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
61	2024-09-17	A Current Review of Machine Learning and Deep Learning Models in Oral Cancer Diagnosis: Recent Technologies, Open Challenges, and Future Research Directions 2023-Apr-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071353 PMID:37046571	综述	本文综述了机器学习和深度学习模型在口腔癌诊断中的应用，探讨了最新技术、开放挑战和未来研究方向	本文通过综述展示了深度学习模型在早期口腔癌检测中的潜力，并讨论了人工智能在口腔癌研究中的潜在应用	本文主要集中在综述现有技术和模型，未提出新的研究方法或模型	探讨机器学习和深度学习在口腔癌早期诊断中的应用，评估不同模型的性能，并提出未来研究方向	口腔癌及其早期诊断方法	机器学习	口腔癌	NA	深度学习模型	NA	NA
62	2024-09-17	Explanatory predictive model for COVID-19 severity risk employing machine learning, shapley addition, and LIME 2023-04-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31542-7 PMID:37015978	研究论文	研究旨在利用机器学习、Shapley加法和LIME模型解释COVID-19严重程度的风险因素	采用Shapley加法解释（SHAP）和LIME模型来分析细胞因子风暴与COVID-19严重程度之间的关系	样本量较小，仅涉及87名参与者	探讨细胞因子对SARS-CoV-2感染严重程度的影响	COVID-19患者的血浆细胞因子水平	机器学习	COVID-19	机器学习、深度学习	SHAP、LIME	血浆细胞因子水平数据	87名COVID-19患者
63	2024-09-17	STGRNS: an interpretable transformer-based method for inferring gene regulatory networks from single-cell transcriptomic data 2023-04-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad165 PMID:37004161	研究论文	本文提出了一种基于Transformer的可解释方法STGRNS，用于从单细胞转录组数据中推断基因调控网络	STGRNS方法通过基因表达基序技术将基因对转换为连续子向量，避免了网络中缺失的阶段特异性调控，提高了GRN推断的准确性	NA	解决从单细胞转录组数据中推断基因调控网络时面临的细胞异质性问题	单细胞转录组数据中的基因调控网络	生物信息学	NA	单细胞RNA测序	Transformer	基因表达数据	21个静态和27个时间序列单细胞RNA测序数据集
64	2024-09-17	Heavy tails and pruning in programmable photonic circuits for universal unitaries 2023-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37611-9 PMID:37012281	研究论文	本文研究了可编程光子电路中旋转操作符的重尾分布特性，并通过设计修剪多余旋转操作符来实现高保真度的通用幺正操作	揭示了可编程光子电路中旋转操作符的重尾分布特性，并提出了通过修剪多余旋转操作符来提高幺正操作的保真度和能量效率	NA	开发高维幺正操作的硬件，以实现量子计算和深度学习加速	可编程光子电路中的旋转操作符及其分布特性	量子计算	NA	光子平台	NA	NA	NA
65	2024-09-17	MVDroid: an android malicious VPN detector using neural networks 2023-Apr-03, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08512-1 PMID:37362571	研究论文	本文提出了一种基于神经网络的安卓恶意VPN检测器MVDroid，并通过实验验证了其高准确性	本文提出了一种优化的深度学习神经网络，用于基于应用权限识别虚假和感染恶意软件的VPN，并引入了一个新的恶意和良性安卓VPN数据集	NA	识别安卓设备上的恶意VPN	安卓设备上的VPN应用	机器学习	NA	深度学习神经网络	神经网络	应用权限数据	包含恶意和良性VPN的新数据集
66	2024-09-17	Update on the Use of Artificial Intelligence in Hepatobiliary MR Imaging 2023-Apr-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2022-0102 PMID:36697024	综述	本文综述了机器学习和深度学习在肝胆MRI影像中的应用及其最新进展	本文旨在解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果	大多数临床医生对机器学习和深度学习不熟悉，且之前的相关研究较难理解	解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果	机器学习和深度学习在肝胆MRI影像中的应用	计算机视觉	肝胆疾病	机器学习深度学习	NA	影像	NA
67	2024-09-17	A 3D Tumor-Mimicking In Vitro Drug Release Model of Locoregional Chemoembolization Using Deep Learning-Based Quantitative Analyses 2023-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202206195 PMID:36793129	研究论文	本文开发了一种基于深度学习的3D肿瘤模拟体外药物释放模型，用于局部化疗栓塞的定量分析	首次结合深度学习进行计算分析，定量评估局部药物释放的关键参数，并建立了与人体结果长达80天的体外-体内相关性	NA	开发一种新的体外模型，以深入了解肿瘤内药物释放行为	肝细胞癌（HCC）的局部化疗栓塞治疗	数字病理学	肝癌	深度学习	NA	图像	NA
