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	2024-10-01	Efficient Augmented Intelligence Framework for Bladder Lesion Detection 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00031 PMID:37774313	研究论文	研究开发了一种高效的增强智能框架，用于膀胱病变检测	使用多种深度学习模型（ConvNeXt, PlexusNet, MobileNet, SwinTransformer）进行膀胱病变检测，并比较了它们的性能和计算效率	研究样本量较小，且仅限于教育性膀胱镜图谱和68例膀胱镜视频	开发一种高效的智能系统用于膀胱病变检测	膀胱病变检测	计算机视觉	膀胱癌	深度学习	ConvNeXt, PlexusNet, MobileNet, SwinTransformer	图像	312张图像和68例膀胱镜视频
62	2024-10-01	DL-TCNN: Deep Learning-based Temporal Convolutional Neural Network for prediction of conformational B-cell epitopes 2023-Sep, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-023-03716-7 PMID:37575599	研究论文	本文提出了一种基于深度学习的时间卷积神经网络DL-TCNN，用于预测构象B细胞表位	本文提出了一种新的基于深度学习的框架DL-TCNN，结合了1D-CNN和TCN的优点，用于提高构象B细胞表位预测的准确性	NA	提高构象B细胞表位预测的准确性	构象B细胞表位	机器学习	NA	深度学习	时间卷积神经网络（TCNN）	序列数据	使用了基准抗原-抗体数据集进行训练、验证和测试
63	2024-10-01	Frequent temporal patterns of physiological and biological biomarkers and their evolution in sepsis 2023-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102576 PMID:37673556	研究论文	本文采用时间模式挖掘方法，识别脓毒症患者生理和生物标志物的频繁时间模式及其演变	通过使用频繁模式作为特征来分类脓毒症和非脓毒症患者，提高了预测准确性和性能	深度学习方法在脓毒症文献中广泛使用，虽然准确性高，但模型可解释性和可解释性有限	早期识别脓毒症，避免潜在的不可逆器官功能障碍	脓毒症患者的生理和生物标志物	NA	脓毒症	时间模式挖掘	NA	生理和生物标志物数据	NA
64	2024-10-01	Force Profile as Surgeon-Specific Signature 2023-Sep, Annals of surgery open : perspectives of surgical history, education, and clinical approaches DOI:10.1097/AS9.0000000000000326 PMID:37746608	研究论文	研究外科医生的力学特征作为其身份和表现的标志	首次研究了外科医生的手术技术是否可以通过其力学特征进行识别	研究仅限于神经外科手术数据，未来需扩展到其他手术类型	探索外科医生的力学特征是否可以作为其身份和表现的标志	外科医生的力学特征和手术技术	机器学习	NA	深度学习方法	ResNet模型和XGBoost算法	时间序列数据	2819个10秒的时间段，来自89例神经外科手术
65	2024-09-28	Digital Filtering Techniques Using Fuzzy-Rules Based Logic Control 2023-Sep-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9100208 PMID:37888315	研究论文	本文讨论了基于模糊逻辑控制概念的数字滤波技术，用于去除数字图像中的脉冲噪声	提出了多种基于模糊规则的滤波算法，并探讨了模糊规则在检测和过滤脉冲噪声中的应用，以及模糊细胞自动机和模糊规则深度学习集成分类器的潜在优势	未提及具体的局限性	研究如何利用模糊逻辑控制技术有效去除数字图像中的脉冲噪声，同时保留图像边缘和细节	数字图像中的脉冲噪声去除	计算机视觉	NA	模糊逻辑控制	卷积神经网络 (CNN), 循环神经网络 (RNN), 长短期记忆神经网络 (LSTM), 门控循环单元 (GRU)	图像	未提及具体样本数量
66	2024-09-28	Bio-Inspired Artificial Intelligence with Natural Language Processing Based on Deceptive Content Detection in Social Networking 2023-Sep-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics8060449 PMID:37887580	研究论文	本文提出了一种基于生物启发的人工智能和自然语言处理技术，用于检测社交媒体中的欺骗性内容	本文创新性地结合了多头部自注意力双向长短期记忆模型和非洲秃鹫优化算法，用于检测社交媒体中的欺骗性内容	NA	检测社交媒体中的欺骗性或虚假内容	社交媒体中的欺骗性内容	自然语言处理	NA	机器学习	多头部自注意力双向长短期记忆模型	文本	两个基准假新闻数据集：BuzzFeed和PolitiFact
