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
11521	2024-08-07	Spiritual places: Spatial recognition of Tibetan Buddhist spiritual perception 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301087 PMID:38781137	研究论文	本研究聚焦拉萨，探索藏传佛教精神感知与城市空间的融合，通过结合街景数据和深度学习技术，识别并绘制城市景观中藏传佛教精神场所的空间分布	采用街景数据和深度学习技术的新颖方法，展示了技术在考察城市发展对文化和宗教景观影响方面的潜力	NA	探讨藏传佛教精神感知在城市空间中的融合及其对城市规划、宗教研究和数字人文领域的贡献	藏传佛教精神场所在城市空间中的分布及其与城市建筑和文化遗产区的关系	数字人文	NA	深度学习技术	NA	街景数据	NA
11522	2024-08-07	Sampling clustering based on multi-view attribute structural relations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297989 PMID:38781184	研究论文	本文提出了一种基于多视图属性结构关系采样的图聚类方法SLMGC	SLMGC方法通过图滤波去除噪声，基于节点重要性采样降低计算复杂度，并通过图对比正则化增强聚类表示，最终使用自训练聚类算法实现聚类结果	NA	解决现有图聚类技术在处理多视图图数据时面临的挑战	多视图图数据	机器学习	NA	图滤波	NA	图数据	NA
11523	2024-08-07	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	本文提出了一种混合特征加权注意力深度学习方法，结合随机森林算法用于入侵检测系统，以解决类别不平衡问题	本文创新性地结合了均值卷积层（MCL）、特征加权注意力（FWA）学习、双向长短期记忆网络（BI-LSTM）和随机森林算法，形成了一个独特的混合模型MCL-FWA-BILSTM，有效提高了入侵检测的准确性和降低了误报率	本文未明确提及该方法的局限性	研究旨在开发和完善高级算法和技术，如异常检测、成本敏感学习和过采样方法，以有效处理类别不平衡问题，提高入侵检测系统的敏感性和减少误报	研究对象为入侵检测系统中的类别不平衡问题	机器学习	NA	随机森林算法	CNN, LSTM	数据集	使用了NSL-KDD和UNSW-NB-15两个广泛可用的IDS数据集
11524	2024-08-07	Deep Learning Model Coupling Wearable Bioelectric and Mechanical Sensors for Refined Muscle Strength Assessment 2024, Research (Washington, D.C.) DOI:10.34133/research.0366 PMID:38783913	研究论文	本研究提出了一种结合肌电和应变传感器的可穿戴设备，用于同步采集肌肉活动时的表面肌电图和机械信号，并通过基于时间卷积网络（TCN）+ Transformer（Tcnformer）的深度学习模型进行肌肉力量的准确分级和预测。	本研究通过结合深度聚类技术，实现了对肌肉力量的25级分类，相较于传统的5级分类更加精细。	NA	旨在提高肌肉力量评估的精确性，并可能改善相关的临床诊断和康复结果。	肌肉力量评估	机器学习	NA	表面肌电图, 应变传感器	时间卷积网络（TCN）+ Transformer（Tcnformer）	信号	NA
11525	2024-08-07	Prostate Cancer Detection from MRI Using Efficient Feature Extraction with Transfer Learning 2024, Prostate cancer IF:2.3Q3 DOI:10.1155/2024/1588891 PMID:38783970	研究论文	本研究利用深度学习模型（VGG16、VGG19、ResNet50和ResNet50V2）进行特征提取，并结合随机森林分类器诊断前列腺癌	采用迁移学习方法，使用少量标注的前列腺癌数据优化深度学习模型，提高模型在不同患者群体和临床情况下的泛化能力	研究中提到的数据集限制问题，尽管使用了迁移学习，但仍可能受限于可用数据量	探索机器学习技术在前列腺癌诊断中的应用，特别是深度学习模型的特征提取能力	前列腺癌的MRI图像	机器学习	前列腺癌	迁移学习	VGG16, VGG19, ResNet50, ResNet50V2	图像	未明确提及具体样本数量
