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
17861	2024-09-27	Investigating deep learning strategies for fast denoising of 5D cardiac photon-counting micro-CT images 2024-Sep-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7fc6 PMID:39321848	研究论文	研究使用深度学习方法对5D心脏光子计数微CT图像进行快速去噪	提出了UnetU Energy方法，显著提高了5D心脏光子计数微CT图像去噪的速度和准确性	ME NLM在某些情况下表现优于深度学习方法，但仍落后于迭代重建	探索适用于5D心脏光子计数微CT图像去噪的深度学习策略	5D心脏光子计数微CT图像的去噪效果和速度	计算机视觉	心血管疾病	深度学习	U-net, 3D U-net, FastDVDNet, Swin Transformer UNet	图像	使用真实小鼠数据和数字MOBY phantom进行评估
17862	2024-09-27	Detection of sleep arousal from STFT-based instantaneous features of single channel EEG signal 2024-Sep-25, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad7fcb PMID:39322029	研究论文	本文提出了一种基于短时傅里叶变换（STFT）的单通道脑电信号瞬时特征的睡眠觉醒检测模型	通过使用可解释的特征来提高睡眠觉醒检测模型的分类性能，避免了深度学习方法的不可解释性问题	NA	开发一种有效的睡眠觉醒检测模型，以辅助自动睡眠呼吸暂停检测系统	单通道脑电信号中的睡眠觉醒现象	机器学习	睡眠相关疾病	短时傅里叶变换（STFT）	三层神经网络	脑电信号	NA
17863	2024-09-27	Noise suppression in photon-counting computed tomography using unsupervised Poisson flow generative models 2024-Sep-23, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00175-6 PMID:39311990	研究论文	本文提出了一种基于无监督泊松流生成模型的光子计数计算机断层扫描（CT）图像去噪技术	本文将无监督逆问题求解方法扩展到泊松流生成模型（PFGM++），并通过劫持和正则化采样过程，实现了单步采样器（NFE=1）	NA	开发一种无需配对数据的无监督图像去噪技术，以提高光子计数CT图像的质量	光子计数CT图像	计算机视觉	NA	深度学习	扩散模型	图像	临床低剂量CT数据和GE HealthCare开发的实验性光子计数CT系统中的临床图像
17864	2024-09-27	Ultralow dose coronary calcium scoring CT at reduced tube voltage and current by using deep learning image reconstruction 2024-Sep-19, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111742 PMID:39321657	研究论文	探讨深度学习重建（DLR）在降低管电压和电流的极低剂量钙评分CT（CSCT）中的潜力	使用深度学习重建技术在降低管电压和电流的情况下实现极低剂量的钙评分CT	研究样本量较小，需要进一步验证在更大规模临床应用中的可行性	探索深度学习重建技术在极低剂量钙评分CT中的应用潜力	钙评分CT图像的质量和有效剂量	计算机视觉	心血管疾病	深度学习重建（DLR）	深度学习模型	图像	156名患者（分为两组：75名常规剂量组和81名极低剂量组）
17865	2024-09-27	Localized Plasmonic Structured Illumination Microscopy Using Hybrid Inverse Design 2024-Sep-18, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c03069 PMID:39234957	研究论文	本文提出了一种结合深度学习和遗传算法的混合逆向设计框架，用于优化局部等离子体结构化照明显微镜（LPSIM）阵列	该框架通过迭代和进化优化设计，显著提高了LPSIM基底的复原精度、抗噪能力和对较少测量次数的容忍度	NA	优化局部等离子体结构化照明显微镜（LPSIM）阵列的设计过程，以实现更高的超分辨率成像性能	局部等离子体结构化照明显微镜（LPSIM）阵列	计算机视觉	NA	局部等离子体结构化照明显微镜（LPSIM）	卷积神经网络（CNN）	图像	NA
17866	2024-09-27	Application of deep ensemble learning for palm disease detection in smart agriculture 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37141 PMID:39319161	研究论文	本文研究了在智能农业中应用深度学习模型进行棕榈病害检测和分类	采用两阶段优化方法，结合迁移学习和深度集成学习技术，显著提高了模型的泛化能力和检测准确性	未提及具体局限性	改进现有研究中的局限性，提高棕榈病害检测的鲁棒性和泛化能力	棕榈树病害	计算机视觉	NA	深度学习	深度集成学习	图像	未提及具体样本数量
17867	2024-09-27	[Prediction of PM10 Concentration in Dry Bulk Ports Using a Combined Deep Learning Model Considering Feature Meteorological Factors] 2024-Sep-08, Huan jing ke xue= Huanjing kexue DOI:10.13227/j.hjkx.202310217 PMID:39323136	研究论文	提出了一种结合深度学习模型CLAF，用于预测干散货港口的PM10浓度，考虑了气象因素的影响	提出了一个新的结合深度学习模型CLAF，融合了级联卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（AM），以提高PM10浓度的预测准确性	NA	提高干散货港口PM10浓度的预测准确性，以有效管理PM暴露并减轻对人类健康和经济的风险	干散货港口的PM10浓度及其受气象因素影响的时间序列非线性变化特征	机器学习	NA	深度学习	CLAF（结合CNN、LSTM和AM）	时间序列数据	NA
