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
10381	2024-08-05	Adapted generative latent diffusion models for accurate pathological analysis in chest X-ray images 2024-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03056-5 PMID:38499946	研究论文	本文章提出了一种基于自适应生成潜在扩散模型的新数据增强方法，以提高胸部X光图像的自动病理筛查性能	创新点在于提出了一种新型的数据增强方法，专门针对结核病和肺结节的病理分析	研究依赖于有限的公共数据集，可能不完全代表所有实际临床场景	研究旨在改善胸部X光图像中病理分析的自动化性能	研究对象为结核病和肺结节的胸部X光图像	数字病理学	肺癌	数据增强	生成潜在扩散模型	图像	使用三个公共可用数据集进行评估
10382	2024-08-05	Longitudinal artificial intelligence-based deep learning models for diagnosis and prediction of the future occurrence of polyneuropathy in diabetes and prediabetes 2024-Jul, Neurophysiologie clinique = Clinical neurophysiology DOI:10.1016/j.neucli.2024.102982 PMID:38761793	研究论文	本研究旨在开发基于人工智能的深度学习模型，以诊断和预测糖尿病及前糖尿病患者未来发生糖尿病远端感觉运动多神经病(DSPN)的风险	结合随机森林技术与卷积神经网络(CNN)和长短期记忆网络(LSTM)，为DSPN的诊断和预测提供了创新的深度学习框架	研究可能受限于样本的特异性，可能无法推广至其他类型糖尿病患者或不同的种族背景	研究旨在评估深度学习模型在糖尿病远端感觉运动多神经病的诊断和预测中的潜力	394名患者，其中300名为2型糖尿病患者，94名为前糖尿病患者	数字病理学	糖尿病	随机森林(RF)，卷积神经网络(CNN)，长短期记忆网络(LSTM)	CNN和LSTM	临床评估数据	394名患者（300名2型糖尿病患者，94名前糖尿病患者）
10383	2024-08-05	Research on machine learning hybrid framework by coupling grid-based runoff generation model and runoff process vectorization for flood forecasting 2024-Jul, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121466 PMID:38870784	研究论文	本研究提出了一种结合网格型径流生成模型和径流过程向量化的混合深度学习洪水预测框架	创新点在于通过结合GRGM、RPV和LSTM模型来提高洪水预测的准确性和鲁棒性	研究中可能缺乏对其他因素影响的考虑，如气候变化的长期影响	研究旨在改进洪水预测模型的性能，以减少洪水灾害的风险	本研究的对象为流域Jialu River的水文数据和测量洪水实例	机器学习	NA	LSTM	GRGM-RPV-LSTM	水文数据	18个测量洪水实例
10384	2024-08-05	Advancing brain tumor classification through MTAP model: an innovative approach in medical diagnostics 2024-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03064-5 PMID:38483711	研究论文	本文介绍了MTAP模型在脑肿瘤分类中的应用，旨在提高诊断准确性	MTAP模型通过ADASYN方法解决数据集类别不平衡问题，并采用网络剪枝技术和Avg-TopK池化方法进行特征提取，提出了新型的分类策略	NA	提高脑肿瘤类型检测的准确性，这是医学成像和诊断的关键方面	脑肿瘤	医学诊断	NA	深度学习	NA	NA	NA
10385	2024-08-05	Automatic detection of bumblefoot in cage-free hens using computer vision technologies 2024-Jul, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.103780 PMID:38688138	研究论文	本研究开发并测试了深度学习模型以自动检测无笼鸡的鸡足肿胀情况	首次提出并应用自动化方法检测无笼环境中鸡足肿胀，尤其是在早期阶段	研究主要集中在特定环境和设置下，尚未在商业层面广泛实施	旨在开发自动化检测系统以提升无笼鸡的福利	主要研究对象为无笼养殖环境中的母鸡及其足肿胀情况	计算机视觉	NA	深度学习	YOLOv5系列模型	图像	NA
10386	2024-08-07	Fusion of Deep Learning with Conventional Imaging Processing: Does It Bring Artificial Intelligence Closer to the Clinic? 2024-Jul, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2023.10.043 PMID:38310497	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10387	2024-08-05	Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER 2024-Jun-21, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.046 PMID:38908922	研究论文	评估深度学习应用在急性缺血性中风脑MRI检测中的表现	该研究展示了深度学习应用能够在急性缺血性中风的检测中表现出高灵敏度和特异性，且处理时间较短	该研究为回顾性分析，可能存在选择偏倚，且未能显著提高使用T2加权成像的准确性	评估深度学习应用在急性缺血性中风检测中的有效性及表现	对2021年3月至10月期间急诊室采集的947例脑MRI进行回顾性分析	数字病理学	急性缺血性中风	MRI	深度学习应用	影像	947例
