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
161	2024-09-27	Development and Validation of a Model to Quantify Injury Severity in Real Time 2023-10-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.36196 PMID:37812422	研究论文	开发并验证了一种实时量化损伤严重程度的模型	提出了一个实用的模型，通过有限数量的损伤模式实时量化损伤严重程度，并使用三个直观的输出结果	模型在预测住院死亡率时存在高估的情况，需要进一步研究以在大规模应用中评估其性能	开发和验证一个实用的模型，用于实时量化损伤严重程度	成人创伤性损伤患者	NA	NA	多任务深度学习	多任务深度学习模型	数据集	372,573例创伤性损伤患者
162	2024-09-27	Composition Based Oxidation State Prediction of Materials Using Deep Learning Language Models 2023-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202301011 PMID:37551059	研究论文	本文提出了一种基于深度学习的BERT变换器语言模型BERTOS，用于预测无机化合物中所有元素的氧化态	首次实现了基于化学组成的氧化态预测，并展示了其在材料发现中的应用潜力	NA	开发一种新的方法来预测无机化合物中所有元素的氧化态	无机化合物的氧化态	机器学习	NA	深度学习	BERT变换器	化学组成数据	基于ICSD数据集的清洁数据进行基准测试
163	2024-09-27	Considerations on brain age predictions from repeatedly sampled data across time 2023-Oct, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3219 PMID:37587620	研究论文	本文研究了从多次采样的时间数据中预测大脑年龄的表现，并通过年龄匹配的健康对照组验证了研究结果	本文首次探讨了大脑年龄预测在同一受试者不同时间点的表现，并验证了场强对大脑年龄的影响	本文样本量较小，且未完全排除数据采集过程中变异导致的偏差	研究大脑年龄预测在纵向数据中的表现及其影响因素	大脑年龄预测模型在同一受试者不同时间点的表现	计算机视觉	NA	磁共振成像 (MRI)	深度学习模型	图像	4名受试者（来自两个密集采样数据集），以及两个横断面数据集用于验证
164	2024-09-27	Anthropogenic fingerprints in daily precipitation revealed by deep learning 2023-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06474-x PMID:37648861	研究论文	本文利用深度学习技术在每日降水中检测出气候变化信号	首次使用深度学习方法在每日降水中检测出人为气候变化的信号	长期年均降水的变化仍难以从自然背景变率中区分出来	验证气候模型预测的全球变暖对降雨变率和极端事件的影响	每日降水量和全球平均地表气温数据	机器学习	NA	深度学习	卷积神经网络 (CNN)	气象数据	来自当前和未来气候模型模拟的每日降水量和年均全球地表气温数据
165	2024-09-27	Artificial intelligence (AI) and machine learning (ML) in precision oncology: a review on enhancing discoverability through multiomics integration 2023-Oct, The British journal of radiology DOI:10.1259/bjr.20230211 PMID:37660402	综述	本文综述了多组学数据在精准肿瘤学中的应用，特别是人工智能（AI）和机器学习（ML）技术如何通过多组学整合来增强发现能力	探讨了AI和ML技术在癌症亚型分类、风险分层、预后预测和临床决策中的潜力	讨论了数据异质性、组学数据可用性和研究验证等方面的挑战	探讨AI和ML技术在精准肿瘤学中的应用，特别是通过多组学整合来增强发现能力	多组学数据，包括影像放射组学和各种类型的分子生物标志物	精准肿瘤学	癌症	多组学数据整合	NA	多组学数据	NA
166	2024-09-27	Explainable machine learning for diffraction patterns 2023-Oct-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576723007446 PMID:37791364	研究论文	本文研究了如何通过可解释的机器学习方法来分析衍射图案数据，特别是使用卷积神经网络（CNN）进行图像分类	本文首次提供了关于CNN在衍射图案数据分类中内部工作机制的定性证据，通过可视化方法展示了影响分类结果的关键图像区域	本文主要关注于定性分析，未提供定量性能的进一步改进	揭示卷积神经网络在衍射图案数据分类中的内部工作机制，并通过可视化方法展示关键图像区域	衍射图案数据及其在X射线自由电子激光设施中的应用	机器学习	NA	卷积神经网络（CNN）	CNN	图像	NA
167	2024-09-27	Building deep learning and traditional chemometric models based on Fourier transform mid-infrared spectroscopy: Identification of wild and cultivated Gastrodia elata 2023-Oct, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.3565 PMID:37823161	研究论文	本研究首次将三维相关光谱图像与深度学习模型结合，用于快速准确地识别野生和栽培的天麻	首次将三维相关光谱图像与深度学习模型结合，用于识别野生和栽培的天麻，且模型无需预处理原始光谱数据	未提及具体限制	快速准确地识别野生和栽培的天麻	野生和栽培的天麻	机器学习	NA	傅里叶变换中红外光谱	深度学习模型	光谱图像	46个样本
