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
16701	2024-09-14	Mapping the terraces on the Loess Plateau based on a deep learning-based model at 1.89 m resolution 2023-03-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02005-5 PMID:36864066	研究论文	本文开发了一种基于深度学习的梯田提取模型，用于生成黄土高原1.89米分辨率的梯田分布图	首次在区域范围内应用纹理特征进行梯田提取	NA	研究黄土高原梯田的分布及其在土壤保护和农业生产中的作用	黄土高原的梯田分布	计算机视觉	NA	深度学习	UNet++	图像	11,420个测试样本和815个实地验证点
16702	2024-09-14	Direct prediction of genetic aberrations from pathology images in gastric cancer with swarm learning 2023-03, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-022-01347-0 PMID:36264524	研究论文	本文研究了使用群体学习（Swarm Learning）从病理图像中直接预测胃癌中的遗传异常	本文首次将群体学习应用于胃癌病理图像的分子生物标志物预测，克服了多中心数据稀缺的问题	本文仅在胃癌中验证了群体学习的效果，未来需在更多癌症类型中进行验证	验证群体学习在胃癌病理图像中预测分子生物标志物的可行性	胃癌患者的病理图像和分子生物标志物	数字病理学	胃癌	深度学习（DL）	群体学习（SL）	图像	四个国家的四个患者队列，包括瑞士、德国、英国和美国，样本具有已知的微卫星不稳定性（MSI）和Epstein-Barr病毒（EBV）状态
16703	2024-09-14	Machine learning of electrophysiological signals for the prediction of ventricular arrhythmias: systematic review and examination of heterogeneity between studies 2023-Mar, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104462 PMID:36773349	综述	本文系统回顾和探索了使用机器学习和深度学习模型预测室性心律失常的研究现状	结合了传统方法和数字健康技术收集的电生理信号，利用机器学习和深度学习进行个性化预测	研究间的异质性较大，主要由于小规模自定义数据集和机器学习模型的选择，可能影响模型的泛化能力	评估现有机器学习和深度学习模型在个性化预测恶性室性心律失常或心脏骤停方面的现状	电生理信号和机器学习模型	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	机器学习和深度学习模型	电生理信号	46项研究纳入系统回顾，32项研究纳入元分析
16704	2024-09-14	Incorporating variant frequencies data into short-term forecasting for COVID-19 cases and deaths in the USA: a deep learning approach 2023-Mar, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104482 PMID:36821889	研究论文	本文提出了一种多阶段深度学习模型，用于在美国各州进行COVID-19病例和死亡人数的短期预测	该模型整合了流行病学、移动性、调查、气候、人口统计和SARS-CoV-2变异频率数据，并在多个时空设置中表现优于CDC的集成模型	NA	提高COVID-19风险预测的准确性和鲁棒性，以支持公共卫生决策	COVID-19病例和死亡人数的短期预测	机器学习	COVID-19	深度学习	多阶段深度学习模型	多源数据（流行病学、移动性、调查、气候、人口统计和SARS-CoV-2变异频率数据）	美国各州，每周级别，预测范围为1-4周
16705	2024-09-14	Radar-based human activity recognition with adaptive thresholding towards resource constrained platforms 2023-03-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30631-x PMID:36859571	研究论文	本文提出了一种基于雷达的人类活动识别方法，通过自适应阈值技术在资源受限平台上实现高效分类	本文的创新点在于提出了一种自适应幅度阈值方法，用于突出多域微多普勒特征中的感兴趣区域，从而减少计算复杂度和资源消耗	NA	本文的研究目的是在资源受限平台上实现高效的人类活动识别	本文的研究对象是基于雷达的人类活动识别算法	计算机视觉	NA	雷达系统	深度学习方法	多域微多普勒特征	六种活动
16706	2024-09-14	Single-cell gene regulatory network prediction by explainable AI 2023-02-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac1212 PMID:36629274	研究论文	本文提出了一种可解释的深度学习方法scGeneRAI，用于从单细胞RNA测序数据中推断基因调控网络，并应用于人类肺癌数据集	本文提出的方法能够从单细胞层面重建基因调控网络，而现有最先进的方法只能预测细胞群体的平均网络	本文仅在合成数据和人类肺癌数据集上进行了验证，未来需要在更多类型的癌症数据上进行验证	通过单细胞基因调控网络预测揭示癌症细胞的分子异质性	单细胞RNA测序数据中的基因调控网络	机器学习	肺癌	单细胞RNA测序	深度学习	基因数据	一组人类肺癌样本
