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
16401	2024-09-16	GLH: From Global to Local Gradient Attacks with High-Frequency Momentum Guidance for Object Detection 2023-Mar-06, Entropy (Basel, Switzerland) DOI:10.3390/e25030461 PMID:36981349	研究论文	本文提出了一种基于高频动量引导的从全局到局部梯度攻击方法，用于目标检测任务	本文的创新点在于提出了一种针对目标检测任务的从全局到局部梯度攻击方法，并引入了高频特征梯度作为动量引导，以提高攻击效果	本文未提及具体的局限性	研究目的是提高深度学习模型在目标检测任务中的鲁棒性和安全性	研究对象是目标检测任务中的对抗攻击方法	计算机视觉	NA	梯度攻击	NA	图像	未提及具体样本数量
16402	2024-09-16	BLENDS: Augmentation of Functional Magnetic Resonance Images for Machine Learning Using Anatomically Constrained Warping 2023-03, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2021.0186 PMID:36097756	研究论文	提出了一种新的数据增强方法BLENDS，用于生成解剖学上真实的四维功能磁共振成像（fMRI）图像，以提高深度学习模型的准确性	BLENDS通过结合对称归一化计算的跨受试者配准图，生成新的非线性变形场，从而创建新的增强fMRI图像	NA	解决神经影像学中缺乏验证的特定于合成解剖学上真实四维图像的数据增强方法的问题	功能磁共振成像（fMRI）图像的数据增强	机器学习	NA	对称归一化	深度学习模型	图像	抗抑郁药物反应预测任务中使用了163个原始数据集，帕金森病症状轨迹预测任务中使用了43个原始数据集
16403	2024-09-16	Evidence of a predictive coding hierarchy in the human brain listening to speech 2023-03, Nature human behaviour IF:21.4Q1 DOI:10.1038/s41562-022-01516-2 PMID:36864133	研究论文	本文探讨了人类大脑在听语音时预测编码层次的存在	通过分析功能性磁共振成像数据，验证了人类大脑在语言处理中使用多时间尺度的层次预测编码，并展示了这种编码方式如何通过增强语言模型的预测能力来改善大脑映射	NA	测试预测编码理论在解释人类语言能力与语言模型之间差异中的作用	304名参与者的功能性磁共振成像脑信号	自然语言处理	NA	功能性磁共振成像	深度学习算法	脑信号	304名参与者
16404	2024-09-16	A novel smart photoelectric lock system: Speech transmitted by laser and speech to text 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e14510 PMID:36967961	研究论文	提出了一种通过激光传输语音信号并将其转换为文本的智能光电锁系统	通过激光传输语音密码并使用深度学习模型进行语音到文本转换，显著提高了解锁容错率	实验结果仅限于英语语音，且未提及其他语言的适用性	实现一种基于激光传输语音密码的智能锁系统，提高解锁的容错率和安全性	智能光电锁系统及其语音传输和识别技术	机器学习	NA	激光调制、深度学习	TDNN、LSTM	语音	男性语音样本和女性语音样本
16405	2024-09-16	Impact of Training Data, Ground Truth and Shape Variability in the Deep Learning-Based Semantic Segmentation of HeLa Cells Observed with Electron Microscopy 2023-Mar-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9030059 PMID:36976110	研究论文	研究了训练数据量和形状变异性对基于深度学习的U-Net架构在电子显微镜下观察到的HeLa细胞语义分割的影响	通过自动生成的数据对训练U-Net架构，提供了比手动分割更好的结果	缺乏对8192×8192切片的全局真值进行定量评估	评估训练数据量和形状变异性对深度学习模型分割性能的影响	HeLa细胞的电子显微镜图像	计算机视觉	NA	深度学习	U-Net	图像	36,000对数据和标签补丁，135,000对自动生成的补丁，最终合并为270,000对补丁
16406	2024-09-16	Self-supervised denoising of Nyquist-sampled volumetric images via deep learning 2023-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.2.024005 PMID:36992871	研究论文	本文开发了一种名为noise2Nyquist的算法，利用Nyquist采样提供的相邻切片之间的最大差异保证，实现了无需干净图像的自监督去噪	该算法不依赖于干净图像进行训练，相比其他自监督去噪算法更具广泛适用性和有效性	NA	展示noise2Nyquist算法在真实生物医学图像上的广泛适用性和有效性	生物医学图像的去噪效果	计算机视觉	NA	深度学习	NA	图像	涉及荧光共聚焦显微镜、计算机断层扫描和光学相干断层扫描图像
