rapid profiling of carcinogenic types of Helicobacter pylori infection via deep learning analysis of label-free SERS spectra of human serum 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.008 PMID:39329094	研究论文	本文开发了一种结合表面增强拉曼光谱和深度学习算法卷积神经网络的新方法，用于快速区分人血清中致癌型和非致癌型幽门螺杆菌感染	首次将表面增强拉曼光谱与深度学习算法结合，用于快速、准确且成本效益高的幽门螺杆菌致癌型感染血清学分析	NA	开发一种快速、准确且成本效益高的方法，用于血清学分析幽门螺杆菌致癌型感染，以指导其根除和胃癌预防	人血清中幽门螺杆菌感染的致癌型和非致癌型	机器学习	胃癌	表面增强拉曼光谱	卷积神经网络	光谱	NA
15838	2024-09-30	Enhancing Precision in Cardiac Segmentation for Magnetic Resonance-Guided Radiation Therapy Through Deep Learning 2024-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.05.013 PMID:38797498	研究论文	本文通过深度学习框架增强磁共振引导放射治疗中的心脏分割精度	本文扩展了现有的深度学习框架“No New” U-Net，引入自蒸馏（nnU-Net.wSD）用于磁共振引导放射治疗中的心脏亚结构分割	本文的局限性在于仅在两个机构的数据上进行了验证，未来需要进一步验证其泛化能力	本文旨在通过深度学习提高磁共振引导放射治疗中的心脏亚结构分割精度，以减少心脏晚期并发症	本文研究对象为接受胸腹部放射治疗的18名患者的心脏亚结构	计算机视觉	心血管疾病	深度学习	U-Net	图像	18名患者，其中10名用于训练，3名用于验证，5名用于测试，另外22名用于泛化测试
15839	2024-09-30	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	研究了新辅助放疗对原发性乳腺癌中肿瘤浸润淋巴细胞（TILs）的纵向影响	首次探讨了新辅助放疗对乳腺癌肿瘤免疫微环境中TILs的影响，并展示了人工智能在病理学中的潜在应用	研究样本量较小，需要进一步验证结果	探讨新辅助放疗对乳腺癌中TILs的影响及其与病理完全缓解（pCR）和长期预后的关系	乳腺癌患者在接受新辅助放疗前、中、后的肿瘤样本和外周血中的淋巴细胞	数字病理学	乳腺癌	深度学习	SuperTIL	图像	来自PRADA和Neo-RT乳腺癌临床试验的患者样本
15840	2024-08-07	Correction to: Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03437-5 PMID:39085640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA