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
5721	2024-10-06	Probing perfection: The relentless art of meddling for pulmonary airway segmentation from HRCT via a human-AI collaboration based active learning method 2024-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102930 PMID:39047631	研究论文	本文提出了一种基于人机协作的主动学习方法，用于从高分辨率CT图像中进行肺部气道分割	本文的创新点在于结合了多种查询策略和深度学习模型，通过人机协作的方式显著减少了标注数据的需求，提高了模型的性能	本文未详细讨论该方法在不同数据集上的泛化能力	本文旨在解决肺部气道分割中标注数据稀缺的问题，并提高深度学习模型的透明度和性能	本文的研究对象是肺部气道，通过高分辨率CT图像进行分割	计算机视觉	肺部疾病	深度学习	UNet	图像	使用了部分训练数据，具体数量未明确说明
5722	2024-10-06	Prediction of Freezing of Gait in Parkinson's disease based on multi-channel time-series neural network 2024-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102932 PMID:39004005	研究论文	提出了一种基于多通道时间序列神经网络的帕金森病步态冻结预测方法	引入了一种新的多通道时间序列神经网络（MCT-Net），能够整合多通道步态特征，实现对步态冻结症状的提前预警	未提及	开发一种能够实时预测帕金森病步态冻结的方法，以提高患者的生活质量	帕金森病患者的步态冻结症状	机器学习	神经退行性疾病	多通道时间序列神经网络	MCT-Net	时间序列数据	未提及
5723	2024-10-06	Enhancing stroke risk and prognostic timeframe assessment with deep learning and a broad range of retinal biomarkers 2024-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102927 PMID:38991398	研究论文	本文介绍了一种基于深度学习和广泛视网膜生物标志物的自动系统，用于预测中风风险和估计其发生时间	利用全面的视网膜生物标志物和深度学习技术，提高了中风风险评估的准确性和时间框架的预测能力	NA	开发一种新的方法来提高中风风险评估的准确性和预测时间框架	中风风险（包括缺血性和出血性）及其发生时间	计算机视觉	心血管疾病	深度学习	NA	图像	使用了UK Biobank和DRSSW数据集
5724	2024-10-06	Deep Learning for hand tracking in Parkinson's Disease video-based assessment: Current and future perspectives 2024-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102914 PMID:38909431	综述	本文综述了使用深度学习进行帕金森病视频评估中的手部追踪技术的现状和未来展望	本文介绍了使用深度学习框架进行手部追踪以自动评估帕金森病症状的创新方法	为了确保临床接受度，需要标准化和验证	描述深度学习框架在视频评估帕金森病手部追踪中的现状和未来展望	帕金森病患者的手部运动	计算机视觉	帕金森病	深度学习	NA	视频	23篇符合筛选标准的出版物
5725	2024-10-06	A comprehensive survey on the use of deep learning techniques in glioblastoma 2024-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102902 PMID:38852314	综述	本文综述了深度学习技术在胶质母细胞瘤中的应用	探讨了人工智能技术在非组学和组学数据中的应用，并强调了其在诊断、决策和治疗策略制定中的重要性	未提及具体的技术局限性	全面探索机器学习方法在胶质母细胞瘤领域的应用及相关研究	胶质母细胞瘤及其相关数据	机器学习	脑肿瘤	NA	NA	图像、基因表达数据	NA
5726	2024-10-06	Predictive Modeling with Temporal Graphical Representation on Electronic Health Records 2024-Aug, IJCAI : proceedings of the conference DOI:10.24963/ijcai.2024/637 PMID:39359569	研究论文	本文提出了一种基于时间图表示的电子健康记录预测模型	本文创新性地将患者的电子健康记录建模为一种新颖的时间异构图，并引入了一种新的时间图变换器（TRANS），该变换器结合了时间边特征、全局位置编码和局部结构编码，以捕捉时间和结构信息	NA	研究如何有效表示患者的电子健康记录，以提高预测模型的性能	患者的电子健康记录及其中的时间关系和结构信息	机器学习	NA	时间图变换器（TRANS）	时间异构图卷积网络	电子健康记录	三个真实世界数据集
5727	2024-10-06	Real-time coronary artery segmentation in CAG images: A semi-supervised deep learning strategy 2024-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102888 PMID:38781870	研究论文	本文提出了一种半监督深度学习策略，用于实时冠状动脉CAG图像的分割	采用半监督学习方法，减少了对大量标注数据的依赖，同时提高了分割精度	需要进一步验证在不同数据集和临床环境中的泛化能力	开发一种能够实时指导PCI的深度学习模型，减少对比剂和辐射剂量	冠状动脉CAG图像的分割	计算机视觉	心血管疾病	深度学习	U-Net	图像	500个标注图像和8952个未标注图像
