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
16381	2024-08-07	A deep learning MRI approach outperforms other biomarkers of prodromal Alzheimer's disease 2022-03-29, Alzheimer's research & therapy DOI:10.1186/s13195-022-00985-x PMID:35351193	研究论文	本文研究了一种基于深度学习的MRI方法，用于早期阿尔茨海默病的诊断，并与其他生物标志物进行比较	提出了一种基于结构MRI的体素级深度学习方法，该方法在早期阿尔茨海默病的诊断中表现优于其他神经影像学方法	NA	验证基于MRI的深度学习模型在早期阿尔茨海默病诊断中的有效性和优势	早期阿尔茨海默病及其相关生物标志物	机器学习	阿尔茨海默病	MRI	深度学习模型	图像	NA
16382	2024-08-07	Predicting diagnosis 4 years prior to Alzheimer's disease incident 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.102993 PMID:35344803	研究论文	本研究利用深度学习纵向模型，即图卷积和循环神经网络（graph-CNN-RNN），对阿尔茨海默病（AD）的脑结构MRI扫描进行预测分析	首次采用graph-CNN-RNN模型对AD进行长达4年的早期诊断预测，并展示了脑形态学从预测到明显AD阶段的定量轨迹	NA	旨在利用深度学习技术提前预测阿尔茨海默病的发生	阿尔茨海默病的早期诊断和预测	机器学习	阿尔茨海默病	MRI扫描	graph-CNN-RNN	图像	训练集包含1559个样本，验证集包含930个样本
16383	2024-08-07	Predicting influenza-like illness trends based on sentinel surveillance data in China from 2011 to 2019: A modelling and comparative study1 2024-Sep, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2024.04.010 PMID:38725432	研究论文	本研究基于2011年至2019年中国哨点监测数据，使用三种模型预测流感样疾病（ILI）趋势，并比较其预测性能	本研究首次比较了广义加性模型（GAM）、基于门控循环单元（GRU）的深度学习混合模型和自回归移动平均-广义自回归条件异方差（ARMA-GARCH）模型在预测流感样疾病趋势方面的性能	模型预测性能随着预测周数的增加而下降	预测中国不同气候特征地区的流感样疾病趋势，并评估和比较三种模型的预测性能	流感样疾病（ILI）趋势	NA	急性呼吸道感染疾病	广义加性模型（GAM）、基于门控循环单元（GRU）的深度学习混合模型、自回归移动平均-广义自回归条件异方差（ARMA-GARCH）模型	GAM、GRU、ARMA-GARCH	哨点监测数据	2011年至2019年中国北京、天津、山西、湖北、重庆、广东、海南和香港特别行政区的哨点监测数据
16384	2024-08-07	Frequency compensated diffusion model for real-scene dehazing 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106281 PMID:38579573	研究论文	本文提出了一种基于条件扩散模型的去雾框架，通过频率补偿块（FCB）和新的数据合成流程HazeAug，提高了模型对真实雾霾图像的泛化能力和性能	设计了频率补偿块（FCB）以解决高频模式学习不足的问题，并提出了新的数据合成流程HazeAug以增强雾霾的多样性和程度	NA	提高基于深度学习的图像去雾方法在真实世界雾霾图像上的性能	图像去雾	计算机视觉	NA	条件扩散模型	扩散模型	图像	使用了合成雾霾-清晰图像对进行训练，并在多个真实去雾数据集上进行了评估
16385	2024-08-07	Medical image segmentation network based on multi-scale frequency domain filter 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106280 PMID:38579574	研究论文	本文提出了一种基于多尺度频域滤波器的医学图像分割网络，通过改进UNet的基础块和引入新的线性模块及通道注意力机制，提高了分割性能和泛化能力。	提出了一种新的UNet基础块替换方案Double residual depthwise atrous convolution (DRDAC)块，设计了多尺度频域滤波器(MFDF)和轴向选择通道注意力(ASCA)机制，以增强网络的特征提取和通道间关系建模能力。	NA	提高医学图像分割的性能和泛化能力。	医学图像分割网络的性能和泛化能力。	计算机视觉	NA	深度学习	UNet	图像	五个公开的医学图像数据集