67	2024-09-28	Scoping Meta-Review of Methods Used to Assess Artificial Intelligence-Based Medical Devices for Heart Failure 2023-Sep-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101109 PMID:37892839	meta-analysis	本文对用于评估基于人工智能的心力衰竭医疗设备的方法进行了范围综述	本文首次系统地综述了评估基于人工智能的心力衰竭医疗设备的方法，填补了现有健康技术评估流程中对AI/ML-based MDs评估方法的空白	本文主要依赖于已发表的综述，可能存在选择偏倚；且未涵盖所有地区和时间段的研究	旨在收集和分析现有文献中用于评估基于人工智能的心力衰竭医疗设备的方法	基于人工智能的心力衰竭医疗设备及其评估方法	机器学习	心血管疾病	深度学习	NA	电子健康记录和注册数据	21篇综述，主要来自北美和欧洲
68	2024-09-28	Prediction of Adverse Events Risk in Patients with Comorbid Post- Traumatic Stress Disorder and Alcohol Use Disorder Using Electronic Medical Records by Deep Learning Models 2023-Sep-18, Research square DOI:10.21203/rs.3.rs-3299369/v1 PMID:37790550	研究论文	本文使用电子病历和深度学习模型预测患有创伤后应激障碍和酒精使用障碍患者的多种不良事件风险	开发了DeepBiomarker2模型，通过整合多模态信息（实验室检测、药物、合并症和社会决定因素）来提高预测准确性	NA	预测患有创伤后应激障碍和酒精使用障碍患者的多种不良事件风险	患有创伤后应激障碍和酒精使用障碍的患者	机器学习	精神障碍	深度学习	DeepBiomarker2	电子病历	5565名患者
69	2024-09-27	Use of a Novel Deep Learning Open-Source Model for Quantification of Ki-67 in Breast Cancer Patients in Pakistan: A Comparative Study between the Manual and Automated Methods 2023-Sep-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13193105 PMID:37835848	研究论文	本研究使用一种新颖的深度学习开源模型，对巴基斯坦乳腺癌患者的Ki-67进行定量分析，并与传统手动方法进行比较	首次使用深度学习模型对乳腺癌患者的Ki-67进行自动化定量分析，并与传统手动方法进行比较	样本量较小，需要更多研究以验证模型的广泛适用性	评估深度学习模型在乳腺癌Ki-67定量分析中的准确性和效率	乳腺癌患者的Ki-67表达	数字病理学	乳腺癌	深度学习	深度学习模型	图像	140张数字图像
70	2024-09-27	Towards Building a Trustworthy Deep Learning Framework for Medical Image Analysis 2023-Sep-27, Sensors (Basel, Switzerland) DOI:10.3390/s23198122 PMID:37836952	研究论文	提出了一种可信的深度学习框架TRUDLMIA，用于医学图像分析，通过自监督学习和新的代理损失函数提高模型性能和可信度	提出了TRUDLMIA框架，结合自监督学习和新的代理损失函数，显著提高了模型性能和可信度	未提及具体限制	开发一种可信的深度学习框架，以提高医学图像分析的诊断准确性和可信度	肺炎、COVID-19和黑色素瘤的检测	计算机视觉	NA	自监督学习	深度学习	图像	三个基准数据集
71	2024-09-27	Elliptic PDE learning is provably data-efficient 2023-Sep-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2303904120 PMID:37722063	研究论文	本文研究了椭圆偏微分方程（PDE）学习的数据效率问题，并提供了理论保证	本文提出了一个基于随机数值线性代数和PDE理论的数据高效算法，能够从输入输出数据中恢复三维均匀椭圆PDE的解算子，并实现了指数级的误差收敛率	NA	研究PDE学习中的数据效率问题，并提供理论保证	三维均匀椭圆偏微分方程的解算子	机器学习	NA	随机数值线性代数	NA	输入输出数据	NA
72	2024-09-27	Combined prediction and design reveals the target recognition mechanism of an intrinsically disordered protein interaction domain 2023-09-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2305603120 PMID:37722056	研究论文	本文通过结合计算方法和实验，揭示了无序蛋白质相互作用域与其目标识别机制	本文创新性地结合了计算方法和实验，成功解析了无序蛋白质相互作用域与其目标的高分辨率结构	NA	揭示无序蛋白质相互作用域与其目标的识别机制	无序蛋白质相互作用域及其目标的结构	生物信息学	NA	计算方法、实验技术	AlphaFold2 (AF2)	蛋白质序列	NA
73	2024-09-27	Brain-inspired neural circuit evolution for spiking neural networks 2023-09-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2218173120 PMID:37729206	研究论文	本文提出了一种基于生物神经电路的进化空间，结合前馈和反馈连接以及兴奋性和抑制性神经元，用于构建脉冲神经网络	通过结合前馈和反馈连接以及兴奋性和抑制性神经元，提供了一个更符合生物学原理的进化空间，并利用局部脉冲行为自适应地进化神经电路	NA	将生物神经电路的丰富动态特性应用于当前脉冲神经网络的结构建模	脉冲神经网络的结构和性能	机器学习	NA	脉冲时序依赖可塑性	脉冲神经网络	图像	使用了CIFAR10、DVS-CIFAR10、DVS-Gesture和N-Caltech101数据集，并在ImageNet上进行了测试
