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
11001	2024-08-05	CenTime: Event-conditional modelling of censoring in survival analysis 2024-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103016 PMID:37913577	研究论文	该论文介绍了一种新的生存分析方法CenTime，可以直接估计事件发生时间	提出了一种创新的事件条件删失机制，即使在无删失数据稀缺的情况下也能有效工作	未提及具体的限制	研究如何预测临床重要事件的发生时间	基于患者数据估计特定事件的发生时间，如死亡或癌症复发	生存分析	癌症	深度学习	NA	患者数据	NA
11002	2024-08-05	Artificial intelligence for cardiovascular disease risk assessment in personalised framework: a scoping review 2024-Jul, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102660 PMID:38846068	综述	本文是关于在个性化框架中利用人工智能进行心血管疾病风险评估的全面范围审查.	文章揭示了人工智能在心血管疾病风险评估中的独特应用，展示了如何结合基因组学和AI算法构建更准确的预测模型和个性化治疗方案.	该研究未涉及具体的实验数据和临床试验结果，仅基于文献综述.	本研究旨在探讨人工智能与个性化医学如何结合以改善心血管疾病的风险评估.	研究对象是心血管疾病（CVD）和人工智能（AI）相关的文献.	生物医学	心血管疾病	机器学习（ML）和深度学习（DL）	NA	文献综述数据	121项适合定性合成的研究
11003	2024-08-05	Designing Clinical MRI for Enhanced Workflow and Value 2024-Jul, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29038 PMID:37795927	研究论文	本研究探讨了优化MRI工作流程和提高患者价值的机会	提出了通过数字工具和设计策略改善MRI处理流程的新方法	未提供具体的证据级别和技术效果数据	优化MRI视频成像的工作流程以提高效率和患者体验	针对医学成像领域的MRI流程和技术人员效率	数字病理	NA	深度学习加速图像重建	NA	NA	NA
11004	2024-08-05	Label-free white blood cells classification using a deep feature fusion neural network 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31496 PMID:38845979	研究论文	本文提出了一种基于深度特征融合神经网络的无标记白细胞分类方法	该研究创新性地结合了浅层提取的低级特征和深层提取的高级特征用于无标记白细胞检测	目前的深度学习白细胞分类技术在显微镜下无法有效利用白细胞内部结构的微妙差异	旨在通过深度学习改进无标记白细胞图像分析方法	研究对象为白细胞的图像分析和分类	数字病理学	NA	深度学习	深度特征融合神经网络	图像	测试集上准确度达到80.3%
11005	2024-08-05	RhizoNet segments plant roots to assess biomass and growth for enabling self-driving labs 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63497-8 PMID:38839814	研究论文	本文介绍了RhizoNet，一个基于深度学习的工作流程，用于语义分割植物根系扫描	RhizoNet通过残差U-Net架构提高预测准确性，并采用凸包操作划分主要根系组件	自动分析因根系结构复杂和图像背景噪声而变得困难	准确分割根系生物量并监测其随时间的生长	生长在名为EcoFAB的水培系统中的植物根系	数字病理学	NA	深度学习	残差U-Net	彩色扫描图像	上千张图像
11006	2024-08-05	AMP-RNNpro: a two-stage approach for identification of antimicrobials using probabilistic features 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63461-6 PMID:38839785	研究论文	本研究提出了一种基于RNN的AMP-RNNpro模型用于识别抗菌肽（AMPs）	引入了一种创新的两阶段模型AMP-RNNpro，结合了多种特征编码方法来提高抗菌肽的检测效率	未提及具体的局限性	旨在提高抗菌肽的识别效率，以应对抗生素抗药性问题	研究抗菌肽（AMPs）的识别	机器学习	NA	深度学习	RNN	NA	分析了33个模型并选取了6个最佳模型
11007	2024-08-05	Vortex-like vs. turbulent mixing of a Viscum album preparation affects crystalline structures formed in dried droplets 2024-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63797-z PMID:38839929	研究论文	研究了不同混合方法对干燥液滴中晶体结构的影响	展示了涡流混合与湍流混合对晶体模式复杂度的不同影响	未提及具体的样本大小和实验重复性	探索液体流动对同源制备过程的影响	分析不同混合方式下的Viscum album制备品	数字病理学	NA	微滴蒸发法、计算机支持的图像分析、深度学习	NA	图像	NA