5728	2024-10-06	Data mining and machine learning in HIV infection risk research: An overview and recommendations 2024-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102887 PMID:38735156	综述	本文综述了数据挖掘和机器学习在HIV感染风险研究中的应用，并提出了未来研究方向	介绍了更先进的完全监督机器学习和深度学习技术，这些技术在预测性能上通常优于传统方法	NA	探讨数据挖掘和机器学习在HIV研究中的应用现状，并提出未来研究建议	HIV感染风险研究	机器学习	HIV感染	机器学习技术，深度学习技术	完全监督机器学习模型，深度学习模型	NA	38篇已发表文章
5729	2024-10-06	Identifying pediatric heart murmurs and distinguishing innocent from pathologic using deep learning 2024-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102867 PMID:38723434	研究论文	开发了一种深度学习算法，用于对正常儿科心脏声音、无害杂音和病理性杂音进行多类别分类	提出了两种新颖的方法，即使用视觉变换器在马尔可夫转移场或Gramian角场图像表示上进行训练，并首次展示了儿科杂音的多类别分类	NA	开发一种能够区分正常儿科心脏声音、无害杂音和病理性杂音的深度学习算法	儿科心脏声音、无害杂音和病理性杂音	机器学习	心血管疾病	深度学习	视觉变换器 (Vision Transformer), 卷积神经网络 (ResNet-50)	音频	366个正常心脏声音，175个无害杂音，216个病理性杂音
5730	2024-10-06	Hematologic cancer diagnosis and classification using machine and deep learning: State-of-the-art techniques and emerging research directives 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102883 PMID:38657439	综述	本文综述了过去20年中使用机器学习和深度学习技术进行血液癌症诊断和分类的研究进展	本文总结了现有研究的优势和局限性，为该领域的研究人员提供了有价值的指导	本文主要基于已发表的研究进行综述，未提出新的技术或模型	评估和总结机器学习和深度学习在血液癌症诊断和分类中的应用	血液癌症的诊断和分类	机器学习	血液癌症	机器学习和深度学习	NA	图像	约57篇研究论文
5731	2024-10-06	Learning the cellular activity representation based on gene regulatory networks for prediction of tumor response to drugs 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102864 PMID:38640702	研究论文	本文提出了一种基于基因调控网络学习肿瘤细胞活性表示的方法，用于预测肿瘤对药物的反应	该方法通过整合基因调控网络的先验知识，模拟细胞生物系统，生成新的低维活性表示，从而提高预测性能	NA	预测肿瘤细胞对抗癌药物的反应，实现癌症精准医疗	肿瘤细胞对药物的反应	机器学习	NA	基因调控网络	深度学习模型	基因表达数据	NA
5732	2024-10-06	Improving multiple sclerosis lesion segmentation across clinical sites: A federated learning approach with noise-resilient training 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102872 PMID:38701636	研究论文	本文探讨了在多发性硬化症（MS）病变分割中使用联邦学习框架和噪声鲁棒训练策略，以解决多临床站点数据隐私和标签噪声问题	提出了Decoupled Hard Label Correction (DHLC)和Centrally Enhanced Label Correction (CELC)策略，以提高模型在多站点数据上的鲁棒性和准确性	未提及具体的局限性	提高多发性硬化症病变分割的准确性和鲁棒性，以支持疾病进展的理解和治疗策略的制定	多发性硬化症病变分割模型	计算机视觉	神经系统疾病	联邦学习	深度学习模型	医学影像	涉及两个多站点数据集
5733	2024-10-06	Deep learning supported echocardiogram analysis: A comprehensive review 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102866 PMID:38593684	综述	本文综述了利用深度学习技术自动化分析经胸超声心动图并辅助临床判断的最新研究	系统地组织和分类了针对视图分类、图像质量增强和数据集、心脏结构分割和识别、心脏功能异常检测以及心脏功能量化的解决方案，并比较了不同深度学习方法的性能	当前研究存在泛化性问题，且对罕见心脏疾病的分析不足	分析利用深度学习技术自动化分析经胸超声心动图并辅助临床判断的最新研究	经胸超声心动图的自动化分析	计算机视觉	心血管疾病	深度学习	NA	图像	NA
5734	2024-10-06	Machine learning and deep learning-based approach to categorize Bengali comments on social networks using fused dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308862 PMID:39361557	研究论文	本文提出了一种基于机器学习和深度学习的方法，用于分类孟加拉语社交媒体评论，以检测网络欺凌行为	本文创新性地融合了两个数据集，生成了94,000条孟加拉语评论，并使用多种机器学习和深度学习模型进行分类，最终发现混合模型（MLP+SGD+LR）在多标签分类中表现最佳	本文未详细讨论数据集的来源和质量，以及模型在不同数据集上的泛化能力	旨在通过检测网络欺凌行为，保护心理健康和学术成就，创造一个无批评的在线环境	孟加拉语社交媒体评论	自然语言处理	NA	机器学习（ML）和自然语言处理技术	多层感知器（MLP）、K近邻（K-NN）、极端梯度提升（XGBoost）、自适应提升分类器（AdaBoost）、逻辑回归分类器（LR）、随机森林分类器（RF）、装袋分类器、随机梯度下降（SGD）、投票分类器、堆叠分类器、深度神经网络（DNN）、卷积神经网络（CNN）、卷积长短期记忆网络（C-LSTM）、双向长短期记忆网络（BiLSTM）	文本	94,000条孟加拉语评论
