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
481	2024-12-20	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了视网膜OCT扫描中标签质量和病理特征的评分者间一致性，并使用自定义注释软件进行评估	开发了一种自定义注释软件，用于评估视网膜OCT扫描的质量和病理特征，并标准化标签以用于机器学习工具的开发	某些病理特征的评分者间一致性较低，如SRF、超反射点和高反射焦点	分析视网膜OCT扫描中标签质量和常见影像特征的评分者间一致性	视网膜OCT扫描的质量和病理特征	数字病理学	NA	NA	NA	图像	500张OCT扫描图像，来自CIRRUS HD-OCT 5000设备，每个患者的眼睛由16张随机扫描图像表示
482	2024-12-20	DenseIncepS115: a novel network-level fusion framework for Alzheimer's disease prediction using MRI images 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1501742 PMID:39697232	研究论文	提出了一种名为DenseIncepS115的新型深度学习架构，用于通过MRI图像预测阿尔茨海默病	该架构结合了Inception模块和Dense模块的自注意力机制，并通过深度连接层在网络级别进行融合，使用贝叶斯优化初始化超参数，并采用Catch Fish优化算法进行特征优化	NA	开发一种新的深度学习架构，用于早期预测阿尔茨海默病	通过MRI图像预测阿尔茨海默病	计算机视觉	阿尔茨海默病	深度学习	DenseIncepS115	图像	使用了两个公开数据集：阿尔茨海默病ADNI和阿尔茨海默病MRI分类数据集
483	2024-12-20	Artificial intelligence applications in ophthalmic optical coherence tomography: a 12-year bibliometric analysis 2024, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2024.12.19 PMID:39697885	综述	本文通过文献计量分析方法，探讨了全球眼科光学相干断层扫描（OCT）成像中人工智能（AI）应用的现状和研究前沿	本文首次通过文献计量分析方法，全面评估了过去12年AI在眼科OCT中的应用，并指出了从传统机器学习到深度学习的转变趋势	本文主要依赖于文献计量分析，未涉及具体的技术细节或实验验证	探讨全球眼科OCT成像中AI应用的现状和研究前沿	全球范围内发表的关于AI在眼科OCT中应用的文献	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习（DL）	图像	877篇文章，来自65个国家，其中261篇来自美国，252篇来自中国
484	2024-12-20	AAUConvNeXt: Enhancing Crop Lodging Segmentation with Optimized Deep Learning Architectures 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0182 PMID:39698322	研究论文	本研究提出了一种创新的卷积神经网络架构AAUConvNeXt，通过集成智能优化算法来自动选择最优网络参数，从而提高作物倒伏分割的准确性和效率	本研究的创新点在于引入了一种新的卷积神经网络架构AAUConvNeXt，并结合智能优化算法来优化网络参数，显著提高了作物倒伏分割的精度和效率	NA	本研究的目的是通过优化深度学习架构来提高作物倒伏分割的准确性和效率	本研究的研究对象是作物倒伏现象，特别是水稻倒伏	计算机视觉	NA	卷积神经网络	CNN	图像	NA
485	2024-12-20	The protective role of gamma zone peripapillary atrophy in diabetic retinopathy: insights from deep learning and SS-OCT angiography 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1501625 PMID:39698494	研究论文	本研究探讨了周边视盘萎缩（PPA）与糖尿病视网膜病变（DR）之间的关系，并利用深度学习和扫频源光学相干断层扫描（SS-OCT）血管造影揭示潜在机制	首次揭示了伽马区周边视盘萎缩与糖尿病视网膜病变风险降低之间的关联，并提出了伽马区可能反映与进行性近视相关的后眼组织变薄和微血管减少，从而增强对DR的结构抵抗力的假设	本研究为横断面研究，无法确定因果关系，且样本主要为2型糖尿病患者，结果的普适性有待进一步验证	探讨周边视盘萎缩与糖尿病视网膜病变之间的关系及其潜在机制	2型糖尿病患者的周边视盘萎缩与糖尿病视网膜病变	数字病理学	糖尿病视网膜病变	扫频源光学相干断层扫描（SS-OCT）血管造影	深度学习	图像	845名2型糖尿病患者
