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
1441	2024-08-07	ADVANCING THE UNDERSTANDING OF CLINICAL SEPSIS USING GENE EXPRESSION-DRIVEN MACHINE LEARNING TO IMPROVE PATIENT OUTCOMES 2024-Jan-01, Shock (Augusta, Ga.) DOI:10.1097/SHK.0000000000002227 PMID:37752080	研究论文	本研究探讨了利用基因表达驱动的机器学习技术来改善和预测脓毒症患者预后的潜力	强调了基因转录信息在机器学习模型中的重要性，以及其在脓毒症病理生理学和生物标志物识别中的应用	存在解释性和偏差等挑战	通过机器学习技术改善脓毒症患者的管理并推进精准医学方法	脓毒症的预测和管理	机器学习	脓毒症	机器学习算法，包括神经网络、深度学习和集成方法	神经网络、深度学习、集成方法	基因表达数据	NA
1442	2024-08-07	Automatic surgical phase recognition-based skill assessment in laparoscopic distal gastrectomy using multicenter videos 2024-01, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01450-w PMID:38038811	研究论文	本研究开发了一种基于深度学习的手术阶段识别模型，用于评估腹腔镜远端胃切除术的手术技能，并使用多中心视频进行验证	本研究首次使用多中心视频数据开发了用于腹腔镜远端胃切除术的手术阶段识别模型，并探索了其在自动手术技能评估中的应用	NA	开发和验证一种基于深度学习的手术阶段识别模型，以实现自动手术技能评估	腹腔镜远端胃切除术的手术视频和手术技能评估	机器学习	胃癌	深度学习	图像分类模型	视频	20家医院的手术视频
1443	2024-08-07	Artificial Intelligence in Lung Cancer Imaging: From Data to Therapy 2024, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2023050439 PMID:38505877	综述	本文全面回顾了人工智能（AI）在肺部癌症管理中的应用，从数据处理到治疗预测	AI技术在肺部癌症特征描述和结果预测中的应用，包括使用深度学习模型如U-Net、BCDU-Net等进行客观量化和组织特征提取	NA	探讨AI在肺部癌症管理中的作用，提高诊断、预后和治疗的精确性	AI在肺部癌症影像分析中的应用，包括分割、虚拟活检和结果预测	计算机视觉	肺癌	深度学习	U-Net, BCDU-Net	影像	NA
1444	2024-08-07	Big data analysis for Covid-19 in hospital information systems 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294481 PMID:38776299	研究论文	本文提出了一种新的深度学习联合框架，用于处理具有分布差异的异构数据集，以准确识别COVID-19	通过重新设计COVID-Net的网络架构和学习策略，以及在潜在空间中进行独立特征归一化，提高了预测准确性和学习效率。同时，使用对比训练目标增强了语义嵌入的领域不变性，提升了分类性能	NA	开发基于CT图像的自动化COVID-19识别工具，以辅助临床诊断	COVID-19的CT图像数据	计算机视觉	COVID-19	深度学习	CNN	图像	两个大规模公开的COVID-19诊断数据集，包含CT图像
1445	2024-08-07	Toward interpretable and generalized mitosis detection in digital pathology using deep learning 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241255471 PMID:38778869	研究论文	本文针对数字病理学中有丝分裂检测的挑战，提出了一种基于深度学习的方法，以提高检测的准确性、泛化性和可解释性	本文提出的方法在多个数据集和临床环境中展示了良好的泛化性和可解释性	NA	提高数字病理学中有丝分裂检测的准确性和泛化性	有丝分裂核的检测	数字病理学	癌症	深度学习	NA	图像	使用了MiDoG'22数据集进行训练、验证和测试，并在TUPAC'16数据集和Shaukat Khanum纪念癌症医院和研究中心的实时案例中进行了测试
1446	2024-08-07	Leveraging radiomics and AI for precision diagnosis and prognostication of liver malignancies 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1362737 PMID:38779098	综述	本文综述了人工智能和放射组学在肝脏肿瘤精准诊断和预后中的进展和潜力	探讨了人工智能和放射组学技术在基于影像数据预测肿瘤组织病理学、基因型和免疫表型方面的创新应用	讨论了人工智能技术的技术局限性和潜在缺陷	旨在提高肝脏肿瘤的诊断准确性和预后，从而改善患者护理	肝脏肿瘤的诊断和预后	计算机视觉	肝癌	放射组学	深度学习	影像	NA
1447	2024-08-07	Correlation Attention Registration Based on Deep Learning from Histopathology to MRI of Prostate 2024, Critical reviews in biomedical engineering DOI:10.1615/CritRevBiomedEng.2023050566 PMID:38305277	研究论文	本文探讨了如何利用深度学习技术，通过相关注意力注册框架，将前列腺癌的组织病理学图像与MRI图像进行精确注册	引入了L2-Pearson相关层增强特征匹配，并采用增强注意力回归网络区分关键与非关键特征	未明确提及	提高前列腺癌图像从组织病理学到MRI的注册性能	前列腺癌的组织病理学图像与MRI图像	计算机视觉	前列腺癌	深度学习	CNN	图像	使用了来自癌症影像档案的配对前列腺组织病理学和MRI数据集
