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
6941	2024-09-11	Cross-modal deep learning model for predicting pathologic complete response to neoadjuvant chemotherapy in breast cancer 2024-Sep-05, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00678-8 PMID:39237596	研究论文	本文提出了一种跨模态深度学习模型，用于预测乳腺癌患者在接受新辅助化疗后的病理完全缓解	该模型整合了来自活检样本的数字病理图像和多时相超声图像，以早期预测病理完全缓解状态	NA	开发一种早期且准确的预测方法，以评估新辅助化疗在乳腺癌中的效果	乳腺癌患者的新辅助化疗反应	数字病理学	乳腺癌	深度学习	跨模态多路径自动预测模型	图像	NA
6942	2024-09-11	Intelligent tool wear prediction based on deep learning PSD-CVT model 2024-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71795-4 PMID:39237695	研究论文	提出了一种基于深度学习的工具磨损预测模型PSD-CVT	结合了功率谱密度（PSD）、卷积神经网络（CNN）和视觉变换器模型（ViT）的优势	NA	确保加工质量的可靠性，准确预测工具磨损	工具磨损预测	机器学习	NA	深度学习	PSD-CVT	信号	PHM 2010数据集
6943	2024-09-11	Derivation, external and clinical validation of a deep learning approach for detecting intracranial hypertension 2024-Sep-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01227-0 PMID:39237755	研究论文	开发并验证了一种基于深度学习的方法，用于检测颅内高压	利用常规收集的颅外波形数据作为输入，减少了对侵入性监测的需求	外部验证数据集的AUROC为0.80，准确性为73.8%，存在一定的误差	开发一种非侵入性的方法来检测颅内高压	成人患者的颅内高压	机器学习	NA	深度学习	NA	波形数据	使用了MIMIC-III Waveform Database和Mount Sinai Hospital的数据集
6944	2024-09-07	Correction: Utilizing deep learning model for assessing melanocytic density in resection margins of lentigo maligna 2024-Sep-05, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-024-01545-7 PMID:39238025	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6945	2024-09-11	An experimental system for detection and localization of hemorrhage using ultra-wideband microwaves with deep learning 2024-Sep-05, Communications engineering DOI:10.1038/s44172-024-00259-4 PMID:39242634	研究论文	本文介绍了一种使用超宽带微波和深度学习技术进行出血检测和定位的实验系统	开发了一种包含机器人导航系统的实验框架，使用超宽带微波阵列和深度神经网络进行出血的分类和定位	实验仅使用血样模拟物进行，尚未在真实人体中验证	探索使用超宽带微波和深度学习技术进行中风出血的快速、低成本检测和定位	出血的检测和定位	计算机视觉	中风	超宽带微波	深度神经网络	微波散射参数	8个元素的超宽带阵列，频率范围0.6-9.0 GHz，功率1 mW
6946	2024-09-11	Neural network-based processing and reconstruction of compromised biophotonic image data 2024-Sep-04, Light, science & applications DOI:10.1038/s41377-024-01544-9 PMID:39237561	综述	本文深入探讨了通过故意损害生物光子成像中的测量指标，利用深度学习模型进行补偿的方法	本文介绍了通过故意损害测量指标（如点扩散函数、信噪比、采样密度和像素分辨率），利用深度学习网络进行补偿的创新方法	NA	探讨如何通过故意损害生物光子成像中的测量指标，利用深度学习模型进行补偿，以提高成像速度和简化硬件要求	生物光子成像中的测量指标，如点扩散函数、信噪比、采样密度和像素分辨率	计算机视觉	NA	深度学习	深度学习网络	图像	NA
6947	2024-09-11	Geometric molecular graph representation learning model for drug-drug interactions prediction 2024-Sep-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3453956 PMID:39226203	研究论文	提出了一种基于几何分子图表示学习模型的药物-药物相互作用预测方法	采用几何分子图表示学习模型，仅考虑分子的共价和非共价键信息，并通过预训练和微调过程学习药物分子表示和预测药物相互作用	现有方法依赖于DDI功能网络或将其作为模型信息源的重要部分，难以发现新药物的相互作用	预测潜在的药物相互作用，以提供系统有效的药物组合策略	药物-药物相互作用	机器学习	NA	几何分子图表示学习	Mol-DDI	分子图	涉及三个数据集