486	2024-12-20	Enhanced MRI-based brain tumor segmentation and feature extraction using Berkeley wavelet transform and ETCCNN 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241305282 PMID:39698507	研究论文	本文提出了一种基于Berkeley小波变换和ETCCNN的增强型MRI脑肿瘤分割和特征提取方法	使用Berkeley小波变换进行图像分割，并结合双通道卷积神经网络进行特征提取，采用增强型Serval优化算法确定最优增益参数	未提及具体限制	提高脑肿瘤检测的准确性	脑肿瘤的分类和检测	计算机视觉	脑肿瘤	MRI	双通道卷积神经网络	图像	未提及具体样本数量
487	2024-12-19	Predicting the diabetic foot in the population of type 2 diabetes mellitus from tongue images and clinical information using multi-modal deep learning 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1473659 PMID:39691096	研究论文	本文基于中医和西医的定量和定性融合数据，结合中医和西医的客观参数，建立了一个糖尿病足（DF）预测模型	本文创新性地将舌象特征与临床信息结合，利用多模态深度学习方法建立了糖尿病足预测模型，证明了中医舌诊在糖尿病足风险预测中的独特优势和重要作用	NA	建立一个基于临床特征和客观舌色的糖尿病足预测模型，验证中医舌诊的科学性	2型糖尿病患者的糖尿病足风险预测	机器学习	糖尿病	深度神经网络（DNN）	ResNet-50	图像和临床数据	391名患者，其中267名为糖尿病足患者
488	2024-12-19	Recognition and Localization of Maize Leaf and Stalk Trajectories in RGB Images Based on Point-Line Net 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0199 PMID:39691278	研究论文	本文提出了一种基于Point-Line Net的深度学习方法，用于自动识别玉米田RGB图像中的叶片和茎秆数量及其生长轨迹	本文创新性地开发了Point-Line Net方法，基于Mask R-CNN框架，并引入了一个新的轻量级“关键点”检测分支，用于描述叶片和茎秆的位置和生长	本文主要在实验室环境下进行实验，尚未完全解决田间复杂背景和严重遮挡问题	探索深度学习技术在田间农业中获取叶片和茎秆数量及其生长轨迹的应用	玉米田中的叶片和茎秆数量及其生长轨迹	计算机视觉	NA	深度学习	Point-Line Net	图像	实验结果基于自定义的距离验证指数，达到了33.5的量级
489	2024-12-19	Artificial intelligence for chimeric antigen receptor-based therapies: a comprehensive review of current applications and future perspectives 2024, Therapeutic advances in vaccines and immunotherapy DOI:10.1177/25151355241305856 PMID:39691280	综述	本文综述了人工智能在嵌合抗原受体（CAR）疗法中的当前应用和未来展望	本文探讨了人工智能在CAR疗法中的多种应用，如使用深度学习设计CAR、自然语言处理提取临床信息、计算机视觉分析CAR细胞形态、强化学习优化CAR输注剂量等	本文指出了使用人工智能进行CAR疗法的挑战，包括数据质量不足、模型验证需求、AI输出偏差和错误风险、伦理法律问题以及对人类在癌症免疫治疗中角色的影响	探讨人工智能在CAR疗法中的应用及其未来发展方向	人工智能在CAR疗法中的设计、生产、交付等方面的应用	机器学习	NA	深度学习、自然语言处理、计算机视觉、强化学习	NA	文本、图像	NA
490	2024-12-19	Editorial: Investigating tumor immunotherapy responses in lung cancer using deep learning 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1529949 PMID:39691722	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