16386	2024-08-07	Generalizability and robustness evaluation of attribute-based zero-shot learning 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106278 PMID:38581809	研究论文	本文评估了基于属性的零样本学习（ZSL）模型的泛化性和鲁棒性，并通过实验测试了不同分割方式对模型性能的影响	引入了泛化性和鲁棒性的概念来评估ZSL模型，并发现维度降低技术在细粒度数据集上提高了模型的性能	实验结果表明ZSL模型在泛化性和鲁棒性方面仍有显著提升空间	探讨ZSL模型的泛化性、鲁棒性及其在实际应用中的潜力	基于属性的零样本学习模型及其在不同数据集上的性能	机器学习	NA	零样本学习	NA	数据集	大量数据
16387	2024-08-07	vEpiNet: A multimodal interictal epileptiform discharge detection method based on video and electroencephalogram data 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106319 PMID:38640698	研究论文	本研究提出了一种基于视频和脑电图数据的多模态方法vEpiNet，用于自动检测间歇性癫痫样放电	vEpiNet通过融合视频和脑电图特征，提高了间歇性癫痫样放电检测的准确性和精度	NA	提高基于深度学习的间歇性癫痫样放电自动检测的性能	间歇性癫痫样放电的自动检测	机器学习	癫痫	视频处理和脑电图分析	多层感知器	视频和脑电图数据	包含24,931个间歇性癫痫样放电和166,094个非间歇性癫痫样放电的4秒视频-脑电图片段，来自484名患者
16388	2024-08-07	A memristive all-inclusive hypernetwork for parallel analog deployment of full search space architectures 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106312 PMID:38642415	研究论文	本文研究了一种基于忆阻器的全包容超网络，用于并行模拟部署全搜索空间架构	提出了一种基于忆阻器的全包容超网络，能够覆盖2×10种网络架构，并在CIFAR10数据集上取得了良好的性能	该超网络在资源消耗方面略有增加，包括延迟和面积的增加	探索忆阻器模拟部署全搜索空间架构的可行性和性能	忆阻器硬件设计和神经架构搜索方法	机器学习	NA	忆阻器	超网络	图像	3种代表性架构（DARTS-V1, DARTS-V2, PDARTS）
16389	2024-08-07	Connectional-style-guided contextual representation learning for brain disease diagnosis 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106296 PMID:38653077	研究论文	本文提出了一种基于连接风格引导的上下文表示学习模型（CS-CRL），用于多脑疾病诊断	CS-CRL模型利用视觉变换器（ViT）编码器和掩码重建作为代理任务，通过Gram矩阵引导连接信息的表示，捕获全局上下文和具有生物合理性的特征聚合	NA	旨在捕获脑部的内在模式，用于多脑疾病诊断	脑部连接性特征	计算机视觉	多脑疾病	深度学习	视觉变换器（ViT）	结构磁共振成像（sMRI）	六个数据集和三种疾病
16390	2024-08-07	Segmentation and Volume Estimation of the Habenula Using Deep Learning in Patients With Depression 2024-Jul, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2024.100314 PMID:38726037	研究论文	本研究使用深度学习技术开发了一种高精度的松果体分割模型，并在临床磁共振成像中测试其泛化能力，同时比较了健康参与者与抑郁症患者之间的差异	本研究创新性地使用了3维残差U-Net模型进行松果体分割，并在不同磁共振成像条件下通过调整阈值实现了高Dice系数	NA	开发一种高精度的松果体分割模型，并测试其在临床磁共振成像中的泛化能力	松果体的分割及其在抑郁症患者中的体积差异	计算机视觉	抑郁症	磁共振成像	3维残差U-Net	图像	382名参与者（抑郁症患者234名，女性47.0%；健康参与者148名，女性37.8%）
