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
19301	2024-09-16	Synthesizing Complex-Valued Multicoil MRI Data from Magnitude-Only Images 2023-Mar-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10030358 PMID:36978749	研究论文	本文提出了一种从仅包含幅值信息的MRI图像中合成复杂值多线圈MRI数据的方法	使用条件生成对抗网络（GAN）框架从输入的幅值图像生成合成相位图像，并结合ESPIRiT方法生成多线圈数据，从而在MRI重建中使用临床影像档案中的多样化数据	尚未提及	解决大规模多样化MRI数据集构建的挑战，促进MRI技术的临床转化	MRI图像重建和数据合成	计算机视觉	NA	生成对抗网络（GAN）、ESPIRiT	生成对抗网络（GAN）、变分网络（Variational Network）	图像	未明确提及具体样本数量
19302	2024-09-16	Artificial Intelligence: A Next-Level Approach in Confronting the COVID-19 Pandemic 2023-Mar-14, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11060854 PMID:36981511	综述	本文综述了人工智能在应对COVID-19大流行中的作用	探讨了AI及其子领域机器学习和深度学习在遏制疫情中的应用	NA	评估近期文献中AI在应对COVID-19大流行中的作用	COVID-19感染、次级感染检测、技术辅助防护、全球AI法规及疫情对公众生活的影响	机器学习	COVID-19	NA	NA	NA	NA
19303	2024-09-16	Detection of Corona Faults in Switchgear by Using 1D-CNN, LSTM, and 1D-CNN-LSTM Methods 2023-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s23063108 PMID:36991819	研究论文	本文系统分析了三种深度学习技术（1D-CNN、LSTM和1D-CNN-LSTM混合模型）用于检测开关设备中的电晕故障，并确定最有效的模型	本文提出了1D-CNN-LSTM混合模型，该模型在时间和频率域中均表现出高准确性，优于单独使用1D-CNN或LSTM	NA	研究如何利用深度学习技术有效检测开关设备中的电晕故障	开关设备中的电晕故障	机器学习	NA	深度学习	1D-CNN, LSTM, 1D-CNN-LSTM	声音波形	训练、验证和测试阶段的样本数量未明确提及
19304	2024-09-16	An Analysis of Deep Learning Models in SSVEP-Based BCI: A Survey 2023-Mar-13, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13030483 PMID:36979293	综述	本文综述了基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）中深度学习模型的应用	提供了最新的设计指南，帮助研究人员使用深度学习模型分类SSVEP信号	深度学习模型的设计差异很大，许多超参数对模型性能的影响难以预测	分析和总结用于分类SSVEP信号的深度学习模型的设计方面	31种用于分类SSVEP信号的深度学习模型	机器学习	NA	深度学习	深度学习模型	信号	31种模型（2011-2023年）
19305	2024-09-16	Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15 2023-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.08.531814 PMID:36945536	研究论文	本文提出了一种结合成对结构相似性和深度学习界面接触预测的混合方法，用于估计蛋白质复合物模型在CASP15中的准确性	本文的创新点在于开发了一种结合成对相似性评分和界面接触概率评分的混合方法，用于估计蛋白质复合物模型的准确性，并在CASP15中取得了优异的成绩	本文未明确提及具体的局限性	本文的研究目的是开发一种新的方法来估计蛋白质复合物模型的准确性，并应用于预测四级结构和研究蛋白质功能与相互作用	本文的研究对象是蛋白质复合物的四级结构模型及其准确性	机器学习	NA	深度学习	NA	结构模型	参与CASP15的24个预测器
19306	2024-09-16	Deep Monocular Depth Estimation Based on Content and Contextual Features 2023-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s23062919 PMID:36991629	研究论文	提出了一种利用上下文语义信息进行单目深度估计的新方法	利用HRNet-v2语义分割模型的高质量语义特征，通过深度自编码器网络提高深度估计的准确性和鲁棒性	NA	提高单目图像深度估计的准确性和鲁棒性	单目图像的深度估计	计算机视觉	NA	深度学习	自编码器网络	图像	在NYU Depth v2和SUN RGB-D两个公开数据集上进行了测试
19307	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
19308	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
19309	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
19310	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
19311	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
19312	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
19313	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
19314	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
19315	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
19316	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
19317	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
19318	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
19319	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
19320	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