168	2024-09-27	Spatial and Channel Aggregation Network for Lightweight Image Super-Resolution 2023-Oct-01, Sensors (Basel, Switzerland) DOI:10.3390/s23198213 PMID:37837043	研究论文	介绍了一种轻量级网络——空间和通道聚合网络（SCAN），用于图像超分辨率任务	首次在单图像超分辨率（SISR）方法中结合了大核卷积和特征减少操作，并引入了创新的9×9大核卷积以扩展感受野	未提及	解决现有SISR方法在性能和计算成本之间的平衡问题，提高图像超分辨率的效果和效率	图像超分辨率任务	计算机视觉	NA	大核卷积	空间和通道聚合网络（SCAN）	图像	使用了基准数据集和遥感数据集进行评估
169	2024-09-27	Generation of skin tone and pigmented region-modified images using a pigment discrimination model trained with an optical approach 2023-Oct, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13486 PMID:37881042	研究论文	本文介绍了一种结合光学方法和深度学习的混合技术，用于生成具有数值控制的皮肤色调和色素区域修改图像	本文的创新点在于引入了一种新的混合技术，结合光学方法和深度学习，实现了对皮肤色调和色素区域的精确数值控制	当前方法在数值控制和多功能性方面存在局限	研究目的是开发一种能够模拟多种色素沉着条件的技术，以扩展应用范围	研究对象是皮肤色调和色素区域，特别是与黑色素和血红蛋白相关的区域	计算机视觉	NA	深度学习	NA	图像	NA
170	2024-09-26	Reproducibility of a combined artificial intelligence and optimal-surface graph-cut method to automate bronchial parameter extraction 2023-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09615-y PMID:37071168	研究论文	评估一种结合深度学习和最优表面图割方法的自动支气管参数提取方法的可重复性	结合深度学习和最优表面图割方法，自动分割气道管腔和壁，并计算支气管参数	自动测量方法在第7代及以后的气道中可重复性显著下降	评估自动支气管参数提取方法的可重复性	支气管参数的自动分割和测量	计算机视觉	NA	深度学习	深度学习模型	CT扫描图像	188名参与者，每人两次CT扫描，平均间隔3个月
171	2024-09-26	Large-scale automatic extraction of agricultural greenhouses based on high-resolution remote sensing and deep learning technologies 2023-Oct, Environmental science and pollution research international DOI:10.1007/s11356-023-29802-0 PMID:37733202	研究论文	本文利用高分辨率遥感图像和深度学习技术，自动提取了中国山东省的大规模农业温室分布	首次实现了大规模高分辨率（约1米）的农业温室提取，并结合深度学习算法达到了94.04%的平均交并比	研究仅限于山东省，未涵盖其他地区	获取农业温室的空间分布，为农业生产、政策制定和环境保护提供支持	中国山东省的农业温室	计算机视觉	NA	高分辨率遥感图像	深度学习算法	图像	山东省总面积的1.11%，总耕地面积的2.31%，覆盖面积为1755.3平方公里
172	2024-09-25	Dataset of a parameterized U-bend flow for deep learning applications 2023-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109477 PMID:37645446	研究论文	本文介绍了一个包含10,000个U型弯曲流体流动和传热模拟的数据集，适用于深度学习应用	该数据集的独特之处在于每个形状可以通过三种不同的数据类型表示，包括设计参数和目标组合、五种不同分辨率的2D图像以及数值模拟的网格单元值	NA	提供一个全面的基准数据集，用于研究设计优化领域中的各种问题和方法	U型弯曲流体流动和传热模拟	计算流体动力学	NA	计算流体动力学方法	深度学习	设计参数、2D图像、数值模拟网格单元值	10,000个模拟样本
173	2024-09-25	Deep learning assisted classification of spectral photoacoustic imaging of carotid plaques 2023-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2023.100544 PMID:37671317	研究论文	本文利用卷积神经网络（CNN）对颈动脉斑块的光谱光声成像（sPAI）进行分类	本文首次使用CNN对sPAI图像中的斑块成分进行分类，无需进行光通量或光谱校正	研究样本量较小，仅涉及九个颈动脉斑块	开发一种新的方法来准确分类颈动脉斑块的成分，以评估其易损性	颈动脉斑块的光谱光声成像	计算机视觉	心血管疾病	光谱光声成像（sPAI）	卷积神经网络（CNN）	图像	九个颈动脉斑块