16707	2024-09-14	Tumor Diagnosis against Other Brain Diseases Using T2 MRI Brain Images and CNN Binary Classifier and DWT 2023-Feb-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13020348 PMID:36831891	研究论文	本文提出了一种基于卷积神经网络（CNN）和离散小波变换（DWT）的诊断框架，用于通过T2-SWI MRI扫描诊断脑胶质瘤肿瘤	本文创新性地将DWT与CNN结合，用于MRI图像的特征提取，以提高脑胶质瘤诊断的准确性	研究样本量相对较小，且仅限于特定类型的MRI图像	提高脑肿瘤诊断的准确性，减少人为因素导致的误诊风险	脑胶质瘤肿瘤与其他脑部疾病的诊断	计算机视觉	脑肿瘤	离散小波变换（DWT）	卷积神经网络（CNN）	图像	382名成年患者，包括健康和病理图像
16708	2024-09-14	Deep-EEG: An Optimized and Robust Framework and Method for EEG-Based Diagnosis of Epileptic Seizure 2023-Feb-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040773 PMID:36832260	研究论文	本文提出了一种基于深度学习的EEG数据自动检测癫痫发作的优化和鲁棒框架	本文提出的DCAE-ESD-Bi-LSTM模型在理想和实际情况下均能实现精确和优化的癫痫诊断	NA	开发一种能够自动检测癫痫发作的深度学习模型	癫痫发作的自动检测	机器学习	神经疾病	深度学习	卷积自编码器-双向长短期记忆网络	脑电图数据	使用了CHB-MIT基准数据集和作者收集的数据集
16709	2024-09-14	Improving Automatic Melanoma Diagnosis Using Deep Learning-Based Segmentation of Irregular Networks 2023-Feb-16, Cancers IF:4.5Q1 DOI:10.3390/cancers15041259 PMID:36831599	研究论文	本文提出了一种结合深度学习和传统图像处理技术的方法，用于提高黑色素瘤诊断的准确性	通过融合深度学习图像级结果与传统手工特征，显著提高了黑色素瘤的召回率和准确率	需要进一步研究以验证该方法在其他数据集上的泛化能力	提高黑色素瘤诊断的准确性	黑色素瘤及其不规则色素网络	计算机视觉	皮肤癌	深度学习	U-Net++	图像	487个独特的皮肤镜黑色素瘤病变图像，以及1000张用于训练和测试的图像
16710	2024-09-14	Assessing the Impact of Image Resolution on Deep Learning for TB Lesion Segmentation on Frontal Chest X-rays 2023-Feb-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040747 PMID:36832235	研究论文	研究探讨了不同图像分辨率对基于深度学习的肺结核病变分割模型在胸部X光片上的影响	提出了使用Inception-V3 UNet模型在不同图像分辨率下进行肺结核病变分割，并通过实验确定了最佳图像分辨率	研究仅使用了深圳胸部X光片数据集，可能限制了结果的普适性	探讨并确定用于肺结核病变分割的最佳图像分辨率	胸部X光片中的肺结核病变	计算机视觉	肺结核	深度学习	Inception-V3 UNet	图像	662张胸部X光片，包括326名正常患者和336名肺结核患者
16711	2024-09-14	Generalisability of fetal ultrasound deep learning models to low-resource imaging settings in five African countries 2023-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29490-3 PMID:36792642	研究论文	研究探讨了将胎儿超声深度学习模型应用于非洲五个低资源国家的可行性，并提出了减少领域偏移效应的策略	首次研究了在低资源环境下，将高资源临床中心训练的胎儿平面分类模型转移到低资源中心的效果，并提出了迁移学习方法以适应不同中心的差异	研究样本量较小，每个非洲中心仅涉及25个病例，可能影响结果的普适性	探讨在低资源环境下，深度学习模型在胎儿超声诊断中的应用潜力	胎儿超声图像分类模型在不同临床中心的可推广性	计算机视觉	NA	深度学习	分类模型	图像	西班牙1792例，丹麦1008例，非洲五个国家各25例
16712	2024-09-14	Distributed Detection of Malicious Android Apps While Preserving Privacy Using Federated Learning 2023-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s23042198 PMID:36850794	研究论文	本文研究了使用联邦学习在分布式环境中检测恶意Android应用的方法	提出了基于联邦学习的分布式恶意应用检测方法，避免了传统集中式训练中的隐私问题	实验仅在三种数据分布情况下进行了验证，未涵盖所有可能的数据分布情况	探索联邦学习在分布式环境中检测恶意Android应用的可行性和效率	Android恶意应用的检测	机器学习	NA	联邦学习	深度学习模型	数据	实验涉及三种数据分布情况：独立同分布、非独立同分布和非独立同分布且不平衡
16713	2024-09-14	Event-Guided Image Super-Resolution Reconstruction 2023-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s23042155 PMID:36850751	研究论文	本文提出了一种基于深度学习的事件相机超分辨率网络（EFSR-Net），用于解决事件相机低空间分辨率和视觉效果差的问题	设计了耦合响应块（CRB），能够融合事件流和主动传感器像素（APS）帧的特征信息，恢复真实图像中的细节纹理	NA	提高事件相机的空间分辨率和图像质量	事件相机生成的低分辨率图像	计算机视觉	NA	深度学习	EFSR-Net	图像	合成数据集和真实数据集
