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
41	2025-01-04	Deep Unsupervised Representation Learning for Feature-Informed EEG Domain Extraction 2023, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2023.3339179 PMID:38048235	研究论文	本文提出了一种新的推理模型——联合嵌入变分自编码器，用于改进脑电图（EEG）分类中的特征提取和模型优化	提出了一种新的联合嵌入变分自编码器模型，通过联合优化的变分自编码器实现条件更紧密的时空特征分布估计，从而在不牺牲模型紧密性的情况下提高整体模型优化和扩展	模型依赖于EEG信号的复杂特征提取，这些特征的检测和定义本身具有挑战性	改进脑电图（EEG）分类中的特征提取和模型优化，特别是在目标受试者数据难以获取的情况下	脑电图（EEG）信号	机器学习	NA	变分自编码器	联合嵌入变分自编码器	脑电图（EEG）信号	未明确提及具体样本数量
42	2024-12-24	Deep learning based registration of serial whole-slide histopathology images in different stains 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100311 PMID:37214150	研究论文	本文提出了一种基于深度学习的注册网络CGNReg，用于在不同染色下对连续的全切片病理图像进行空间对齐	本文提出了一种新的基于深度学习的注册网络CGNReg，能够在没有先验变形信息的情况下，对H&E和IHC标记的连续全切片图像进行空间对齐	本文的局限性在于仅在乳腺癌患者的数据集上进行了评估，未来需要在更多类型的病理图像上进行验证	研究目的是对多染色病理全切片图像块的连续切片进行注册	研究对象是H&E和IHC标记的连续全切片病理图像	数字病理学	乳腺癌	深度学习	全卷积网络	图像	76名乳腺癌患者，每位患者有1张H&E和2张IHC连续全切片图像
43	2024-12-24	Pan-tumor T-lymphocyte detection using deep neural networks: Recommendations for transfer learning in immunohistochemistry 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100301 PMID:36994311	研究论文	本文研究了使用深度神经网络进行泛肿瘤T淋巴细胞检测，并提出了在免疫组化中进行迁移学习的建议	本文采用了RetinaNet架构进行T淋巴细胞检测，并通过迁移学习减少了不同肿瘤类型之间的领域差距，提高了算法的鲁棒性	本文的实验主要在特定数据集上进行，未涵盖所有可能的病理实验室或样本类型	研究如何通过计算机辅助系统高效量化肿瘤中的免疫细胞，并提高免疫细胞评分算法的鲁棒性和可重复性	泛肿瘤中的T淋巴细胞	计算机视觉	NA	深度学习	RetinaNet	图像	具体样本数量未在摘要中提及
44	2024-12-14	Federated Learning in Risk Prediction: A Primer and Application to COVID-19-Associated Acute Kidney Injury 2023, Nephron IF:2.3Q2 DOI:10.1159/000525645 PMID:35835066	研究论文	本文介绍了联邦学习在风险预测中的应用，特别是针对COVID-19相关急性肾损伤的情况	联邦学习提供了一种替代单机构方法的功能性选择，同时避免了数据共享的陷阱	NA	展示联邦学习在COVID-19相关急性肾损伤风险预测中的应用	COVID-19相关急性肾损伤的风险预测	机器学习	急性肾损伤	联邦学习	NA	数据	NA
45	2024-12-14	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本文开发并验证了一种基于深度学习模型的算法，用于在非洲通过视频监控结核病治疗中的药物依从性	本文首次在临床环境中评估了人工智能在药物依从性监测中的应用，并展示了其在资源有限的环境中的潜力	由于缺乏公开的特定药物摄入视频帧数据集，本文未进行外部验证	开发一种深度学习模型，用于简单二分类和确认结核病治疗中的药物依从性，以提高视频监控患者的效率	成年结核病患者在乌干达进行的视频观察疗法研究中的药物摄入视频图像	计算机视觉	结核病	深度学习	卷积神经网络	视频	861个视频图像，其中497个用于训练模型，405个为正样本，92个为负样本
46	2024-12-13	Sleep-Energy: An Energy Optimization Method to Sleep Stage Scoring 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2023.3263477 PMID:38292346	研究论文	本文提出了一种能量优化方法，用于改进自动睡眠分期生成的睡眠图质量	提出了一种基于能量优化的方法，通过条件概率评估每个时期的睡眠阶段，并采用能量最小化程序来提高自动睡眠分期的准确性	未提及具体限制	改进自动睡眠分期生成的睡眠图质量	睡眠分期和睡眠图质量	机器学习	NA	能量优化方法	深度学习模型	数据集	使用了Sleep EDFx和DRM-SUB数据集
