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
10941	2024-08-05	Deep learning for diagnosis of head and neck cancers through radiographic data: a systematic review and meta-analysis 2024-Jan, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-023-00715-5 PMID:37855976	系统评价与荟萃分析	本研究回顾了深度学习在头颈癌检测中的应用，使用了磁共振成像和放射数据	该文章通过系统评价和荟萃分析，提供了头颈癌检测的深度学习模型的准确性和特异性的量化数据	仅包括了满足特定标准的32项研究，可能存在选择偏倚	研究深度学习在头颈癌通过医学影像数据检测中的应用	对头颈癌的医学影像（CT、PET、MRI等）进行的深度学习模型	数字病理学	头颈癌	深度学习	分类模型、目标检测模型	医学影像	从1967项研究中筛选出的32项符合条件的研究
10942	2024-08-05	Recognition of sports and daily activities through deep learning and convolutional block attention 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2100 PMID:38855220	研究论文	本研究使用可穿戴传感器数据通过深度学习技术识别与体育和健身相关的人类行为	创新在于无缝整合CNN、BiGRU和CBAM组件，学习空间和时间关系，优先考虑显著特征进行活动检测	NA	研究旨在提高运动和日常活动的识别准确性	使用UCI-DSA数据集进行多类活动识别	计算机视觉	NA	CNN	CNN-BiGRU-CBAM	运动和生物特征数据	NA
10943	2024-08-05	Information extraction of UV-NIR spectral data in waste water based on Large Language Model 2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124475 PMID:38772179	研究论文	本研究提出了一种基于大型语言模型(LLM)的UV-NIR光谱数据提取方法	利用大型语言模型在UV-NIR光谱分析中实现更简便和快速的操作，超越传统机器学习模型的表现	本研究可能缺乏对不同实验设置的全面评估及更多样本的适用性	减少UV-NIR光谱分析中时间成本及操作复杂性	对包括复杂废水在内的三种不同水样的化学需氧量（COD）进行预测	机器学习	NA	大型语言模型（LLM）	NA	光谱数据	三种不同的水样
10944	2024-08-05	A double-branch convolutional neural network model for species identification based on multi-modal data 2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124454 PMID:38788500	研究论文	该文章提出了一种基于多模态数据融合的双分支卷积神经网络模型用于物种识别	创新点在于将拉曼光谱和图像数据融合到一个双分支CNN模型中，提高了物种识别的准确性	未提及具体的样本限制或数据集大小	本研究旨在通过融合多模态数据提高物种识别的准确性	研究对象是通过使用拉曼光谱和图像数据进行物种识别	计算机视觉	NA	拉曼光谱	双分支CNN	图像和光谱数据	NA
10945	2024-08-05	Deep learning-based platform performs high detection sensitivity of intracranial aneurysms in 3D brain TOF-MRA: An external clinical validation study 2024-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105487 PMID:38761459	研究论文	本研究评估了一种基于深度学习算法的人工智能平台在3D时间飞行磁共振血管成像中对颅内动脉瘤的自动检测效能	开发了一种人工智能平台，应用深度学习算法以提高颅内动脉瘤的检测敏感性，并进行临床验证	本研究为回顾性研究，数据来自有限的时间段，可能存在选择偏倚	旨在验证基于深度学习的人工智能平台在颅内动脉瘤检测中的诊断效能	510名患者，包括215名有颅内动脉瘤的患者和295名没有动脉瘤的患者	数字病理学	NA	TOF-MRA	深度学习	医学影像	510名患者
10946	2024-08-05	Deep Learning-Guided Dosimetry for Mitigating Local Failure of Patients With Non-Small Cell Lung Cancer Receiving Stereotactic Body Radiation Therapy 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.11.059 PMID:38056778	研究论文	本文分析了接受立体定向体部放射治疗的非小细胞肺癌患者，提出了深度学习指导的剂量计划标准	研究提出了一种新颖的深度学习局部反应模型和治疗规划标准，能够优化局部控制	数据未确认或否认治疗剂量需要显著提高的结论	旨在提高非小细胞肺癌患者的局部控制率	涉及535名接受50 Gy/5分割治疗的非小细胞肺癌患者	数字病理学	非小细胞肺癌	深度学习	离散时间生存模型	计算机断层扫描图像，三维剂量分布，患者人口统计学数据	535名患者