16407	2024-09-16	Ten years after ImageNet: a 360° perspective on artificial intelligence 2023-Mar, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221414 PMID:36998769	研究论文	本文回顾了自神经网络复兴以来的十年间人工智能（AI）的发展，探讨了监督学习、深度学习、强化学习等技术的进展及其社会影响	本文提出了对人工智能的全面视角，涵盖了监督学习、自监督学习、生成模型、图神经网络等新兴技术的应用，并讨论了AI技术带来的社会问题	文章指出深度神经网络模型的可解释性问题，以及AI技术可能带来的社会不公平和技术鸿沟	回顾和分析过去十年人工智能的发展，探讨其技术进步和社会影响	人工智能技术及其社会影响	机器学习	NA	深度学习	神经网络	NA	NA
16408	2024-09-16	Sample Size Analysis for Machine Learning Clinical Validation Studies 2023-Feb-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11030685 PMID:36979665	研究论文	本文介绍了一种用于机器学习临床验证研究的样本量分析方法	提出了一个开源工具SSAML，用于确定机器学习模型临床验证研究的样本量估计	NA	开发一种标准工具，用于确定机器学习模型临床验证研究的样本量估计	机器学习模型的临床验证研究	机器学习	NA	NA	NA	NA	在三个已发表的模型中进行了测试，包括脑龄预测死亡率、COVID住院风险预测和癫痫风险预测
16409	2024-09-16	Deep learning enabled multi-organ segmentation of mouse embryos 2023-02-15, Biology open IF:1.8Q3 DOI:10.1242/bio.059698 PMID:36802342	研究论文	本文介绍了一种基于深度学习的开源工具MEMOS，用于小鼠胚胎的多器官分割	开发了一种名为MEMOS的工具，能够在单个应用程序中估计50个解剖结构的分割，并支持手动审查、编辑和分析	NA	开发一种易于使用的工具，减少小鼠胚胎图像分割所需的计算资源和人力	小鼠胚胎的多器官分割	计算机视觉	NA	深度学习	NA	3D图像	涉及Cbx4敲除小鼠品系
16410	2024-09-16	Detection and classification of lung diseases for pneumonia and Covid-19 using machine and deep learning techniques 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-021-03464-7 PMID:34567277	研究论文	本文提出了一种用于从胸部X光图像中检测和分类肺炎和Covid-19的新框架	提出了一个包含数据集获取、图像质量增强、自适应和准确的感兴趣区域（ROI）估计、特征提取和疾病预测的框架，并设计了一种改进的区域生长技术用于ROI提取	未提及具体限制	开发一种准确检测和分类肺炎和Covid-19的方法	肺炎和Covid-19的胸部X光图像	计算机视觉	肺部疾病	机器学习和深度学习技术	人工神经网络（ANN）、支持向量机（SVM）、K近邻（KNN）、集成分类器、深度学习分类器、循环神经网络（RNN）与长短期记忆（LSTM）	图像	使用了两个公开的胸部X光图像数据集
16411	2024-09-16	LSTM Network Integrated with Particle Filter for Predicting the Bus Passenger Traffic 2023, Journal of signal processing systems DOI:10.1007/s11265-022-01831-x PMID:36687374	研究论文	本文结合深度学习和贝叶斯滤波技术，提出了一种集成粒子滤波与LSTM网络的模型，用于有效预测公交乘客流量	本文创新地将粒子滤波与LSTM网络结合，以提取马尔可夫行为并实现时间序列预测	实验结果表明，尽管模型在小训练数据集下表现良好，但其性能可能受限于数据集的大小	研究目的是开发一种能够准确预测公交乘客流量的模型，以优化公交调度	研究对象是公交乘客流量及其时间序列特征	机器学习	NA	LSTM网络，粒子滤波	LSTM	时间序列数据	用于预测未来三十天乘客流量的数据
16412	2024-09-16	Epoch and accuracy based empirical study for cardiac MRI segmentation using deep learning technique 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14939 PMID:36974136	研究论文	本文研究了基于深度学习技术的心脏MRI分割任务中，训练轮数（epoch）与准确率之间的关系	本文建立了超参数训练轮数与准确率之间的关系，并优化了卷积神经网络模型以提高分割准确率	NA	研究心脏MRI图像分割任务中，训练轮数对模型准确率的影响	心脏MRI图像的分割	计算机视觉	心血管疾病	深度学习技术	卷积神经网络（CNN）	图像	NA
16413	2024-09-16	Exploring interpretability in deep learning prediction of successful ablation therapy for atrial fibrillation 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1054401 PMID:36998987	研究论文	研究探讨了深度学习在预测房颤消融治疗成功率中的可解释性，并评估了左心房中是否使用了致心律失常区域	首次探索了深度学习模型在预测房颤消融治疗成功率中的可解释性，并验证了模型是否利用了MRI图像中的结构特征来识别致心律失常区域	研究仅使用了MRI衍生的2D左心房组织模型，未来需要进一步验证在真实临床环境中的应用	提高房颤消融治疗的成功率，并确保深度学习模型的预测结果具有临床可解释性	房颤及其消融治疗的成功率预测	机器学习	心血管疾病	深度学习	深度学习模型	图像	187个MRI衍生的2D左心房组织模型
