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
101	2024-10-18	Is Artificial Intelligence (AI) a Pipe Dream? Why Legal Issues Present Significant Hurdles to AI Autonomy 2022-07, AJR. American journal of roentgenology DOI:10.2214/AJR.21.27224 PMID:35138133	评论	本文讨论了人工智能（AI）在放射学中的应用及其面临的法律障碍	本文首次深入探讨了AI在放射学中应用时面临的法律责任问题	本文主要关注法律问题，未详细讨论技术实现的具体细节	探讨AI在放射学中应用的法律障碍及其对AI发展的影响	AI在放射学中的应用及其法律责任问题	NA	NA	NA	NA	NA	NA
102	2024-10-14	Deep learning fusion of satellite and social information to estimate human migratory flows 2022-Sep, Transactions in GIS : TG IF:2.1Q2 DOI:10.1111/tgis.12953 PMID:38024452	研究论文	本文提出了一种基于深度学习的数据融合技术，结合卫星和人口普查数据来估计从墨西哥到美国的移民流动	本文创新性地将卫星图像和构建的社会经济矩阵相结合，通过卷积神经网络来估计移民流动	NA	研究目的是通过多模态数据融合来提高移民流动模型的准确性	研究对象是从墨西哥到美国的移民流动	机器学习	NA	深度学习	卷积神经网络	图像和矩阵数据	涉及墨西哥各市的社会经济信息和卫星图像数据
103	2024-10-14	Deep learning identified pathological abnormalities predictive of graft loss in kidney transplant biopsies 2022-02, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2021.09.028 PMID:34757124	研究论文	本文开发了一种基于深度学习的管道，用于识别和量化肾移植活检中的病理异常，以预测移植失败	本文提出的深度学习模型能够更敏感地检测Banff评分阈值以下的细微病理变化，并且在预测移植失败方面优于传统的Banff评分和临床预测因子	NA	开发一种客观、定量的病理评估方法，以提高对肾移植失败预测的准确性	肾移植活检中的间质纤维化、肾小管萎缩和炎症等病理异常	数字病理学	肾移植	深度学习	深度学习模型	图像	789例肾移植活检样本（478例基线样本和311例移植后12个月的协议活检样本）
104	2024-10-12	Deep learning of longitudinal mammogram examinations for breast cancer risk prediction 2022-Dec, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2022.108919 PMID:37089470	研究论文	本文提出了一种新的深度学习结构LRP-NET，用于捕捉多次乳腺X光检查中的时空变化，以预测近期乳腺癌风险	首次设计了能够捕捉多次乳腺X光检查中时空信息的深度学习模型，用于乳腺癌风险预测	研究样本量较小，仅涉及200名患者，未来需要在大规模数据集上验证模型效果	开发一种能够利用多次乳腺X光检查中的时空信息来预测乳腺癌风险的深度学习模型	多次乳腺X光检查中的时空变化信息	计算机视觉	乳腺癌	深度学习	LRP-NET	图像	200名患者，每人进行四次检查，共3200张图像
105	2024-10-12	A general skull stripping of multiparametric brain MRIs using 3D convolutional neural network 2022-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14983-4 PMID:35760886	研究论文	本文提出了一种基于3D卷积神经网络的多参数脑部MRI的去颅骨方法	本文的创新点包括：1) 提出了一种全自动的端到端去颅骨方法；2) 适用于多参数MRI扫描，并可定制任何MRI模态组合；3) 不仅适用于健康脑部MRI，还适用于GBM手术前后的脑部MRI；4) 处理多中心数据；5) 首次定量比较了不同模态下的去颅骨性能	NA	研究目的是提高多参数脑部MRI的去颅骨准确性，以促进后续的神经影像分析	研究对象包括健康脑部和GBM手术前后的脑部MRI	计算机视觉	脑肿瘤	3D卷积神经网络	3DCNN	MRI图像	共收集了815例病例，包括有/无胶质母细胞瘤（GBM）的病例
106	2024-10-11	Deep learning model of somatic hypermutation reveals importance of sequence context beyond hotspot targeting 2022-Jan-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103668 PMID:35036866	研究论文	本文开发了一种深度学习模型DeepSHM，用于分析体细胞超突变（SHM），揭示了序列上下文在热点靶向之外的重要性	通过使用5-21个碱基的子序列，DeepSHM模型提高了预测准确性，并识别出具有高突变性的扩展WWRCT基序和AGYCTGGGGG基序	NA	研究体细胞超突变（SHM）的机制，特别是序列上下文对突变靶向的影响	免疫球蛋白（Ig）可变区的体细胞超突变	机器学习	NA	深度学习	深度学习模型	序列数据	使用5-21个碱基的子序列进行模型训练