11008	2024-08-05	High-Throughput Single-Entity Electrochemistry with Microelectrode Arrays 2024-Jun-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01092 PMID:38780285	研究论文	本文描述了一种自动化的阵列微电池方法用于微纳米电极阵列分析	该研究创新地应用了AMCM于高通量单体电化学，并使用U-Net深度学习模型分析碰撞瞬态大小	实验中对溶剂蒸发影响的研究可能未涵盖所有变量	研究微电极阵列在单实体电化学中的应用	研究对象为不同直径（100 nm至2 μm）的电极和纳米颗粒的碰撞事件	电化学	NA	阵列微电池法（AMCM）	U-Net	实验数据	记录了来自671个电极的3270个单颗粒事件
11009	2024-08-05	Assessing the Efficacy of Synthetic Optic Disc Images for Detecting Glaucomatous Optic Neuropathy Using Deep Learning 2024-Jun-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.6.1 PMID:38829624	研究论文	本文评估了合成视神经盘图像在深度学习中识别青光眼性视神经病变的有效性	创新点在于使用对抗生成网络（DCGAN）生成高质量的视神经盘图像，从而提高青光眼的检测精度	虽然模型在合成数据上表现良好，但仍需更多验证以确认其在临床环境中的实施效果	本研究旨在开发和评估能够有效识别青光眼性视神经病变的深度学习模型	研究对象为使用DCGAN生成的合成视神经盘图像及真实的临床图像	计算机视觉	青光眼	深度卷积生成对抗网络（DCGAN）	未指定具体模型	图像	总共使用了17,060幅基金镜图像，其中包括6874幅青光眼和10,186幅健康图像
11010	2024-08-05	Electrotransfer for nucleic acid and protein delivery 2024-Jun, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2023.11.009 PMID:38102019	综述	本文探讨了电转移在生物技术中的应用，尤其是在核酸和蛋白质的传递方面	文章强调了电转移在纳米技术和深度学习技术的结合下克服传统电穿孔的局限性	研究中可能对传统电转移技术的局限性分析不够全面	研究电转移在生物医学中的应用及其前沿领域	探讨核酸和蛋白质在免疫细胞和干细胞及其前体细胞中的电转移	生物技术	NA	电转移	NA	临床试验数据	NA
11011	2024-08-05	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	本研究旨在确定医学影像衍生的身体成分是否有助于评估组织层面的生物年龄	使用深度学习模型构建的组织年龄估算模型结合了六种身体成分生物标志物	本研究样本仅限于一定地理区域，可能影响结果的普遍性	评估医学影像在组织层面生物年龄评估中的应用	4900名20至89岁、接受腹部CT扫描的人群	数字病理学	心血管疾病	CT扫描	深度学习模型	医学影像数据	4900名样本
11012	2024-08-05	Assistive tools for classifying neurological disorders using fMRI and deep learning: A guide and example 2024-Jun, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3554 PMID:38841732	研究论文	本文介绍了结合fMRI和深度学习的辅助工具，用于分类神经疾病	本文提供了一些流行的深度学习和fMRI辅助工具的入门指南，并展示了使用这些工具的自闭症谱系障碍分类模型的实例	缺乏对非专业群体如学生和临床医生使用的模型设计，限制了其临床应用和推广	旨在提高fMRI和深度学习管道在神经疾病诊断中的可及性和实用性	自闭症谱系障碍（ASD）分类模型	计算机视觉	神经疾病	fMRI, 深度学习	卷积神经网络	图像	NA
11013	2024-08-05	Deep learning-based automated scan plane positioning for brain magnetic resonance imaging 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1740 PMID:38846304	研究论文	本文提出了一种基于深度学习的自动扫描平面定位框架，用于脑部磁共振成像	本研究结合了物理知识，开发了一种新的深度学习框架，以提高脑部MRI扫描的定位准确性和效率	未提及具体的时间和空间限制，以及模型在其他类型MRI扫描的适用性	旨在开发一种有效、可靠且精确的自动化头部扫描平面定位方法	采用229个临床脑部MRI扫描进行研究	计算机视觉	NA	深度学习	级联3D卷积神经网络	图像	229个MRI头部扫描
11014	2024-08-05	Automated detection and classification of coronary atherosclerotic plaques on coronary CT angiography using deep learning algorithm 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1513 PMID:38846308	研究论文	本研究评估了深度学习算法在冠状动脉计算机断层血管成像中检测和分类冠状动脉粥样硬化斑块的性能	本研究展示了深度学习算法在CAD斑块检测和分类上的高敏感性和准确性，这为初级放射科医师和介入心脏病学家提供了支持	限制在于回顾性分析和样本的临床经验差异	评估深度学习算法在冠状动脉疾病中检出和分类粥样硬化斑块的能力	669名怀疑患有冠状动脉疾病的患者的CCTA图像	数字病理学	心血管疾病	深度学习算法	NA	图像	669名患者