174	2024-09-23	Independent regulation of Z-lines and M-lines during sarcomere assembly in cardiac myocytes revealed by the automatic image analysis software sarcApp 2023-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.11.523681 PMID:36711995	研究论文	本文介绍了一种名为sarcApp的图像分析工具，用于量化心肌细胞中肌节及其组件的排列	开发了sarcApp工具，利用深度学习分割和实空间量化技术，自动分析肌节中的Z线和M线的组织结构	NA	研究肌节装配过程中Z线和M线的独立调控机制	心肌细胞中的肌节及其组件	计算机视觉	心血管疾病	深度学习	NA	图像	NA
175	2024-09-13	Unbiased curriculum learning enhanced global-local graph neural network for protein thermodynamic stability prediction 2023-10-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad589 PMID:37740312	研究论文	本文提出了一种基于无偏课程学习增强的全局-局部图神经网络，用于蛋白质热力学稳定性预测	本文创新性地结合了全局-局部图神经网络和无偏课程学习方法，以解决现有方法在蛋白质结构自然拓扑和噪声样本处理上的不足	NA	提高蛋白质热力学稳定性预测的准确性	蛋白质及其点突变后的热力学稳定性	机器学习	NA	图神经网络	全局-局部图神经网络	蛋白质结构数据	NA
176	2024-09-11	An experimental system for detection and localization of hemorrhage using ultra-wideband microwaves with deep learning 2023-Oct-03, ArXiv PMID:37873017	研究论文	本文介绍了一种使用超宽带微波和深度学习进行出血检测和定位的实验系统	开发了一种包含机器人导航系统的实验框架，使用超宽带微波阵列和深度神经网络进行出血分类和定位	实验仅在血样模拟的幻影和人体头部模型中进行，尚未在真实临床环境中验证	探索低成本、小型化、快速且安全的微波成像技术在出血检测中的应用	出血的检测和定位	计算机视觉	NA	超宽带微波	深度神经网络	微波散射参数	8个元素的超宽带阵列
177	2024-08-31	Comparison of Machine Learning Detection of Low Left Ventricular Ejection Fraction Using Individual ECG Leads 2023-Oct, Computing in cardiology DOI:10.22489/cinc.2023.047 PMID:39193485	研究论文	本研究开发并应用了一种深度学习架构，用于检测低左心室射血分数（LVEF），并比较了使用单个导联和整个12导联ECG训练该架构的性能	探索了使用单个导联ECG数据进行机器学习分析的可能性，并发现单导联训练的网络与全12导联训练的网络性能相似	未提及具体限制	开发和比较使用单个导联和整个12导联ECG进行机器学习分析的性能	低左心室射血分数（LVEF）的检测	机器学习	心血管疾病	机器学习（ML）	深度学习	ECG数据	未提及具体样本数量
178	2024-08-28	Clinical evaluation of deep learning-based automatic clinical target volume segmentation: a single-institution multi-site tumor experience 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01690-x PMID:37597126	研究论文	本研究评估了基于深度学习的自动临床靶区（CTV）分割模型在多部位肿瘤CT图像上的表现	本研究首次在文献中探讨了多部位肿瘤的自动CTV分割，填补了这一领域的空白	研究中部分患者（如食管癌患者）的自动分割结果与手动分割结果的Dice相似系数较低，表明模型在某些肿瘤类型上的性能有待提高	评估基于深度学习的自动CTV分割模型在不同部位肿瘤CT图像上的准确性和临床接受度	包括鼻咽癌、食管癌、乳腺癌、宫颈癌、前列腺癌和直肠癌等多种癌症患者	计算机视觉	多种癌症	深度学习	Flexnet, Unet, Vnet, Segresnet	CT图像	577名患者
179	2024-08-28	New trend in artificial intelligence-based assistive technology for thoracic imaging 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01691-w PMID:37639191	综述	本文综述了人工智能技术在胸部影像诊断中的应用，特别关注于病灶检测和定性诊断	介绍了可解释的人工智能在定性诊断中的发展需求	强调了人工智能作为医生辅助系统的局限性，最终决策应由医生做出	帮助放射科医生和临床医生更熟悉人工智能在胸部影像中的应用	人工智能技术在胸部影像诊断中的应用	计算机视觉	NA	深度学习	NA	影像	NA
180	2024-08-21	Investigation of machine learning algorithms for taxonomic classification of marine metagenomes 2023-Oct-17, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.05237-22 PMID:37695074	研究论文	本研究从公开的海洋宏基因组数据构建训练/测试数据集，并评估机器学习方法在基于读取的海洋宏基因组分类中的性能	本研究提供了关于深度学习在海洋微生物宏基因组数据集上的方法、结果和挑战的见解	未来的机器学习方法可以通过纠正训练数据集中的基因组覆盖和类别不平衡、开发替代模型以及增加模型训练和改进的计算资源可访问性来改进	开发和评估机器学习方法在海洋宏基因组分类中的应用	海洋宏基因组数据集	机器学习	NA	机器学习	深度学习模型	宏基因组数据	公开的海洋宏基因组数据