10947	2024-08-05	AS-NeSt: A Novel 3D Deep Learning Model for Radiation Therapy Dose Distribution Prediction in Esophageal Cancer Treatment With Multiple Prescriptions 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.001 PMID:38159780	研究论文	本研究开发了一种深度学习模型AS-NeSt，用于预测食管癌治疗中的放射治疗剂量分布。	该研究提出了一种创新的3D ResNeSt模块及非对称架构，提升了剂量预测的准确性。	研究中使用的数据主要来自530名患者，可能限制了模型的普适性。	本研究旨在提高食管癌患者放射治疗剂量分布预测的准确性。	研究对象为530名接受放射治疗的食管癌患者。	数字病理学	食管癌	深度学习	AS-NeSt	临床数据	530名食管癌患者的数据
10948	2024-08-05	Deep neural network for the prediction of KRAS, NRAS, and BRAF genotypes in left-sided colorectal cancer based on histopathologic images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102384 PMID:38759471	研究论文	本研究开发了一种深度学习模型，以利用病理全切片图像准确预测左侧结直肠癌患者的KRAS、NRAS和BRAFV600E基因型。	创新之处在于结合使用病理特征和临床特征，构建临床-病理整合模型来提高基因型预测的准确性。	样本数量有限，可能影响模型的普适性和推广性。	本研究旨在通过深度学习技术提高对左侧结直肠癌患者基因型的预测能力。	研究对象为129名左侧结肠癌和直肠癌患者。	数字病理学	结直肠癌	深度学习	卷积神经网络 (CNN)	图像	129个患者，训练组103名，测试组26名
10949	2024-08-05	Lamb wave-based damage assessment for composite laminates using a deep learning approach 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107333 PMID:38692213	研究论文	采用基于深度学习的方法进行复合材料层压板的Lamb波损伤评估	提出了一种基于卷积稀疏编码的UNet（CSCUNet）用于复合材料的Lamb波损伤评估，提升了模型的性能和可解释性	现有的深度学习架构在多层结构中仍然缺乏一定的物理可解释性	研发高效的结构健康监测技术来确保复合结构的完整性和可靠性	针对复合材料层压板的损伤检测和特征提取	机器学习	NA	超声Lamb波	卷积神经网络（CNN）	图像	数值和实验数据均进行测试，涵盖复合材料样本
10950	2024-08-05	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	本研究开发了一种深度学习方法以量化FLASH照射的等效剂量	首次应用深度学习在小鼠肠道组织图像中估算FLASH照射的等效剂量	只在特定的C57BL/6J小鼠模型中进行，尚未验证在其它模型中的适用性	探讨FLASH照射下的等效剂量估算	八十四只健康的C57BL/6J雌性小鼠	数字病理学	NA	深度学习	ResNet101	图像	84只小鼠
10951	2024-08-05	Deep learning pipeline for quality filtering of MRSI spectra 2024-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5012 PMID:37518942	研究论文	本文提出了一种基于深度学习分类器的自动化预处理管道，用于过滤MRSI光谱的质量	该研究引入了一种新型的结合多种深度学习网络的管道，能够有效识别和过滤不良质量的MRSI光谱	在表现较低的谱类中，尤其是受脂质影响的谱类，F1分数相对较低，仅为0.82	旨在开发一种自动化管道，以前处理MRSI光谱并提高代谢物定量的有效性	研究对象为来自一名健康受试者和五名脑肿瘤患者的36338个MRSI光谱	数字病理学	脑肿瘤	3D磁共振光谱成像 (MRSI)	卷积自编码器和多层感知器网络的组合	光谱	36338个光谱
10952	2024-08-05	Computer vision analysis of mother-infant interaction identified efficient pup retrieval in V1b receptor knockout mice 2024-Jul, Peptides IF:2.8Q2 DOI:10.1016/j.peptides.2024.171226 PMID:38649033	研究论文	该文章研究了V1b受体缺失小鼠在幼崽取回过程中的母婴互动	首次应用计算机视觉深度学习分析母鼠与幼崽之间的互动关系	研究只限于小鼠，结果可能不适用于其他物种	探讨V1b受体在母鼠取回幼崽过程中的作用	V1b受体缺失小鼠和野生型小鼠在取回幼崽的行为差异	计算机视觉	NA	深度学习	NA	行为数据	V1b受体缺失小鼠和野生型小鼠的比较，包括母鼠和幼崽
10953	2024-08-05	The determination of mastitis severity at 4-level using Milk physical properties: A deep learning approach via MLP and evaluation at different SCC thresholds 2024-Jul, Research in veterinary science IF:2.2Q1 DOI:10.1016/j.rvsc.2024.105310 PMID:38795430	研究论文	本研究旨在通过使用牛奶物理特性确定乳腺炎的严重程度。	采用多层感知器(MLP)人工神经网络模型来替代传统方法，并在不同SCC阈值下进行评估。	未提及研究的其他潜在限制。	研究的目的是为亚临床乳腺炎的检测提供替代模型。	研究对象为牛奶的物理性质及其在乳腺炎分类中的应用。	机器学习	乳腺炎	MLP（多层感知器）	MLP	牛奶物理特性数据	使用了包含5个变量的模型进行分析，具体样本量未说明
