深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
9801	2024-08-07	Enhanced skin cancer diagnosis using optimized CNN architecture and checkpoints for automated dermatological lesion classification 2024-Aug-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01356-8 PMID:39095688	研究论文	本研究通过优化的CNN架构和检查点来提高皮肤癌诊断的自动化分类能力	引入了一个复杂的CNN模型，通过创新的数据增强策略解决了数据集的类别不平衡问题	未提及模型在真实临床环境中的应用效果	提升皮肤癌诊断的准确性和效率	利用HAM10000数据集中的皮肤病变图像进行分类	计算机视觉	皮肤癌	深度学习	卷积神经网络（CNN）	图像	使用了HAM10000数据集中的多种皮肤病变图像	NA	NA	NA	NA
9802	2024-08-07	Coot-Lion optimized deep learning algorithm for COVID-19 point mutation rate prediction using genome sequences 2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2244109 PMID:37668061	研究论文	本研究使用基于狮子算法的Coot算法优化深度量子神经网络来预测COVID-19突变率	引入基于狮子算法的Coot算法和深度量子神经网络的新方法来提高COVID-19突变率预测的准确性	研究未提及样本数量的具体情况和其他可能影响预测的因素	旨在利用基因组序列预测COVID-19的突变率	研究对象为COVID-19的基因组序列	机器学习	COVID-19	深度量子神经网络	深度量子神经网络	基因组序列	NA	NA	NA	NA	NA
9803	2024-08-07	A comprehensive review on heart disease prognostication using different artificial intelligence algorithms 2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2319706 PMID:38424704	review	本文综合评述了使用不同人工智能算法进行心脏疾病预后预测的研究	提出了人工智能技术在心脏疾病预测中的应用，比较分析了多种现有算法的优缺点	未提供具体的算法性能数据及其在实际应用中的限制	探讨不同人工智能算法在心脏疾病预后中的应用与效果	对多种人工智能算法及其应用于心脏疾病预测的研究进行综述	机器学习	心脏病	人工智能（AI），机器学习（ML），深度学习（DL）	NA	历史数据	NA	NA	NA	NA	NA
9804	2024-08-07	A scheme combining feature fusion and hybrid deep learning models for epileptic seizure detection and prediction 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67855-4 PMID:39043914	研究论文	提出了一种基于多类特征融合和混合深度学习模型的新方法，用于癫痫发作的检测和预测	结合了卷积神经网络、门控递归单元和注意力机制，以提高癫痫发作检测和预测的精度	NA	开发一种有效的方法以检测和预测癫痫发作	针对癫痫患者的EEG信号进行分析	机器学习	癫痫	离散小波变换（DWT）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU-AM	EEG信号	使用CHB-MIT数据集进行验证	NA	NA	NA	NA
9805	2024-08-07	Human gender estimation from CT images of skull using deep feature selection and feature fusion 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65521-3 PMID:39043755	研究论文	本研究旨在通过颅骨CT图像预测性别	该研究利用深度学习和特征融合技术，提高了性别预测的准确性和效率	研究可能只限于特定人群，可能无法推广至其他年龄和种族	探索通过CT图像准确估计人类性别的可能性	涉及421名年龄在25至65岁之间的男性和女性的颅骨CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	421个颅骨CT图像样本	NA	NA	NA	NA
9806	2024-08-07	The artistic image processing for visual healing in smart city 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68082-7 PMID:39039163	研究论文	本研究探讨了艺术图像处理在智慧城市背景下对城市居民心理健康和生活质量的视觉治疗效果	提出了重叠分割视觉变换器（OSViT）结合双向长短期记忆（BiLSTM）算法的艺术图像处理和分类识别模型	NA	探讨艺术图像处理在智慧城市中的应用及其对居民心理健康的影响	艺术图像及其处理技术	数字病理学	NA	深度学习技术	OSViT-BiLSTM	图像	涉及多个场景的艺术图像，用户反馈超过90%满意	NA	NA	NA	NA
9807	2024-08-07	YOLO-Granada: a lightweight attentioned Yolo for pomegranates fruit detection 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67526-4 PMID:39039263	研究论文	提出了一种轻量级的YOLO-Granada算法用于石榴果实检测	基于YOLOv5改进算法，使用ShuffleNetv2作为骨干网，并结合注意力机制提升检测精度和速度	与原始YOLOv5s模型的精度相差不到1%，但模型压缩和速度提升仍有改进空间	开发智能管理系统以提高石榴果园的产量和管理效率	石榴果实的检测	计算机视觉	NA	深度学习	YOLOv5	图像	NA	NA	NA	NA	NA
