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
5821	2024-10-25	Development and Validation of a Natural Language Processing Algorithm to Pseudonymize Documents in the Context of a Clinical Data Warehouse 2024-05, Methods of information in medicine IF:1.3Q4 DOI:10.1055/s-0044-1778693 PMID:38442906	研究论文	本文开发并验证了一种自然语言处理算法，用于在临床数据仓库的背景下对文档进行假名化处理	本文提出了一种结合深度学习模型和手动规则的混合系统，用于临床文档的假名化处理	NA	解决临床报告中去识别化的关键问题，以确保患者隐私的同时允许数据用于研究目的	临床报告中的12种识别实体	自然语言处理	NA	自然语言处理	深度学习模型	文本	NA
5822	2024-10-25	Retinal Photograph-based Deep Learning System for Detection of Thyroid-Associated Ophthalmopathy 2024 Mar-Apr 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009919 PMID:38078953	研究论文	本研究开发了一种基于视网膜照片的深度学习系统，用于检测甲状腺相关眼病	首次使用深度学习技术基于视网膜照片检测甲状腺相关眼病	模型在外部验证数据集上的表现不如内部验证，表明其泛化能力有限	开发一种成本效益高且无创的甲状腺相关眼病检测方法	甲状腺相关眼病患者和正常参与者的视网膜照片	计算机视觉	甲状腺相关眼病	深度学习	卷积神经网络	图像	1182张视网膜照片，涉及708名参与者；外部验证数据集包含365张照片，涉及189名参与者
5823	2024-10-25	Mobile Apps for COVID-19 Detection and Diagnosis for Future Pandemic Control: Multidimensional Systematic Review 2024-Feb-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/44406 PMID:38231538	综述	本文对使用移动应用进行COVID-19检测和诊断的多维度系统性综述	首次对使用移动应用进行COVID-19检测和诊断的研究进行了全面分析	仅限于对已发表研究的综述，未进行新的实验或数据收集	帮助软件公司和临床研究人员了解移动应用在COVID-19诊断中的应用	移动应用在COVID-19检测和诊断中的应用	机器学习	COVID-19	深度学习	卷积神经网络	图像、临床症状	42项研究
5824	2024-10-25	Generative deep learning furthers the understanding of local distributions of fat and muscle on body shape and health using 3D surface scans 2024-Jan-30, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00434-w PMID:38287144	研究论文	开发并验证了一种深度学习模型，能够从三维光学体扫描生成准确的DXA扫描，用于全身和特定子区域的成分分析	首次在生成医学影像模型中进行了定量验证，并报告了质量指标	NA	探索生成深度学习模型在医学影像中的应用潜力，并强调定量验证的重要性	人体脂肪和肌肉的局部分布与体形和健康的关系	计算机视觉	NA	深度学习	生成模型	三维表面扫描	两个大型临床DXA数据集和Shape Up! Adults研究数据集
5825	2024-10-25	Counterfactual Sepsis Outcome Prediction Under Dynamic and Time-Varying Treatment Regimes 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827103	研究论文	本文探讨了使用G-Net深度序列建模框架预测脓毒症患者在不同液体治疗策略下的结果	首次将G-Net应用于脓毒症患者的反事实治疗结果预测，并与线性模型进行比较	仅基于观察数据，未进行临床试验验证	评估G-Net在预测脓毒症患者反事实治疗结果中的临床应用潜力	脓毒症患者在不同液体治疗策略下的结果	机器学习	脓毒症	G-Net	深度学习	观察数据	来自重症监护室的脓毒症患者
5826	2024-10-25	Deep Learning Approaches to Predict Exercise Exertion Levels Using Wearable Physiological Data 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827087	研究论文	研究利用可穿戴设备生理数据，通过构建深度学习分类和回归模型来预测运动强度水平	首次使用深度学习模型结合可穿戴设备生理数据来预测运动强度水平	测试模型的最高准确率和F1分数为80%，仍有提升空间	预测运动强度水平	健康个体的运动强度	机器学习	NA	心电图传感器、脉搏血氧仪	深度学习模型	生理数据	健康个体在16分钟骑行运动中收集的数据，分为8个2分钟窗口
5827	2024-10-25	An automatic classification method of testicular histopathology based on SC-YOLO framework 2024, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2024.2393544 PMID:39263950	研究论文	本文提出了一种基于SC-YOLO框架的睾丸组织病理学自动分类方法	引入了SC-YOLO框架，集成了S3Ghost模块、CoordAtt模块和DCNv2模块，有效捕捉精原细胞的纹理和形状特征，同时减少模型参数	未来研究将集中在优化模型性能和探索其在临床应用中的潜力	开发一种高效准确的精原细胞识别方法，以辅助无精子症的病理诊断和治疗	精原细胞的分类和识别	数字病理学	男性不育症	深度学习	SC-YOLO	图像	NA
5828	2024-10-25	Automatic authorship attribution in Albanian texts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310057 PMID:39436898	研究论文	本文研究了阿尔巴尼亚语文本中的自动作者归属问题，并引入了新的阿尔巴尼亚新闻专栏和文学作品语料库，分析了机器学习方法在作者归属中的应用	本文引入了新的阿尔巴尼亚语料库，并比较了机器学习和深度学习模型在作者归属任务中的表现，发现词汇特征是最有效的语言特征	本文主要关注阿尔巴尼亚语，未涉及其他低资源语言，且深度学习模型在特定场景下的应用潜力有待进一步验证	研究阿尔巴尼亚语文本中的自动作者归属问题，探索有效的特征和分类方法	阿尔巴尼亚语新闻专栏和文学作品	自然语言处理	NA	机器学习	XGBoost, fastText, BERT-multilingual	文本	新的阿尔巴尼亚新闻专栏和文学作品语料库
5829	2024-10-25	Feature diffusion reconstruction mechanism network for crop spike head detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1459515 PMID:39439510	研究论文	提出了一种用于作物穗头检测的新型特征扩散重构机制网络FDRMNet	FDRMNet引入了多尺度特征聚焦重构模块和注意力增强特征融合模块，以提高模型在复杂环境中的检测精度和计算效率	NA	提高低空遥感图像中作物穗头的检测精度和计算效率	作物穗头	计算机视觉	NA	深度学习	FDRMNet	图像	全球小麦头检测数据集和多样水稻穗检测数据集
5830	2024-10-25	Deep learning-driven ultrasound-assisted diagnosis: optimizing GallScopeNet for precise identification of biliary atresia 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445069 PMID:39440041	研究论文	本文介绍了一种基于深度学习的超声辅助诊断系统GallScopeNet，用于精确识别胆道闭锁	GallScopeNet通过创新的架构和高级特征提取技术，提高了诊断效率和准确性	NA	开发一种高效的深度学习模型，用于自动诊断胆道闭锁	胆道闭锁的超声图像	计算机视觉	胆道疾病	深度学习	GallScopeNet	图像	数千张超声图像，大部分用于训练和验证，部分用于外部测试
5831	2024-10-25	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本文提出了一种利用真实世界数据和人工智能方法开发预测性精准医学模型的新方法	本文创新性地利用电子健康记录中的真实世界数据，通过人工智能技术开发预测性精准医学模型，并比较了传统统计机器学习和深度学习算法在预测个体未来生化测试结果方面的性能	本文未明确提及具体的局限性	开发预测性精准医学模型，以实现现代医学的个性化目标	电子健康记录中的生化测试数据	机器学习	NA	统计机器学习、深度学习	传统统计机器学习算法、深度学习算法	电子健康记录数据	来自大型真实世界数据库的数据，用于预测15项生化测试的未来值
5832	2024-10-25	Development of AI-assisted microscopy frameworks through realistic simulation with pySTED 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00903-w PMID:39440349	研究论文	本文介绍了通过pySTED平台开发人工智能辅助显微镜框架的方法	提出了一个基于pySTED的现实模拟平台，用于开发和部署超分辨率显微镜的人工智能策略	NA	开发和优化人工智能辅助超分辨率显微镜系统	超分辨率显微镜图像的获取和分析	计算机视觉	NA	NA	深度神经网络	图像	NA
5833	2024-10-25	An integrated three-stream network model for discriminating fish feeding intensity using multi-feature analysis and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310356 PMID:39432511	研究论文	提出了一种集成三流网络模型，通过多特征分析和深度学习来区分鱼类摄食强度	结合计算机视觉技术和卷积神经网络，综合利用时间、空间和数据统计特征进行全面评估	依赖于特定场景和目标，缺乏普适性	实现精准投喂，减少饲料浪费和环境污染	鱼类摄食强度	计算机视觉	NA	计算机视觉技术	卷积神经网络（CNN）	图像	珍珠石斑鱼摄食图像
