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
1421	2024-08-07	Melanoma identification and classification model based on fine-tuned convolutional neural network 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241253757 PMID:38798885	研究论文	本文提出了一种基于微调卷积神经网络的黑色素瘤识别与分类模型，旨在支持医疗物联网应用，通过图像分类技术实现黑色素瘤的早期检测	采用卷积神经网络和深度学习技术，通过分析公开的皮肤镜图像数据集，实现了对恶性与良性皮肤病变的高精度区分	NA	开发一种用于早期检测黑色素瘤的鲁棒图像分类模型，以支持医疗物联网应用	黑色素瘤，一种致命的皮肤癌	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	包括DermIS的621张图像，DermQuest的1233张图像，以及ISIC2019的25000张图像
1422	2024-08-07	Validation and Feasibility of Ultrafast Cervical Spine MRI Using a Deep Learning-Assisted 3D Iterative Image Enhancement System 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S465002 PMID:38799011	研究论文	本研究旨在评估使用深度学习辅助的3D迭代图像增强系统（DL-3DIIE）进行超快速（2分钟）颈椎MRI协议的可行性，并与常规MRI协议（6分钟14秒）进行比较	采用DL-3DIIE系统，实现了67%的脊柱MRI扫描时间减少，同时获得至少等同于常规协议的图像质量和诊断结果	NA	评估超快速颈椎MRI协议的可行性	51名患者接受常规和超快速颈椎MRI协议，并由两位放射科医生独立评估图像质量	计算机视觉	NA	MRI	DL-3DIIE系统	图像	51名患者
1423	2024-08-07	Exploring the Role of Artificial Intelligence in Mental Healthcare: Current Trends and Future Directions - A Narrative Review for a Comprehensive Insight 2024, Risk management and healthcare policy IF:2.7Q2 DOI:10.2147/RMHP.S461562 PMID:38799612	综述	本文通过叙述性综述探讨了人工智能在精神健康护理中的当前趋势和未来方向	AI通过预测分析能力改进治疗计划，并能分析各种精神健康数据集以预测相关模式	当前研究在评估医疗专业人员与AI在提供精神健康护理方面的合作有限，且存在伦理问题、网络安全、数据分析多样性不足、文化敏感性和语言障碍等问题	旨在讨论AI在精神健康护理中的作用及其面临的挑战和前景	人工智能在精神健康护理中的应用，包括筛查、诊断和治疗	机器学习	NA	机器学习, 深度学习	NA	数据集	未来研究需要更大样本量和数据集
1424	2024-08-07	Hype or hope? Ketamine for the treatment of depression: results from the application of deep learning to Twitter posts from 2010 to 2023 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1369727 PMID:38800065	研究论文	通过分析2010年至2023年Twitter上的帖子，研究公众对氯胺酮用于抑郁症治疗的看法	使用深度学习和自然语言处理技术分析社交媒体数据，以了解公众对氯胺酮治疗抑郁症的态度	研究受限于Twitter用户的年龄和语言偏好，可能无法代表所有人群	调查公众对氯胺酮用于抑郁症治疗的看法	Twitter上关于氯胺酮和抑郁症的帖子	自然语言处理	抑郁症	自然语言处理	BERT	文本	18,899条独特推文
1425	2024-08-07	The application of natural language processing for the extraction of mechanistic information in toxicology 2024, Frontiers in toxicology IF:3.6Q2 DOI:10.3389/ftox.2024.1393662 PMID:38800806	研究论文	本文探讨了使用自然语言处理（NLP）技术从科学文献中提取毒理学机制信息的方法	提出了一种结合命名实体识别和基于规则的关系提取模型的NLP流程，用于筛选与肝脏不良事件相关的化合物并提取机制信息	NA	研究如何利用NLP技术优化和构建不良结果路径（AOP），以支持现代毒理学研究	肝脏中的两种常见不良事件：胆汁淤积和脂肪变性	自然语言处理	NA	自然语言处理（NLP）	深度学习语言模型	文本	NA
1426	2024-08-07	A Novel Deep Learning Model for Drug-drug Interactions 2024, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099265663230926064638 PMID:38804324	研究论文	本文提出了一种新的深度学习模型，用于预测药物-药物相互作用（DDI）	使用两个独立的消息传递神经网络（MPNN）模型，每个模型专注于一对药物中的一个药物，以提高DDI预测的准确性	需要进一步的研究和验证在更大数据集和实际场景中的通用性和实用性	提高药物-药物相互作用预测的准确性	药物-药物相互作用	机器学习	NA	消息传递神经网络（MPNN）	MPNN	分子特征数据	一个综合数据集