47	2024-12-11	Structured deep embedding model to generate composite clinical indices from electronic health records for early detection of pancreatic cancer 2023-Jan-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100636 PMID:36699740	研究论文	本文提出了一种结构化的深度嵌入模型，用于从电子健康记录中生成复合临床指数，以实现胰腺癌的早期检测	本文的创新点在于构建了一个结构化的深度嵌入模型，通过领域专家（如临床医生）确定的相关测量分组来降低输入变量的维度，从而生成可解释的复合指数	本文的局限性在于仅在胰腺癌的早期检测中进行了验证，未来需要进一步验证其在其他健康结果预测中的应用	本文的研究目的是开发一种从电子健康记录中生成复合临床指数的方法，以支持临床决策	本文的研究对象是电子健康记录数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	深度嵌入模型	文本	NA
48	2024-12-10	Deep learning in bioinformatics 2023, Turkish journal of biology = Turk biyoloji dergisi DOI:10.55730/1300-0152.2671 PMID:38681776	综述	本文综述了深度学习在生物信息学中的应用	介绍了深度学习在生物信息学中的最新进展和挑战	未具体讨论深度学习模型的具体实现细节	提供深度学习在生物信息学中的概述，帮助生物信息学家考虑技术与伦理问题	深度学习在基因组测序、基因表达分析、蛋白质结构预测、药物发现和疾病诊断中的应用	机器学习	NA	深度学习	人工神经网络	生物数据	NA
49	2024-12-08	Deep reinforcement learning empowers automated inverse design and optimization of photonic crystals for nanoscale laser cavities 2023-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0692 PMID:39634850	研究论文	本文提出了一种基于深度强化学习的光子晶体逆向设计方法，用于纳米级激光腔的自动化优化	利用深度强化学习算法L2DO，实现了光子晶体激光腔的自主逆向设计和优化，显著提高了设计效率和性能	本文未提及具体的局限性	开发一种自动化方法，用于光子晶体激光腔的逆向设计和优化	光子晶体纳米激光腔	光子学	NA	深度强化学习	深度Q学习和近端策略优化	NA	两个激光腔：长光子晶体纳米梁和带有L3腔的光子晶体纳米梁
50	2024-12-06	BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283562 PMID:37014891	研究论文	开发了一种深度学习框架BCR-Net，用于从组织病理学图像预测乳腺癌复发风险	提出了BCR-Net框架，通过多实例学习模型自动加权特征，预测乳腺癌复发风险，优于现有的WSI分类模型	未提及	开发一种AI模型，替代昂贵且耗时的基因检测，预测乳腺癌复发风险	乳腺癌患者的组织病理学图像	机器学习	乳腺癌	深度学习	BCR-Net	图像	99名匿名患者的H&E和Ki67乳腺癌切除全切片图像
51	2024-11-21	EFFNet: A skin cancer classification model based on feature fusion and random forests 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293266 PMID:37871038	研究论文	提出了一种基于特征融合和随机森林的皮肤癌分类模型EFFNet	引入改进的分层双线性池化来捕捉不同卷积层之间的特征交互，增强了特征的表达能力	未提及	克服深度学习在皮肤癌分类中数据不平衡、特征冗余和特征交互被忽略的问题	皮肤癌分类	计算机视觉	皮肤癌	随机森林	EfficientNetV2	图像	使用了HAM10000数据集，通过图像增强技术使每类训练集图像平衡
52	2024-11-14	Growing ecosystem of deep learning methods for modeling protein-protein interactions 2023-Jan-21, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzad023 PMID:38102755	综述	本文综述了用于建模蛋白质相互作用的深度学习方法生态系统的发展	深度学习通过利用实验数据和蛋白质相互作用的基本生物物理知识，成为解决蛋白质相互作用多样性问题的有前途的方法	本文讨论了现有方法的局限性和未来研究方向	综述和讨论用于建模蛋白质相互作用的深度学习方法及其应用	蛋白质相互作用及其建模方法	机器学习	NA	深度学习	NA	NA	NA
53	2024-11-06	Implementing a novel deep learning technique for rainfall forecasting via climatic variables: An approach via hierarchical clustering analysis 2023-Jan-01, The Science of the total environment DOI:10.1016/j.scitotenv.2022.158760 PMID:36113802	研究论文	本文提出了一种基于优化门控循环单元（GRU）神经网络的深度学习模型，用于基于30年的气候数据预测巴基斯坦的降雨量	本文的创新点在于使用优化后的GRU神经网络进行降雨预测，并通过消除异常值和极端值以及数据归一化策略提高了预测精度	NA	研究目的是开发一种高精度的降雨预测模型，以帮助农业部门应对降雨变化带来的挑战	研究对象是巴基斯坦1991年至2020年的气候数据，包括温度、空气质量等变量	机器学习	NA	深度学习	GRU	气候数据	30年（1991-2020年）的气候数据
