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
6521	2024-09-20	Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309109 PMID:39190686	研究论文	开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变	首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性	研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元	开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征	患有肺炎的18个月至17岁儿童	计算机视觉	肺炎	深度学习	深度学习算法	视频	107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频
6522	2024-09-20	Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1416169 PMID:39290391	研究论文	本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型	本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案	本文未提及具体的局限性	开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型	肩部磁共振图像中的冈上肌脂肪浸润	计算机视觉	肩部疾病	深度学习	U-Net 和 VGG-19	图像	606 张肩部磁共振图像
6523	2024-09-20	Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1427239 PMID:39290396	研究论文	本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势	本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性	NA	研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策	研究对象是COVID-19的传播动态和未来趋势	机器学习	COVID-19	XGBoost, LSTM	深度学习模型	时间序列数据	NA
6524	2024-09-20	PNNGS, a multi-convolutional parallel neural network for genomic selection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410596 PMID:39290743	研究论文	本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性	引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS	当训练样本在小集群中减少时，PNNGS的预测精度显著下降	提高基因组选择的预测精度和稳定性	水稻、向日葵、小麦和玉米的基因组选择	机器学习	NA	深度学习	并行神经网络	基因组数据	24个案例，不同集群的样本数量差异很大
6525	2024-09-20	DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1454652 PMID:39291256	研究论文	本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断	本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担	NA	开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核	肺炎和肺结核的诊断	计算机视觉	肺部疾病	深度学习	混合模型	图像	NA
6526	2024-09-19	Harnessing deep learning for detection of diabetic retinopathy in geriatric group using optical coherence tomography angiography-OCTA: A promising approach 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102910 PMID:39280760	研究论文	本文提出了一种利用光学相干断层扫描血管造影（OCTA）图像和深度学习算法检测老年糖尿病视网膜病变的方法	结合OCTA和深度学习技术，提出了一种创新的方法来提高老年糖尿病视网膜病变的诊断准确性	NA	提高老年糖尿病视网膜病变的早期检测和管理	老年糖尿病视网膜病变患者	计算机视觉	老年疾病	光学相干断层扫描血管造影（OCTA）	卷积神经网络（CNN）	图像	262张OCTA扫描图像，来自179名老年个体，包括糖尿病患者和非糖尿病患者
6527	2024-09-19	A dataset of the 2023 presidential election in Nigeria 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110847 PMID:39290427	研究论文	本文介绍了2023年尼日利亚总统选举的推特数据集，并探讨了社交媒体在政治发展和情感分析中的作用	本文首次收集并分析了2023年尼日利亚总统选举相关的推特数据，展示了深度学习在情感分析中的应用	数据集仅包含推特上的公开信息，可能无法全面反映所有选民的意见	研究社交媒体在政治发展和情感分析中的作用	2023年尼日利亚总统选举相关的推特数据	自然语言处理	NA	深度学习	NA	文本	364,867条推文