1427	2024-08-07	High-Content Image-Based Screening and Deep Learning for the Detection of Anti-Inflammatory Drug Leads 2024-01-15, Chembiochem : a European journal of chemical biology IF:2.6Q3 DOI:10.1002/cbic.202300136 PMID:37815526	研究论文	开发了一种基于高内涵图像的筛选方法，结合深度学习技术，用于识别新的抗炎药物先导化合物	利用深度神经网络分类器和荧光显微镜探针，通过图像分析识别出能够调节LPS诱导的巨噬细胞表型的化合物	NA	旨在通过高内涵图像筛选和深度学习技术，发现新的抗炎药物先导化合物	2,259种具有已知作用机制的生物活性化合物	机器学习	NA	荧光显微镜	深度神经网络	图像	2,259种化合物
1428	2024-08-07	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	本文设计了一种基于深度学习的多聚焦图像融合网络，通过无监督学习和多尺度混合注意力残差网络模型，实现端到端的决策图优化	引入多尺度混合注意力残差网络模型和上下投影模块，有效利用多尺度特征信息，提高图像融合性能	NA	提高图像融合在焦点区域的检测性能	多聚焦图像融合	计算机视觉	NA	多尺度混合注意力残差网络	多尺度混合注意力残差网络模型	图像	两幅不同焦点的源图像
1429	2024-08-07	Enhancing automated strabismus classification with limited data: Data augmentation using StyleGAN2-ADA 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303355 PMID:38787813	研究论文	本研究提出了一种基于StyleGAN2-ADA的生成数据增强技术，以克服在设计基于深度学习的自动斜视诊断系统时严重数据限制的挑战	本研究采用StyleGAN2-ADA生成模型进行数据增强，相较于传统数据增强技术，显著提升了分类性能	NA	旨在通过生成数据增强技术改善在极端数据稀缺情况下的深度学习模型性能	斜视分类	机器学习	NA	StyleGAN2-ADA	生成模型	图像	数据量严重有限
1430	2024-08-07	Accelerated construction of stress relief music datasets using CNN and the Mel-scaled spectrogram 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300607 PMID:38787824	研究论文	本文介绍了一种使用卷积神经网络和Mel频谱图加速构建减压音乐数据集的深度学习方法	提出了一种更高效和经济的方法来生成大型减压音乐数据集，通过卷积神经网络直接从音乐中提取关键声音元素	NA	解决现有减压音乐选择有限的问题，提高音乐疗法的个性化水平	减压音乐数据集的构建和评估	机器学习	NA	卷积神经网络	CNN	Mel频谱图	临床研究中未明确提及具体样本数量
1431	2024-08-07	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究聚焦拉萨，探索藏传佛教精神感知与城市空间的融合，通过结合街景数据和深度学习技术，识别并绘制城市景观中藏传佛教精神场所的空间分布	采用街景数据和深度学习技术的新颖方法，展示了技术在考察城市发展对文化和宗教景观影响方面的潜力	NA	探讨藏传佛教精神感知在城市空间中的融合及其对城市规划、宗教研究和数字人文领域的贡献	藏传佛教精神场所在城市空间中的分布及其与城市建筑和文化遗产区的关系	数字人文	NA	深度学习技术	NA	街景数据	NA
1432	2024-08-07	Sampling clustering based on multi-view attribute structural relations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297989 PMID:38781184	研究论文	本文提出了一种基于多视图属性结构关系采样的图聚类方法SLMGC	SLMGC方法通过图滤波去除噪声，基于节点重要性采样降低计算复杂度，并通过图对比正则化增强聚类表示，最终使用自训练聚类算法实现聚类结果	NA	解决现有图聚类技术在处理多视图图数据时面临的挑战	多视图图数据	机器学习	NA	图滤波	NA	图数据	NA
1433	2024-08-07	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	本文提出了一种混合特征加权注意力深度学习方法，结合随机森林算法用于入侵检测系统，以解决类别不平衡问题	本文创新性地结合了均值卷积层（MCL）、特征加权注意力（FWA）学习、双向长短期记忆网络（BI-LSTM）和随机森林算法，形成了一个独特的混合模型MCL-FWA-BILSTM，有效提高了入侵检测的准确性和降低了误报率	本文未明确提及该方法的局限性	研究旨在开发和完善高级算法和技术，如异常检测、成本敏感学习和过采样方法，以有效处理类别不平衡问题，提高入侵检测系统的敏感性和减少误报	研究对象为入侵检测系统中的类别不平衡问题	机器学习	NA	随机森林算法	CNN, LSTM	数据集	使用了NSL-KDD和UNSW-NB-15两个广泛可用的IDS数据集
1434	2024-08-07	Deep Learning Model Coupling Wearable Bioelectric and Mechanical Sensors for Refined Muscle Strength Assessment 2024, Research (Washington, D.C.) DOI:10.34133/research.0366 PMID:38783913	研究论文	本研究提出了一种结合肌电和应变传感器的可穿戴设备，用于同步采集肌肉活动时的表面肌电图和机械信号，并通过基于时间卷积网络（TCN）+ Transformer（Tcnformer）的深度学习模型进行肌肉力量的准确分级和预测。	本研究通过结合深度聚类技术，实现了对肌肉力量的25级分类，相较于传统的5级分类更加精细。	NA	旨在提高肌肉力量评估的精确性，并可能改善相关的临床诊断和康复结果。	肌肉力量评估	机器学习	NA	表面肌电图, 应变传感器	时间卷积网络（TCN）+ Transformer（Tcnformer）	信号	NA
