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
16601	2024-08-07	Detection of dementia on voice recordings using deep learning: a Framingham Heart Study 2021-08-31, Alzheimer's research & therapy DOI:10.1186/s13195-021-00888-3 PMID:34465384	研究论文	本研究利用深度学习模型分析语音记录，以检测痴呆症	开发了两种深度学习模型（LSTM和CNN），用于自动分析语音记录并分类痴呆症患者	NA	探索通过语音记录自动检测痴呆症的方法	来自Framingham心脏研究的1264份语音记录	机器学习	痴呆症	深度学习	LSTM和CNN	音频	1264份语音记录，包括483份正常认知、451份轻度认知障碍和330份痴呆症
16602	2024-08-07	U-net model for brain extraction: Trained on humans for transfer to non-human primates 2021-07-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118001 PMID:33789137	研究论文	本文利用迁移学习框架，通过在大型人类成像数据集上预训练卷积神经网络（U-Net模型），并将其迁移到非人灵长类动物数据上，以提高脑提取的准确性和效率。	本文首次将迁移学习应用于非人灵长类动物的脑提取，通过预训练的U-Net模型在多个研究站点数据上进行升级，提高了模型的泛化能力和准确性。	尽管模型在多个站点数据上表现良好，但仍需进一步验证其在更多种类非人灵长类动物和其他哺乳动物上的适用性。	提高非人灵长类动物脑提取的准确性和效率，并推广到其他哺乳动物。	非人灵长类动物的脑提取，以及通过迁移学习扩展到其他哺乳动物。	计算机视觉	NA	卷积神经网络	U-Net	图像	136只猕猴的数据集，以及来自多个研究站点的非人灵长类动物数据
16603	2024-08-07	FastSurfer - A fast and accurate deep learning based neuroimaging pipeline 2020-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2020.117012 PMID:32526386	研究论文	本文提出了一种快速且准确的基于深度学习的大脑神经影像处理流程FastSurfer，用于自动化处理人脑结构MRI扫描，复制FreeSurfer的解剖学分割包括表面重建和皮质分区	引入了一种先进的深度学习架构，能够进行全脑95类分割，并采用了竞争密集块和竞争跳跃路径以及多切片信息聚合技术，专门针对皮质和皮质下结构的精确分割进行优化	NA	开发一种快速且准确的深度学习基础的神经影像处理流程，以适应大规模队列研究的需求	人脑结构MRI扫描的自动化处理	计算机视觉	NA	深度学习	CNN	图像	数千或数万个体
16604	2024-08-07	Development and validation of an interpretable deep learning framework for Alzheimer's disease classification 2020-06-01, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaa137 PMID:32357201	研究论文	本文开发并验证了一种可解释的深度学习框架，用于阿尔茨海默病的分类	该框架结合了全卷积网络和多层感知器，能够从多模态输入中识别出独特的阿尔茨海默病特征，并生成直观的个体风险可视化，其诊断性能超过了多机构团队的执业神经科医生	NA	开发一种可解释的深度学习框架，用于提高阿尔茨海默病的诊断准确性	阿尔茨海默病患者和认知正常的个体	机器学习	阿尔茨海默病	MRI	全卷积网络和多层感知器	图像	训练集包括417名临床诊断的阿尔茨海默病患者和认知正常个体，验证集包括AIBL（382名）、Framingham Heart Study（102名）和NACC（582名）
16605	2024-08-07	Deep ensemble learning for Alzheimer's disease classification 2020-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103411 PMID:32234546	研究论文	本文提出了一种用于阿尔茨海默病分类的深度集成学习框架，该框架利用深度学习算法整合多源数据并利用专家智慧	首次采用深度学习方法集成阿尔茨海默病分类算法，提出了一种非线性特征加权方法和优化层处理成本敏感问题	NA	提高阿尔茨海默病分类的准确性	阿尔茨海默病分类算法	机器学习	阿尔茨海默病	深度学习	深度信念网络	多源数据	临床数据来自国家阿尔茨海默病协调中心
16606	2024-08-07	Unsupervised Deep Learning for Bayesian Brain MRI Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32248-9_40 PMID:32432231	研究论文	本文提出了一种结合传统概率图谱分割和深度学习的无监督学习方法，用于不同对比度的脑部MRI图像分割	该方法无需手动标注图像即可训练新的MRI扫描分割模型	NA	开发一种无需手动标注的新图像数据集的深度学习分割模型	脑部MRI图像分割	计算机视觉	NA	深度学习	深度学习模型	图像	数千个脑部MRI扫描