107	2024-10-09	Predictive Diagnostic Approach to Dementia and Dementia Subtypes Using Wireless and Mobile Electroencephalography: A Pilot Study 2022-Mar, Bioelectricity IF:1.6Q4 DOI:10.1089/bioe.2021.0030 PMID:39372226	研究论文	本研究探讨了使用无线和移动脑电图（wmEEG）对痴呆及其亚型进行预测性诊断的可行性	首次使用无线和移动脑电图技术对痴呆及其亚型进行预测性诊断，并展示了其在不同任务下的分类准确性	本研究为初步研究，样本量较小，需要进一步验证和扩大样本以提高结果的普适性	开发一种用于老年人群轻度认知障碍筛查的方法，并基于此方法早期干预痴呆的进展	痴呆患者及其亚型与非痴呆对照组	神经科学	老年疾病	无线和移动脑电图（wmEEG）	深度学习	脑电图数据	101名痴呆患者和非痴呆对照组
108	2024-10-06	Machine learning and deep learning approach for medical image analysis: diagnosis to detection 2022-Dec-24, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14305-w PMID:36588765	review	本文综述了机器学习和深度学习在医学图像分析中的应用，特别是从诊断到检测的过程	深度学习被认为是机器学习的增强技术，能够更高效地处理大量数据，并使用多层神经网络获取更多信息	机器学习在处理当前模态的大量数据时存在局限性	旨在系统综述机器学习和深度学习在多种疾病检测和分类中的应用	医学图像分析中的机器学习和深度学习方法	computer vision	NA	深度学习 (DL) 和机器学习 (ML)	多层神经网络	图像	40项主要研究，使用MRI数据集进行实验
109	2024-10-06	PAN-cODE: COVID-19 forecasting using conditional latent ODEs 2022-11-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac160 PMID:36047844	研究论文	本文介绍了一种名为PAN-cODE的深度学习方法，用于预测COVID-19的每日感染和死亡人数	PAN-cODE使用深度条件潜在变量模型，能够基于不同的非药物干预措施生成不同的病例轨迹，并允许对训练期间未见过的地区进行病例估计	尽管使用了较少详细数据且训练过程完全自动化，PAN-cODE的性能与最先进的方法相当，但未提及具体的局限性	开发一种数据驱动的模型来预测COVID-19的传播，以支持政策决策	COVID-19的每日感染和死亡人数	机器学习	COVID-19	深度学习	条件潜在ODE模型	时间序列数据	未明确提及具体样本数量
110	2024-10-06	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	研究使用深度学习预测COVID-19 mRNA疫苗降解	提出了两种混合深度神经网络模型GCN_GRU和GCN_CNN，并证明GCN_GRU模型在预测RNA降解方面表现更优	NA	研究是否可以使用混合深度学习模型预测RNA降解	COVID-19 mRNA疫苗的降解特性	机器学习	COVID-19	深度学习	GCN_GRU和GCN_CNN	RNA序列	NA
111	2024-10-06	A Systematic Evaluation of Ensemble Learning Methods for Fine-Grained Semantic Segmentation of Tuberculosis-Consistent Lesions in Chest Radiographs 2022-Aug-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090413 PMID:36134959	研究论文	本文系统评估了集成学习方法在胸部X光片中结核病一致性病变细粒度语义分割中的应用	首次将集成学习应用于提高结核病一致性病变细粒度分割性能	NA	评估使用细粒度标注训练U-Net模型及其集成方法在结核病一致性病变语义分割中的效果	结核病一致性病变在胸部X光片中的细粒度语义分割	计算机视觉	肺结核	深度学习	U-Net	图像	NA
112	2024-10-06	COVID-19 Diagnosis and Classification Using Radiological Imaging and Deep Learning Techniques: A Comparative Study 2022-Aug-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081880 PMID:36010231	研究论文	本文比较了使用放射影像和深度学习技术进行COVID-19诊断和分类的不同方法	利用胸部X光和CT扫描图像，结合人工智能和深度学习技术，开发自动化诊断系统	COVID图像数据有限，深度学习预测患者严重程度的准确性高于PCR检测等传统方法	研究如何利用放射影像和深度学习技术进行COVID-19的自动化诊断和分类	胸部X光和CT扫描图像，以及各种CNN模型	计算机视觉	COVID-19	深度学习	CNN	图像	多个数据集，具体样本数量未提及
113	2024-10-06	SMANet: multi-region ensemble of convolutional neural network model for skeletal maturity assessment 2022-Jul, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1158 PMID:35782257	研究论文	提出了一种基于多区域卷积神经网络集合的自动骨骼成熟度评估方法	该方法结合了临床可解释的方法，避免了种族和地理差异的影响	NA	开发一种自动化的骨骼成熟度评估方法	儿童骨骼成熟度评估	计算机视觉	NA	卷积神经网络	CNN	图像	4861张左手X光片