1435	2024-08-07	Prostate Cancer Detection from MRI Using Efficient Feature Extraction with Transfer Learning 2024, Prostate cancer IF:2.3Q3 DOI:10.1155/2024/1588891 PMID:38783970	研究论文	本研究利用深度学习模型（VGG16、VGG19、ResNet50和ResNet50V2）进行特征提取，并结合随机森林分类器诊断前列腺癌	采用迁移学习方法，使用少量标注的前列腺癌数据优化深度学习模型，提高模型在不同患者群体和临床情况下的泛化能力	研究中提到的数据集限制问题，尽管使用了迁移学习，但仍可能受限于可用数据量	探索机器学习技术在前列腺癌诊断中的应用，特别是深度学习模型的特征提取能力	前列腺癌的MRI图像	机器学习	前列腺癌	迁移学习	VGG16, VGG19, ResNet50, ResNet50V2	图像	未明确提及具体样本数量
1436	2024-08-07	BCSLinker: automatic method for constructing a knowledge graph of venous thromboembolism based on joint learning 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1272224 PMID:38784240	研究论文	本文提出了一种基于联合学习的深静脉血栓知识图谱自动构建方法BCSLinker	采用Biaffine Common-Sequence Self-Attention模块同时提取实体和关系，减少错误传播，并使用多标签交叉熵损失减少冗余信息影响	NA	构建一个更准确全面的深静脉血栓知识图谱，为诊断、评估和治疗提供参考	深静脉血栓患者的电子病历数据	自然语言处理	深静脉血栓	深度学习	BCSLinker	文本	来自三级医院的深静脉血栓患者电子病历数据
1437	2024-08-07	Deep learning for automatic segmentation of vestibular schwannoma: a retrospective study from multi-center routine MRI 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1365727 PMID:38784680	研究论文	本研究首次展示了在常规临床MRI数据集上自动分割前庭神经鞘瘤（VS）的高准确性	使用先进的深度学习框架，通过多中心常规临床数据集训练的模型在分割前庭神经鞘瘤方面表现出显著的泛化性和鲁棒性	模型在常规MRI数据集上的表现优于在Gamma Knife数据集上训练的模型，表明数据多样性对模型开发的重要性	改善临床工作流程，辅助治疗决策和患者管理	前庭神经鞘瘤的自动分割	计算机视觉	前庭神经鞘瘤	深度学习	深度学习框架	MRI图像	160名患者，每位患者最多三组纵向MRI检查，包括对比增强T1加权（ceT1w）和T2加权（T2w）图像
1438	2024-08-07	Tongue feature recognition to monitor rehabilitation: deep neural network with visual attention mechanism 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1392513 PMID:38784768	研究论文	本文开发了一种新的深度学习架构，专门用于分析和分类舌头特征，包括颜色、形状和舌苔	提出的方法解决了基于VGG或ResNet等传统架构的大尺寸问题，从而缓解了过拟合问题	NA	旨在推动舌头特征识别技术的发展，最终实现更精确的诊断和更好的患者康复	舌头特征的分析和分类	计算机视觉	NA	深度学习	CNN	图像	NA
1439	2024-08-07	Wearable sensors in patient acuity assessment in critical care 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1386728 PMID:38784909	研究论文	本文探讨了在重症监护环境中使用可穿戴传感器数据与电子健康记录（EHR）中的临床数据相结合，以更精确地评估患者病情严重程度的方法。	本研究首次将可穿戴传感器数据与临床数据结合，通过深度学习模型提高了病情严重程度评估的精确度、敏感性和F1分数。	NA	研究目的是通过整合可穿戴传感器数据和临床数据，改进重症监护环境中患者病情严重程度的评估。	研究对象包括87名佩戴手腕加速度计的患者，以及他们的临床数据。	机器学习	NA	加速度计	深度神经网络模型（VGG, ResNet, MobileNet, SqueezeNet, 自定义Transformer网络）	加速度计数据，临床数据	87名患者
1440	2024-08-07	Role of Artificial Intelligence in Drug Discovery and Target Identification in Cancer 2024, Current drug delivery IF:2.8Q2 DOI:10.2174/1567201821666230905090621 PMID:37670704	综述	本文综述了人工智能在癌症药物发现和靶点识别中的应用	探讨了多种人工智能技术如机器学习、神经网络学习、深度学习和网络学习在药物发现和靶点识别中的应用	未提及具体的研究局限	旨在探讨人工智能技术在癌症药物发现和靶点识别中的作用	癌症药物发现和靶点识别	机器学习	癌症	人工智能	NA	数据集	NA