74	2024-09-27	Inferring single-cell transcriptomic dynamics with structured latent gene expression dynamics 2023-09-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100581 PMID:37708894	研究论文	本文提出了一种名为LatentVelo的方法，利用深度学习技术计算单细胞RNA测序数据的基因表达动力学的低维表示	LatentVelo通过变分自编码器将细胞嵌入潜在空间，并使用神经常微分方程在基于动力学的潜在空间中建模分化动力学，从而推断潜在的调控状态以模拟多条细胞谱系	NA	开发一种新的方法来推断单细胞RNA测序数据中的基因表达动力学	单细胞RNA测序数据中的基因表达动力学	机器学习	NA	深度学习	变分自编码器	RNA测序数据	NA
75	2024-09-27	Machine learning for cross-scale microscopy of viruses 2023-09-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100557 PMID:37751685	研究论文	本文讨论了人工智能如何增强显微镜技术，以推进病毒学研究	本文展示了人工智能在图像去噪、目标分割、跟踪、分类和超分辨率方面的应用，并展示了这些技术如何改进显微镜数据的获取和分析	NA	探讨人工智能如何增强显微镜技术，以推进病毒学研究	病毒感染机制、抗病毒药物开发和病毒载体改进	计算机视觉	NA	机器学习	深度学习	图像	NA
76	2024-09-27	Neural Data Transformer 2: Multi-context Pretraining for Neural Spiking Activity 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.18.558113 PMID:37781630	研究论文	本文开发了Neural Data Transformer 2 (NDT2)，一个用于神经尖峰活动的时空Transformer模型，并通过预训练展示了其在跨会话、跨受试者和跨实验任务的电机BCI数据集上的应用	提出了NDT2模型，通过预训练能够跨不同上下文快速适应下游解码任务，为iBCI控制中的预训练DNN部署开辟了道路	NA	开发一种能够跨不同上下文快速适应的神经尖峰活动模型，以提高脑机接口的效率	神经尖峰活动数据	机器学习	NA	Transformer模型	Transformer	神经尖峰活动数据	跨会话、跨受试者和跨实验任务的电机BCI数据集
77	2024-09-27	Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.19.558548 PMID:37786667	研究论文	本文提出了一种基于图深度学习模型的方法，用于空间转录组学数据的细胞分割和分子注释	利用转录共定位关系进行细胞分割和分子注释，并通过多模态输入丰富基因关系	NA	解决空间转录组学数据中细胞分割和注释的挑战	空间转录组学数据的细胞分割和分子注释	机器学习	NA	图深度学习	图深度学习模型	空间转录组学数据	涉及多种空间技术和组织类型
78	2024-09-27	Remote Sensing Image Scene Classification in Hybrid Classical-Quantum Transferring CNN with Small Samples 2023-Sep-21, Sensors (Basel, Switzerland) DOI:10.3390/s23188010 PMID:37766063	研究论文	本文研究了在混合经典-量子迁移卷积神经网络中对小样本遥感图像场景分类的应用	提出了一个由经典和量子元素组成的改进混合经典-量子迁移学习卷积神经网络，用于分类开源遥感图像数据集	NA	提高在小样本情况下遥感图像场景分类的准确性	遥感图像场景分类	计算机视觉	NA	卷积神经网络 (CNN) 和量子卷积神经网络 (QCNN)	混合经典-量子迁移卷积神经网络	图像	小样本遥感图像数据集
79	2024-09-27	Deep Learning Technology to Recognize American Sign Language Alphabet 2023-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s23187970 PMID:37766026	研究论文	本文研究了使用五种不同的深度学习模型来识别美国手语字母的手势	本文通过实验比较了五种深度学习模型在识别美国手语字母手势上的性能，发现ResNet-50模型达到了最高的识别准确率	VisionTransformer模型的识别准确率相对较低，可能是由于其架构设计参数的调整不足	利用现代技术缩小听障人士与非听障人士之间的沟通障碍	美国手语字母的手势识别	计算机视觉	NA	深度学习	AlexNet, ConvNeXt, EfficientNet, ResNet-50, VisionTransformer	图像	超过87,000张美国手语字母手势图像
80	2024-09-27	Limitations of Out-of-Distribution Detection in 3D Medical Image Segmentation 2023-Sep-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090191 PMID:37754955	研究论文	本文探讨了在3D医学图像分割中分布外检测方法的有效性，并提出了改进方向	提出了Intensity Histogram Features (IHF)方法，在分布外检测挑战中表现优于现有方法	现有分布外检测方法在3D医学图像分割中的表现不佳，无法达到可接受的性能	研究分布外检测方法在3D医学图像分割中的局限性，并提出改进方案	3D医学图像分割中的分布外检测方法	计算机视觉	NA	分布外检测	NA	3D医学图像	NA