16391	2024-08-07	Assessing the quality of experience in wireless networks for multimedia applications: A comprehensive analysis utilizing deep learning-based techniques 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30351 PMID:38726158	研究论文	本文介绍了一种利用深度学习技术评估无线网络中多媒体应用体验质量的新方法	提出了一种综合的QoE预测模型，该模型整合了视频信息、QoS数据、用户行为分析和面部表情分析，并通过实验证明其在性能指标上超越了现有模型	NA	旨在提高无线网络中多媒体服务的用户满意度	无线网络中的多媒体体验质量评估	机器学习	NA	深度学习	RNN	视频	使用了RTVCQoE数据集
16392	2024-08-07	Cortical signals analysis to recognize intralimb mobility using modified RNN and various EEG quantities 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30406 PMID:38726180	研究论文	本研究通过分析脑电图（EEG）信号，使用改进的循环神经网络（RNN）和多种EEG信号量来识别肢体内部运动，如足部的背屈和跖屈	本研究采用了包含长短期记忆（LSTM）和门控循环单元（GRU）算法的改进循环神经网络，显著提高了识别肢体内部运动的能力	研究仅限于健康、右撇子的参与者，未来研究应考虑更广泛的人群	探索多种EEG信号量是否能有效识别肢体内部运动，以促进脑-机接口（BCI）设备在足部康复中的应用	研究对象为22名健康的右撇子参与者，通过21个电极收集脑电图数据，同时使用两个肌电图电极记录踝关节运动的开始	脑-机接口	NA	脑电图（EEG）	循环神经网络（RNN），长短期记忆（LSTM），门控循环单元（GRU）	脑电图信号	22名健康的右撇子参与者
16393	2024-08-07	Deep convolutional neural network for weld defect classification in radiographic images 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30590 PMID:38726185	研究论文	本文提出了一种基于ResNet50的CNN模型，用于对射线图像中的四种焊缝缺陷进行分类	采用了分层交叉验证、数据增强和正则化技术来提高模型的泛化能力并避免过拟合	模型在低质量图像数据集上的准确率相对较低	提高焊缝缺陷检测的准确性和效率	射线图像中的焊缝缺陷	计算机视觉	NA	深度学习	CNN	图像	三个数据集，分别是RIAWELC、GDXray和一个私有低质量图像数据集
16394	2024-08-07	An improvement method for pancreas CT segmentation using superpixel-based active contour 2024-May-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3e5c PMID:38608641	研究论文	本文提出了一种基于超像素的主动轮廓模型（SbACM）作为深度学习方法的后处理器，以提高胰腺CT图像分割的准确性	引入超像素来设计窄带和能量函数，并采用多尺度演化策略来减少弱边界泄漏和提高演化速度	NA	提高胰腺CT图像分割的准确性	胰腺CT图像	计算机视觉	NA	超像素-基于主动轮廓模型（SbACM）	UNet, SS-UNet, PBR UNet, ResDSN, nnUNet	图像	使用来自美国国立卫生研究院（NIH）的胰腺分割公共数据集TCIA进行评估
16395	2024-08-07	Impact of deep learning image reconstruction on volumetric accuracy and image quality of pulmonary nodules with different morphologies in low-dose CT 2024-May-09, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00703-w PMID:38720391	研究论文	本研究系统比较了创新的深度学习图像重建（DLIR, TrueFidelity）与传统使用的迭代重建（IR）在低剂量CT中对肺结节体积测量和主观图像质量（IQ）的影响	深度学习图像重建（DLIR）在低剂量CT中对肺结节体积测量的误差比传统方法低50%，并能提高主观图像质量	NA	评估深度学习图像重建在低剂量CT中对肺结节体积测量和图像质量的影响	肺结节在低剂量CT中的体积测量和图像质量	计算机视觉	肺部疾病	深度学习图像重建（DLIR）	深度学习模型	CT图像	使用了一个包含3D打印肺结节的人体胸部模型，结节直径从4到9毫米，形态分为三类（叶状、棘状、光滑）
