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
1801	2024-08-05	An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy 2023-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3198600 PMID:35984807	研究论文	本研究提出了一种基于CBCT的自动靶向系统用于非侵入性治疗癌症的Histotripsy技术。	提出了一种替代超声成像的X射线C臂靶向方法，结合深度学习和数字模型提高靶点定位精度。	实验主要在验证物模型上进行，临床应用的准确性和效果尚待进一步验证。	探讨CBCT在Histotripsy靶向中的应用，提升靶点定位的准确性和自动化程度。	研究主要针对肿瘤靶点的精准定位与治疗技术。	数字病理学	癌症	CBCT	深度学习	影像	在虚拟模型实验中评估了靶向精度
1802	2024-08-05	A Comprehensive Evaluation of Generalizability of Deep Learning-Based Hi-C Resolution Improvement Methods 2023-12-29, Genes IF:2.8Q2 DOI:10.3390/genes15010054 PMID:38254945	研究论文	本研究评估了现有Hi-C分辨率提升方法的可泛化性。	提出了一个框架Hi-CY，使用多种评估指标比较现有的Hi-C分辨率提升方法，并强调了现有方法在稀疏Hi-C数据集上的性能不足。	现有深度学习方法在实验生成的稀疏Hi-C数据集上泛化能力差，性能降低高达57%。	研究Hi-C分辨率提升方法的可泛化性，并识别改进的方向。	评估七个实验生成的低分辨率Hi-C数据集，分析不同稀疏程度的读取情况。	机器学习	NA	Hi-C	深度学习方法	Hi-C数据集	七个实验生成的低分辨率Hi-C数据集
1803	2024-08-05	Machine Learning to Advance Human Genome-Wide Association Studies 2023-12-25, Genes IF:2.8Q2 DOI:10.3390/genes15010034 PMID:38254924	综述	本文综述了机器学习在对人类基因组广泛关联研究中的应用	本文创新性在于介绍了机器学习在分配人类遗传位点与健康结果之间的应用，强调了新工具的整合	文章中提到的方法和工具在应用方面的优势和挑战，但未深入探讨具体的实践案例	探讨机器学习在遗传流行病学研究中的应用进展与潜力	主要讨论人类基因组与健康结果之间的关系	机器学习	NA	机器学习，包括深度学习和增强学习	NA	遗传变异数据	NA
1804	2024-08-05	A Triboelectric Sensor with Double Bubble Structure Applied in a High Security Double Lock System 2023-12-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01574 PMID:38063342	研究论文	提出了一种集成了双气泡结构的摩擦电传感器的高安全性双锁系统	创新点在于将摩擦电纳米发电机与深度学习模型结合，使用双气泡结构提高灵敏度	未提及实际应用中的长期稳定性和耐用性	设计一种具有更高安全性能的智能锁系统	聚焦于摩擦电传感器和深度学习模型的集成应用	数字病理学	NA	摩擦电纳米发电机	长短期记忆网络	生理信号	实验中使用了识别四种典型呼吸信号的样本
1805	2024-08-05	The Evolution of Artificial Intelligence in Biomedicine: Bibliometric Analysis 2023-Dec-19, JMIR AI DOI:10.2196/45770 PMID:38875563	研究论文	本研究探讨了生物医学领域中人工智能技术的演变和未来趋势。	提出了背景增强预测方法，提升了回归模型的预测效果。	研究可能局限于已发表文献的数据，未能覆盖所有相关领域。	预测不同生物医学领域中人工智能技术的未来发展趋势。	分析与人工智能和生物医学交叉领域相关的文献。	计算机视觉	NA	回归模型	背景增强预测模型	文献数据	从PubMed数据库中收集的大量相关文章
1806	2024-08-05	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	该研究开发并验证了一个可在多个中心间扩展的机器学习算法，用于预测手术案例的持续时间	提出了基于机器学习的非线性模型，用于精确预测手术时间，提供了与传统线性回归模型相比显著的预测改进	研究可能受限于所使用的数据集的特性，无法涵盖所有可能影响手术时长的变量	旨在提高手术时间预测的准确性，以优化手术室资源和人员配置	分析来自13家医院的1177893个手术案例数据	机器学习	NA	深度学习，梯度提升，集成机器学习模型	梯度提升机	周期性数据	1177893个手术案例
1807	2024-08-05	A Trainable Open-Source Machine Learning Accelerometer Activity Recognition Toolbox: Deep Learning Approach 2023-Jun-08, JMIR AI DOI:10.2196/42337 PMID:38875548	研究论文	本研究开发了一种准确、可训练的开源手机活动追踪工具箱。	提出了一种开放源代码的深度学习加速器活动识别工具，能够适应新行为的检测。	维度自适应神经架构模型在测试自有数据时准确性大幅下降至26%。	解决当前活动追踪器在科学应用中动作判别准确性不足的问题。	使用加速度计和陀螺仪数据识别不同类别的活动。	机器学习	NA	深度学习	维度自适应神经架构模型	加速度计和陀螺仪数据	6种不同的行为，包含来自自身记录的数据和MotionSense数据