17868	2024-09-27	A Meta-Learning Approach for Classifying Multimodal Retinal Images of Retinal Vein Occlusion With Limited Data 2024-Sep-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.9.22 PMID:39297809	研究论文	提出并验证了一种用于分类多模态视网膜图像中视网膜静脉阻塞的元学习方法	使用元学习模型在有限数据下检测视网膜静脉阻塞，并展示了在不同模态图像上的优异诊断能力	NA	提出并验证一种元学习方法，用于从多模态图像中检测视网膜静脉阻塞	视网膜静脉阻塞的多模态图像	计算机视觉	视网膜疾病	元学习	ResNet, CLIP	图像	1254张彩色眼底图像，来自39种不同的眼底疾病
17869	2024-09-27	Exploring the Combination of Computer Vision and Surgical Neuroanatomy: A Workflow Involving Artificial Intelligence for the Identification of Skull Base Foramina 2024-Sep-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.08.137 PMID:39233310	研究论文	本文探讨了计算机视觉与外科神经解剖学的结合，开发了一种用于识别颅底孔的人工智能工作流程	本文创新性地开发了一种计算机视觉模型，能够自动识别和标注颅底孔，提高了手术规划和教育效果	NA	开发一种计算机视觉模型，自动识别和标注颅底孔，以避免手术并发症并促进神经外科学员的教育进步	颅底孔的识别和标注	计算机视觉	NA	深度学习	卷积神经网络	图像	3560张高分辨率、标注的颅底图像
17870	2024-09-27	CSV-Filter: a deep learning-based comprehensive structural variant filtering method for both short and long reads 2024-Sep-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae539 PMID:39240375	研究论文	本文介绍了一种基于深度学习的结构变异过滤方法CSV-Filter，适用于短读长和长读长数据	CSV-Filter采用了一种新颖的多级灰度图像编码方法，并结合图像增强技术和自监督学习网络，提高了结构变异特征的提取能力	NA	开发一种能够有效过滤结构变异检测结果中假阳性结果的方法	结构变异（SVs）及其在遗传研究和精准医学中的应用	机器学习	NA	深度学习	自监督学习网络	图像	NA
17871	2024-09-27	Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054001 PMID:39220048	研究论文	本文开发了一种结合专家知识和数据增强的方法，利用深度学习分析多参数磁共振成像（mpMRI）来预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本文创新性地使用深度学习模型预测胶质母细胞瘤的肿瘤浸润，无需依赖专家绘制的感兴趣区域（ROI）进行模型训练	NA	开发一种无需专家ROI绘制即可预测胶质母细胞瘤肿瘤浸润的深度学习模型	胶质母细胞瘤患者的肿瘤浸润和复发	数字病理学	脑肿瘤	多参数磁共振成像（mpMRI）	深度学习	图像	229名患者
17872	2024-09-27	Comparison and benchmark of deep learning methods for non-coding RNA classification 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012446 PMID:39264986	研究论文	本文比较和评估了用于非编码RNA分类的深度学习方法，并提供了相关数据集的详细描述	本文首次全面比较了当前最先进的非编码RNA分类方法，并进行了客观的基准测试	本文未涵盖所有可能的深度学习架构，且实验结果可能受限于所使用的数据集	评估和比较不同深度学习方法在非编码RNA分类中的性能	非编码RNA的分类方法及其在不同数据集上的表现	机器学习	NA	深度学习	多种深度学习架构	非编码RNA序列	涉及多个流行数据集
17873	2024-09-27	Hyperdimensional computing: A fast, robust, and interpretable paradigm for biological data 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012426 PMID:39316621	研究论文	本文探讨了超维度计算（HDC）在生物信息学中的应用潜力	提出超维度计算作为一种新的计算范式，具有高效、鲁棒和可解释性	NA	探索超维度计算在生物信息学中的应用潜力	生物数据处理和分析	生物信息学	NA	超维度计算（HDC）	NA	多模态和结构化数据	NA
17874	2024-09-27	Explainable artificial intelligence in deep learning-based detection of aortic elongation on chest X-ray images 2024-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztae045 PMID:39318689	研究论文	本文评估了深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	本文结合了可解释的人工智能技术，如梯度加权类激活映射和局部可解释模型无关解释方法，来增强深度学习模型决策的可解释性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	评估深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	胸部X光图像中的主动脉延长	计算机视觉	心血管疾病	深度学习	DenseNet, EfficientNet	图像	未提供具体样本数量
