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
6701	2024-09-16	Training and validation of a deep learning U-net architecture general model for automated segmentation of inner ear from CT 2024-Sep-12, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00508-3 PMID:39266784	研究论文	本研究训练并验证了一种基于U-net架构的深度学习通用模型，用于从CT扫描中自动分割内耳结构	本研究首次使用开源U-net模型进行内耳结构的自动分割，并进行了多中心的外部验证	本研究尚未评估扫描协议对模型性能的影响	开发和验证一种用于内耳结构自动分割的深度学习模型	内耳结构	计算机视觉	NA	深度学习	U-net	CT扫描图像	训练集包含271个CT扫描，验证集包含70个CT扫描
6702	2024-09-16	GRABSEEDS: extraction of plant organ traits through image analysis 2024-Sep-12, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01268-2 PMID:39267072	研究论文	介绍了一种名为GRABSEEDS的工具，通过图像分析提取植物器官特征	GRABSEEDS利用先进的计算机视觉和深度学习方法，能够从植物图像中提取全面的特征，并具有处理不同光照条件、背景干扰和重叠对象的能力	NA	简化植物表型分析过程，提高植物器官特征测量的准确性和效率	植物器官特征，包括谷物、叶片和花卉特征	计算机视觉	NA	计算机视觉和深度学习	NA	图像	NA
6703	2024-09-16	Overcoming CRISPR-Cas9 off-target prediction hurdles: A novel approach with ESB rebalancing strategy and CRISPR-MCA model 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012340 PMID:39226304	研究论文	本文提出了一种新的ESB重平衡策略和CRISPR-MCA模型，用于克服CRISPR-Cas9脱靶预测中的挑战	引入了基于效率和特异性的ESB类重平衡策略，并开发了CRISPR-MCA混合模型，通过多特征提取提高预测准确性	NA	解决CRISPR-Cas9系统中脱靶效应预测的难题	CRISPR-Cas9系统的脱靶效应	生物信息学	NA	深度学习	混合神经网络	序列数据	涉及四个仅错配数据集和一个包含错配和插入缺失的数据集
6704	2024-09-16	Progress on deep learning in genomics 2024-Sep, Yi chuan = Hereditas DOI:10.16288/j.yczz.24-151 PMID:39275870	综述	本文综述了深度学习在基因组学中的应用	深度学习为基因组学研究提供了强大的数据分析和模式识别能力	NA	通过深度学习提升基因组学研究的精确性和效率	DNA、RNA和蛋白质研究以及畜牧业基因组学	机器学习	NA	深度学习	卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)	基因组数据	NA
6705	2024-09-16	Pediatric septic shock estimation using deep learning and electronic medical records 2024-Aug, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.00031 PMID:39266275	研究论文	本研究利用深度学习和电子病历数据开发了一种用于儿科脓毒性休克早期诊断的模型	本研究的创新点在于使用深度学习模型简化了儿科脓毒性休克的早期诊断过程	本研究需要通过前瞻性研究进行外部验证	开发一种基于深度学习的模型，用于儿科脓毒性休克的早期诊断	儿科患者（<18岁）的脓毒性休克病例	机器学习	NA	深度学习	深度学习模型	电子病历数据	9,616,115次测量，其中34,696例脓毒性休克病例
6706	2024-09-16	ROBUST QUANTIFICATION OF PERCENT EMPHYSEMA ON CT VIA DOMAIN ATTENTION: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635299 PMID:39267982	研究论文	本文开发了一种基于深度学习的端到端框架，用于在不同CT扫描仪上对肺气肿进行鲁棒量化	设计了一种新的域注意力块，用于融合图像视觉特征与定量扫描仪先验信息，显著提高了结果	现有研究要么需要繁琐的工作流程，要么排除了下游肺气肿亚型分类的机会，限制了在大规模研究中的高效适应	解决在不同CT扫描仪上对肺气肿进行鲁棒量化的问题	肺气肿的量化	计算机视觉	NA	深度学习	UNet	图像	NA
6707	2024-09-16	Peak amplitude of the normalized power spectrum of the electromyogram of the uterus in the low frequency band is an effective predictor of premature birth 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308797 PMID:39264880	研究论文	本文研究了基于子宫肌电图（EHG）低频带归一化功率谱峰值振幅（PA）预测早产的有效性	提出了一种简单且可解释的单特征方法，通过PA特征在多个数据库上实现了较高的分类准确率，优于现有的多特征方法和非侵入性化学分子生物标志物	NA	开发一种非侵入性、简单且可解释的方法来预测早产	子宫肌电图（EHG）信号	生物医学工程	妊娠相关疾病	肌电图（EHG）	分类器	信号	使用了TPEHG DB、TPEHGT DS和ICEHG DS数据库中的EHG记录