11526	2024-08-07	BCSLinker: automatic method for constructing a knowledge graph of venous thromboembolism based on joint learning 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1272224 PMID:38784240	研究论文	本文提出了一种基于联合学习的深静脉血栓知识图谱自动构建方法BCSLinker	采用Biaffine Common-Sequence Self-Attention模块同时提取实体和关系，减少错误传播，并使用多标签交叉熵损失减少冗余信息影响	NA	构建一个更准确全面的深静脉血栓知识图谱，为诊断、评估和治疗提供参考	深静脉血栓患者的电子病历数据	自然语言处理	深静脉血栓	深度学习	BCSLinker	文本	来自三级医院的深静脉血栓患者电子病历数据
11527	2024-08-07	Tongue feature recognition to monitor rehabilitation: deep neural network with visual attention mechanism 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1392513 PMID:38784768	研究论文	本文开发了一种新的深度学习架构，专门用于分析和分类舌头特征，包括颜色、形状和舌苔	提出的方法解决了基于VGG或ResNet等传统架构的大尺寸问题，从而缓解了过拟合问题	NA	旨在推动舌头特征识别技术的发展，最终实现更精确的诊断和更好的患者康复	舌头特征的分析和分类	计算机视觉	NA	深度学习	CNN	图像	NA
11528	2024-08-07	Wearable sensors in patient acuity assessment in critical care 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1386728 PMID:38784909	研究论文	本文探讨了在重症监护环境中使用可穿戴传感器数据与电子健康记录（EHR）中的临床数据相结合，以更精确地评估患者病情严重程度的方法。	本研究首次将可穿戴传感器数据与临床数据结合，通过深度学习模型提高了病情严重程度评估的精确度、敏感性和F1分数。	NA	研究目的是通过整合可穿戴传感器数据和临床数据，改进重症监护环境中患者病情严重程度的评估。	研究对象包括87名佩戴手腕加速度计的患者，以及他们的临床数据。	机器学习	NA	加速度计	深度神经网络模型（VGG, ResNet, MobileNet, SqueezeNet, 自定义Transformer网络）	加速度计数据，临床数据	87名患者
11529	2024-08-07	Application and progress of artificial intelligence in radiation therapy dose prediction 2024-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2024.100792 PMID:38779524	综述	本文综述了人工智能在放射治疗剂量预测中的应用和进展，特别是深度学习的进展	人工智能在放射治疗中的应用提高了剂量预测的准确性和效率	由于参与者和机构之间的知识和经验差异，预测的剂量常常不一致	探讨人工智能在放射治疗剂量预测中的应用和进展	放射治疗中的剂量预测	机器学习	NA	深度学习	DL	NA	NA
11530	2024-08-07	Is Risk-Stratifying Patients with Colorectal Cancer Using a Deep Learning-Based Prognostic Biomarker Cost-Effective? 2024-Jun, PharmacoEconomics IF:4.4Q1 DOI:10.1007/s40273-024-01371-1 PMID:38584239	研究论文	研究使用基于深度学习的预测生物标志物Histotyping对结直肠癌患者进行风险分层的经济效益	开发了基于深度学习的预测方法Histotyping，用于结直肠癌患者的治疗前风险分层	NA	评估基于深度学习的预测方法Histotyping在挪威医疗系统中的成本效益	结直肠癌II期和III期患者	机器学习	结直肠癌	深度学习	NA	NA	NA
11531	2024-08-07	Automatic classification of spinal osteosarcoma and giant cell tumor of bone using optimized DenseNet 2024-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100606 PMID:38778836	研究论文	本研究旨在探索一种优化的深度学习模型，用于自动分类脊柱骨肉瘤和大细胞骨肿瘤	研究采用了具有自注意力机制的优化DenseNet模型，并结合Gradient-weighted Class Activation Mapping (Grad-CAM)技术，提高了分类准确性和特征提取能力	未来研究将集中在扩展数据集和改进算法上，以增强模型在不同临床环境中的适用性	提供一种可靠的方法，用于在医学影像中区分脊柱骨肉瘤和大细胞骨肿瘤	脊柱骨肉瘤和大细胞骨肿瘤的自动分类	计算机视觉	骨肿瘤	Gradient-weighted Class Activation Mapping (Grad-CAM)	DenseNet	图像	未具体说明样本数量