16396	2024-08-07	ARGNet: using deep neural networks for robust identification and classification of antibiotic resistance genes from sequences 2024-May-09, Microbiome IF:13.8Q1 DOI:10.1186/s40168-024-01805-0 PMID:38725076	研究论文	本文介绍了ARGNet，一种使用深度神经网络从序列数据中识别和分类抗生素抗性基因的方法	ARGNet采用无监督学习自编码器模型和多类别分类卷积神经网络，不依赖序列比对，能更有效地发现已知和新型抗生素抗性基因	NA	开发一种高效、准确的方法来识别和分类抗生素抗性基因	抗生素抗性基因（ARGs）	机器学习	NA	深度神经网络	CNN	序列	接受氨基酸和核苷酸序列，长度可变，从部分序列到全长蛋白质或基因
16397	2024-08-07	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.04.578829 PMID:38370641	研究论文	本文研究了使用基于扩散加权磁共振成像（dMRI）的卷积神经网络（CNN）进行脑龄分析和痴呆分类，并在印度和北美人群中进行测试	本文首次探索了将扩散加权磁共振成像（dMRI）作为输入数据，以提高深度学习模型在脑龄预测和痴呆分类中的性能，并评估了3D CycleGAN方法在数据集协调中的效果	NA	研究如何通过增加扩散加权磁共振成像（dMRI）输入和使用3D CycleGAN方法协调数据集，提高深度学习模型在脑龄预测和痴呆分类中的性能	研究对象包括印度和北美的脑部MRI扫描数据	计算机视觉	老年痴呆症	扩散加权磁共振成像（dMRI）	CNN	图像	研究涉及印度NIMHANS队列和北美ADNI数据集的人群
16398	2024-08-07	ReconU-Net: a direct PET image reconstruction using U-Net architecture with back projection-induced skip connection 2024-May-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad40f6 PMID:38640921	研究论文	本研究旨在介绍一种基于原始U-Net架构的新型反投影诱导U形架构，称为ReconU-Net，用于基于深度学习的直接正电子发射断层扫描（PET）图像重建	提出的ReconU-Net架构独特地将反投影操作的物理模型集成到跳跃连接中，有助于有效传递输入重排图到重建图像的内在空间信息	尽管ReconU-Net在模拟和真实数据上表现良好，但其性能可能受限于训练数据的大小	通过比较ReconU-Net架构与原始U-Net架构和现有的无跳跃连接的DeepPET编码器-解码器架构，可视化直接PET图像重建的行为	直接PET图像重建	计算机视觉	NA	深度学习	U-Net	图像	使用Brainweb脑部幻影的蒙特卡洛模拟数据进行训练，并在模拟和真实的Hoffman脑部幻影数据上进行测试
16399	2024-08-07	In-situ particle analysis with heterogeneous background: a machine learning approach 2024-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59558-7 PMID:38719876	研究论文	本文提出了一种结合先进深度学习方法和预处理及后处理算法的框架，用于在制造业中常见的复杂/异质背景下的颗粒检测	开发了一种灵活的框架，能够检测多种环境和输入类型的颗粒，并引入了基于异质性的图像分类器模型，使用MobileNet进行迁移学习，以选择最适合的AI模型（YOLO模型）进行分析	NA	解决传统方法在异质颗粒-基质界面中准确检测颗粒的不足	颗粒检测在异质背景下的准确性	机器学习	NA	深度学习	YOLO模型	图像	多种颗粒和基质属性（如材料类型、大小、粗糙度、形状）及过程参数（如毛细管数）下的图像
16400	2024-08-07	Segmentation of mature human oocytes provides interpretable and improved blastocyst outcome predictions by a machine learning model 2024-05-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60901-1 PMID:38719918	研究论文	本文开发了一种利用机器学习技术自动进行多类别分割、形态学分析并预测成熟裸卵发育结果的工作流程	首次提供了对卵母细胞发育能力的客观见解，超越了仅使用卵母细胞年龄作为质量代理的当前标准	需要进一步的研究来验证和优化模型，并探索其他可能影响卵母细胞发育能力的特征	开发一种可解释、非侵入性和客观的卵母细胞评估方法	成熟的人类裸卵及其发育成囊胚的可能性	机器学习	NA	机器学习技术	多类别分割模型和分类器模型	二维图像	未具体说明样本数量