6708	2024-09-16	CL-Informer: Long time series prediction model based on continuous wavelet transform 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303990 PMID:39269969	研究论文	提出了一种基于连续小波变换的长时序预测模型CL-Informer	在Informer模型中加入基于连续小波变换的嵌入层，使模型能够捕捉多尺度数据特征，并使用LSTM层进一步捕捉数据依赖性并处理连续小波变换中的冗余信息	NA	提高时间序列预测的准确性	时间序列数据	机器学习	NA	连续小波变换	LSTM	时间序列	五个数据集
6709	2024-09-15	Transcranial ultrafast ultrasound Doppler imaging: A phantom study 2024-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107430 PMID:39173276	研究论文	本文提出了一种结合深度学习与射线理论的畸变校正方法，用于实现经颅平面波成像和超快多普勒成像	提出了结合深度学习与射线理论的畸变校正方法，显著提高了经颅超声多普勒成像的质量和准确性	仅通过仿真实验验证了方法的有效性，尚未在临床环境中进行验证	开发一种新的方法来提高经颅超声多普勒成像的质量和准确性	颅内血流速度和方向的量化	医学影像	NA	超声多普勒成像	深度学习模型	图像	使用了一个中心频率为6.25 MHz、128个元素、间距为0.3 mm的线性阵列进行仿真实验
6710	2024-09-15	DepressionEmo: A novel dataset for multilabel classification of depression emotions 2024-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.08.013 PMID:39214375	研究论文	本文介绍了一个名为DepressionEmo的新数据集，用于检测与抑郁症相关的8种情绪	提出了一个包含6037个Reddit用户长帖的新数据集DepressionEmo，用于多标签分类抑郁症情绪	尽管数据集在识别自杀意图方面表现良好，但其他情绪的F1 Macro值相对较低	研究抑郁症情绪的检测及其对个体的影响	抑郁症相关的8种情绪	自然语言处理	NA	文本分类	BERT, BART, GAN-BERT, T5	文本	6037个Reddit用户长帖
6711	2024-09-15	The improved integrated Exponential Smoothing based CNN-LSTM algorithm to forecast the day ahead electricity price 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102923 PMID:39263362	研究论文	提出了一种改进的基于指数平滑和CNN-LSTM的算法，用于预测次日电力价格	结合了指数平滑方法提取水平和季节性特征，以及CNN-LSTM模型处理时间序列中的复杂空间和时间依赖性	未提及具体限制	预测次日电力价格以支持短期电力市场参与者的准确竞价	次日电力价格	机器学习	NA	指数平滑、卷积神经网络（CNN）、长短期记忆网络（LSTM）	CNN-LSTM	时间序列	从印度能源交易所（IEX）收集的次日电力市场数据
6712	2024-09-15	Clinical applications of radiomics and deep learning in breast and lung cancer: A narrative literature review on current evidence and future perspectives 2024-Nov, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2024.104479 PMID:39151838	综述	本文综述了放射组学和深度学习在乳腺癌和肺癌中的临床应用现状及未来展望	本文总结了放射组学在高发癌症（乳腺癌和肺癌）中的应用证据，并讨论了放射组学方法的优缺点，提出了可能的解决方案和未来展望	放射组学在临床决策中的应用仍受限于数据可重复性和研究变异性，需要前瞻性验证和标准化	总结放射组学在乳腺癌和肺癌中的应用证据，并讨论其优缺点及未来发展方向	放射组学在乳腺癌和肺癌中的临床应用	机器学习	肺癌	放射组学	NA	影像	NA
6713	2024-09-15	Noninvasive Technologies for the Diagnosis of Squamous Cell Carcinoma: A Systematic Review and Meta-Analysis 2024-Nov, JID innovations : skin science from molecules to population health DOI:10.1016/j.xjidi.2024.100303 PMID:39263563	meta-analysis	本文通过系统综述和荟萃分析评估了非侵入性技术在皮肤鳞状细胞癌诊断中的性能	本文首次系统性地评估了多种非侵入性技术在皮肤鳞状细胞癌诊断中的性能，并探讨了深度学习在该领域的潜在应用	研究中缺乏标准化诊断标准，且深度学习研究较少，限制了进一步的应用	评估非侵入性技术在皮肤鳞状细胞癌早期诊断中的性能	皮肤鳞状细胞癌的非侵入性诊断技术	NA	皮肤鳞状细胞癌	高频超声、光学相干断层扫描、反射共聚焦显微镜	NA	临床诊断数据	1144名患者，224个皮肤鳞状细胞癌病变，1729个临床诊断
6714	2024-09-15	Image dataset for cattle biometric detection and analysis 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110835 PMID:39263231	研究论文	本文介绍了一个用于牛生物特征检测和分析的图像数据集	该数据集包含了72头霍林郭勒黄牛的侧面和背面图像，并附有详细的生物特征标注，可用于构建深度学习模型以实现自动化牲畜监测系统	NA	提高畜牧业管理效率和运营效果，促进农业智能化和可持续发展	霍林郭勒黄牛的生物特征	计算机视觉	NA	深度学习	NA	图像	72头霍林郭勒黄牛