1448	2024-08-07	Influence of deep learning image reconstruction algorithm for reducing radiation dose and image noise compared to iterative reconstruction and filtered back projection for head and chest computed tomography examinations: a systematic review 2024, F1000Research DOI:10.12688/f1000research.147345.1 PMID:38725640	综述	本文系统回顾了深度学习图像重建（DLIR）算法在头部和胸部CT检查中降低辐射剂量和图像噪声的影响，并与迭代重建（IR）和滤波反投影（FBP）进行比较	DLIR算法在降低辐射剂量和图像噪声方面显示出比传统IR和FBP技术更好的效果	研究时间跨度仅为2017至2023年，可能未涵盖所有相关研究	评估DLIR算法在头部和胸部CT检查中的应用效果，特别是在降低辐射剂量和图像噪声方面	头部和胸部CT检查中的DLIR算法应用	计算机视觉	NA	深度学习图像重建（DLIR）	深度学习模型	图像	总共包括1292个样本
1449	2024-08-07	Explainability of three-dimensional convolutional neural networks for functional magnetic resonance imaging of Alzheimer's disease classification based on gradient-weighted class activation mapping 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303278 PMID:38771733	研究论文	本文通过应用多种解释性方法如梯度加权类激活映射（Grad-CAM）到基于fMRI的3D-VGG16网络，用于阿尔茨海默病（AD）诊断，以提高模型的解释性	首次在AD诊断中使用3D-VGG16网络结合Grad-CAM方法，探索模型关注的特定脑区，并比较AD与正常控制组（NC）之间的差异	仅使用了单一的3D-VGG16模型，未与其他模型进行比较	探索深度学习模型在AD诊断中关注的特定脑区，并提供模型解释	阿尔茨海默病患者与正常控制组的脑部功能磁共振成像数据	机器学习	阿尔茨海默病	功能磁共振成像（fMRI）	3D-VGG16	图像	未具体说明样本数量
1450	2024-08-07	The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302537 PMID:38771829	综述	本文是一篇系统范围综述，探讨了人工智能在诱导多能干细胞技术中的应用	人工智能技术，特别是机器学习和深度学习，在iPSC分类、细胞功能监测和遗传分析中的应用显著提高了iPSC技术的精确度	人工智能技术在iPSC研究中的应用仍处于早期阶段，存在挑战和机遇	探索人工智能在诱导多能干细胞研究进展中的作用	诱导多能干细胞技术及其在疾病模型、药物筛选和再生医学中的应用	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	NA	NA	涵盖了79项符合条件的研究
1451	2024-08-07	Robust deep learning method for fruit decay detection and plant identification: enhancing food security and quality control 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1366395 PMID:38774219	研究论文	本文提出了一种用于水果腐烂检测和植物识别的鲁棒深度学习方法	该方法不仅关注模型精度，还考虑了鲁棒性和有限数据场景的挑战，实现了99.93%的高精度	NA	提高食品质量和安全控制	水果腐烂检测和植物识别	机器学习	NA	深度学习	NA	图像	NA
1452	2024-08-07	On the additive artificial intelligence-based discovery of nanoparticle neurodegenerative disease drug delivery systems 2024, Beilstein journal of nanotechnology IF:2.6Q2 DOI:10.3762/bjnano.15.47 PMID:38774585	研究论文	本文利用信息融合、扰动理论和机器学习相结合的IFPTML技术，通过构建线性和非线性模型，预测纳米粒子神经退行性疾病药物输送系统（N2D3Ss）的有效性	本文首次采用IFPTML技术，结合线性判别分析（LDA）和人工神经网络（ANN）算法，提高了N2D3Ss的预测准确性	由于N2D3Ss相关数据的相对有限，AI/ML分析面临挑战	开发新的神经退行性疾病药物输送系统	纳米粒子神经退行性疾病药物输送系统（N2D3Ss）	机器学习	神经退行性疾病	IFPTML	LDA, ANN（MLP和DLN）	数据集	4403个NDD试验和260个NP细胞毒性试验，生成三个包含500,000个案例的新工作数据集
1453	2024-08-07	Innova4Health: an integrated approach for prevention of recurrence and personalized treatment of Major Depressive Disorder 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1366055 PMID:38774832	研究论文	本文介绍了一种综合方法，用于预防复发和个性化治疗重度抑郁症（MDD），通过集成数字和环境生物标志物来改善MDD的预防策略。	利用可穿戴技术和环境监测设备生成的数字生物标志物，结合现有的生理、心理病理学和其他指标，创新地应用于MDD的评估和治疗。	NA	验证一种AI工具，以增强MDD的早期临床管理，并建立一个AI基础设施来管理医疗大数据。	诊断为MDD的青少年和年轻成年人。	NA	精神疾病	可穿戴技术，环境监测	深度学习AI系统	数字生物标志物，环境数据	两个实验组，每组10名青少年和30名年轻成年人。