6528	2024-09-19	Prediction of Functional and Anatomic Progression in Lamellar Macular Holes 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100529 PMID:39280348	研究论文	使用人工智能识别层状黄斑孔的解剖和功能进展的影像生物标志物，并基于OCT和OCTA构建深度学习模型预测未治疗层状黄斑孔的视力损失	首次使用深度学习模型预测层状黄斑孔的功能进展，并识别出关键的影像生物标志物	研究为回顾性观察性研究，样本量有限，且仅限于特定类型的层状黄斑孔	开发和验证一种基于OCT和OCTA的深度学习模型，用于预测层状黄斑孔的功能和解剖进展	层状黄斑孔患者的功能和解剖进展	计算机视觉	眼科疾病	深度学习	深度学习模型	影像数据	139只眼，其中41只眼属于功能进展组，98只眼属于功能稳定组
6529	2024-09-19	Unifying antimicrobial peptide datasets for robust deep learning-based classification 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110822 PMID:39281014	研究论文	本文通过整合来自豆科植物种子的抗菌肽序列，开发了一个新的非冗余数据库，用于抗菌肽的二分类和预测	提出了一个新的非冗余抗菌肽序列数据库，解决了现有数据库中序列重叠的问题	NA	开发一个更精确的抗菌肽序列数据库，以支持可持续农业实践	豆科植物种子中的抗菌肽	计算生物学	NA	深度学习	二分类模型	序列数据	来自不同来源和功能的抗菌肽序列
6530	2024-09-19	PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records 2024-Oct, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae084 PMID:39282083	研究论文	本文介绍了一种名为PheW2P2V的表型广泛预测框架，利用加权患者表示从电子健康记录中进行预测	PheW2P2V通过加权患者向量进行定制化预测，利用医疗概念嵌入和相关病史的加权，提高了对罕见表型的预测能力	需要进一步研究评估嵌入在不同数据库之间的可转移性	开发一种能够从电子健康记录中进行表型广泛预测的计算工具	电子健康记录中的患者病史数据	机器学习	NA	加权患者向量计算	NA	文本	使用MIMIC-III数据库进行942种表型的预测
6531	2024-09-19	Deep-learning optical flow for measuring velocity fields from experimental data 2024-Sep-18, Soft matter IF:2.9Q2 DOI:10.1039/d4sm00483c PMID:39225732	研究论文	本文研究了基于深度学习的光流法（DLOF）在实验数据中测量速度场的应用	DLOF在密集标记样本中比粒子图像测速法（PIV）产生更准确的速度场，并能克服PIV在高密度下无法可靠区分对比度变化的局限	对于稀疏标记样本，DLOF与PIV结果相当，但DLOF提供更高分辨率的速度场	评估光流法在量化微管（MT）基活性向列体自发流动中的能力，并比较其与粒子图像测速法的性能	微管（MT）基活性向列体在不同标记条件下的自发流动	计算机视觉	NA	深度学习	卷积神经网络（CNN）	视频	不同标记条件下的微管（MT）基活性向列体样本
6532	2024-09-19	Crystal structure prediction and property calculation of copper-oxygen compounds using innovative search software from first principles 2024-Sep-18, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp02501f PMID:39248038	研究论文	使用基于贝叶斯优化算法的深度学习晶体结构预测软件CBD-GM，预测了Cu(I)和Cu(II)氧化物的2D和3D材料的结构，并通过密度泛函理论（DFT）优化和分析了这些结构	提出了基于贝叶斯优化算法的深度学习晶体结构预测软件CBD-GM，并成功预测了5种新型铜氧化物结构	NA	预测和计算铜氧化物的晶体结构及其性质，为工业应用提供新的铜氧化物合成灵感	Cu(I)和Cu(II)氧化物的2D和3D材料	材料科学	NA	密度泛函理论（DFT）	贝叶斯优化算法	晶体结构	9种结构（包括2种已知的2D结构、2种已知的3D结构和5种新型结构）
6533	2024-09-19	HCBiLSTM-WOA: hybrid convolutional bidirectional long short-term memory with water optimization algorithm for autism spectrum disorder 2024-Sep-18, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2399016 PMID:39290085	研究论文	本文提出了一种基于混合卷积双向长短期记忆网络和水分优化算法的自闭症谱系障碍检测机制	创新性地结合了深度学习技术和优化算法，提高了自闭症谱系障碍的诊断精度和结果解释性	需要考虑数据隐私和自闭症风险因素的不确定性带来的伦理问题	旨在解决现有自闭症谱系障碍检测方法在处理实时数据时的不足，提高检测效率和准确性	自闭症谱系障碍的早期识别和分类	机器学习	自闭症谱系障碍	水分优化算法	混合卷积双向长短期记忆网络	数据集	包含自闭症和非自闭症数据的实时数据集，涵盖幼儿、儿童、青少年和成人