16607	2024-08-07	A contrastive learning approach to integrate spatial transcriptomics and histological images 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.039 PMID:38707535	研究论文	本文介绍了一种基于对比学习的模型ConGcR，用于整合基因表达、空间位置和组织形态学数据，以进行数据表示和空间组织结构识别	提出了ConGcR模型，结合图卷积和ResNet作为编码器，并进一步通过图自编码器ConGaR增强模型，以更好地建模空间嵌入表示	NA	旨在有效整合空间多模态数据，提高组织结构识别的准确性	基因表达、空间位置和组织形态学数据	计算机视觉	NA	对比学习	图卷积网络、ResNet	基因表达数据、图像	16个人脑样本、4个鸡心样本、8个乳腺癌样本和30个人类肺部空间转录组样本
16608	2024-08-07	Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands 2024-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100419 PMID:38706811	研究论文	本文开发了一种基于深度学习的对象检测模型，用于识别高自然价值草地中的指示物种，以监测生物多样性	首次利用温室培养的指示植物样本进行深度学习模型的训练，实现了对草地生态系统中植物的实地识别	研究主要集中在温室和实验草地数据上，未来需要进一步验证模型在更广泛自然草地环境中的适用性	探索深度学习技术在草地生物多样性监测中的应用	高自然价值草地中的指示物种	机器学习	NA	深度学习	对象检测模型	图像	包括温室数据、实验草地数据和自然草地数据
16609	2024-08-07	ASOptimizer: Optimizing antisense oligonucleotides through deep learning for IDO1 gene regulation 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102186 PMID:38706632	research paper	本文介绍了一种基于深度学习的平台ASOptimizer，用于高效且低成本地设计反义寡核苷酸（ASOs），以优化IDO1基因的调控	ASOptimizer不仅选择最有效的mRNA靶点，还优化化学修饰以增强性能	NA	开发一种高效且低成本的方法来设计反义寡核苷酸，用于癌症治疗	IDO1 mRNA的反义寡核苷酸设计	machine learning	NA	deep learning	NA	sequence	NA
16610	2024-08-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	本文提出了一种基于图自编码器（GAE）的FMSRT-LPI模型，用于预测长非编码RNA与蛋白质的相互作用（LPI）	首次将路径掩蔽和度回归策略集成到GAE框架中，用于潜在的LPI推断	NA	准确预测长非编码RNA与蛋白质的相互作用，以阐明lncRNA的功能和致病机制	长非编码RNA与蛋白质的相互作用	生物信息学	NA	图自编码器（GAE）	GAE	网络数据	多个公共数据集
16611	2024-08-07	Evaluation of Deep Learning Clinical Target Volumes Auto-Contouring for Magnetic Resonance Imaging-Guided Online Adaptive Treatment of Rectal Cancer 2024-Jun, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101483 PMID:38706833	研究论文	本文提出并应用了一个全面的框架，用于评估深度学习在直肠癌患者MRI引导在线自适应放疗中自动勾画临床目标体积（CTV）的性能和临床可用性。	本文创新地提出了一种全面的评估框架，用于验证深度学习自动勾画CTV的准确性和临床信任度。	尽管模型在专家修正后性能与观察者间变异相当，但仍引入了一定的偏差，尽管对临床实践影响不大。	旨在评估深度学习在直肠癌放疗中自动勾画CTV的性能和临床应用潜力。	研究对象为接受MRI引导在线自适应放疗的直肠癌患者。	机器学习	直肠癌	深度学习	nnU-Net	图像	44名直肠癌患者
16612	2024-08-07	UIdataGB: Multi-Class ultrasound images dataset for gallbladder disease detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110426 PMID:38708300	research paper	本文介绍了一个大型数据集UIdataGB，包含10,692张高分辨率的胆囊超声图像，用于胆囊疾病检测。	该研究首次提供了一个开放访问的胆囊器官超声图像数据集，有助于推动计算机辅助诊断胆囊疾病的研究。	由于是首次提供此类数据集，可能存在数据集质量和可用性方面的限制。	旨在通过提供一个大型胆囊超声图像数据集，推动医学影像领域的发展，改善患者治疗。	研究对象包括1,782名个体的胆囊超声图像，涵盖多种胆囊疾病类型。	computer vision	胆囊疾病	NA	NA	image	10,692张胆囊超声图像，来自1,782名个体
16613	2024-08-07	Bangla_MER: A unique dataset for Bangla mathematical entity recognition 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110407 PMID:38708312	research paper	本文介绍了一个新的孟加拉语数学实体识别数据集Bangla_MER，包含13,717条记录	孟加拉语数学实体识别领域的新颖性，以及首个公开可用的数据集	NA	促进孟加拉语数学实体的识别和相关研究	孟加拉语中的数学实体，包括数学运算符、著名数学术语和操作数	自然语言处理	NA	NA	NA	文本	13,717条记录