17875	2024-09-27	The potential impact of AI innovations on US occupations 2024-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae320 PMID:39319327	研究论文	本文探讨了人工智能创新对美国职业任务的潜在影响，并提出了一种基于深度学习的自然语言处理方法来评估这种影响	本文利用深度学习技术替代了以往的手动标注或粗粒度匹配方法，提出了AI Impact指标来量化人工智能对职业任务的潜在影响	人工智能对劳动力的影响有限，部分受影响的职业是增强而非替代，且受影响的行业正面临劳动力短缺问题	评估人工智能创新对美国职业任务的潜在影响	职业任务及其与人工智能专利的关系	自然语言处理	NA	深度学习	NA	文本	17,879个任务描述和24,758项人工智能专利
17876	2024-09-27	Transitions in dynamical regime and neural mode underlie perceptual decision-making 2024-Aug-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562427 PMID:37904994	研究论文	本文研究了感知决策过程中动态状态和神经模式的转变	提出了一种基于深度学习的无监督方法，用于从同时记录的前额叶皮层和纹状体神经元活动中发现与决策相关的动态	研究仅限于大鼠的听觉证据积累任务，未涉及其他物种或任务类型	探讨感知决策过程中吸引子动态是否以及如何影响决策行为和复杂的神经反应	大鼠在积累脉冲听觉证据时的前额叶皮层和纹状体神经元活动	神经科学	NA	深度学习	NA	神经元活动数据	NA
17877	2024-09-27	Integrating deep learning and regression models for accurate prediction of groundwater fluoride contamination in old city in Bitlis province, Eastern Anatolia Region, Türkiye 2024-Jul, Environmental science and pollution research international DOI:10.1007/s11356-024-34194-w PMID:38990257	研究论文	研究通过整合深度学习和回归模型，预测土耳其比特利斯省老城区地下水氟污染	采用多种机器学习和深度学习模型，包括XGBoost和CNN，显著提高了地下水氟污染预测的准确性	决策树回归器在预测中表现较差	评估地下水可能的地球化学污染分布，并开发一个稳健的预测模型	地下水中的氟污染	机器学习	NA	机器学习技术、回归模型、深度学习模型	XGBoost、CNN、ANN、DNN、LSTM	地下水样本数据	30个采样点，分别在2019年6月干季和9月雨季进行测量
17878	2024-09-27	Computed tomography-based radial endobronchial ultrasound image simulation of peripheral pulmonary lesions using deep learning 2024 Jul-Aug, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000079 PMID:39318751	研究论文	本文利用深度学习技术，从术前CT数据中模拟外周肺部病变（PPLs）的径向支气管内超声（R-EBUS）图像，以指导术中R-EBUS探头的操作	本文首次提出利用深度学习技术从CT数据中模拟R-EBUS图像，以提供术中操作指导	研究样本量有限，且仅限于特定类型的肺部病变	开发一种从术前CT数据中模拟R-EBUS图像的方法，以指导术中R-EBUS探头的操作	外周肺部病变（PPLs）的R-EBUS图像	计算机视觉	肺部疾病	深度学习	循环生成对抗网络	图像	250名接受R-EBUS引导下经支气管肺活检的患者
17879	2024-09-27	Potential of digital chest radiography-based deep learning in screening and diagnosing pneumoconiosis: An observational study 2024-Jun-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000038478 PMID:38905434	研究论文	本研究探讨了基于数字胸部X光片的深度学习模型在尘肺筛查和诊断中的应用	本研究开发了一种基于深度学习的模型，用于尘肺的筛查和分期，并发现ResNet101模型在分类尘肺方面表现优于放射科医生	本研究仅使用了1250张胸部X光片进行训练和测试，样本量相对较小	提高尘肺诊断的准确性和一致性	尘肺的分类和诊断	计算机视觉	尘肺	深度学习	ResNet101	图像	1250张胸部X光片
17880	2024-09-27	Delta-Conotoxin Structure Prediction and Analysis through Large-scale Comparative and Deep Learning Modeling Approaches 2024-May-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.30.596722 PMID:38854105	研究论文	本文通过大规模比较和深度学习建模方法预测和分析了delta-conotoxin的结构	利用AlphaFold和RosettaCM两种方法对18种未表征的delta-conotoxin进行了建模和分析	NA	预测和分析delta-conotoxin的结构，为药物开发提供见解	18种未表征的delta-conotoxin	生物信息学	NA	深度学习	AlphaFold, RosettaCM	蛋白质结构	18种delta-conotoxin