16414	2024-09-16	Novel methods for elucidating modality importance in multimodal electrophysiology classifiers 2023, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2023.1123376 PMID:37006636	研究论文	本文研究了多模态电生理分类器中模态重要性的新方法	提出了两种新的局部多模态可解释性方法，并首次将这些方法应用于电生理分析	NA	提高多模态电生理分类器的可解释性，促进个性化医疗的发展	自动睡眠阶段分类中的脑电图、眼电图和肌电图数据	机器学习	NA	NA	卷积神经网络	时间序列数据	NA
16415	2024-09-16	An integrated pre-clerkship curriculum to build cognitive medical schema: It's not just about the content 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1148916 PMID:37008016	研究论文	本文介绍了一种综合性的预实习课程，旨在通过建立认知医学模式来提升学习者的临床表现	该课程设计超越了传统的内容教学，考虑了学习者特征、教师和资源等非内容设计元素，并采用了基于案例的方法和团队教学模式	虽然该模型可以应用于其他项目设置，但需要考虑特定环境和学习者的内容和非内容元素	开发一种预实习课程，消除学科界限，增强学习者在实习和早期临床表现中的能力	预实习课程的设计和实施，以及其对学习者临床推理能力的影响	医学教育	NA	NA	NA	NA	NA
16416	2024-09-16	Towards smart diagnostic methods for COVID-19: Review of deep learning for medical imaging 2022 Nov-Dec, IPEM-translation DOI:10.1016/j.ipemt.2022.100008 PMID:36312890	综述	本文综述了2020年1月至2021年10月期间，使用深度学习技术对COVID-19患者进行CT和X光胸片诊断的研究	本文总结了现有研究中的模型技术细节，并讨论了使用深度学习技术进行COVID-19智能诊断的挑战	现有模型的临床应用效果需要进一步验证	探讨深度学习在COVID-19诊断中的应用，并提出改进建议	COVID-19患者的CT和X光胸片	计算机视觉	COVID-19	深度学习	NA	图像	NA
16417	2024-09-16	Deep learning and social network analysis elucidate drivers of HIV transmission in a high-incidence cohort of people who inject drugs 2022-Oct-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abf0158 PMID:36260674	研究论文	本文通过深度学习和社交网络分析揭示了注射毒品人群中HIV传播的驱动因素，并识别出最佳干预点	利用图神经网络（GNNs）进行社区检测，揭示了HIV传播与注射场所之间的关联，并提出了针对性的干预策略	研究样本仅限于印度新德里的注射毒品人群，可能限制了结果的普适性	理解并对抗注射毒品人群中的HIV传播	注射毒品人群及其社交和空间网络	机器学习	HIV	图神经网络（GNNs）	图神经网络（GNNs）	社交网络数据	2512名注射毒品人群
16418	2024-09-16	Deep learning-based molecular dynamics simulation for structure-based drug design against SARS-CoV-2 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.09.002 PMID:36091720	综述	本文综述了基于深度学习和分子动力学模拟的结构药物设计方法在SARS-CoV-2中的最新进展	本文介绍了深度学习和基于深度学习的分子动力学模拟在结构药物设计中的应用，解决了蛋白质结构和结合预测、药物虚拟筛选、分子对接和复合物演化等问题	本文主要讨论了当前方法的挑战和未来方向，未提供具体的实验数据或模型评估	探讨深度学习和分子动力学模拟在SARS-CoV-2结构药物设计中的应用	SARS-CoV-2的蛋白质结构和药物设计	机器学习	COVID-19	分子动力学模拟	深度神经网络	蛋白质结构	NA
16419	2024-09-16	Future stem cell analysis: progress and challenges towards state-of-the art approaches in automated cells analysis 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14513 PMID:36573241	综述	本文综述了从细胞发现到最先进方法的细胞和干细胞分析方法	探讨了当前技术在减少劳动强度、成本效益和降低错误率方面的潜力	未详细讨论具体的技术实现和实验验证	提供细胞和干细胞分析方法的概述，并探讨自动化分析的潜力	细胞和干细胞的分析方法	数字病理学	NA	人工智能和深度学习	NA	图像	NA
16420	2024-09-15	Transcranial ultrafast ultrasound Doppler imaging: A phantom study 2024-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107430 PMID:39173276	研究论文	本文提出了一种结合深度学习与射线理论的畸变校正方法，用于实现经颅平面波成像和超快多普勒成像	提出了结合深度学习与射线理论的畸变校正方法，显著提高了经颅超声多普勒成像的质量和准确性	仅通过仿真实验验证了方法的有效性，尚未在临床环境中进行验证	开发一种新的方法来提高经颅超声多普勒成像的质量和准确性	颅内血流速度和方向的量化	医学影像	NA	超声多普勒成像	深度学习模型	图像	使用了一个中心频率为6.25 MHz、128个元素、间距为0.3 mm的线性阵列进行仿真实验