9808	2024-08-07	Automated PD-L1 status prediction in lung cancer with multi-modal PET/CT fusion 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66487-y PMID:39030240	研究论文	本文研究了如何利用多模态PET/CT融合自动预测肺癌中的PD-L1状态	提出了使用不同数据融合方案的深度学习模型来进行PD-L1状态的预测，并发现PET和CT融合的表现优于单独使用	在晚期融合架构中，虽然权重共享可能提高模型的稳定性，但并不总能带来更好的结果	评估不同融合方法在非小细胞肺癌中预测PD-L1状态的性能	189名肺癌患者的非侵入性CT和PET图像	计算机视觉	肺癌	PET/CT成像	ResNet, DenseNet, EfficientNet	图像	189名非小细胞肺癌患者的PET和CT图像	NA	NA	NA	NA
9809	2024-08-07	Exploring deep learning strategies for intervertebral disc herniation detection on veterinary MRI 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67749-5 PMID:39030338	研究论文	本文旨在自动化兽医MRI中椎间盘突出（IVDH）病灶的检测和定位	引入了一种新的脊柱定位模块，并成功集成到不同的目标检测模型中，以提高IVDH检测的精准度	未提供对小型猫数据集适应的详细评估	研究AI在兽医护理中的应用，推动兽医放射学的发展	213只不同品种、年龄和体型的宠物狗的T2加权矢状面MRI图像	计算机视觉	脊柱疾病	深度学习	传统两阶段检测模型及YOLOX检测器	图像	213张宠物狗的MRI图像	NA	NA	NA	NA
9810	2024-08-07	Intelligent breast cancer diagnosis with two-stage using mammogram images 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65926-0 PMID:39030248	研究论文	这篇文章提出了一种基于深度学习的乳腺癌筛查新方法，利用乳腺X光图像进行智能诊断	引入了ACA-ATRUNet和ACA-AMDN模型，并通过MML-EOO算法优化超参数	未提及具体样本的多样性或模型在其他类型图像上的适应性	优化乳腺癌的早期检测方法	使用乳腺X光图像进行乳腺癌识别和分类	计算机视觉	乳腺癌	深度学习，乳腺X光	ACA-ATRUNet，ACA-AMDN	图像	来自已建立基准源的数据集	NA	NA	NA	NA
9811	2024-08-04	Preoperative prediction of microvascular invasion risk in hepatocellular carcinoma with MRI: peritumoral versus tumor region 2024-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01760-2 PMID:39090456	研究论文	本文探索了肝细胞癌中肿瘤及多个周围肿瘤区域在动态对比增强磁共振成像（MRI）上的预测性能	提出了20毫米周围肿瘤区域在预测微血管侵犯（MVI）级别方面的重要性，优于肿瘤区域	样本量较小，可能影响研究结果的普遍性	开发一个基于MRI的术前微血管侵犯风险预测模型	147例经手术诊断为肝细胞癌的患者	数字病理学	肝细胞癌	动态对比增强磁共振成像（MRI）	极端梯度提升（XGBoost）	医学成像	147名肝细胞癌患者，训练集117名，测试集30名	NA	NA	NA	NA
9812	2024-08-04	Integrating MRI-based radiomics and clinicopathological features for preoperative prognostication of early-stage cervical adenocarcinoma patients: in comparison to deep learning approach 2024-Aug-01, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00747-y PMID:39090668	研究论文	本文旨在探讨MRI基础的放射组学和临床病理特征在宫颈腺癌患者术前预后中的作用	本文首次评估了MRI基础放射组学与深度学习方法在宫颈腺癌中的预后预测能力	本研究的样本量较小，可能影响预测模型的广泛适用性	开发基于MRI放射组学和临床特征的预后预测模型	197名宫颈腺癌患者的临床和病理信息	数字病理学	宫颈癌	MRI，支持向量机（SVM），卷积神经网络（CNN）	随机森林（RF），支持向量机（SVM），卷积神经网络（CNN）	影像，临床数据	197名宫颈腺癌患者和56名用于独立验证的患者	NA	NA	NA	NA
9813	2024-08-04	Exploring the deep learning of artificial intelligence in nursing: a concept analysis with Walker and Avant's approach 2024-Aug-01, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-024-02170-x PMID:39090714	研究论文	本文分析了在护理领域中深度学习与人工智能的概念	本文采用了Walker和Avant的8步法进行概念分析，明确了深度学习在护理中的定义特征	现有文献缺乏清晰性，影响了临床实践、研究和理论发展	澄清护理中深度学习的含义并识别人工智能的定义属性	分析2018年至2024年间符合纳入标准的37篇相关文献	自然语言处理	NA	深度学习	NA	文献	37篇符合纳入标准的文章	NA	NA	NA	NA