11532	2024-08-07	Spatial distance between tumor and lymphocyte can predict the survival of patients with resectable lung adenocarcinoma 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30779 PMID:38779006	研究论文	本研究探讨了肿瘤与淋巴细胞之间的空间距离与可切除肺腺癌患者预后预测的关系	提出了一种基于H&E染色全切片图像的深度学习驱动工作流程，自动分割肿瘤区域内的不同细胞类型，并量化肿瘤细胞与淋巴细胞之间的空间距离	NA	探索肿瘤细胞与淋巴细胞之间的空间距离与肺腺癌患者预后预测的关系	可切除的肺腺癌患者	数字病理学	肺腺癌	H&E染色	HoVer-Net	图像	发现集276例，验证集139例和115例
11533	2024-08-07	Performance assessment of the effective core potentials under the fermionic neural network: First and second row elements 2024-May-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0207853 PMID:38785290	研究论文	本文评估了在费米神经网络下有效核心势（ECP）的表现，特别是针对第一和第二行的元素	首次全面评估了ECP在费米神经网络下的性能，并比较了两种新构建的ECP表（ccECP和eCEPP）的性能	全电子计算的高精度受到缺乏相对论效应和某些较重元素中数值不稳定性的限制	填补费米神经网络下ECP性能评估的空白，并探索其在未来改进费米神经网络中的潜在方向	第一和第二行的元素的原子、光谱和分子性质	机器学习	NA	神经网络	费米神经网络（FermiNet）	原子、分子数据	第一和第二行的元素
11534	2024-08-07	Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review 2024-May-24, American journal of health-system pharmacy : AJHP : official journal of the American Society of Health-System Pharmacists IF:2.1Q3 DOI:10.1093/ajhp/zxae011 PMID:38294025	研究论文	本文研究了使用深度学习算法自动分类医院药师在药物处方审查过程中提出的改进治疗建议	开发了一种基于深度神经网络的自动分类系统，用于处理和分类大量的药师建议数据	分类准确率有待进一步提高，且需要更多的数据来验证和改进模型	提高药师建议数据的利用效率，以便更好地改进药物处方安全	药师在处方审查过程中提出的建议	机器学习	NA	深度学习	深度神经网络	文本	27,699个标记建议用于训练和评估分类器，4,460个预测用于验证
11535	2024-08-07	Preoperative evaluation of visceral pleural invasion in peripheral lung cancer utilizing deep learning technology 2024-May-23, Surgery today IF:1.7Q2 DOI:10.1007/s00595-024-02869-z PMID:38782767	研究论文	本研究旨在评估人工智能在利用高分辨率计算机断层扫描（HRCT）图像检测肺癌脏层胸膜侵犯（VPI）中的效率	本研究首次使用YOLOv4.0进行肿瘤定位，并应用EfficientNetv2进行VPI预测，展示了强大的诊断性能	研究为回顾性分析，且样本量有限，可能影响结果的普遍性	评估人工智能在肺癌脏层胸膜侵犯检测中的效率	472名I期非小细胞肺癌患者的术前HRCT图像	计算机视觉	肺癌	高分辨率计算机断层扫描（HRCT）	EfficientNetv2	图像	472名患者，500张CT图像