5735	2024-10-06	Design of image segmentation model based on residual connection and feature fusion 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309434 PMID:39361568	研究论文	提出了一种基于残差连接和特征融合的图像分割模型，通过实验验证了其在复杂场景中的有效性	利用残差连接的深度特征提取能力和特征融合的多尺度特征整合能力，解决了传统图像分割中的背景复杂性和信息丢失问题	NA	改进图像分割技术，使其在复杂场景和多尺度目标图像中表现更好	图像分割模型在复杂场景中的应用	计算机视觉	NA	卷积神经网络	残差连接和特征融合模型	图像	在ISPRS Vaihingen数据集和Caltech UCSD Birds200数据集上进行了实验
5736	2024-10-06	Video-audio neural network ensemble for comprehensive screening of autism spectrum disorder in young children 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308388 PMID:39361665	研究论文	本文利用视频和音频特征的神经网络集成模型，对1至5岁儿童进行自闭症谱系障碍的全面筛查	本文采用多模态方法，结合视频和音频特征的神经网络，提高了自闭症谱系障碍筛查的准确性和特异性	本文样本量较小，仅涉及160名儿童	本文旨在开发一种早期自动化筛查自闭症谱系障碍的方法	本文的研究对象是1至5岁的儿童	机器学习	自闭症谱系障碍	神经网络	神经网络集成模型	视频和音频	160名1至5岁儿童
5737	2024-10-06	Hyperspectral imaging and artificial intelligence enhance remote phenotyping of grapevine rootstock influence on whole vine photosynthesis 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1409821 PMID:39363918	研究论文	研究利用高光谱成像和人工智能技术预测葡萄根系对整株植物光合作用的影响	结合高光谱成像和人工智能技术，首次在冠层水平上预测光合作用关键参数，提高了筛选效率	研究仅限于特定品种和根系组合，未涵盖所有可能的葡萄品种和根系类型	克服传统测量光合作用参数的时间和成本限制，提高筛选效率	葡萄根系对整株植物光合作用的影响	机器学习	NA	高光谱成像	1D-卷积神经网络 (CNN)	光谱数据	两个生长季的数据，包括'Marquette'嫁接到五个商业根系和'Marquette'嫁接到'Marquette'的样本
5738	2024-10-06	Deep learning-based multimodal image analysis predicts bone cement leakage during percutaneous kyphoplasty: protocol for model development, and validation by prospective and external datasets 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1479187 PMID:39364028	研究论文	本文开发并验证了一种基于深度学习的多模态图像分析模型，用于预测经皮椎体成形术中的骨水泥渗漏	本文创新性地使用深度学习模型直接分析术前CT和MRI图像，以准确预测骨水泥渗漏的发生和分类	本文的局限性在于使用了回顾性数据进行模型训练和验证，未来需要更多前瞻性和跨中心的外部数据进行进一步验证	研究目的是开发一种智能方法，通过分析术前影像预测经皮椎体成形术中的骨水泥渗漏，以改善临床结果	研究对象是患有骨质疏松性椎体压缩性骨折的患者	计算机视觉	骨骼疾病	深度学习	深度学习模型	图像	包括回顾性内部数据集、前瞻性内部数据集和跨中心外部数据集
5739	2024-10-06	Data-driven classification and explainable-AI in the field of lung imaging 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1393758 PMID:39364222	综述	本文综述了在肺部影像领域中使用数据驱动分类和可解释人工智能（XAI）的最新研究进展	本文强调了基于迁移学习的卷积神经网络（CNN）和集成模型/特征在肺部疾病分类中的优越性能，并探讨了XAI技术在机器和深度学习模型中的重要性	NA	探讨和比较不同机器学习技术在肺部疾病分类中的应用，特别是肺炎分析	肺部疾病，特别是肺炎的分类	计算机视觉	肺部疾病	卷积神经网络（CNN）、集成方法、迁移学习	卷积神经网络（CNN）	图像	NA
5740	2024-10-06	Target-based deep learning network surveillance of non-contrast computed tomography for small infarct core of acute ischemic stroke 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1477811 PMID:39364421	研究论文	本研究旨在构建一个基于非增强CT图像自动识别急性缺血性卒中（AIS）小梗死核心的模型	开发了一种改进的基于目标的深度学习模型YOLOv5，用于在CT图像上检测梗死，特别是在小梗死核心的识别上表现更好	研究为回顾性研究，样本量有限，且仅限于特定时间段内的AIS患者	快速诊断急性缺血性卒中，以实现积极的治疗效果和预后	急性缺血性卒中患者的小梗死核心	计算机视觉	脑血管疾病	深度学习	YOLOv5	图像	共纳入584例AIS患者，最终275例符合条件