6948	2024-09-11	ChoroidSeg-ViT: A Transformer Model for Choroid Layer Segmentation Based on a Mixed Attention Feature Enhancement Mechanism 2024-Sep-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.9.7 PMID:39235399	研究论文	开发了一种基于混合注意力特征增强机制的Vision Transformer模型，用于光学相干断层扫描图像中脉络膜层的分割	提出了ChoroidSeg-ViT模型，通过集成局部增强特征提取和语义特征融合路径，实现了脉络膜层的精确分割	NA	开发一种新的Transformer模型，用于精确和自动分割脉络膜层	光学相干断层扫描图像中的脉络膜层	计算机视觉	NA	光学相干断层扫描	Vision Transformer (ViT)	图像	100张OCT B-扫描图像
6949	2024-09-11	Generalizable Deep Learning for the Detection of Incomplete and Complete Retinal Pigment Epithelium and Outer Retinal Atrophy: A MACUSTAR Report 2024-Sep-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.9.11 PMID:39235402	研究论文	本研究开发了一种深度学习算法，用于检测和量化不完全和完全的视网膜色素上皮和外层视网膜萎缩（iRORA和cRORA），并在不同设备的光学相干断层扫描（OCT）数据上进行验证	本研究的创新点在于使用了领域适应（DA）模型，提高了算法在不同设备数据上的泛化能力，并结合分割模型进行iRORA/cRORA的检测	本研究的局限性在于对ZEISS OCTs的敏感性和特异性较低，且去除DA后对Spectralis OCTs的κw分数有所下降	本研究旨在开发一种能够跨设备检测和量化不完全和完全视网膜色素上皮和外层视网膜萎缩的深度学习算法，并在中间年龄相关性黄斑变性（iAMD）患者中进行验证	本研究的研究对象是中间年龄相关性黄斑变性（iAMD）患者的视网膜色素上皮和外层视网膜萎缩（iRORA和cRORA）	计算机视觉	眼科疾病	光学相干断层扫描（OCT）	深度学习算法	图像	168名中间年龄相关性黄斑变性（iAMD）患者
6950	2024-09-11	The use of artificial intelligence in musculoskeletal ultrasound: a systematic review of the literature 2024-Sep, La Radiologia medica DOI:10.1007/s11547-024-01856-1 PMID:39001961	综述	系统回顾了人工智能在肌肉骨骼超声中的应用，重点探讨了AI算法的类别和验证策略	NA	缺乏对外部数据集的独立临床验证	系统回顾人工智能在肌肉骨骼超声中的应用	肌肉骨骼超声中的AI算法和验证策略	计算机视觉	NA	人工智能	深度学习 (DL) 和传统机器学习 (ML)	超声图像	16项研究，涉及2020年至2023年发表的论文
6951	2024-09-11	A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow 2024-Sep, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.06.026 PMID:38866234	研究论文	本文探讨了在临床神经影像研究工作流程中实施深度学习分割的实用路线图	提出了一个迭代模型训练和迁移学习的方法，重点关注内部验证和早期标签过程中的异常处理，并在后期进行微调	未提及具体限制	加速使用机器学习技术进行图像分割的研究	临床神经影像研究工作流程中的深度学习分割	计算机视觉	NA	深度学习	神经网络	图像	未提及具体样本数量
6952	2024-09-11	Deep Deblurring in Teledermatology: Deep Learning Models Restore the Accuracy of Blurry Images' Classification 2024-Sep, Telemedicine journal and e-health : the official journal of the American Telemedicine Association DOI:10.1089/tmj.2023.0703 PMID:38934135	研究论文	本文研究了深度学习模型在远程皮肤病学中对模糊图像的去模糊效果，以恢复分类准确性	本文提出了使用深度学习模型对模糊皮肤病图像进行去模糊处理，以提高诊断准确性和图像清晰度	研究仅使用了有限的公共数据集和医疗中心的图像，可能无法全面代表所有皮肤病学场景	确定深度学习模型对模糊图像去模糊后诊断准确性的恢复程度	模糊的皮肤病图像及其去模糊后的图像	计算机视觉	皮肤病	深度学习	深度学习模型	图像	19,191张皮肤图像，54张模糊皮肤图像，53张医疗中心的模糊皮肤病咨询照片
6953	2024-09-11	Cost-Effectiveness of Artificial Intelligence-Based Opportunistic Compression Fracture Screening of Existing Radiographs 2024-Sep, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2023.11.029 PMID:38527641	研究论文	评估基于人工智能的现有放射影像中骨质疏松性椎体压缩性骨折（OVCFs）筛查的成本效益	开发了利用现有胸部和腹部放射影像进行OVCFs筛查的软件，使用已建立的人工智能深度学习算法，具有高灵敏度和特异性	仅从有限的社会角度考虑筛查和治疗成本，未考虑其他潜在的社会和经济影响	评估实施该软件进行OVCFs筛查的潜在成本效益	骨质疏松性椎体压缩性骨折（OVCFs）的筛查和预防治疗	计算机视觉	骨骼疾病	人工智能深度学习算法	深度学习模型	放射影像	NA
6954	2024-09-11	Comparing code-free and bespoke deep learning approaches in ophthalmology 2024-Sep, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06432-x PMID:38446200	综述	本文综述了无代码深度学习（CFDL）在眼科领域的应用，并与定制深度学习（DL）方法进行了比较	CFDL允许没有编码专业知识的临床医生构建高质量的人工智能模型，无需编写代码	CFDL的讨论大多是单维度的，且适用性差距较大，需要多维度的分析和改进数据集质量、适用性问题和研究设计的不规范性	比较无代码深度学习和定制深度学习在眼科领域的优势	糖尿病视网膜病变筛查、视网膜多疾病分类、手术视频分类、眼科组学和资源管理等任务	机器学习	NA	深度学习	无代码深度学习（CFDL）和定制深度学习（DL）	文本	10项相关研究