6715	2024-09-15	Radiographic imaging and diagnosis of spinal bone tumors: AlexNet and ResNet for the classification of tumor malignancy 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100629 PMID:39257652	研究论文	研究探讨了放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用，特别是AlexNet和ResNet模型的应用	研究首次将AlexNet和ResNet模型应用于脊柱骨肿瘤的恶性分类，展示了深度学习和卷积神经网络在医学影像分析中的潜力	研究仅限于脊柱骨肿瘤的恶性分类，且样本量相对较小，未来需扩大样本量和研究范围	探索放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用	脊柱骨肿瘤的恶性分类	计算机视觉	NA	卷积神经网络 (CNN)	AlexNet, ResNet	图像	580名患者，1532张图像（679张良性肿瘤图像，853张恶性肿瘤图像）
6716	2024-09-15	Create distinctive databases of ancient languages and using a computer vision model to accurately recognize and classify them 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110809 PMID:39257691	研究论文	本文提出了一种基于深度学习的楔形文字识别方法，通过计算机视觉模型快速识别和分类楔形文字图像	利用预先存在的音译和拉丁字母表示法，解决了希伯来字母数据收集困难的问题，并使用Yolov8预训练模型进行对象识别	NA	加速楔形文字的识别和分类过程	楔形文字图像和希伯来字母	计算机视觉	NA	深度学习	Yolov8	图像	约500张希伯来语书籍插图和超过1000张伊拉克发现的古代文档图像
6717	2024-09-15	Personalized Deep Learning Model for Clinical Target Volume on Daily Cone Beam Computed Tomography in Breast Cancer Patients 2024-Oct, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101580 PMID:39258144	研究论文	开发了一种深度学习算法，用于在乳腺癌患者的每日锥形束CT扫描中改进临床靶区体积的分割	利用Intentional Deep Overfit Learning (IDOL)框架，实现了基于患者特异性学习的个性化图像引导放射治疗	未来研究应探索IDOL框架在不同深度学习模型、数据集和癌症部位的适应性	提高乳腺癌放射治疗中每日锥形束CT扫描的临床靶区体积分割精度	乳腺癌患者的每日锥形束CT扫描	计算机视觉	乳腺癌	深度学习	Swin UNETR, UNET, SegResNET	图像	240次CBCT扫描，来自100名乳腺癌患者
6718	2024-09-15	An ensemble deep learning model for predicting minimum inhibitory concentrations of antimicrobial peptides against pathogenic bacteria 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110718 PMID:39262770	研究论文	本研究开发了一种集成深度学习模型，用于预测抗菌肽对特定病原菌的最小抑制浓度	本研究创新性地结合了抗菌肽序列和基因组特征，并使用多种AI架构创建了一个集成模型，显著提高了预测精度	NA	旨在开发一种有效的模型来预测抗菌肽对特定病原菌的最小抑制浓度，以应对抗生素耐药性问题	抗菌肽对ATCC 25923、ATCC 25922和ATCC 27853三种病原菌的最小抑制浓度	机器学习	NA	NA	集成模型，包括双向长短期记忆网络（BiLSTM）、卷积神经网络（CNN）和多分支模型（MBM）	抗菌肽序列和基因组特征	涉及三种病原菌
6719	2024-09-15	Analysis of child development facts and myths using text mining techniques and classification models 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36652 PMID:39263104	研究论文	本研究利用文本挖掘技术和分类模型区分儿童发展中的事实与谣言	填补了分析儿童发展谣言与事实的空白	NA	通过文本挖掘技术和分类模型区分儿童发展信息中的事实与谣言	儿童发展信息中的事实与谣言	自然语言处理	NA	文本挖掘	Logistic Regression (LR)	文本	从公开网站收集的新数据
6720	2024-09-13	Emerging research trends in artificial intelligence for cancer diagnostic systems: A comprehensive review 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36743 PMID:39263113	综述	本文综述了机器学习在癌症诊断系统中的应用现状	强调了可解释人工智能（XAI）在癌症诊断中的新兴应用，包括模型决策的交互式可视化和特征重要性分析	讨论了数据集限制、模型可解释性、多组学整合和伦理考虑等挑战	评估现代机器学习技术在癌症诊断中的应用，并指导研究人员、临床医生和政策制定者开发高效且可解释的机器学习癌症诊断系统	癌症诊断系统中的机器学习技术	机器学习	NA	机器学习	监督学习、无监督学习、深度学习和联邦学习	影像、基因组学和临床记录	NA