11536	2024-08-07	Cost-utility analysis of prenatal diagnosis of congenital cardiac diseases using deep learning 2024-May-22, Cost effectiveness and resource allocation : C/E IF:1.7Q3 DOI:10.1186/s12962-024-00550-3 PMID:38773527	研究论文	本文通过成本效用分析评估了使用深度学习技术进行产前超声诊断先天性心脏病的经济效益	本文首次采用深度学习辅助超声技术进行产前先天性心脏病的诊断，并通过成本效用分析评估其经济效益	研究基于特定地区的成本数据，可能不完全适用于其他地区	评估深度学习辅助超声技术在产前诊断先天性心脏病中的成本效用	深度学习辅助超声技术在产前诊断先天性心脏病中的应用	机器学习	先天性心脏疾病	深度学习	NA	超声数据	涉及560和659例出生婴儿
11537	2024-08-07	COVID‑19 detection from chest X-ray images using transfer learning 2024-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61693-0 PMID:38773161	研究论文	本文提出了一种基于深度学习的胸部X光图像分类框架，用于COVID-19的早期诊断	利用迁移学习技术，使用预训练的卷积神经网络模型VGG19和EfficientNetB0进行胸部X光图像分类	NA	开发一种辅助COVID-19早期诊断的深度学习框架	COVID-19的胸部X光图像	计算机视觉	COVID-19	迁移学习	CNN	图像	NA
11538	2024-08-07	Enhanced multi-class pathology lesion detection in gastric neoplasms using deep learning-based approach and validation 2024-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62494-1 PMID:38773274	research paper	本研究开发了一种新的卷积神经网络模型，用于检测和分类胃部病变，包括恶性、癌前和良性病变	该研究采用基于卷积神经网络的方法，显著提高了胃部病变的检测和分类准确性，并能准确估计胃癌的T分期	NA	开发和验证一种新的深度学习方法，用于检测和分类胃部病变	胃部病变，包括早期胃癌、进展期胃癌、胃异型增生、良性胃溃疡、良性息肉和良性糜烂	machine learning	胃癌	卷积神经网络	CNN	图像	10,181张白光内镜图像，来自2606名患者
11539	2024-08-07	Refining neural network algorithms for accurate brain tumor classification in MRI imagery 2024-May-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01285-6 PMID:38773391	研究论文	本研究通过使用卷积神经网络（CNN）改进神经网络算法，以提高MRI图像中脑肿瘤分类的准确性	引入了一种基于深度学习的模型，采用顺序CNN架构，显著提高了诊断准确率，并使用Grad-CAM可视化增强了模型的可解释性	NA	提高MRI图像中脑肿瘤诊断的准确性	脑肿瘤的分类	机器学习	脑肿瘤	卷积神经网络（CNN）	CNN	图像	测试数据集上的总体准确率达到98%，精确度、召回率和F1分数在97%到98%之间，ROC-AUC在99%到100%之间
11540	2024-08-07	Convolutional neural networks combined with conventional filtering to semantically segment plant roots in rapidly scanned X-ray computed tomography volumes with high noise levels 2024-May-21, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01208-0 PMID:38773503	研究论文	本研究探讨了在快速扫描的X射线计算机断层扫描（CT）体积中，高噪声水平下使用卷积神经网络结合传统滤波方法进行植物根系语义分割的效果	本研究首次探讨了在快速扫描的高噪声CT体积中，使用深度学习方法进行模糊水稻根系片段的语义分割，并评估了扫描时间和图像质量恢复对分割效果的影响	本研究构建的语义分割模型无法预测未包含在训练数据中的侧根，需要准备适当的训练数据来解决这一限制	研究在快速扫描的高噪声CT体积中，使用深度学习方法进行植物根系语义分割的效果	模糊的水稻（Oryza sativa）根系片段在CT体积中的语义分割	计算机视觉	NA	X射线计算机断层扫描（CT）	卷积神经网络（CNN）	CT体积	使用了不同扫描时间（33, 66, 150, 300, 600秒）获得的CT体积进行模型训练