10954	2024-08-05	Electromagnetic interference elimination via active sensing and deep learning prediction for radiofrequency shielding-free MRI 2024-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.4956 PMID:37088894	研究论文	本文介绍了一种通过主动感知和深度学习预测来消除MRI中的电磁干扰的方法	提出了一种新颖的深度学习模型来预测和去除MRI信号中的电磁干扰，且无需传统的射频屏蔽	目前只在低成本的无射频屏蔽的0.055 T永久磁体MRI扫描仪上实施，尚需在其他类型的扫描仪上验证	消除MRI扫描中电磁干扰的问题，以改善患者舒适度和设备安装便利性	研究外部和内部的电磁干扰信号及其对MRI信号的影响	数字病理学	NA	深度学习	卷积神经网络	信号	在0.055 T和1.5 T的MRI扫描上进行了初步实验
10955	2024-08-05	A physics-embedded deep-learning framework for efficient multi-fidelity modeling applied to guided wave based structural health monitoring 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107325 PMID:38701648	研究论文	提出了一种基于深度学习的数字双胞胎框架，用于降低测量与模拟之间的差异	引入了多保真建模和深度生成模型，以生成接近实验的导波响应	对于外部参数的敏感性影响监测系统的可靠性，处理这些影响因素并不完美	旨在减少基于超声导波的结构健康监测中的测量和模拟之间的不一致性	针对裂纹扩展的测量数据集和相关模拟进行验证	机器学习	NA	深度学习	NA	测量数据与仿真数据	对应裂纹扩展的测量数据集
10956	2024-08-05	Deep learning-assisted locating and sizing of a coating delamination using ultrasonic guided waves 2024-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107351 PMID:38810394	研究论文	本篇文章提出了一种基于深度学习的无损检测技术，用于定位和测量涂层剥离。	本研究创新性地结合了深度学习与超声导波技术，提高了涂层剥离检测的准确性和效率。	训练机器学习算法时间较长，但每个样本配置只需训练一次。	旨在开发一种有效的无损检测方法以评估涂层的剥离情况。	研究对象为涂层剥离缺陷的定位和尺寸测量。	数字病理学	NA	超声导波	机器学习	时域信号	NA
10957	2024-08-07	Enhanced wastewater treatment by catalytic persulfate activation with protonated hydroxylamine-assisted iron: Insights from a deep learning-based numerical investigation 2024-Jul, Chemosphere IF:8.1Q1 DOI:10.1016/j.chemosphere.2024.142367 PMID:38801908	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10958	2024-08-05	A secure worst elite sailfish optimizer based routing and deep learning for black hole attack detection 2024-Jun-10, Network (Bristol, England) DOI:10.1080/0954898X.2024.2363353 PMID:38855986	研究论文	本研究设计了一种基于深度学习的黑洞攻击检测模型以保护无线传感器网络	提出了一种最坏精英刀鱼优化（WESFO）算法用于路由，并结合自编码器进行攻击检测	色在模拟环节，未详细讨论实际应用的挑战	研究旨在检测和缓解无线传感器网络中的黑洞攻击	关注于无线传感器网络中黑洞攻击的检测与缓解	网络安全	NA	深度学习	自编码器	网络数据	NA
10959	2024-08-05	The development of artificial intelligence in the histological diagnosis of Inflammatory Bowel Disease (IBD-AI) 2024-Jun-08, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2024.05.033 PMID:38853093	研究论文	本文探讨了人工智能在炎症性肠病（IBD）组织学诊断中的应用	该研究开发了一种基于AI的评估系统，能够半自动量化基础浆细胞，以支持IBD的诊断	该研究可能存在外部验证队列的样本限制	旨在开发一种人工智能系统来辅助炎症性肠病的诊断	研究对象包括克罗恩病（CD）、溃疡性结肠炎（UC）和健康对照的肠道活检样本	数字病理学	炎症性肠病	深度学习	NA	图像	4981张注释图像用于训练，356个肠道活检样本用于外部验证
10960	2024-08-05	An end-to-end method for predicting compound-protein interactions based on simplified homogeneous graph convolutional network and pre-trained language model 2024-Jun-07, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00862-9 PMID:38849874	研究论文	本研究提出了一种名为SPVec-SGCN-CPI的端到端方法，用于预测化合物与蛋白质之间的相互作用	该方法首次同时考虑了样本不平衡和计算效率，提高了化合物-蛋白质相互作用的预测准确性	在研究中没有提到可能的局限性	旨在提高化合物-蛋白质相互作用的预测能力以加速药物发现过程	研究对象为化合物与蛋白质之间的相互作用	机器学习	NA	简化图卷积网络 (SGCN)	NA	数据集	三个数据集