68	2024-09-17	Unlocking the microbial studies through computational approaches: how far have we reached? 2023-Apr, Environmental science and pollution research international DOI:10.1007/s11356-023-26220-0 PMID:36920617	综述	本文综述了计算方法在微生物研究中的应用进展	本文介绍了人工智能（特别是机器学习和深度学习）在微生物学中的应用，包括疾病预测、环境污染物追踪和环境质量评估	NA	探讨计算方法在微生物基因组学、蛋白质组学、功能多样性、疫苗开发和药物设计中的应用	微生物基因组、蛋白质组、功能多样性、疫苗和药物设计	机器学习	NA	机器学习（ML）和深度学习（DL）	NA	基因组序列和蛋白质组数据	NA
69	2024-09-17	Automatic measurement of anterior chamber angle parameters in AS-OCT images using deep learning 2023-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.481419 PMID:37078037	研究论文	本文提出了一种基于深度学习的自动测量前房角参数的方法，用于AS-OCT图像中的虹膜根部和巩膜突的检测	本文创新性地结合了卷积神经网络和Transformer模型，以捕捉局部和全局特征，从而提高了前房角参数测量的准确性	NA	开发一种自动检测AS-OCT图像中虹膜根部和巩膜突的深度学习方法，以测量前房角参数	AS-OCT图像中的虹膜根部和巩膜突	计算机视觉	青光眼	深度学习	卷积神经网络和Transformer模型	图像	3305张AS-OCT图像，来自362只眼睛和203名患者
70	2024-09-17	Quantifying the drug response of patient-derived organoid clusters by aggregated morphological indicators with multi-parameters based on optical coherence tomography 2023-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.486666 PMID:37078050	研究论文	开发了一种基于光学相干断层扫描（OCT）的无标记、连续跟踪成像和定量分析药物疗效的方法，用于患者来源的类器官（PDOs）	引入了一种基于深度学习网络（EGO-Net）的类器官分割和形态定量分析方法，并结合主成分分析（PCA）建立了综合形态指标（AMI），用于定量评估PDOs对药物梯度浓度和组合的响应	NA	开发一种高效的方法来定量评估患者来源的类器官（PDOs）对药物的响应	患者来源的类器官（PDOs）及其对药物的响应	数字病理学	NA	光学相干断层扫描（OCT）	深度学习网络（EGO-Net）	图像	NA
71	2024-09-16	ChimeraNet: U-Net for Hair Detection in Dermoscopic Skin Lesion Images 2023-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00740-6 PMID:36385676	研究论文	本文提出了一种新的深度学习技术ChimeraNet，用于检测皮肤镜图像中的毛发和标尺标记	ChimeraNet采用预训练的EfficientNet作为编码器，并在解码器中使用挤压和激励残差结构，显著提高了毛发检测的准确性	NA	提高皮肤镜图像中毛发和标尺标记的检测准确性	皮肤镜图像中的毛发和标尺标记	计算机视觉	NA	深度学习	U-Net	图像	使用了公开的HAM10000皮肤病变数据集，并在25张额外的测试图像上进行了评估
72	2024-09-16	Deep Learning-based Non-rigid Image Registration for High-dose Rate Brachytherapy in Inter-fraction Cervical Cancer 2023-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00732-6 PMID:36417026	研究论文	本文提出了一种用于局部晚期宫颈癌（LACC）的跨分次器官变形模拟框架，结合了深度学习技术进行非刚性图像配准	本文提出了一种基于深度学习的非刚性图像配准方法，用于高剂量率近距离放射治疗中的跨分次宫颈癌治疗，该方法优于传统算法	NA	研究目的是开发一种用于局部晚期宫颈癌的跨分次器官变形模拟框架，以提高高剂量率近距离放射治疗的精度	研究对象包括57名局部晚期宫颈癌患者的CT扫描数据，以及膀胱、宫颈和直肠等关键器官的分割数据	计算机视觉	宫颈癌	深度学习	卷积神经网络（CNN）	图像	57名局部晚期宫颈癌患者的CT扫描数据，共7202张2D切片，分为训练集（42名患者）和测试集（15名患者）
73	2024-09-16	Novel prediction models for hyperketonemia using bovine milk Fourier-transform infrared spectroscopy 2023-Apr, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2023.105860 PMID:36724618	研究论文	本文研究了使用牛乳傅里叶变换红外光谱（FTIR）预测酮症的新模型	本文评估了更多样化的建模选项，如深度学习、梯度提升机模型和模型集成，用于酮症分类	NA	评估不同建模选项在预测奶牛酮症中的表现	奶牛酮症	机器学习	NA	傅里叶变换红外光谱（FTIR）	卷积神经网络（CNN）	光谱数据	大量异质数据集，包括牛奶FTIR和同时采集的血液样本
