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
16881	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
16882	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
16883	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
16884	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
16885	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
16886	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
16887	2024-09-14	Machine Learning System for Lung Neoplasms Distinguished Based on Scleral Data 2023-Feb-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040648 PMID:36832135	研究论文	本文探讨了巩膜特征与肺肿瘤之间的关联，并开发了一种基于巩膜图像的非侵入性人工智能方法用于检测肺肿瘤	开发了一种新型仪器用于获取无反射的巩膜图像，并基于此图像和多实例学习模型开发了一种非侵入性AI方法用于检测肺肿瘤	研究样本量相对较小，且仅限于特定时间段内的参与者	探索巩膜特征与肺肿瘤之间的关联，并开发一种非侵入性的人工智能方法用于检测肺肿瘤	巩膜特征与肺肿瘤的关联，以及基于巩膜图像的肺肿瘤检测方法	机器学习	肺癌	多实例学习	多实例学习模型	图像	3923名参与者，其中95名参与了巩膜图像筛查，共采集了950张巩膜图像
16888	2024-09-14	Explainable Artificial Intelligence (XAI) in Pain Research: Understanding the Role of Electrodermal Activity for Automated Pain Recognition 2023-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s23041959 PMID:36850556	研究论文	本文探讨了可解释人工智能（XAI）在疼痛研究中的应用，特别是通过电皮肤活动数据进行自动化疼痛识别	本文提出了使用递归特征消除和随机森林模型评估手工特征的重要性，并应用梯度加权类激活映射来突出深度学习模型中学习到的最具影响力的特征	本文主要关注电皮肤活动数据，未涉及其他类型的疼痛识别方法	研究可解释人工智能在疼痛识别中的应用，提高模型的透明度和可理解性	电皮肤活动传感器数据，包括PainMonit和BioVid Heat Pain数据库	机器学习	NA	递归特征消除，随机森林模型，梯度加权类激活映射	随机森林（RF）模型，深度学习模型	时间序列数据	PainMonit和BioVid Heat Pain数据库中的数据
16889	2024-09-14	A Lightweight Deep Learning Based Microwave Brain Image Network Model for Brain Tumor Classification Using Reconstructed Microwave Brain (RMB) Images 2023-Feb-07, Biosensors DOI:10.3390/bios13020238 PMID:36832004	研究论文	提出了一种基于轻量级深度学习的微波脑图像网络模型MBINet，用于从重建的微波脑图像中进行脑肿瘤分类	提出了一个八层的轻量级分类器模型MBINet，使用自组织操作神经网络（Self-ONN）进行分类，并在实验中取得了优于其他模型的分类结果	NA	开发一种用于从重建的微波脑图像中进行脑肿瘤分类的轻量级深度学习模型	重建的微波脑图像中的脑肿瘤分类	计算机视觉	脑肿瘤	微波脑成像（SMBI）	自组织操作神经网络（Self-ONN）	图像	总共1320张图像，包括不同类型的脑肿瘤和非肿瘤图像
16890	2024-09-14	Joint Cancer Segmentation and PI-RADS Classification on Multiparametric MRI Using MiniSegCaps Network 2023-Feb-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040615 PMID:36832103	研究论文	提出了一种名为MiniSegCaps的多分支网络，用于在多参数MRI上进行前列腺癌分割和PI-RADS分类	引入CapsuleNet分支利用前列腺癌与解剖结构之间的相对空间信息，减少训练样本需求；采用GRU单元跨切片利用空间知识，提高切片间一致性	未提及具体局限性	开发一种自动化的深度学习网络，用于前列腺癌的分割和PI-RADS分类，以减少放射科医生的负担和读片者间的变异性	前列腺癌的分割和PI-RADS分类	计算机视觉	前列腺癌	MRI	MiniSegCaps网络	图像	462名患者的多参数MRI数据
16891	2024-09-14	Transfer-Learning-Based Estimation of the Remaining Useful Life of Heterogeneous Bearing Types Using Low-Frequency Accelerometers 2023-Feb-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9020034 PMID:36826953	研究论文	本文提出并评估了一种基于迁移学习的剩余使用寿命（RUL）估计方法，适用于不同类型轴承的小数据集和低采样率	本文提出了一种基于迁移学习的深度学习方法，能够有效利用低频数据，并在IEEE PHM 2012数据挑战中表现优于获胜方法	NA	研究如何利用深度学习方法准确估计机械元件如轴承的剩余使用寿命	不同类型轴承的剩余使用寿命	机器学习	NA	迁移学习	LSTM	低频加速度计数据	小数据集
16892	2024-09-14	Deep-Learning-Based Automatic Segmentation of Parotid Gland on Computed Tomography Images 2023-Feb-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040581 PMID:36832069	研究论文	本研究开发了一种基于U-Net架构的算法，用于在头部和颈部CT图像上自动分割腮腺，并评估模型的性能	首次使用U-Net架构在CT图像上自动分割腮腺	研究样本量较小，仅为30个CT体积	开发和评估一种自动分割腮腺的算法	腮腺的自动分割	计算机视觉	NA	NA	U-Net	图像	30个头部和颈部CT体积，共931张轴向图像