1454	2024-08-07	A Novel Validated Real-World Dataset for the Diagnosis of Multiclass Serous Effusion Cytology according to the International System and Ground-Truth Validation Data 2024, Acta cytologica IF:1.6Q3 DOI:10.1159/000538465 PMID:38522415	研究论文	本文开发了一个新的公开浆膜腔积液细胞学数据集，并应用人工智能算法测试其在临床实践中的诊断效用和安全性	这是第一个基于标准化诊断系统的最大公开浆膜腔积液细胞学数据集，包括多种类型的积液和心包液标本，以及诊断上具有挑战性的非典型类别	模型在多类别分类问题中达到74%的准确率，对于高风险诊断的误分类率为0.13	开发和测试用于浆膜腔积液诊断的人工智能算法	浆膜腔积液细胞学数据集及其在临床实践中的应用	数字病理学	NA	转移学习	VGG16深度学习模型和随机森林分类器	图像	3,731张图像分布在四个TIS诊断类别中
1455	2024-08-07	Advances in artificial intelligence in thyroid-associated ophthalmopathy 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1356055 PMID:38715793	研究论文	本文讨论了人工智能，特别是深度学习技术在甲状腺相关眼病诊断和治疗中的应用	介绍了深度学习技术在甲状腺相关眼病诊断、分级和治疗决策中的应用	提到了人工智能在甲状腺相关眼病研究中的一些局限性	探讨人工智能在甲状腺相关眼病中的应用及其未来发展方向	甲状腺相关眼病	机器学习	甲状腺疾病	深度学习	深度学习模型	影像数据	NA
1456	2024-08-07	FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300924 PMID:38768105	研究论文	本文提出了一种基于FPNC Net的氢化催化剂图像识别算法，用于解决催化剂粘附和堆叠导致的低识别准确率问题	引入空间可分离卷积核提取催化剂边缘的多尺度特征，并在骨干网络中加入特征金字塔网络（FPN）进行深浅特征融合，同时通过注意力模块自适应调整权重以突出催化剂目标特征	NA	提高氢化催化剂图像的智能识别效率和准确性	氢化催化剂图像的识别	计算机视觉	NA	深度学习	FPNC Net	图像	NA
1457	2024-08-07	Res2Net-based multi-scale and multi-attention model for traffic scene image classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300017 PMID:38768119	研究论文	本文提出了一种基于Res2Net的多尺度多注意力模型，用于交通场景图像分类	引入了自适应特征细化金字塔模块（AFRPM）以增强多尺度特征提取，并整合了频域、空间和通道注意力机制	由于天气条件、时间、光照变化和标注成本，传统深度学习方法在提取复杂交通场景特征和实现更高识别准确性方面仍有局限	提高交通场景图像分类的准确性和鲁棒性	交通场景图像	计算机视觉	NA	NA	Res2Net	图像	使用了Traffic-Net数据集
1458	2024-08-07	A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293053 PMID:38768123	研究论文	本研究利用静息态功能网络连接（rs-FNC）数据，采用机器学习算法和深度学习模型对阿尔茨海默病（AD）、晚期轻度认知障碍（LMCI）和精神分裂症（SZ）患者进行分类分析	本研究首次采用混杂因素控制的rs-FNC数据，结合机器学习和深度学习模型，对AD和SZ患者进行直接比较，以识别两种疾病间的共同生物标志物	研究样本主要集中在AD和SZ患者，未涵盖其他类型的神经退行性疾病	旨在通过比较AD和SZ患者的静息态功能网络连接，识别两种疾病的共同生物标志物	阿尔茨海默病、晚期轻度认知障碍和精神分裂症患者	机器学习	阿尔茨海默病、精神分裂症	静息态功能磁共振成像（rs-fMRI）	支持向量机、逻辑回归、随机森林、k-最近邻、全连接神经网络	功能网络连接数据	162名AD和LMCI患者，181名精神分裂症患者，315名认知正常（CN）受试者
1459	2024-08-07	Human lineage mutations regulate RNA-protein binding of conserved genes NTRK2 and ITPR1 involved in human evolution 2024, General psychiatry IF:5.3Q1 DOI:10.1136/gpsych-2023-101425 PMID:38770356	研究论文	本文研究了人类谱系突变（HLMs）通过转录后修饰在人类进化中的作用	发现了一小部分人类特异性突变通过影响关键脑相关基因的转录后修饰，对人类物种形成做出了贡献	NA	探讨人类谱系突变对人类进化中转录后修饰的贡献	人类谱系突变对RNA结合蛋白亲和力的影响	机器学习	神经发育障碍	深度学习模型Seqweaver	深度学习模型	基因数据	涉及的突变数量为0.27%的人类常见变异
1460	2024-08-07	Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1348154 PMID:38770396	研究论文	本研究通过虚拟现实技术分析不同高度恐惧症水平下年轻成年人的脑电图（EEG）模式	本研究创新地使用脑电图信号实时精确评估高度恐惧症水平，并采用多种机器学习和深度学习技术进行分析	NA	研究的主要目的是开发一种实时精确的工具，用于评估高度恐惧症水平	研究对象为18名被诊断为高度恐惧症的年轻成年人	机器学习	心理疾病	脑电图（EEG）	卷积神经网络（CNN）和人工神经网络（ANN）	脑电图数据	18名高度恐惧症患者