1808	2024-08-05	Natural Language Processing for Clinical Laboratory Data Repository Systems: Implementation and Evaluation for Respiratory Viruses 2023-Jun-06, JMIR AI DOI:10.2196/44835 PMID:38875570	研究论文	本文探讨了自然语言处理技术在临床实验室数据中的应用，评估了其在呼吸病毒信息提取中的可行性	提出了一种基于深度学习的自然语言处理模型，以替代耗时且资源密集的手工规则工具	模型性能在不同病毒类别和类型间存在差异，且在检测到的病毒案例中的表现较差	研究自然语言处理模型在实验室报告信息提取中的可行性	省级实验室报告中的文本数据，涵盖14种呼吸病毒及其亚型	自然语言处理	呼吸道病毒感染	深度学习	层次多标签分类器	文本	87,500份独特的实验室报告
1809	2024-08-05	Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing 2023-Jun-01, JMIR AI DOI:10.2196/44537 PMID:38875565	研究论文	本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征	创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征	样本仅限于肺癌患者，可能不具备更广泛适应性	旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析	本研究对象为13,216名肺癌患者的放射学记录	自然语言处理	肺癌	深度学习，NLP	双向长短期记忆模型	文本	涉及13,216名肺癌患者的放射学记录
1810	2024-08-05	Few-Shot Learning for Clinical Natural Language Processing Using Siamese Neural Networks: Algorithm Development and Validation Study 2023-May-04, JMIR AI DOI:10.2196/44293 PMID:38875537	研究论文	本研究提出并评估了基于Siamese神经网络的少样本临床自然语言处理方法	文章创新性地将Siamese神经网络应用于临床自然语言处理任务的少样本学习	文中未详细探讨SNN在其他临床NLP任务中的表现，文献支持有限	旨在提出并评估基于SNN的少样本临床自然语言处理方法	研究对象为临床句子分类任务	自然语言处理	NA	Siamese神经网络	SNN	文本	NA
1811	2024-08-05	Deep Learning to Detect Pancreatic Cystic Lesions on Abdominal Computed Tomography Scans: Development and Validation Study 2023-Mar-17, JMIR AI DOI:10.2196/40702 PMID:38875547	研究论文	本研究开发和验证了一种用于自动检测胰腺囊性损伤的人工深度神经网络	研究中使用了一种基于注意力门U-Net架构的算法，提高了胰腺囊性损伤的检测率	研究主要基于335个样本，可能对不同类型的CT扫描结果的普适性有限	本研究旨在通过深度学习技术提高胰腺囊性损伤的早期检测率	研究对象包括335个腹部CT扫描的病例，其中297个病例被诊断为胰腺囊性损伤	计算机视觉	胰腺癌	深度学习	注意力门U-Net	图像	335个腹部CT扫描样本
1812	2024-08-05	Developing an Inpatient Electronic Medical Record Phenotype for Hospital-Acquired Pressure Injuries: Case Study Using Natural Language Processing Models 2023-Mar-08, JMIR AI DOI:10.2196/41264 PMID:38875552	研究论文	本文通过自然语言处理应用于电子病历，旨在更准确及时地识别医院获得性压疮（HAPI）	提出了基于电子病历的表型算法，证明其在检测HAPI方面比单独使用ICD-10-CA算法更有效	研究仅限于特定的医院和样本，可能不适用于其他环境	展示电子病历基础的表型算法在HAPI检测上的优势	在2015年至2018年期间，通过临床试验识别的HAPI患者	自然语言处理	NA	自然语言处理 (NLP)	随机森林 (RF), 极端梯度提升 (XGBoost), 深度学习模型	文本	280名患者，其中97名患者在研究期间出现HAPI
1813	2024-08-05	Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study 2023-Jan-12, JMIR AI DOI:10.2196/40843 PMID:38875539	研究论文	本研究探讨了在法国建立国家创伤观察站的可行性，比较了几种自动语言处理方法的性能。	使用了经过法语语料预训练并在306,368条未标记临床笔记上进行自监督学习的GPTanam模型，展示了最佳性能。	需要进一步改进以扩展缩写和多输出多类分类。	研究在法国建立综合且实时的创伤观察站的可行性。	通过对69110条与创伤相关的临床笔记进行多类分类的研究。	自然语言处理	NA	深度学习，变换器模型	变换器模型	文本	69110条临床笔记