16893	2024-09-14	Blockchain-Federated and Deep-Learning-Based Ensembling of Capsule Network with Incremental Extreme Learning Machines for Classification of COVID-19 Using CT Scans 2023-Feb-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020203 PMID:36829697	研究论文	本文提出了一种基于区块链和联邦学习的深度学习模型，结合胶囊网络和增量极限学习机，用于通过CT扫描图像分类COVID-19患者	创新点包括使用区块链技术确保数据隐私，通过联邦学习训练全局模型，以及结合胶囊网络和增量极限学习机进行分类	NA	开发一种有效且隐私保护的COVID-19分类方法	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	区块链技术，联邦学习	胶囊网络，增量极限学习机	图像	五个不同数据库（多家医院）的数据
16894	2024-09-14	Learning Pathways and Students Performance: A Dynamic Complex System 2023-Feb-03, Entropy (Basel, Switzerland) DOI:10.3390/e25020291 PMID:36832657	研究论文	本研究通过学生与学习管理系统（LMS）交互的日志数据构建网络模型，分析学生的学习路径及其对学习表现的影响	本研究首次通过分形方法提取相关学习活动节点，并使用深度学习网络对学生的学习路径进行分类，以预测学习表现	研究样本仅限于422名参与混合课程的学生，可能限制了结果的普适性	探讨学生学习路径的宏观涌现性和非加和性特征，以及微观层面的等终性	422名参与混合课程的学生的学习路径及其学习表现	机器学习	NA	深度学习网络	深度学习网络	网络数据	422名学生
16895	2024-09-14	Two-Stage CNN Whole Heart Segmentation Combining Image Enhanced Attention Mechanism and Metric Classification 2023-02, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00708-6 PMID:36175600	研究论文	提出了一种结合图像增强注意力机制和度量分类的两阶段CNN全心脏分割方法	采用Log-Gabor滤波器注意力机制和度量分类网络，增强了纹理和轮廓信息，并优化了难以分割的边界	未提及	提高心脏医学影像中多种组织和器官的分割精度	心脏MRI切片中的多种组织和器官	计算机视觉	心血管疾病	Log-Gabor滤波器	CNN	图像	7种心脏组织
16896	2024-09-14	Using pose estimation to identify regions and points on natural history specimens 2023-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010933 PMID:36812227	研究论文	本文测试了一种基于深度学习的姿态估计方法，用于在自然历史标本图像上准确标注关键位置点	提出了一种基于深度学习的姿态估计方法，能够高效地从数字化生物标本图像中提取表型测量数据	NA	探索如何利用高吞吐量方法从数字化生物标本数据中提取表型测量数据	鸟类标本和Littorina蜗牛壳的图像	计算机视觉	NA	深度学习	姿态估计	图像	鸟类数据集95%的图像被正确标注，Littorina数据集超过95%的标志点被准确放置
16897	2024-09-14	Advances in Diagnosis, Therapy, and Prognosis of Coronary Artery Disease Powered by Deep Learning Algorithms 2023-Feb, JACC. Asia DOI:10.1016/j.jacasi.2022.12.005 PMID:36873752	综述	本文综述了深度学习算法在冠状动脉疾病诊断、治疗和预后中的应用	深度学习算法提高了介入解决方案的效率和客观性，实现了高自动化、低辐射和增强的风险分层	泛化性、可解释性和监管问题仍是需要解决的挑战	探讨深度学习算法的发展及其在临床应用中的评估指标	冠状动脉疾病患者的诊断、治疗和预后	机器学习	心血管疾病	深度学习	深度学习算法	图像	NA
16898	2024-09-14	ChromDL: A Next-Generation Regulatory DNA Classifier 2023-Jan-29, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.27.525971 PMID:36789431	研究论文	本文介绍了一种名为ChromDL的神经网络架构，结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和双向长短期记忆单元（BiLSTM），用于预测非编码DNA的调控功能	ChromDL在转录因子结合位点（TFBS）、组蛋白修饰（HM）和DNase-I超敏感位点（DHS）检测方面显著优于其前身，并能更准确地检测弱转录因子（TF）结合	NA	开发一种新的神经网络架构，用于预测非编码DNA的调控功能	非编码DNA的调控功能	机器学习	NA	深度学习	混合神经网络（BiGRU、CNN、BiLSTM）	DNA序列	数千种深度学习架构的性能比较
16899	2024-09-14	Myocardial Segmentation of Tagged Magnetic Resonance Images with Transfer Learning Using Generative Cine-To-Tagged Dataset Transformation 2023-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020166 PMID:36829660	研究论文	本文开发并比较了两种用于标记磁共振图像心肌分割的深度学习模型，并展示了预训练模型在性能和收敛速度上的优势	提出了两种将心脏图像转换为标记图像的方法，并利用生成对抗网络进行风格迁移，从而利用大规模公开注释数据集	初始心肌参考点的选择仍需领域专家手动输入	提高心肌分割模型的性能，减少测量心肌应变所需的时间	标记磁共振图像中的心肌	计算机视觉	心血管疾病	深度学习	生成对抗网络 (GAN)	图像	NA
16900	2024-09-14	Design and Prediction of Aptamers Assisted by In Silico Methods 2023-Jan-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11020356 PMID:36830893	综述	本文介绍了通过计算机方法辅助设计与预测适配体的过程	本文探讨了通过构象结构预测、分子对接和分子动力学模拟等计算机方法来估计适配体与目标分子的结合，并介绍了机器学习和深度学习技术在预测目标与配体结合中的应用	NA	探讨通过计算机方法辅助适配体的设计与预测，以减少筛选和优化适配体的繁琐工作	适配体与目标分子的结合	生物信息学	NA	分子对接、分子动力学模拟	机器学习、深度学习	NA	NA