9814	2024-08-04	Deep learning-based automated bone age estimation for Saudi patients on hand radiograph images: a retrospective study 2024-Aug-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01378-2 PMID:39090563	研究论文	本研究提出了一种基于深度学习的模型，用于通过左手放射影像估计骨龄	采用全连接卷积神经网络（CNN）进行骨龄预测，解决了传统方法中依赖放射科医师主观判断的问题	模型的性能可以通过额外的优化和验证进一步提升	准确估计骨龄以评估骨骼成熟度，诊断生长障碍以及计划治疗干预	473名患者的左手放射影像数据	计算机视觉	NA	CNN	全连接卷积神经网络	影像	473名患者的放射影像数据	NA	NA	NA	NA
9815	2024-08-04	The accuracy and quality of image-based artificial intelligence for muscle-invasive bladder cancer prediction 2024-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01780-y PMID:39090234	研究论文	本文评估了基于图像的人工智能在预测肌肉浸润性膀胱癌的诊断性能	提出了使用CLAIM、RQS和PROBAST工具对人工智能研究的报告质量和方法学质量进行评估	尽管模型表现良好，但报告质量和方法学质量普遍较低，存在高风险偏倚	评估图像基人工智能在预测肌肉浸润性膀胱癌的诊断表现	包括4256名患者的21项研究	数字病理学	膀胱癌	计算机断层扫描 (CT)，磁共振成像 (MRI)，放射组学，深度学习	深度学习	图像	包含4256名患者	NA	NA	NA	NA
9816	2024-08-04	Predicting mine water inflow volumes using a decomposition-optimization algorithm-machine learning approach 2024-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67962-2 PMID:39090145	研究论文	本文提出了一种新颖的耦合分解-优化-深度学习模型，用于预测矿水涌入量	结合了完整集合经验模态分解与自适应噪声、北鵰优化和长短期记忆网络的创新模型	传统模型和单一机器学习方法在预测突发水涌量变化方面的效能仍然存在不足	旨在提高矿水涌入量的预测准确性，确保煤矿安全	矿水涌入预测方法及其在不同模型中的表现	机器学习	NA	CEEMDAN, NGO, LSTM	LSTM	时间序列数据	未明确说明样本量的具体数量	NA	NA	NA	NA
9817	2024-08-04	Artificial intelligence in fusion protein three-dimensional structure prediction: Review and perspective 2024-Aug, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.1789 PMID:39090739	综述	本论文回顾了人工智能在融合蛋白三维结构预测中的最新进展和挑战	文章强调了使用深度学习模型预测融合蛋白三维结构的最新进展，并探讨了四种建模方法的优缺点	对于融合蛋白的预测，模板基础模型面临着已知模板结构在数据库中通常缺乏的问题	探讨利用人工智能方法预测融合蛋白三维结构的优势和挑战	关注于融合蛋白的三维结构预测	人工智能	癌症	深度学习	AlphaFold2, RoseTTAFold, tr-Rosetta, D-I-TASSER	NA	NA	NA	NA	NA	NA
9818	2024-08-04	A QR code-enabled framework for fast biomedical image processing in medical diagnosis using deep learning 2024-Aug-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01351-z PMID:39090546	研究论文	本文提出了一种利用QR码的框架，以加速医学影像处理和医疗诊断。	采用深度学习QR码技术，优化了数据库设计，创新性地解决了数据存储基础设施成本和信息检索速度问题。	未提及具体使用的深度学习模型和技术细节，缺乏对系统在不同条件下表现的全面评估。	研究如何通过高效的医学影像处理来加速医疗条件的诊断。	使用来自Crawford影像和数据档案及Duke CIVM的医疗数据集进行评估。	数字病理学	NA	深度学习	NA	医学影像	使用来自两个数据集的医疗数据集进行评估	NA	NA	NA	NA
9819	2024-08-04	Air quality forecasting using a spatiotemporal hybrid deep learning model based on VMD-GAT-BiLSTM 2024-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68874-x PMID:39090177	研究论文	提出了一种基于VMD-GAT-BiLSTM的时空混合深度学习模型用于空气质量预测。	该模型结合了变分模态分解、图注意网络和双向长短时记忆网络，以提高空气质量预测的准确性。	模型的有效性依赖于所使用的监测数据的质量和完整性。	旨在提高空气质量预测的精度，从而增强早期预警系统的能力。	主要研究空气质量数据，探讨不同监测站之间的空间关系和时间特征。	机器学习	NA	VMD, GAT, BiLSTM	VMD-GAT-BiLSTM	PM数据	使用了收集的北京空气质量数据集进行实验	NA	NA	NA	NA
9820	2024-08-05	A hybrid approach to improvement of watershed water quality modeling by coupling process-based and deep learning models 2024-Aug, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.11079 PMID:39096183	研究论文	提出了一种混合模型，通过结合过程驱动模型和深度学习模型来改善流域水质建模	开发了一种混合模型，将未校准的过程驱动模型与数据驱动模型相结合，以提高流域建模的准确性	模型参数校准和验证过程耗时且具有固有的不确定性	研究旨在解决过程驱动模型校准和验证中的各种挑战	结合地理信息和五年观察数据构建的Yeongsan河流域的土壤与水评估工具	数字病理学	NA	深度学习	长短期记忆网络 (LSTM)	观测数据	5年观测数据	NA	NA	NA	NA