491	2024-12-19	EEG-based action anticipation in human-robot interaction: a comparative pilot study 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1491721 PMID:39691819	研究论文	本研究探讨了如何利用脑电图（EEG）信号在人机交互中进行动作预测，以提高安全性和效率	本研究首次将EEG信号与深度学习技术结合，用于人机交互中的动作预测，展示了其在实时协作任务中的潜力	本研究仅进行了初步的试点实验，样本量较小，未来需要更大规模的研究来验证其有效性	探索如何利用EEG信号在人机交互中进行动作预测，以提高安全性和效率	人机交互中的动作预测	机器学习	NA	脑电图（EEG）	深度学习分类模型	脑电图信号	一个运动想象（MI）数据集，具体样本量未明确说明
492	2024-12-18	Robust self-supervised denoising of voltage imaging data using CellMincer 2024, Npj imaging DOI:10.1038/s44303-024-00055-x PMID:39649342	研究论文	本文介绍了一种名为CellMincer的自监督深度学习方法，用于去噪电压成像数据，显著提高了信号噪声比	CellMincer通过掩码和预测稀疏像素集，结合预计算的时空自相关性，有效建模长程依赖，避免了传统方法的刚性假设和现有深度学习方法的不足	NA	开发一种新的自监督深度学习方法，用于提高电压成像数据的信号噪声比	电压成像数据的去噪	机器学习	NA	深度学习	自监督深度学习模型	图像	模拟和真实电压成像数据集，包括通过膜片钳电生理学验证的数据
493	2024-12-18	Integrating artificial intelligence in strabismus management: current research landscape and future directions 2024, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2024.10320 PMID:39654660	研究论文	本文探讨了人工智能在斜视管理中的应用现状及未来发展方向	深度学习显著提高了诊断准确性和手术效果	多样化的斜视类型代表性不足，依赖单一数据源	研究人工智能在斜视管理中的应用，提升诊断和手术规划	斜视管理中的诊断和手术规划	机器学习	NA	深度学习	NA	多模态数据	NA
494	2024-12-18	Cardiovascular disease prediction model based on patient behavior patterns in the context of deep learning: a time-series data analysis perspective 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1418969 PMID:39676910	研究论文	本文提出了一种基于时间序列数据分析的心血管疾病预测模型LGAP，结合LSTM网络、图神经网络和多头注意力机制，通过分析患者的行为模式和关系图数据，提高预测精度和个性化健康管理	提出了基于时间序列数据分析的LGAP模型，结合LSTM、GNN和多头注意力机制，能够有效捕捉患者行为的动态变化和个性化差异	未提及具体局限性	提高心血管疾病预测的准确性和个性化健康管理	心血管疾病预测模型	机器学习	心血管疾病	LSTM、GNN、多头注意力机制	LGAP	时间序列数据、关系图数据	使用了PhysioNet和NHANES数据集，具体样本量未提及
495	2024-12-18	Enhancing interpretability and accuracy of AI models in healthcare: a comprehensive review on challenges and future directions 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1444763 PMID:39677978	综述	本文系统回顾了人工智能在医疗保健中的应用，重点评估了模型可解释性和准确性的挑战及未来方向	本文通过系统回顾，提出了提高AI模型在医疗保健中的可解释性和准确性的策略，旨在确保未来AI应用在提升性能的同时保持透明度和患者安全	本文主要讨论了当前AI系统的主要限制，如深度学习模型的黑箱性质和在不同临床环境中的性能差异	探讨人工智能在医疗保健中的应用，特别是模型可解释性和准确性的挑战，并提出未来发展方向	人工智能在医疗保健中的应用，包括诊断影像分析和预测建模	机器学习	NA	NA	深度学习模型	NA	NA
