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
11181	2024-08-05	DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning 2024-May-10, Journal of visualized experiments : JoVE DOI:10.3791/64833 PMID:38801262	研究论文	本文报告了一种快速、易于实施、高灵敏度、序列特异性的点-of-care DNA病毒检测系统	该系统结合了重组聚合酶扩增(RPA)和CRISPR/Cas12a系统，为DNA病毒的痕量检测提供了创新方法	本文未提及样本来源及多样化验证的细节	研究目标是开发一种适用于现场快速检测DNA病毒的系统	以蛙病毒3(FV3)作为实例进行了该DNA病毒现场检测系统的测试	数字病理学	NA	RPA和CRISPR/Cas12a	深度学习模型	荧光图像	NA
11182	2024-08-05	Deep Learning Approaches for Medical Image Analysis and Diagnosis 2024-May, Cureus DOI:10.7759/cureus.59507 PMID:38826977	研究论文	深度学习技术改善了医学影像分析和诊断的准确性和效率	探索深度学习算法在医学影像和临床决策支持系统中的多模态数据分析能力	未提及具体的局限性	研究深度学习在医学影像分析和诊断中的应用潜力	医学影像、临床工作流和患者护理	计算机视觉	NA	深度学习算法	NA	医学影像	NA
11183	2024-08-05	Deep learning applications for kidney histology analysis 2024-05-01, Current opinion in nephrology and hypertension IF:2.2Q2 DOI:10.1097/MNH.0000000000000973 PMID:38411024	研究论文	本文讨论了深度学习在肾脏病理学分析中的应用和挑战	探讨了深度学习在肾脏病理学中应用的最新进展及其潜力	存在缺乏前瞻性证据和现实场景测试的问题	旨在提高肾脏组织学分析的定量和定性	主要集中于肾脏病理学的诊断和疾病进展预测	数字病理学	肾脏病	深度学习	NA	成像和临床数据	NA
11184	2024-08-05	Segment anything with inception module for automated segmentation of endometrium in ultrasound images 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034504 PMID:38827779	研究论文	本研究提出了一种用于超声图像中内膜自动分割的专门模型SAIM	SAIM模型集成了图像编码器增强和点提示，使其在内膜分割中表现优越	研究未涉及其他类型的医学影像或更大范围的病历数据	探讨一种高效的内膜分割方法以提高妇科诊断精度	使用接受宫腔镜手术的患者的超声图像进行模型训练和评估	数字病理学	NA	超声成像	SAIM模型	图像	使用了特定患者的超声图像，但未明确提供样本数量
11185	2024-08-05	Surveying the landscape of diagnostic imaging in dentistry's future: Four emerging technologies with promise 2024-May, Journal of the American Dental Association (1939) DOI:10.1016/j.adaj.2024.01.005 PMID:38520421	综述	本文提供了关于四种有前景的牙科诊断成像新兴技术的信息	突出展示了人工智能（深度学习与卷积神经网络）、牙科磁共振成像等新兴技术的潜力及其发展现状	未明确提及各技术的具体应用案例及实施中的挑战	探讨新兴技术对未来牙科诊断成像的潜在影响	涉及四种新兴的牙科诊断成像技术	数字病理学	NA	深度学习, 磁共振成像, 立体口腔断层扫描, 碳纳米管技术的锥束计算机断层扫描	卷积神经网络	影像	NA
11186	2024-08-05	Survival analysis using deep learning with medical imaging 2024-May-01, The international journal of biostatistics DOI:10.1515/ijb-2022-0113 PMID:37312249	研究论文	本文探讨了使用深度学习方法对医学影像数据进行生存分析的可能性	本文提供了深度学习方法在时间事件结果建模方面的概述，并与Cox模型进行了比较	针对医学数据分析中生存建模的深度学习方法的研究仍然不足	研究深度学习在医学影像数据中建模生存与时间事件之间关系的应用	使用胶质瘤的组织学数据集进行分析	计算机视觉	NA	深度学习	Cox模型	影像	NA
11187	2024-08-05	Applicability of Artificial Intelligence in the Field of Clinical Lipidology: A Narrative Review 2024-May, Journal of lipid and atherosclerosis DOI:10.12997/jla.2024.13.2.111 PMID:38826186	综述	本文回顾了人工智能在临床脂质学中的应用	探讨了人工智能在家庭型高胆固醇血症诊断和低密度脂蛋白胆固醇水平估计等多个方面的创新应用	对人工智能技术的伦理困境、透明性、有限的可重复性和方法学限制进行了讨论	评估人工智能在临床脂质学中的应用	探讨了多项研究涉及的脂质相关的临床问题	机器学习	NA	人工智能	深度学习	文献	NA