114	2024-10-06	An All-In-One Multifunctional Touch Sensor with Carbon-Based Gradient Resistance Elements 2022-Jun-14, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-022-00875-9 PMID:35699779	研究论文	提出了一种基于碳基梯度电阻元件的多功能触觉传感器，用于促进多种机械刺激的广泛检测和识别范围	开发了一种具有梯度电阻元件和两个电极的多功能触觉传感器，消除了信号串扰并防止了人机交互中的位置感应干扰	NA	研究虚拟现实、增强现实和元宇宙中人机交互的重要性和挑战	多功能触觉传感器及其在人机交互中的应用	NA	NA	深度学习	NA	NA	NA
115	2024-10-06	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌	提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当	未提及具体局限性	开发和评估一种自动检测基底细胞癌的深度学习模型	基底细胞癌的检测	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习模型	图像	未提及具体样本数量
116	2024-10-06	COVID-19: A Comprehensive Review of Learning Models 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09641-3 PMID:34566404	综述	本文对COVID-19相关研究进行了全面的综述，重点关注症状早期识别、疫情结束预测和用户生成对话分析	本文综述了多种机器学习和深度学习模型在COVID-19研究中的应用	本文主要综述了现有研究的结果和局限性，未提出新的模型或方法	综述COVID-19相关研究，探讨机器学习和深度学习模型在疫情监测中的应用	COVID-19症状早期识别、疫情结束预测和用户生成对话分析	机器学习	COVID-19	机器学习、深度学习	K-means聚类、随机森林、卷积神经网络、长短期记忆网络、自编码器、回归模型	图像、文本	NA
117	2024-10-06	DeepLN: A Multi-Task AI Tool to Predict the Imaging Characteristics, Malignancy and Pathological Subtypes in CT-Detected Pulmonary Nodules 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.683792 PMID:35646699	研究论文	本文介绍了一种名为DeepLN的多任务AI工具，用于预测CT检测到的肺结节的影像特征、恶性程度和病理亚型	提出了一种基于深度卷积神经网络的DeepLN工具，能够准确预测肺结节的影像特征、恶性程度和病理亚型	研究是回顾性的，且样本主要来自单一来源	提高基于CT图像的肺结节恶性风险预测的准确性	8950个具有完整病理结果的肺结节	计算机视觉	肺癌	深度卷积神经网络	CNN	图像	8950个肺结节
118	2024-10-06	CVD-HNet: Classifying Pneumonia and COVID-19 in Chest X-ray Images Using Deep Network 2022, Wireless personal communications IF:1.9Q3 DOI:10.1007/s11277-022-09864-y PMID:35756172	研究论文	本文提出了一种基于新型深度卷积神经网络（CNN）的COVID-19感染胸部X光图像分类方法	设计了两种新的定制CNN架构CVD-HNet1和CVD-HNet2，并提出了一种基于边界和区域操作以及卷积过程的系统方法	在有限的数据集上取得了显著的分类准确率，但需要更多训练样本以获得更好的结果	提高COVID-19和肺炎在胸部X光图像中的分类准确性	COVID-19和肺炎的胸部X光图像	计算机视觉	肺部疾病	深度学习（DL）	卷积神经网络（CNN）	图像	有限的数据集
119	2024-10-06	Identification of the ubiquitin-proteasome pathway domain by hyperparameter optimization based on a 2D convolutional neural network 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.851688 PMID:35937990	研究论文	本文开发了一种基于2D卷积神经网络的超参数优化算法，用于识别泛素-蛋白酶体途径域	提出了名为2DCNN-UPP的新型深度学习预测器，通过遗传算法选择最优特征，避免了过拟合问题	NA	开发一种快速准确的计算方法来识别泛素-蛋白酶体途径	泛素-蛋白酶体途径及其在细胞过程中的作用	机器学习	NA	下一代测序	2D卷积神经网络	蛋白质序列	使用10折交叉验证方法进行训练和评估
120	2024-10-06	Deep learning approaches for conformational flexibility and switching properties in protein design 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.928534 PMID:36032687	综述	本文综述了深度学习在蛋白质设计中处理构象灵活性和开关特性的方法	探讨了前沿深度学习设计方法如何适应蛋白质的灵活性，并展望了该领域的未来发展	NA	探讨深度学习在蛋白质设计中的应用，特别是如何处理蛋白质的构象灵活性和开关特性	蛋白质设计方法及其在处理蛋白质灵活性方面的应用	机器学习	NA	深度学习	生成模型	NA	NA