74	2024-09-16	Preparing for the Artificial Intelligence Revolution in Nuclear Cardiology 2023-Apr, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-021-00733-3 PMID:36998588	研究论文	本文探讨了人工智能在核心脏病学中的应用，特别是深度学习在减少注射剂量、图像重建和过滤、SPECT衰减校正、特征提取和功能测量等方面的进展	本文介绍了深度学习和机器学习在核心脏病学中的多种创新应用，如减少注射剂量、图像重建、SPECT衰减校正等	尽管这些应用具有显著潜力，但大多数尚未广泛商业化，主要由于其开发时间较短	探讨人工智能在核心脏病学中的应用，并准备迎接即将到来的AI革命	核心脏病学中的深度学习和机器学习应用	机器学习	心血管疾病	深度学习 (DL), 机器学习 (ML)	深度学习模型	图像	NA
75	2024-09-16	An integrative machine learning framework for classifying SEER breast cancer 2023-04-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-32029-1 PMID:37005484	研究论文	本文提出了一种集成机器学习框架，用于分类SEER乳腺癌数据集中的生存和死亡状态	采用两步特征选择方法（方差阈值和主成分分析）来选择特征，并使用多种监督和集成学习技术进行分类	未提及具体限制	分类乳腺癌患者的生存和死亡状态	SEER乳腺癌数据集	机器学习	乳腺癌	机器学习和深度学习	决策树	数据集	未提及具体样本数量
76	2024-09-15	Applications of generative adversarial networks in neuroimaging and clinical neuroscience 2023-04-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.119898 PMID:36702211	综述	本文综述了生成对抗网络（GANs）在神经影像学和临床神经科学中的应用	GANs在捕捉空间复杂、非线性和潜在细微的疾病效应方面比传统生成方法更具优势	本文讨论了GANs在神经影像学应用中的主要挑战和开放问题	旨在弥合高级深度学习方法与神经学研究之间的差距，展示GANs如何支持临床决策并促进对脑疾病结构和功能模式的更好理解	阿尔茨海默病、脑肿瘤、脑老化和多发性硬化症等神经系统疾病	机器学习	NA	生成对抗网络（GANs）	GAN	影像	NA
77	2024-09-15	MEMS piezoelectric resonant microphone array for lung sound classification 2023-Apr-01, Journal of micromechanics and microengineering : structures, devices, and systems IF:2.4Q3 DOI:10.1088/1361-6439/acbfc3 PMID:36911255	研究论文	本文报道了一种用于肺音分类的高灵敏度压电微机电系统（MEMS）谐振麦克风阵列（RMA）	该RMA由八个宽度阶梯式悬臂谐振麦克风组成，具有从230到630 Hz的Mel分布谐振频率，主要覆盖哮鸣音的频率范围。与传统平坦灵敏度的参考麦克风相比，RMA记录的肺音中的哮鸣音特征更为明显，从而在使用深度学习算法或简单机器学习算法进行自动分类时，准确率更高	NA	开发一种用于检测和分类肺音中哮鸣音的高灵敏度MEMS谐振麦克风阵列	肺音中的哮鸣音	数字病理学	肺部疾病	MEMS技术	深度学习算法和简单机器学习算法	声音	NA
78	2024-09-15	Predicting sex, age, general cognition and mental health with machine learning on brain structural connectomes 2023-04-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26182 PMID:36541441	研究论文	研究利用机器学习技术预测大脑结构连接图谱中的性别、年龄、一般认知功能和心理健康状况	探讨了不同机器学习算法在预测大脑结构连接图谱中多个方面的效果，发现深度学习模型并未显著优于简单的线性模型	模型复杂度在当前样本量下不太可能提高结构连接图谱与复杂表型之间关联的检测	探索大脑结构连接图谱与性别、年龄、认知功能和心理健康状况之间的关系	大脑结构连接图谱、性别、年龄、认知功能和心理健康状况	机器学习	NA	机器学习	深度学习模型（BrainNetCNN）和经典机器学习方法	大脑结构连接图谱	8183个结构连接图谱
79	2024-09-15	External Validation of SpineNet, an Open-Source Deep Learning Model for Grading Lumbar Disk Degeneration MRI Features, Using the Northern Finland Birth Cohort 1966 2023-Apr-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000004572 PMID:36728678	研究论文	本研究旨在通过外部验证方法评估开源深度学习模型SpineNet在腰椎间盘退变MRI特征分级中的表现	SpineNet模型能够自动化地从磁共振成像（MRI）中分类腰椎间盘退变（DD），并在外部数据集上进行验证	研究中仅使用了来自NFBC1966的数据集进行验证，未来需要更多不同来源的数据进行进一步验证	验证SpineNet模型在腰椎间盘退变分类中的准确性和可靠性	SpineNet模型在NFBC1966数据集上的表现	计算机视觉	腰椎间盘退变	深度学习	CNN	MRI图像	1331名NFBC1966参与者
80	2024-09-15	Image dataset of urine test results on petri dishes for deep learning classification 2023-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109034 PMID:36942098	研究论文	本文介绍了一个用于深度学习分类的尿液检测培养皿图像数据集的创建过程	本文创新性地收集并分类了尿液检测培养皿图像，为深度学习模型在临床微生物学实验室中的应用提供了基础数据	本文未详细讨论深度学习模型的具体应用效果和性能	本文旨在为深度学习模型在尿液检测分类中的应用提供一个标准化的图像数据集	本文的研究对象是尿液检测培养皿图像	计算机视觉	NA	深度学习	NA	图像	1500张尿液检测培养皿图像