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
16341	2024-09-17	Model-informed unsupervised deep learning approaches to frequency and phase correction of MRS signals 2023-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29498 PMID:36367249	研究论文	本文研究了无监督深度学习方法在磁共振波谱（MRS）信号的频率和相位校正（FPC）中的可行性和效率	提出了两种基于深度学习的FPC方法，并利用先验物理领域知识进行训练和评估	NA	探讨无监督深度学习在MRS数据频率和相位校正中的应用	MRS信号的频率和相位校正	机器学习	NA	深度学习	深度神经网络	磁共振波谱数据	使用了模拟数据、幻影数据和公开的体内MEGA-edited MRS数据进行训练、验证和评估
16342	2024-09-17	Predicting childhood and adolescent attention-deficit/hyperactivity disorder onset: a nationwide deep learning approach 2023-03, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01918-8 PMID:36536075	研究论文	本文利用深度学习方法预测儿童和青少年注意力缺陷多动障碍（ADHD）的发病	首次使用深度神经网络（DNN）模型在瑞典注册数据上预测儿童和青少年ADHD的发病，并取得了良好的区分效果	研究结果需要在不同人群中进行验证，并纳入新的预测因子	开发一种能够预测儿童和青少年ADHD发病的模型，以减少误诊	儿童和青少年ADHD的发病预测	机器学习	精神疾病	深度神经网络（DNN）	深度神经网络（DNN）	注册数据	238,696名1995年至1999年间出生并居住在瑞典的人
16343	2024-09-17	Robust deep learning object recognition models rely on low frequency information in natural images 2023-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010932 PMID:36972288	研究论文	研究探讨了深度学习模型在自然图像中依赖低频信息以提高鲁棒性的现象	提出低频信息偏好是提高模型鲁棒性的原因之一，并通过实验验证了这一假设	未详细探讨其他可能影响模型鲁棒性的因素	探讨机器学习模型在自然图像中依赖低频信息的原因及其对鲁棒性的影响	深度学习模型在自然图像中的鲁棒性	计算机视觉	NA	NA	NA	图像	未明确提及具体样本数量
16344	2024-09-17	Pure Isotropic Proton NMR Spectra in Solids using Deep Learning 2023-Feb-13, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202216607 PMID:36562545	研究论文	本文介绍了一种利用深度学习方法从二维魔角旋转谱中提取纯各向同性质子核磁共振谱的技术	提出了一种新的深度学习方法，能够从魔角旋转谱中提取高分辨率的纯各向同性质子核磁共振谱	该方法仅在8种有机固体上进行了验证	提高固体状态下质子核磁共振谱的分辨率	有机固体的质子核磁共振谱	机器学习	NA	核磁共振谱	深度学习模型	谱数据	8种有机固体
16345	2024-09-17	MOFormer: Self-Supervised Transformer Model for Metal-Organic Framework Property Prediction 2023-Feb-08, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.2c11420 PMID:36706365	研究论文	提出了一种基于Transformer模型的自监督学习方法MOFormer，用于金属有机框架（MOFs）的性质预测	MOFormer采用文本字符串表示MOF（MOFid）作为输入，避免了获取MOF的3D结构，加速了筛选过程，并通过自监督学习框架预训练模型，提高了预测准确性	NA	开发一种高效的深度学习方法，用于金属有机框架的性质预测	金属有机框架（MOFs）及其性质预测	机器学习	NA	Transformer模型	Transformer	文本	超过40万公开的MOF数据
16346	2024-09-17	Comparison of deep learning-based denoising methods in cardiac SPECT 2023-Feb-08, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00531-0 PMID:36752847	研究论文	本文比较了几种基于深度学习的去噪方法在心脏SPECT图像中的应用效果	本文首次系统比较了多种深度学习去噪模型在心脏SPECT图像中的去噪效果和缺陷检测性能	cGAN在去噪效果最佳的同时，缺陷检测性能最差	研究不同深度学习去噪模型在心脏SPECT图像中的去噪效果和缺陷检测性能差异	心脏SPECT图像的去噪效果和缺陷检测性能	计算机视觉	心血管疾病	深度学习	CNN, RES, UNET, cGAN	图像	使用全时间、半时间、三八分之一时间和四分之一时间采集的MPS研究数据进行训练和测试