54	2024-11-06	Fibrosis severity scoring on Sirius red histology with multiple-instance deep learning 2023, Biological imaging DOI:10.1017/S2633903X23000144 PMID:38510166	研究论文	本文提出了一种基于多实例深度学习的方法，用于对天狼星红染色的肝纤维化病理切片进行严重程度评分	本文利用多实例学习和多次推断来解决病理特征稀疏的问题，并在此应用中达到了新的最先进水平	NA	开发一种减少肝纤维化病理切片评分中高评分者间和评分者内变异性的方法	非酒精性脂肪肝病（NAFLD）患者的肝纤维化病理切片	数字病理学	肝病	多实例深度学习	NA	图像	152张天狼星红染色的全切片图像（WSIs）
55	2024-11-06	Applications of artificial intelligence in dementia research 2023, Cambridge prisms. Precision medicine DOI:10.1017/pcm.2022.10 PMID:38550934	综述	本文综述了人工智能在痴呆研究中的应用	介绍了人工智能在痴呆研究中的多种应用，包括机器学习和深度学习方法	在实际临床环境中比较不同人工智能方法的有效性仍是一个挑战	提供人工智能在痴呆研究中应用的概述	痴呆的早期检测、诊断、进展监测以及护理干预	机器学习	老年病	机器学习、深度学习	NA	NA	NA
56	2024-10-21	Local Contrastive Learning for Medical Image Recognition 2023, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:38222415	研究论文	本文提出了一种用于医学图像识别的局部对比学习框架	引入了一种灵活的微调框架LRCLR，增加了显著图像区域选择和跨模态交互的层	未提及	提高医学图像分析中对细微病理差异的区分能力，并提供图像区域与文本之间的解释	胸部X光图像	计算机视觉	NA	深度学习	对比学习	图像	外部验证集中的胸部X光图像
57	2024-10-21	Towards Fair Patient-Trial Matching via Patient-Criterion Level Fairness Constraint 2023, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:38222427	研究论文	本文提出了一种基于患者-标准层公平性约束的公平患者-试验匹配框架	本文的创新点在于引入了患者-标准层公平性约束，以解决深度学习模型在患者-试验匹配中可能出现的公平性问题	本文未详细讨论该框架在实际应用中的可扩展性和效率问题	本文旨在解决临床试验中患者招募和保留的挑战，并提出一种公平的患者-试验匹配方法	本文的研究对象是临床试验中的患者和试验标准	机器学习	NA	深度学习	NA	文本	NA
58	2024-10-21	Prospective deployment of an automated implementation solution for artificial intelligence translation to clinical radiation oncology 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1305511 PMID:38239639	研究论文	本文介绍了一种名为Deep Learning On-Demand Assistant (DL-ODA)的全自动端到端临床平台，用于在放射肿瘤学中实现人工智能干预	DL-ODA平台的多模态、全自动端到端AI临床实施解决方案的创新性	NA	展示DL-ODA在放射肿瘤学中的应用，并验证其在临床环境中的可行性	DL-ODA系统在放射治疗计划中的应用，包括自动模型训练、自动分割和质量保证报告	数字病理学	NA	深度学习	NA	图像	3,399例肺部和885例脊柱放射治疗病例用于回顾性分析，2,500例心脏和230例脊柱病例用于前瞻性质量保证分析
59	2024-10-21	Automated anatomical labeling of the intracranial arteries via deep learning in computed tomography angiography 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1310357 PMID:38239880	研究论文	本文提出了一种基于U-Net深度学习模型的方法，用于在计算机断层血管造影（CTA）中自动标注颅内动脉的详细解剖段	首次使用U-Net深度学习模型自动标注CTA中的颅内动脉解剖段，并展示了其在颅内动脉瘤定位中的临床应用潜力	NA	开发一种自动化的方法来标注颅内动脉的解剖结构，以提高临床诊断的准确性和效率	颅内动脉的解剖段和颅内动脉瘤的定位	计算机视觉	NA	深度学习	U-Net	图像	457例不同程度的动脉狭窄病例用于训练、验证和测试模型，96例包含至少一个颅内动脉瘤的病例用于评估模型在动脉瘤定位中的应用
60	2024-10-21	Assessing the utility of deep neural networks in detecting superficial surgical site infections from free text electronic health record data 2023, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2023.1249835 PMID:38259257	研究论文	本研究利用自然语言处理技术从电子健康记录的自由文本中检测浅表手术部位感染	提出了两种不同的使用案例：独立机器学习管道和人在回路管道，并比较了它们的性能	NA	应用自然语言处理技术准确捕捉术后浅表手术部位感染	浅表手术部位感染的检测	自然语言处理	NA	自然语言处理	深度学习模型	文本	389,865例手术病例，3,983,864条未标记的图表记录，1,231,656条标记的记录