16714	2024-09-14	Sooty Tern Optimization Algorithm-Based Deep Learning Model for Diagnosing NSCLC Tumours 2023-Feb-14, Sensors (Basel, Switzerland) DOI:10.3390/s23042147 PMID:36850744	研究论文	本文提出了一种基于白额燕鸥优化算法的深度学习模型，用于诊断非小细胞肺癌肿瘤	采用白额燕鸥优化算法和局部二值模式进行特征提取，结合卷积神经网络和门控循环单元分类器，提高了诊断准确率	未提及具体限制	提高非小细胞肺癌肿瘤诊断的准确性	非小细胞肺癌肿瘤	机器学习	肺癌	深度学习	卷积神经网络、门控循环单元	图像	未提及具体样本数量
16715	2024-09-14	Automatic Bounding Box Annotation with Small Training Datasets for Industrial Manufacturing 2023-Feb-13, Micromachines IF:3.0Q2 DOI:10.3390/mi14020442 PMID:36838142	研究论文	本文讨论了如何在工业制造环境中使用小规模训练数据集自动生成边界框标注	提出了一种不需要人工验证、预定义类别集或大量手动标注数据集的边界框标注方法，并在简单水果数据集上显著优于基于Transformer的最先进对象发现方法	NA	研究如何在小规模训练数据集上自动生成新的训练数据，以促进对象检测模型在工业制造中的广泛应用	工业制造环境中的对象检测模型	计算机视觉	NA	深度学习	Faster R-CNN, Scaled-YOLOv4-p5	图像	小规模训练数据集
16716	2024-09-14	Developing a Tuned Three-Layer Perceptron Fed with Trained Deep Convolutional Neural Networks for Cervical Cancer Diagnosis 2023-Feb-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040686 PMID:36832174	研究论文	本文提出了一种基于深度卷积神经网络和多层感知机的组合方法，用于宫颈癌的诊断	本文的创新点在于使用ResNet-34、ResNet-50和VGG-19深度网络提取特征，并通过调整隐藏层神经元数量优化多层感知机，以提高诊断准确率	本文的局限性在于仅在Herlev基准数据库上进行了评估，未来需要在更多数据集上验证其泛化能力	本文的研究目的是开发一种高准确率的宫颈癌诊断方法	本文的研究对象是宫颈癌细胞的图像	计算机视觉	宫颈癌	深度学习	多层感知机	图像	Herlev基准数据库中的样本，包括两类和七类病例
16717	2024-09-14	Tooth Type Enhanced Transformer for Children Caries Diagnosis on Dental Panoramic Radiographs 2023-Feb-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040689 PMID:36832177	研究论文	本文介绍了一种新的深度学习技术，用于在牙科全景X光片上更准确地诊断儿童龋齿	提出了一种牙型增强的Swin Transformer模型，通过考虑犬齿、臼齿和门齿之间的差异，提高了龋齿诊断的准确性	NA	开发一种更准确的儿童龋齿诊断方法	儿童的牙科全景X光片	计算机视觉	NA	深度学习	Swin Transformer	图像	6028颗牙齿
16718	2024-09-14	Reducing the Energy Consumption of sEMG-Based Gesture Recognition at the Edge Using Transformers and Dynamic Inference 2023-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s23042065 PMID:36850662	研究论文	本文提出了一种基于表面肌电图（sEMG）信号的手势识别系统，通过使用微型Transformer模型和动态推理技术，显著降低了边缘设备的能耗	首次将微型Transformer模型应用于sEMG手势识别，并通过动态推理机制进一步优化能效	NA	优化基于sEMG信号的手势识别系统，使其在边缘设备上实现更高的能效和准确性	表面肌电图（sEMG）信号的手势识别	机器学习	NA	动态推理	Transformer	信号	使用Ninapro DB6数据集进行实验
16719	2024-09-14	A non-canonical striatopallidal "Go" pathway that supports motor control 2023-Feb-11, Research square DOI:10.21203/rs.3.rs-2524816/v1 PMID:36798372	研究论文	本文探讨了非经典的纹状体-苍白球“Go”通路在运动控制中的作用	发现了纹状体投射神经元（dSPNs）通过轴突侧支向苍白球（GPe）传递同步运动相关信息，并提出了一个新的模型来解释这一通路在运动控制中的作用	尚未完全了解dSPN GPe侧支在行为上的具体意义	研究纹状体投射神经元（dSPNs）的侧支在运动功能中的作用	纹状体投射神经元（dSPNs）及其侧支在苍白球（GPe）中的活动	神经科学	NA	活体光学和化学遗传学工具，深度学习方法	NA	NA	NA
16720	2024-09-14	Dual Semi-Supervised Learning for Classification of Alzheimer's Disease and Mild Cognitive Impairment Based on Neuropsychological Data 2023-Feb-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13020306 PMID:36831850	研究论文	本文提出了一种基于神经心理学数据的双重半监督学习方法，用于阿尔茨海默病和轻度认知障碍的分类	引入了差异正则化和一致性正则化与伪标签相结合的半监督方法	NA	开发一种新的半监督学习方法，用于阿尔茨海默病和轻度认知障碍的分类	阿尔茨海默病、轻度认知障碍和正常对照组	机器学习	阿尔茨海默病	NA	双重半监督学习框架	神经心理学测试分数	188例阿尔茨海默病、402例轻度认知障碍和229例正常对照组