6534	2024-09-19	Deep learning-based prediction of the dose-volume histograms for volumetric modulated arc therapy of left-sided breast cancer 2024-Sep-18, Medical physics IF:3.2Q1 DOI:10.1002/mp.17410 PMID:39291645	研究论文	研究利用深度学习预测左侧乳腺癌患者在容积旋转调强放疗中的剂量体积直方图	本研究首次探索了深度学习在预测左侧乳腺癌患者接受容积旋转调强放疗时器官剂量体积直方图方面的应用	研究样本仅限于左侧乳腺癌患者，且模型仅在特定数据集上进行了验证	开发一个基于深度学习的框架，用于预测左侧乳腺癌治疗中器官特定的剂量体积直方图	左侧乳腺癌患者在接受容积旋转调强放疗时的器官剂量体积直方图	机器学习	乳腺癌	深度学习	DenseNet架构与循环神经网络	图像	249名左侧乳腺癌患者
6535	2024-09-19	SeqSeg: Learning Local Segments for Automatic Vascular Model Construction 2024-Sep-18, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03611-z PMID:39292327	研究论文	本文介绍了一种基于深度学习的自动血管模型构建算法SeqSeg	SeqSeg利用局部U-Net进行顺序分割，能够更完整地分割血管结构并泛化到未在训练数据中标注的血管结构	NA	改进心血管结构计算机模型的生成过程	心血管结构	计算机视觉	心血管疾病	深度学习	U-Net	图像	CT和MR图像中的主动脉和髂动脉模型
6536	2024-09-19	Deep learning classification method for boar sperm morphology analysis 2024-Sep-17, Andrology IF:3.2Q1 DOI:10.1111/andr.13758 PMID:39287620	研究论文	本文提出了一种结合深度学习和基于图像的流式细胞术（IBFC）的新方法，用于客观和准确地分析猪精子形态和无标记的顶体健康状况	本文的创新点在于利用深度学习技术与高吞吐量的IBFC相结合，实现了对数千个精子形态和顶体健康状况的自动化分析，取代了传统的手动显微镜计数方法	NA	克服传统手动计数方法的局限性，开发一种自动化、客观和准确的猪精子形态和顶体健康分析方法	猪精子形态和顶体健康状况	计算机视觉	NA	基于图像的流式细胞术（IBFC）	卷积神经网络（CNN）	图像	10,000个精子样本
6537	2024-09-19	Deep Learning in Ultrasound Localization Microscopy: Applications and Perspectives 2024-Sep-17, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3462299 PMID:39288061	综述	本文综述了深度学习在超声定位显微镜（ULM）中的应用，重点关注稀疏微泡分布下的方法	深度学习方法在提高图像质量和减少处理时间方面优于传统方法，并能减少ULM的采集时间	当前方法存在局限性和挑战，包括优化问题的制定、评估和网络架构的差异	综述深度学习在ULM中的应用，探讨其未来潜力	ULM中的微泡定位、血流速度估计和像差校正等挑战	计算机视觉	NA	深度学习	NA	图像	NA
6538	2024-09-19	Deep learning-assisted distinguishing breast phyllodes tumors from fibroadenomas based on ultrasound images: a diagnostic study 2024-Sep-17, The British journal of radiology DOI:10.1093/bjr/tqae147 PMID:39288312	研究论文	本文评估了基于超声图像的深度学习模型在区分乳腺叶状肿瘤和纤维腺瘤中的表现及其在不同经验放射科医生中的临床应用	开发并验证了一个基于最大可用数据集的深度学习模型，用于辅助诊断叶状肿瘤，该模型有望帮助放射科医生更精确地区分两种难以识别的乳腺肿瘤类型	NA	评估深度学习模型在区分乳腺叶状肿瘤和纤维腺瘤中的表现及其临床应用	乳腺叶状肿瘤和纤维腺瘤的超声图像	计算机视觉	乳腺肿瘤	深度学习	Xception模型	图像	1180张超声图像，来自539名患者（247例叶状肿瘤和292例纤维腺瘤）
6539	2024-09-19	Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy 2024-Sep-16, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.001 PMID:39289095	研究论文	本研究旨在开发一种深度学习（DL）预测模型，评估肿瘤内和肿瘤周围放射组学在高级别浆液性卵巢癌（HGSOC）患者接受铂类化疗后的预后预测中的重要性	本研究首次将深度学习模型应用于高级别浆液性卵巢癌患者的预后预测，并结合肿瘤内和肿瘤周围区域的放射组学特征	本研究仅使用了回顾性收集的未增强CT扫描数据，且样本量相对较小	开发一种深度学习模型，用于预测高级别浆液性卵巢癌患者在接受铂类化疗后的预后	高级别浆液性卵巢癌患者在接受铂类化疗后的预后	机器学习	卵巢癌	深度学习	深度学习模型	CT扫描图像	474名患者，分为训练集（362名）、内部测试集（86名）和外部测试集（26名）
6540	2024-09-19	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2024-Sep-16, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	本研究开发并验证了基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性状态	本研究创新性地结合了临床数据、多参数MRI和HE染色病理切片，构建了一个综合模型，显著提高了微卫星不稳定性状态的预测准确性和泛化能力	本研究仅在三个中心的数据上进行了验证，未来需要在更多中心进行验证以确保模型的普适性	开发和验证一种多模态深度学习模型，用于准确预测直肠癌患者的微卫星不稳定性状态	直肠癌患者的微卫星不稳定性状态	机器学习	直肠癌	深度学习	ResNet-101	图像	467名手术证实的直肠癌患者