11188	2024-08-05	Which model is more efficient in carbon emission prediction research? A comparative study of deep learning models, machine learning models, and econometric models 2024-Mar, Environmental science and pollution research international DOI:10.1007/s11356-024-32083-w PMID:38355857	研究论文	本文对深度学习模型、机器学习模型和计量经济模型进行比较，以评估其在碳排放预测中的效率	提出了一种基于群体生物行为机制的创新深度学习模型，并优化了模型	尚未系统比较所有现有的碳排放预测方法	科学推动碳减排政策的有效预测未来碳排放	深度学习模型、机器学习模型和计量经济模型	机器学习	NA	NA	启发式神经网络	NA	NA
11189	2024-08-05	Deep learning applications in vascular dementia using neuroimaging 2024-03-01, Current opinion in psychiatry IF:7.5Q1 DOI:10.1097/YCO.0000000000000920 PMID:38226547	研究论文	本文强调了深度学习在血管性痴呆相关影像生物标志物和诊断中的应用	提出了深度学习神经网络在血管性痴呆研究中，尤其是利用神经影像数据进行早期诊断和治疗策略优化的潜力	对深度学习在血管性痴呆诊断和管理中应用的挑战尚未完全解决	探讨深度学习在血管性痴呆影像数据分析中的应用	主要研究血管性痴呆的影像生物标志物和诊断方法	计算机视觉	血管性痴呆	深度学习	卷积神经网络 (CNN)	神经影像数据	NA
11190	2024-08-05	Deep Learning-based Lung dose Prediction Using Chest X-ray Images in Non-small Cell Lung Cancer Radiotherapy 2024 Jan-Mar, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_122_23 PMID:38828071	研究论文	本研究旨在开发一个深度学习模型，以预测非小细胞肺癌放疗中肺组织接受的辐射剂量 V20	首次使用胸部 X 光图像和卷积神经网络回归模型来预测放疗中的 V20 值	样本量较小，仅包括91个患者的胸部 X 光图像，可能影响模型的泛化能力	开发深度学习模型，以提高对非小细胞肺癌患者放疗中肺部剂量的预测	使用胸部 X 光图像的肺癌患者	计算机视觉	肺癌	深度学习	卷积神经网络	图像	91个肺癌患者的胸部 X 光图像
11191	2024-08-05	Comparative Analysis of Fusion Strategies for Imaging and Non-imaging Data - Use-case of Hospital Discharge Prediction 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827051	研究论文	本文针对医院出院预测进行了深度学习融合策略与传统单源模型的比较分析	提出了联合融合模型，该模型通过支路神经网络以端到端的方式联合训练，提取两个数据模态中的目标相关信息	未提及具体的限制因素	提升医院资源管理并预测患者出院情况	通过融合胸部X光图像和电子健康记录进行出院预测	机器学习	NA	深度学习	联合融合模型	图像和表格数据	NA
11192	2024-08-05	Artificial intelligence in interventional pulmonology 2024-01-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001024 PMID:37916605	review	这项研究回顾了人工智能在介入性肺病学中的应用现状	研究展示了深度学习在支气管图像识别和内支气管超声图像分析中的新应用	尚未评估人工智能增强程序的临床影响	探讨人工智能在介入性肺病学中的能力和影响	分析人工智能在内支气管超声图像和支气管图像中的应用	NA	NA	深度学习	NA	图像	NA
11193	2024-08-05	Designing a Consumer-centric Care Management Program by Prioritizing Interventions Using Deep Learning Causal Inference 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827098	研究论文	本文探讨了一种以消费者为中心的护理管理程序，利用深度学习因果推断优先安排干预措施	通过深度学习因果推断分析干预措施对消费者参与度的影响，提供了对案例经理选择干预的可靠参考	研究的局限性在于干预措施的选择主要依赖案例经理的经验，可能存在主观偏差	旨在改善护理管理程序的消费者参与度，减少重返医院的风险	研究对象为刚出院患者及其护理管理团队	机器学习	NA	深度学习因果推断	NA	NA	通过三个实验进行结果的交叉验证