16347	2024-09-17	Multi-scale, domain knowledge-guided attention + random forest: a two-stage deep learning-based multi-scale guided attention models to diagnose idiopathic pulmonary fibrosis from computed tomography images 2023-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16053 PMID:36254789	研究论文	本文提出了一种基于深度学习的多尺度引导注意力模型，结合随机森林分类器，用于从CT图像中诊断特发性肺纤维化	本文的创新点在于提出了一个两阶段模型，第一阶段使用多尺度、领域知识引导的注意力模型，第二阶段使用随机森林分类器，以提高模型的准确性和可解释性	本文的局限性在于仅使用了349名IPF患者和529名非IPF的ILD患者的CT扫描数据，样本量相对较小	本文的研究目的是开发一种基于深度学习的自动化系统，用于从CT扫描图像中诊断特发性肺纤维化	本文的研究对象是特发性肺纤维化患者和间质性肺疾病患者	计算机视觉	肺病	深度学习	多尺度引导注意力模型 + 随机森林	图像	349名IPF患者和529名非IPF的ILD患者
16348	2024-09-17	BrainGB: A Benchmark for Brain Network Analysis With Graph Neural Networks 2023-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3218745 PMID:36318557	研究论文	本文介绍了BrainGB，一个用于脑网络分析的图神经网络基准	首次系统研究如何设计有效的图神经网络用于脑网络分析，并提供了一个标准化流程和模块化实现	NA	填补图神经网络在脑网络分析中缺乏系统研究的空白	脑网络分析中的图神经网络设计	计算机视觉	NA	图神经网络 (GNN)	图神经网络 (GNN)	脑网络数据	跨群体和模态的数据集
16349	2024-09-17	A spatiotemporal machine learning approach to forecasting COVID-19 incidence at the county level in the USA 2023, International journal of data science and analytics IF:3.4Q2 DOI:10.1007/s41060-021-00295-9 PMID:35071733	研究论文	本文提出了一种基于时空机器学习的COVID-19发病率预测方法，特别针对美国县级水平	本文首次提出了COVID-LSTM模型，该模型基于长短期记忆深度学习架构，能够更准确地预测COVID-19的发病率，优于现有的COVIDhub-ensemble模型	本文未详细讨论数据驱动预测方法在其他疾病中的应用限制，也未深入探讨未来深度学习模型在疾病预测中的广泛应用可能性	研究目的是开发一种更准确的COVID-19发病率预测模型，以应对全球疫情的影响	研究对象是美国各县的COVID-19发病率	机器学习	传染病	长短期记忆（LSTM）深度学习	LSTM	时间序列数据	17周的评估期，4周的预测期
16350	2024-09-17	DeepEZ: A Graph Convolutional Network for Automated Epileptogenic Zone Localization From Resting-State fMRI Connectivity 2023-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3187942 PMID:35776823	研究论文	本文提出了一种基于静息态功能磁共振成像（rs-fMRI）数据的深度学习方法，用于自动定位癫痫发作区（EZ）	首次使用图卷积网络（GCN）进行EZ定位，并结合领域特定信息和学习到的个体偏差来提高准确性	研究样本量较小，仅包含14名患者，未来需在大规模数据集上验证	开发一种准确且无创的EZ定位工具，用于药物难治性癫痫的治疗计划	药物难治性癫痫患者的EZ定位	计算机视觉	癫痫	图卷积网络（GCN）	图卷积网络（GCN）	功能磁共振成像（fMRI）	14名患有局灶性癫痫的患者
16351	2024-09-17	Functional magnetic resonance imaging, deep learning, and Alzheimer's disease: A systematic review 2023-01, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.13063 PMID:36257926	综述	本文综述了功能性磁共振成像（fMRI）和深度学习在阿尔茨海默病（AD）诊断中的应用	探讨了深度学习技术在简化fMRI分析中的潜力，并总结了当前领域的研究进展	讨论了fMRI深度学习方法的局限性和未来研究方向	总结当前fMRI和深度学习在AD诊断中的应用，并为新研究人员提供指导	阿尔茨海默病（AD）的诊断方法	机器学习	阿尔茨海默病	功能性磁共振成像（fMRI）	深度神经网络	图像	NA
16352	2024-09-17	Integration of improved YOLOv5 for face mask detector and auto-labeling to generate dataset for fighting against COVID-19 2023, The Journal of supercomputing IF:2.5Q2 DOI:10.1007/s11227-022-04979-2 PMID:36619832	研究论文	本文提出了一种改进的YOLOv5模型用于口罩检测，并结合自动标注模块生成新的数据集，以应对COVID-19疫情	通过引入坐标注意力（CA）模块改进YOLOv5模型，提高了检测精度和速度，并构建了一个包含7110张图像的新数据集	实验仅使用了Kaggle数据集中的853张图像进行训练，且数据集来源有限	提高口罩检测系统的实时性能和准确性，并生成新的数据集以支持COVID-19监测系统	口罩检测模型和数据集生成系统	计算机视觉	NA	YOLOv5	YOLOv5s-CA和YOLOV5s-C3CA	图像	853张图像用于训练，7110张图像用于生成新数据集
16353	2024-09-17	Active regression model for clinical grading of COVID-19 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1141996 PMID:37026015	研究论文	本研究构建了一个基于深度学习方法的个性化治疗模型，旨在通过COVID-19患者的临床检测指标数据实现及时干预，并优化医疗资源分配	本研究通过特征工程和深度学习模型，实现了对COVID-19患者的个性化诊断和治疗，提供了一种新的视角	NA	实现基于COVID-19患者临床检测指标数据的及时干预和优化医疗资源分配	COVID-19患者的临床检测指标数据	机器学习	COVID-19	深度学习	NA	临床数据	1799名个体，包括560名非呼吸道传染病对照组，681名其他呼吸道病毒感染对照组，558名COVID-19感染组