6955	2024-09-11	Artificial intelligence in ovarian cancer drug resistance advanced 3PM approach: subtype classification and prognostic modeling 2024-Sep, The EPMA journal DOI:10.1007/s13167-024-00374-4 PMID:39239109	研究论文	本研究利用人工智能技术，通过单细胞水平的药物反应特征，构建了卵巢癌患者亚型分类和预测模型，以促进个性化医疗	本研究首次将KAN架构应用于深度学习预测模型，并结合多组学数据进行患者亚型分类和预后建模	NA	通过人工智能技术，识别卵巢癌患者对一线治疗药物的耐药特征，并构建分类和预测模型，以实现个性化医疗	卵巢癌患者及其对一线化疗药物的耐药性	机器学习	卵巢癌	Beyondcell算法	KAN架构	多组学数据	21,937个卵巢癌细胞样本和来自TCGA的训练集及三个外部验证集（GSE17260, GSE26712, GSE51088）
6956	2024-09-11	Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering 2024-Sep, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.9.093507 PMID:39247058	研究论文	本文利用深度学习算法对高光谱成像数据进行分析，以量化组织中的血红蛋白、黑色素和散射成分	本文提出了一种利用深度学习算法快速分析高光谱数据的方法，相比传统迭代最小二乘法，计算速度提高了4000倍以上	NA	开发一种快速且准确的方法来量化组织中的吸收和散射成分	人体组织的血红蛋白、脱氧血红蛋白、黑色素和散射成分	计算机视觉	NA	高光谱成像	人工神经网络 (ANN)	光谱数据	24,000个随机组合的生理相关组织成分的模拟漫反射光谱
6957	2024-09-11	Hybrid ensemble - deep transfer model for early cassava leaf disease classification 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36097 PMID:39247275	研究论文	本文提出了一种基于混合集成-深度迁移模型的方法，用于早期木薯叶病害的分类	开发了三种新的混合模型，并展示了高准确率的结果	NA	提高木薯叶病害早期检测的准确性	木薯叶病害	计算机视觉	NA	深度学习	混合集成模型	图像	NA
6958	2024-09-11	An improved deep convolutional neural network-based YouTube video classification using textual features 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35812 PMID:39247283	研究论文	本文提出了一种基于深度卷积神经网络和文本特征的改进方法，用于YouTube视频分类	本文设计了一种深度卷积神经网络（DCNN），并结合循环神经网络（RNN）和门控循环单元（GRU）进行性能比较，实验结果表明该方法在YouTube视频分类中取得了最高的ROC AUC分数和准确率	NA	开发一种基于人工智能的方法来分类YouTube视频	YouTube视频及其相关的文本信息，如标题、描述、用户标签等	计算机视觉	NA	深度学习	深度卷积神经网络（DCNN）、循环神经网络（RNN）、门控循环单元（GRU）	文本	一个包含9个类别的大型数据集
6959	2024-09-11	Improved FasterViT model for citrus disease diagnosis 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36092 PMID:39247290	研究论文	本文提出了一种改进的FasterViT模型，用于柑橘病害诊断，通过结合CNN和ViT的优势，提高了模型在不同环境条件下识别植物叶片病害的能力	本文的创新点在于提出了一种先进的混合CNN-ViT框架，通过交叉阶段交替使用Mixup和Cutout方法，增强了模型的鲁棒性和泛化能力，并采用了Triplet Attention和AdaptiveAvgPool机制来降低训练成本	本文的局限性在于仅在柑橘病害数据集上进行了测试，未来需要在更多种类的植物病害数据集上验证模型的通用性	本文的研究目的是提高深度学习模型在不同环境条件下识别植物叶片病害的准确性，并降低训练成本	本文的研究对象是柑橘病害的诊断	计算机视觉	柑橘病害	深度学习	混合CNN-ViT框架	图像	本文使用了自建的小规模柑橘病害数据集（in-field small dataset）和PlantVillage数据集进行测试
6960	2024-09-11	Optimizing MobileNetV2 for improved accuracy in early gastric cancer detection based on dynamic pelican optimizer 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35854 PMID:39247334	研究论文	本文提出了一种基于人工智能的胃癌自动诊断框架，使用定制的深度学习模型MobileNetV2，并通过动态鹈鹕优化算法（DPOA）进行优化	本文的创新点在于结合了MobileNetV2和动态鹈鹕优化算法（DPOA），以提高胃癌早期检测的准确性	尽管结果令人鼓舞，但仍需进一步研究，特别是需要更大和更多样化的数据集以及全面的临床验证来验证该方法的有效性	本文的研究目的是提高胃癌早期检测的准确性和速度	本文的研究对象是胃癌的早期检测	计算机视觉	胃癌	动态鹈鹕优化算法（DPOA）	MobileNetV2	图像	数据集分为训练集（80%）和测试集（20%）