16614	2024-08-08	Tea leaf age quality: Age-stratified tea leaf quality classification dataset 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110462 PMID:38711743	研究论文	本文介绍了“茶叶叶片年龄质量”数据集，这是一个用于基于叶片年龄进行茶叶分类、检测和质量预测的创新农业和机器学习资源。	该数据集首次系统地根据年龄质量标准将茶叶叶片分为四个不同类别，并提供了原始、未注释和增强的数据，以促进高级研究。	NA	旨在通过提供详细的年龄分层茶叶叶片分类，推动农业领域的技术进步。	茶叶叶片的分类和质量评估。	机器学习	NA	深度学习	NA	图像	2208张原始图像
16615	2024-08-07	Landslide susceptibility assessment using deep learning considering unbalanced samples distribution 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30107 PMID:38707366	研究论文	本研究提出了一种深度学习方法（DNN-MSFM），用于改进滑坡易发性评估（LSA）模型，特别是解决由于应用数据集中样本分布不平衡导致的局限性	DNN-MSFM方法结合了深度神经网络（DNN）和均方误差分类损失函数（MSFM），从算法角度处理不平衡样本	NA	提高滑坡易发性评估模型的性能，特别是在样本分布不平衡的情况下	滑坡易发性评估	机器学习	NA	深度神经网络（DNN）	DNN-MSFM	数据集	包含293个滑坡样本和653个非滑坡样本的不平衡数据集
16616	2024-08-07	Contribution to pulmonary diseases diagnostic from X-ray images using innovative deep learning models 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30308 PMID:38707425	研究论文	本文提出三种深度学习模型，用于通过胸腔X光片识别特定肺部疾病	提出的模型在识别肺部疾病方面优于现有模型，达到了高准确率	NA	提高肺部疾病的诊断准确性和及时性	肺部疾病的识别和分类	机器学习	肺部疾病	深度学习	CNN	图像	三个基准测试集
16617	2024-08-07	Evaluation of transformation invariant loss function with distance equilibrium in prediction of imaging photoplethysmography characteristics 2024-May-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3dbf PMID:38604181	研究论文	本文评估了一种具有距离均衡的变换不变损失函数在成像光电容积描记术（IPPG）特征预测中的应用	提出了一种具有距离均衡的变换不变损失函数，以更全面地分析血容量脉冲（BVP）信号中的时间-频率域特性	目前的研究主要集中在通过心率（HR）分析BVP信号，忽略了BVP信号中复杂的时间-频率域特性	研究如何通过IPPG技术更全面地分析人体心率变异性（HRV）	人体心率变异性（HRV）和血容量脉冲（BVP）信号	计算机视觉	NA	成像光电容积描记术（IPPG）	深度学习算法	图像	NA
16618	2024-08-08	A deep learning method for comparing Bayesian hierarchical models 2024-May-06, Psychological methods IF:7.6Q1 DOI:10.1037/met0000645 PMID:38709626	研究论文	本文提出了一种深度学习方法，用于比较贝叶斯分层模型，解决了传统贝叶斯模型比较在高维嵌套参数结构模型中的计算难题	该方法支持摊销推理，允许高效重新估计后验模型概率和快速性能验证，并通过转移学习提高训练效率	NA	开发一种新的深度学习方法，用于在贝叶斯模型比较中处理分层模型的复杂性	贝叶斯分层模型及其在模型比较中的应用	机器学习	NA	深度学习	深度学习模型	概率程序	NA
16619	2024-08-08	Artificial intelligence to automate assessment of ocular and periocular measurements 2024-May-06, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721241249773 PMID:38710195	研究论文	开发并验证了一种深度学习面部标志检测网络，用于自动化评估眼周解剖测量	使用机器学习算法自动检测面部标志并计算测量值，提高了眼周测量的客观性	NA	自动化评估眼周解剖测量	眼周解剖测量	计算机视觉	NA	深度学习	CNN	图像	958只眼睛，来自479名参与者
16620	2024-08-07	Optical coherence tomography choroidal enhancement using generative deep learning 2024-May-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01119-3 PMID:38704440	研究论文	本文提出了一种基于人工智能的解决方案，利用生成式深度学习增强光学相干断层扫描（OCT）中脉络膜的可视化，并允许对脉络膜指标进行定量测量。	本研究通过生成式深度学习模型成功生成了逼真的增强SDOCT数据，这些数据与SSOCT图像难以区分，提供了脉络膜的改进可视化。	NA	旨在通过生成式深度学习增强SDOCT扫描中脉络膜的可视化，并实现脉络膜指标的定量测量。	研究对象包括362对SDOCT-SSOCT配对样本，涵盖健康眼、青光眼和糖尿病视网膜病变眼。	计算机视觉	眼科疾病	生成式深度学习	生成式深度学习模型	图像	总共涉及362对SDOCT-SSOCT配对样本，包括410只健康眼、192只青光眼眼和133只糖尿病视网膜病变眼。