16354	2024-09-17	From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0017 PMID:37040294	研究论文	本文提出了一种从数据收集到模型部署的深度学习辅助高粱穗密度估算的全面流程	本文提供了一个通用的深度学习计数协议，并展示了其在高粱田中的应用，同时该流程可推广到其他谷物物种	本文主要在高粱田中展示了该流程，尚未在其他谷物物种中进行广泛验证	开发一种自动化的高粱穗密度估算方法，以替代传统的手动计数	高粱穗密度	计算机视觉	NA	深度学习	NA	图像	NA
16355	2024-09-17	Automated tumor segmentation and brain tissue extraction from multiparametric MRI of pediatric brain tumors: A multi-institutional study 2023 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdad027 PMID:37051331	研究论文	本文介绍了一种基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤	提出了基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤，减少了手动分割的时间和操作员间的差异	NA	开发一种自动化的方法来分割儿童脑肿瘤，以辅助手术和治疗计划	儿童脑肿瘤的多参数MRI扫描图像	计算机视觉	脑肿瘤	多参数MRI扫描	三维卷积神经网络	图像	244名儿童患者的多参数MRI扫描图像
16356	2024-09-17	Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1109411 PMID:37064042	综述	本文系统回顾了人工智能和机器学习模型在心血管重症监护病房中用于临床决策支持的研究	探讨了AI/ML在临床决策支持中的最新进展、陷阱和未来展望	75%的论文缺乏对外部数据集的验证，存在可推广性问题；AI决策的可解释性也是一个关键问题	研究AI/ML在心血管重症监护病房中用于临床决策支持的方法和工具	心血管重症监护病房中的患者监测	机器学习	心血管疾病	NA	NA	时间序列数据和电子健康记录	NA
16357	2024-09-17	A convolutional neural network for face mask detection in IoT-based smart healthcare systems 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1143249 PMID:37064899	研究论文	本文提出了一种基于卷积神经网络的面部口罩检测方法，用于物联网智能医疗系统	本文创新性地结合了YOLOv3架构和计算机视觉技术，用于检测未佩戴口罩和未保持社交距离的行为	本文未详细讨论系统的实时性能和在不同光照条件下的表现	旨在提供一种有效工具，减少传染病的传播	面部口罩佩戴情况和社交距离	计算机视觉	NA	YOLOv3	卷积神经网络	图像	使用了COCO数据集进行评估
16358	2024-09-17	Towards a Deep Learning Pain-Level Detection Deployment at UAE for Patient-Centric-Pain Management and Diagnosis Support: Framework and Performance Evaluation 2023, Procedia computer science DOI:10.1016/j.procs.2023.03.044 PMID:37089761	研究论文	本文提出了一种在阿联酋部署的深度学习疼痛水平检测框架，并评估了其性能	首次提出在阿联酋部署深度学习疼痛水平检测框架	未提及具体局限性	开发和评估一种自动识别患者疼痛水平的深度学习框架	患者疼痛水平	机器学习	NA	深度学习	NA	NA	NA
16359	2024-09-17	A Multimodal Network Security Framework for Healthcare Based on Deep Learning 2023, Computational intelligence and neuroscience DOI:10.1155/2023/9041355 PMID:39280017	研究论文	本文提出了一种基于深度学习的多模态网络安全框架，用于医疗领域的网络流量分类	该框架通过深度学习方法自动提取空间和序列特征，提高了网络流量分类的效率，并解决了传统方法依赖人工特征提取和单一模型特征的问题	本文未详细讨论框架在实际应用中的可扩展性和处理大规模数据时的性能	解决现有网络流量分类方法中依赖人工特征提取和单一模型特征的问题，提高分类效率和稳定性	网络流量分类	机器学习	NA	深度学习	多模态网络	网络流量	NA
16360	2024-09-17	Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review 2022-12-22, Advances in nutrition (Bethesda, Md.) DOI:10.1093/advances/nmac078 PMID:35803496	综述	本文对基于图像的食物识别系统（IBFRS）在饮食评估中的应用进行了系统性综述	综述了IBFRS在专业营养实践中的应用优势，并讨论了未来的发展方向	未提及具体的技术局限性	评估基于图像的食物识别系统在饮食评估中的应用效果	基于图像的食物识别系统及其在饮食评估中的应用	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	共筛选了159项研究，其中78项被纳入综述