1814	2024-08-05	Machine learning and deep learning for brain tumor MRI image segmentation 2023-11, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231214259 PMID:38102956	综述	文章综述了用于脑肿瘤MRI图像分割的常用机器学习和深度学习技术	结合两种或更多技术的趋势是当前的创新点	讨论了所述机器学习和深度学习方法的局限性和优点	研究脑肿瘤MRI图像分割的技术	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI	机器学习和深度学习技术	图像	NA
1815	2024-08-07	Protein structural alignment using deep learning 2023-10, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01543-3 PMID:37816889	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1816	2024-08-05	Automated deep learning auto-segmentation of air volumes for MRI-guided online adaptive radiation therapy of abdominal tumors 2023-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acda0b PMID:37253374	研究论文	本研究开发了一种自动化方法，用于在MRI引导的腹部肿瘤适应性放射治疗中分割空气区域	提出了一种修改版ResUNet3D深度学习模型用于自动分割MRI中的空气区域	该研究可能受到专门的MR图像序列和模型训练样本的限制	研究的目的是提高腹部肿瘤放射治疗中空气区域的分割速度和准确性	研究对象是102名患者的MRI图像	数字病理学	NA	深度学习	ResUNet3D	图像	102个患者的MR图像
1817	2024-08-05	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发了一种自然语言处理系统，用于临床概念提取和关系提取	提出了一种统一的基于提示的机器阅读理解架构，具有良好的跨机构应用的通用性	NA	解决临床概念提取和关系提取的问题	临床概念和社交决定健康关系的提取	自然语言处理	NA	机器阅读理解（MRC）	变压器模型	文本	使用了两个基准数据集（药物和不良药物事件；健康的社会决定因素关系）
1818	2024-08-05	A deep learning approach for automatic delineation of clinical target volume in stereotactic partial breast irradiation (S-PBI) 2023-05-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/accf5e PMID:37084739	研究论文	本研究提出了一种基于深度学习的方法，以自动划定立体部分乳腺照射中的临床靶区。	本研究通过模仿医生的划定实践，使用多通道输入的3D U-Net架构来实现CTV分割，展示了学习到的扩展规则和解剖边界。	研究限于对35名患者的回顾性数据，样本量较小，可能影响模型的泛化能力。	旨在提高乳腺癌术后放疗中临床靶区的划定效率和准确性。	研究对象为35名接受5次部分乳腺照射的术后乳腺癌患者的CT图像。	数字病理学	乳腺癌	CT图像和肿瘤床体积（TBV）掩膜的深度学习方法	3D U-Net	图像	175张来自35名患者的CT图像
1819	2024-08-05	Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy 2023-Dec-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13243613 PMID:38132197	综述	本综述评估了深度学习在胃癌早期检测中的应用现状	探讨了深度学习在胃癌分类、检测和肿瘤特征评估中的潜力	主要集中于单中心研究和未披露的数据集，对结果的普适性产生影响	研究深度学习在胃癌前期、早期及相关病变分析中的应用	利用内镜图像检测胃肿瘤的深度学习算法	计算机视觉	胃癌	深度学习	多种深度学习技术	图像	42项研究
1820	2024-08-05	Integrative approaches based on genomic techniques in the functional studies on enhancers 2023-11-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad442 PMID:38048082	综述	本文综述了基于组学技术的增强子功能研究的整合方法	提出了多维组学数据整合的方法，以识别和表征未知增强子的功能及调控机制	多维组学数据由于复杂性和大量性，整合全基因组水平仍面临困难	探讨有效的增强子研究方法和数据整合技术	各种组学方法在增强子研究中的应用	数字病理学	NA	高通量测序技术	机器学习和深度学习	基因组数据	NA