496	2024-12-18	A segmentation-combination data augmentation strategy and dual attention mechanism for accurate Chinese herbal medicine microscopic identification 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1442968 PMID:39678011	研究论文	本文提出了一种基于深度学习的中药显微识别方法，通过分割-组合数据增强策略和浅深双注意力机制来提高识别准确性	本文的创新点在于提出了分割-组合数据增强策略和浅深双注意力模块，以解决传统显微方法的局限性和数据集不平衡问题	本文未提及具体的局限性	研究目的是提高中药显微识别的自动化水平	研究对象是中药显微图像	计算机视觉	NA	深度学习	双注意力机制	图像	未提及具体样本数量
497	2024-12-18	Geometric Deep learning Prioritization and Validation of Cannabis Phytochemicals as Anti-HCV Non-nucleoside Direct-acting Inhibitors 2024, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972241306881 PMID:39678171	研究论文	本文利用几何深度学习方法从大麻化合物数据库中筛选并验证了潜在的NS5B抑制剂，作为抗HCV的非核苷类直接作用抑制剂	本文首次使用图神经网络（GNN）进行深度学习虚拟筛选，并结合FEP/MD和分子动力学模拟验证候选化合物	研究仅验证了6个随机选择的候选化合物，未对所有31个候选化合物进行全面验证	筛选并验证大麻化合物中潜在的NS5B抑制剂，以改善HCV治疗的可用性和可及性	大麻化合物数据库中的化合物及其作为NS5B抑制剂的潜力	机器学习	肝炎	图神经网络（GNN），虚拟筛选，重新对接，传统对接，FEP/MD，分子动力学模拟	图神经网络（GNN）	化合物数据库	31个候选化合物，其中6个进行了FEP/MD和分子动力学模拟验证
498	2024-12-18	Novel statistically equivalent signature-based hybrid feature selection and ensemble deep learning LSTM and GRU for chronic kidney disease classification 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2467 PMID:39678272	研究论文	本文提出了一种基于统计等价签名（SES）的混合特征选择方法，并结合长短期记忆（LSTM）和门控循环单元（GRU）的集成深度学习模型，用于慢性肾脏病（CKD）的分类	本文的创新点在于使用SES方法识别多个具有相似性能的预测特征子集，并结合LASSO方法进行特征选择，同时提出了一种结合LSTM和GRU的集成深度学习模型用于CKD分类	本文的局限性在于仅使用了LASSO和SES方法进行特征选择，未来研究可以探索其他特征选择方法，如动态特征选择方法	本文的研究目的是提高慢性肾脏病分类的准确性	本文的研究对象是慢性肾脏病的分类任务	机器学习	慢性肾脏病	LASSO	LSTM, GRU	数值数据	未明确提及样本数量
499	2024-12-18	Deep learning-based methodology for vulnerability detection in smart contracts 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2320 PMID:39678274	研究论文	本文提出了一种基于深度学习的智能合约漏洞检测方法	本文的创新点在于提出了一种多标签漏洞检测模型，结合了抽取式摘要方法和深度学习技术	本文未提及具体的局限性	本文的研究目的是解决当前智能合约漏洞检测技术在多重漏洞识别方面的不足	本文的研究对象是智能合约中的漏洞	机器学习	NA	深度学习	深度学习模型	文本	未提及具体样本数量
500	2024-12-18	Enhancing ransomware defense: deep learning-based detection and family-wise classification of evolving threats 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2546 PMID:39678277	研究论文	本文提出了一种基于深度学习的勒索软件检测和分类方法，使用GN-BiLSTM模型实现了高精度的检测和分类	本文创新性地提出了基于组归一化的双向长短期记忆网络（GN-BiLSTM）方法，用于检测和分类勒索软件变种	本文未详细讨论模型的计算复杂度和资源消耗	研究目的是利用深度学习技术解决多类分类问题，提高勒索软件检测和分类的准确性	研究对象是勒索软件及其变种的检测和分类	机器学习	NA	深度学习	双向长短期记忆网络（BiLSTM）	数据集	使用了CIC-MalMem-2022数据集和10,876个自收集的最新样本，涵盖26个恶意软件家族