10388	2024-08-05	Deep learning reconstruction for lumbar spine MRI acceleration: a prospective study 2024-Jun-21, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00470-0 PMID:38902467	研究论文	本文比较了深度学习技术重建的磁共振成像（MRI）与标准重建图像在图像质量和常见退行性病变检测性能方面的差异	提出了深度学习重建的MRI方案，能够在不降低图像质量的情况下减少45%的扫描时间	仅在单中心进行的前瞻性研究，样本量相对较小	评估深度学习重建在腰椎MRI中的应用效果	包括31名接受腰椎MRI检查的患者	数字病理学	NA	深度学习（TSE-DL）	NA	图像	31名患者（15名男性和16名女性）
10389	2024-08-05	Global research trends and future directions in diabetic macular edema research: A bibliometric and visualized analysis 2024-Jun-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000038596 PMID:38905408	研究论文	这项研究评估了全球糖尿病性黄斑水肿（DME）研究趋势，并识别了未来的研究方向	揭示了美国在DME研究中的主导地位，并确定了当前的研究热点和新兴趋势	未提及具体的研究限制	评估糖尿病性黄斑水肿的全球研究趋势并指导未来的研究和临床管理	关于糖尿病性黄斑水肿的相关出版物的分析	数字病理学	糖尿病性黄斑水肿	文献计量学分析	NA	出版物	5624篇出版物
10390	2024-08-05	Improving difficult direct laryngoscopy prediction using deep learning and minimal image analysis: a single-center prospective study 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65060-x PMID:38902319	研究论文	本研究提出了一种AI模型，利用少量患者面部和颈部照片准确预测困难直接喉镜检查（DDL）	该文章创新性地使用了少量床边拍摄的图片和多任务学习来提升DDL预测准确性	研究限制在于仅在单中心进行，可能限制了结果的普遍适用性	研究目标是提高困难直接喉镜检查的预测准确性以优化气道管理和患者安全	研究对象为接受全麻下气管插管的成人患者	深度学习	NA	智能手机拍摄的图像分析	EfficientNet-B5	图像	3053名患者的18163张照片
10391	2024-08-05	PatchSorter: a high throughput deep learning digital pathology tool for object labeling 2024-Jun-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01150-4 PMID:38902336	研究论文	本文介绍了一个开源的数字病理标记工具PatchSorter，它结合了深度学习和直观的网络界面	提出了一种新的高通量标记方法，通过深度学习显著提高了每秒标签数量	未提及具体的限制	提高数字病理图像中大规模组织标记的效率	超过10万个组织对象	数字病理学	NA	深度学习	NA	图像	超过100,000个对象
10392	2024-08-05	A deep learning-powered diagnostic model for acute pancreatitis 2024-Jun-20, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01339-9 PMID:38902660	研究论文	本研究旨在开发一种深度学习驱动的急性胰腺炎诊断模型	提出了一个包含急性胰腺炎分类器和胰腺病变分割模块的双模块模型	这是一项回顾性研究，可能存在选择偏倚	研究的目的是提高急性胰腺炎的快速准确识别能力	190名急性胰腺炎患者及健康个体的CT扫描数据	机器学习	急性胰腺炎	计算机断层扫描（CT）	深度学习模型	影像	190名急性胰腺炎患者和对照的健康个体
10393	2024-08-05	A multi-feature spatial-temporal fusion network for traffic flow prediction 2024-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65040-1 PMID:38902350	研究论文	该论文提出了一种多特征时空融合网络用于交通流预测	创新点在于引入了自适应交通特征提取机制和多特征时空融合网络，能够提高特征表示能力和预测解释性	论文未详细讨论模型在特定场景下的适用性	研究的目的是通过多特征融合改善交通流预测精度	研究对象为影响交通流的多种交通特征	机器学习	NA	深度学习	时空融合网络	交通流数据	基于多种基线模型的实验验证