11194	2024-08-05	Novel Artificial Intelligence Tool for Real-time Patient Identification to Prevent Misidentification in Health Care 2024 Jan-Mar, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_106_23 PMID:38828072	研究论文	本文旨在通过实施基于深度学习的实时患者识别程序来减少医疗机构中患者识别错误	开发了一种新的基于Python的深度学习程序，实现实时患者识别	实际应用中可能会受到环境光线和面部遮挡等因素的影响	减少在放射治疗和药物管理过程中的患者识别错误	医疗机构中的患者身份识别	计算机视觉	NA	深度学习	NA	图像	NA
11195	2024-08-05	Comparison of Three Deep Learning Models in Accurate Classification of 770 Dermoscopy Skin Lesion Images 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827104	研究论文	本研究提出一种利用深度学习对良性和恶性皮肤病变进行分类的方法	将深度学习应用于皮肤病变的分类，并评估了三种深度学习模型的表现	仅使用了来自单一医疗机构的770张去标识化的皮肤镜图像	提高皮肤癌的早期诊断准确性	良性和恶性皮肤病变的分类	计算机视觉	皮肤癌	深度学习	ResNet50, DenseNet121, Inception-V3	图像	770张皮肤病变图像
11196	2024-08-05	Evaluation of Interstitial Lung Diseases with Deep Learning Method of Two Major Computed Tomography Patterns 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056279295231229095436 PMID:38415479	研究论文	本研究利用深度学习方法诊断间质性肺疾病的两种主要高分辨率计算机断层扫描模式	本研究创新地采用VGG16和VGG19深度学习架构，以无人工干预的方式进行间质性肺疾病模式的诊断	没有提及研究中可能的局限性	旨在区分和诊断最常见的间质性肺疾病模式	研究对象为患有常见间质性肺疾病模式的患者	计算机视觉	间质性肺疾病	深度学习	VGG16, VGG19	计算机断层扫描图像	NA
11197	2024-08-05	Recognition of facial emotion based on SOAR model 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1374112 PMID:38826778	研究论文	本文提出了一种基于SOAR模型的面部情绪识别方法	创新点在于结合了3D卷积神经网络和学习自动机，以提高面部情绪识别的效率和准确率	未提及具体的局限性	研究旨在提高面部情绪识别的准确性和效率	研究对象为面部图像中的情绪状态	计算机视觉	NA	3D卷积神经网络	3DCNN与学习自动机的结合	图像	NA
11198	2024-08-05	Improved tomato leaf disease classification through adaptive ensemble models with exponential moving average fusion and enhanced weighted gradient optimization 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1382416 PMID:38828218	研究论文	本文提出了一种新的番茄叶病分类方法，利用适应性集成模型实现准确分类	本研究通过引入带有时间约束的指数移动平均函数和增强加权梯度优化器，提高了深度学习模型的分类准确性	现有机器学习分类器在识别新类型病害的准确性上存在不足	旨在提高番茄叶病的识别准确性，以支持农民并改善作物产量	研究对象为包含九种不同类型叶病的番茄叶图像数据集	计算机视觉	NA	深度学习	VGG-16 和 NASNet	图像	包含10,000张番茄叶图像用于训练和验证，1,000张用于测试
11199	2024-08-07	A deep learning-based quantitative prediction model for the processing potentials of soybeans as soymilk raw materials 2024-Sep-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139671 PMID:38761740	研究论文	本文建立了一个基于深度学习的模型，用于定量预测大豆作为豆浆原料的处理潜力	本文提出的深度学习模型能够定量预测大豆的豆浆品质和利润属性，相较于传统的相关分析、回归分析和分类模型，具有更高的预测准确性	模型在预测豆浆气味品质方面仍有改进空间，未来可通过大数据训练进一步优化	解决现有技术在评估大豆潜力方面的局限性，推动豆浆产业更高效和盈利	54种大豆品种及其对应的豆浆	机器学习	NA	深度学习	深度学习模型	化学、质构和感官分析数据	54种大豆品种及其对应的豆浆
11200	2024-08-07	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	研究论文	本研究探讨了深度学习模型在胸部X光片分类中，语义冗余训练数据对模型性能的影响，并提出了一种基于熵的样本评分方法来识别和移除冗余数据	提出了一种基于熵的样本评分方法来识别和移除语义冗余的训练数据，以提高模型性能	NA	研究语义冗余训练数据对深度学习模型分类性能的影响	胸部X光片	计算机视觉	NA	深度学习	NA	图像	使用了公开的NIH胸部X光数据集