5834	2024-10-24	Microbial community dynamics in different floc size aggregates during nitrogen removal process upgrading in a full-scale landfill leachate treatment plant 2024-Dec, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131484 PMID:39277056	研究论文	研究了在垃圾渗滤液处理厂升级过程中，不同絮凝体大小对微生物群落动态和氮去除效率的影响	使用16S rRNA基因测序和深度学习模型（卷积神经网络）预测氮去除效率，揭示了微生物群落动态和相互作用	NA	优化垃圾渗滤液处理厂的氮去除过程，并理解基于絮凝体大小的微生物群落动态	不同絮凝体大小的微生物群落及其在氮去除过程中的作用	环境科学	NA	16S rRNA基因测序	卷积神经网络 (CNN)	微生物群落数据	NA
5835	2024-10-24	Analysis of data of COVID lockdown period: Comorbidity and fatality rates in a few districts of Assam, India 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110974 PMID:39429747	研究论文	分析印度阿萨姆邦几个地区在COVID封锁期间的数据，研究共病和死亡率	使用机器学习和深度学习方法分析患者数据，识别高风险个体，以个性化治疗计划	仅限于阿萨姆邦的数据，样本量相对较小	填补COVID-19疫情期间共病和死亡率数据的空白，改善患者护理	COVID-19住院患者的共病和死亡率	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	患者数据	5329名住院的SARS-CoV-2患者
5836	2024-10-24	Psychological disorder detection: A multimodal approach using a transformer-based hybrid model 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102976 PMID:39430783	研究论文	本文提出了一种基于Transformer的混合模型，用于通过多模态数据检测心理障碍，特别是抑郁症	本文的创新点在于使用多模态数据（如语音特征和语言内容）结合Transformer模型来提高心理障碍的识别准确性	NA	本文的研究目的是改进心理障碍，特别是抑郁症的识别方法	本文的研究对象是心理障碍，特别是抑郁症	自然语言处理	心理障碍	Transformer	混合模型	多模态数据（语音特征和语言内容）	NA
5837	2024-10-24	An optimized two stage U-Net approach for segmentation of pancreas and pancreatic tumor 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102995 PMID:39435045	研究论文	本文提出了一种优化的两阶段U-Net模型，用于胰腺和胰腺肿瘤的分割	引入了结合灰狼优化算法和边境牧羊犬优化算法的混合优化技术，提高了分割效果	NA	开发自动化分割方法以解决胰腺和胰腺肿瘤分割的挑战	胰腺和胰腺肿瘤	计算机视觉	胰腺癌	灰狼优化算法和边境牧羊犬优化算法	U-Net	图像	NA
5838	2024-10-24	Large language models and their applications in bioinformatics 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.031 PMID:39435343	综述	本文综述了大型语言模型（LLMs）在生物信息学中的应用及其对生命科学领域的潜在影响	LLMs通过复杂的深度学习架构和大量的参数，显著提升了自然语言处理能力，并在生物信息学中展现出巨大潜力	NA	探讨LLMs在生物信息学中的应用及其对生命科学领域的潜在影响	大型语言模型及其在基因组学、蛋白质组学和个性化医学中的应用	自然语言处理	NA	NA	Transformer	文本	NA
5839	2024-10-24	Towards objective and systematic evaluation of bias in artificial intelligence for medical imaging 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae165 PMID:38942737	研究论文	本文介绍了一种用于系统性和客观性评估医学影像中人工智能模型偏差的分析框架	提出了一个用于系统性评估医学影像中AI模型偏差的分析框架，并展示了其在深度学习模型中的应用	仅限于使用合成神经影像数据进行分析，未涵盖所有真实世界中的偏差来源	开发一种方法来客观和系统地评估医学影像中AI模型的偏差	医学影像中的AI模型偏差	计算机视觉	NA	NA	卷积神经网络（CNN）	合成神经影像	NA
5840	2024-10-24	Deep learning assisted quantitative analysis of Aβ and microglia in patients with idiopathic normal pressure hydrocephalus in relation to cognitive outcome 2024-Nov-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae083 PMID:39101555	研究论文	本文开发了一个自动化分析平台，用于量化特发性正常压力脑积水（iNPH）患者皮质活检中的Aβ负荷和反应性小胶质细胞，并评估其与认知结果的关联	利用深度学习技术自动分析Aβ负荷和反应性小胶质细胞，并评估其与认知结果的关联	研究样本量有限，且仅限于特发性正常压力脑积水患者	研究Aβ积累和神经炎症与特发性正常压力脑积水患者认知结果的关系	特发性正常压力脑积水患者的皮质活检样本	计算机视觉	脑积水	深度学习	深度学习模型	图像	120例特发性正常压力脑积水患者的皮质活检样本