10394	2024-08-05	Development and validation of a smartphone-based deep-learning-enabled system to detect middle-ear conditions in otoscopic images 2024-Jun-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01159-9 PMID:38902477	研究论文	本文介绍了一种基于智能手机的深度学习系统，用于识别耳镜图像中的中耳疾病	提出了一个集成深度学习模型的智能手机应用，能够在数字耳镜图像中达到专家级的诊断准确性	该系统在其他中耳疾病的表现存在差异，需要进一步的前瞻性验证	研究旨在评估深度学习在耳镜图像解读中的应用	对2013年至2020年在法国斯特拉斯堡的耳鼻喉科诊所接受治疗的5岁以上患者的耳镜图像进行分析	计算机视觉	NA	深度学习	Inception-v2	图像	共涉及41,664幅耳镜图像，验证集为3,962幅图像，测试集为326幅图像
10395	2024-08-05	Automatic classification of normal and abnormal cell division using deep learning 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64834-7 PMID:38902496	研究论文	本文开发了一种自动分类正常和异常细胞分裂的方法	提出了一种使用深度学习进行自动有丝分裂分类的创新方法	尚未集成细胞分割和跟踪功能	旨在分类正常与异常细胞分裂	小的有丝分裂图像序列	计算机视觉	NA	深度学习（ResNet50 + LSTM）	ResNet50与LSTM	图像	从经历不同辐射水平的细胞群体视频中提取的图像序列
10396	2024-08-05	Optimizing 5'UTRs for mRNA-delivered gene editing using deep learning 2024-Jun-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49508-2 PMID:38902240	研究论文	本文设计了用于高效mRNA翻译的5'UTR，利用深度学习技术进行优化	提出了一种基于模型的序列设计方法用于优化mRNA治疗的5'UTR，提高了基因编辑的效率	最佳表现的UTR仅针对一种载体和细胞类型，存在特异性限制	研究旨在优化mRNA的5'UTR以提高表达水平	研究对象为不同细胞类型中的5'UTR以及其在基因编辑中的表现	NA	NA	深度学习	生成神经网络	NA	在两个细胞系中对设计的5'UTR进行了实验测试
10397	2024-08-05	Deep Ensemble learning and quantum machine learning approach for Alzheimer's disease detection 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61452-1 PMID:38902368	研究论文	本文提出了一种基于量子机器学习分类器的集成深度学习模型用于阿尔茨海默病的分类	利用量子计算模型提升阿尔茨海默病分类的准确性，充分挖掘量子计算在疾病分类中的潜力	未提及模型在更大规模或不同背景下的应用限制	探讨量子机器学习在阿尔茨海默病早期诊断中的应用	阿尔茨海默病患者的影像数据集	机器学习	阿尔茨海默病	量子机器学习	深度学习模型（VGG16和ResNet50）	影像	合并的阿尔茨海默病神经影像学倡议I和II数据集
10398	2024-08-05	Estimating helmet wearing rates via a scalable, low-cost algorithm: a novel integration of deep learning and google street view 2024-Jun-20, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19118-0 PMID:38902622	研究论文	本文提出了一种可扩展的低成本算法，通过深度学习和谷歌街景图像估计头盔佩戴率	结合深度学习对象检测技术和谷歌街景图像的新方法，提供全球范围内的头盔佩戴率估算	研究样本仅限于3995张图像，可能影响算法的普遍适用性	旨在通过大规模数据收集评估摩托车头盔佩戴情况并促进相关政策制定	使用来自谷歌街景的数据分析摩托车驾驶员和乘客的头盔佩戴情况	计算机视觉	NA	深度学习	NA	图像	3995张图像
10399	2024-08-05	Deep learning for predicting 16S rRNA gene copy number 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64658-5 PMID:38902329	研究论文	本研究提出了一种基于深度学习的方法ANNA16，用于直接从16S基因序列中估计16S rRNA基因拷贝数。	提出了一种新的方法ANNA16，能够直接从16S基因序列中进行16S GCN值的估计，且表现优于常用算法。	目前未提及研究中的具体局限性	研究的目的是提高微生物组分析中16S rRNA基因拷贝数的量化估计能力。	研究对象为不同社区成员的16S rRNA基因拷贝数。	数字病理学	NA	深度学习	人工神经网络	基因序列	27,579个16S rRNA基因序列
10400	2024-08-05	Leveraging data science and machine learning for urban climate adaptation in two major African cities: a HE2AT Center study protocol 2024-Jun-18, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-077529 PMID:38890141	研究论文	该研究旨在了解非洲城市中与热相关的健康影响复杂性	创新点在于综合健康、社会经济、气候和卫星影像数据来映射城市热风险，并建立热健康预测模型和预警系统	该研究主要集中于两座城市，可能无法广泛适用于其他地区	研究目的是促进非洲城市的气候适应能力，保护受到热危害不成比例影响的人群	研究对象包括在约翰内斯堡和阿比让进行的成人临床试验或队列研究的健康相关数据集	机器学习	NA	统计评估、机器学习和深度学习技术	NA	健康、社会经济、气候和卫星影像数据	2000年至2022年在约翰内斯堡和阿比让的成人临床试验或队列研究的健康数据