11015	2024-08-05	Pixelwise Gradient Model for Image Fusion (PGMIF): a multi-sequence magnetic resonance imaging (MRI) fusion model for tumor contrast enhancement of nasopharyngeal carcinoma 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1559 PMID:38846293	研究论文	本研究提出了一种新的图像融合方法PGMIF，用于增强鼻咽癌的MRI肿瘤对比度	创新性地结合了基于像素梯度的图像融合和生成对抗网络(GAN)来提升肿瘤对比度	研究仅基于80例鼻咽癌患者的MRI数据，可能限制了方法的普适性	改善鼻咽癌患者MRI图像中的肿瘤对比度	80例鼻咽癌患者的T1加权和T2加权MRI图像	数字病理学	鼻咽癌	MRI	生成对抗网络(GAN)	图像	80例
11016	2024-08-05	Residual networks without pooling layers improve the accuracy of genomic predictions 2024-May-21, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-024-04649-2 PMID:38771334	研究论文	该文章介绍了一种新的残差神经网络用于基因组选择，超过了之前的预测精度	首次提出了达到35层的基因组选择残差神经网络，提高了预测精度	未提及具体限制	提高基因组选择中的性状预测准确性	残差神经网络在基因组选择中的应用	机器学习	NA	深度学习	残差神经网络	基因组数据	从四个公共数据集中提取的15个案例
11017	2024-08-05	Explainable AI-based Deep-SHAP for mapping the multivariate relationships between regional neuroimaging biomarkers and cognition 2024-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111403 PMID:38452732	研究论文	本研究提出了一种基于可解释人工智能的Deep-SHAP方法，用于映射区域神经影像生物标志物与认知之间的多变量关系	本研究创新性地结合了深度学习神经网络和Shapley加法解释（SHAP）方法，提出Deep-SHAP以探讨神经影像特征与认知的复杂关系	研究未明确提及限制因素	旨在揭示轻度认知障碍和阿尔茨海默病患者的脑影像特征与认知能力之间的关系	研究对象为轻度认知障碍和阿尔茨海默病患者的神经影像数据	数字病理学	轻度认知障碍和阿尔茨海默病	磁共振成像 (MRI) 和正电子发射断层扫描 (PET)	深度学习神经网络	影像数据	使用真实实验数据和模拟数据对Deep-SHAP进行验证，但未提供具体样本量
11018	2024-08-05	Evaluation of High-Dimensional Data Classification for Skin Malignancy Detection Using DL-Based Techniques 2024-May, Cancer investigation IF:1.8Q3 DOI:10.1080/07357907.2024.2345184 PMID:38767503	研究论文	本文主要通过深度学习技术评估皮肤恶性肿瘤的高维数据分类	提出使用Isomap与视觉变换器结合的方法来分析和分类高维皮肤病变图像	未提及具体的限制	提高皮肤恶性肿瘤分类的准确性	高维皮肤病变数据集	数字病理学	皮肤癌	深度学习	视觉变换器	高维图像	NA
11019	2024-08-05	Flow starvation during square-flow assisted ventilation detected by supervised deep learning techniques 2024-03-14, Critical care (London, England) DOI:10.1186/s13054-024-04845-y PMID:38486268	研究论文	本研究开发了一种监督人工智能算法，以识别方流辅助通气中的气道压力变形	提出了一种基于深度学习的算法，有助于识别患者与通气机不匹配的流量饥饿问题	研究结果可能受到样本量和公认的专家分类标准的影响	旨在利用人工智能改善呼吸机与患者之间的互动识别	包含在方流辅助通气下接受机械通气超过24小时的重症患者	计算机视觉	NA	卷积神经网络和递归神经网络	递归神经网络	呼吸数据	28名患者分析的6428次呼吸
11020	2024-08-05	Deep learning algorithms for predicting renal replacement therapy initiation in CKD patients: a retrospective cohort study 2024-Mar-14, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-024-03538-6 PMID:38486160	研究论文	本研究开发了深度学习算法来预测慢性肾病患者的肾脏替代疗法启动风险	本研究通过结合病史和处方数据，提出了一种新的深度学习算法用于CKD患者的RRT风险预测	需要进一步的前瞻性观察研究和随机对照试验以全面理解深度学习算法的影响，特别是在可解释性、偏倚最小化和过拟合方面	该研究旨在提高慢性肾病患者肾脏替代疗法启动风险的预测准确性	研究对象为香港三家主要医院的慢性肾病患者	机器学习	NA	深度学习算法	CNN + LSTM + ANN	患者数据	多中心研究包含了多名慢性肾病患者