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
11581	2024-08-07	Enhanced capillary delivery with nanobubble-mediated blood-brain barrier opening and advanced high resolution vascular segmentation 2024-May, Journal of controlled release : official journal of the Controlled Release Society IF:10.5Q1 DOI:10.1016/j.jconrel.2024.04.001 PMID:38575074	研究论文	本文利用纳米气泡和聚焦超声技术在老鼠模型中实现了靶向且改进的血脑屏障开放，并通过高分辨率血管分割技术评估了其效果。	本文首次使用纳米气泡和聚焦超声技术实现了靶向且改进的血脑屏障开放，并通过深度学习架构实现了血管分割，显著减少了时间成本。	NA	克服血脑屏障以增强脑部治疗效果	老鼠模型的血脑屏障	生物医学工程	NA	纳米气泡，聚焦超声	深度学习架构	图像	老鼠模型
11582	2024-08-07	Application of deep learning on mammographies to discriminate between low and high-risk DCIS for patient participation in active surveillance trials 2024-Apr-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00691-x PMID:38576031	研究论文	本文研究使用卷积神经网络（CNN）在乳腺X光片上区分低风险和高风险导管原位癌（DCIS）的表现和临床效用	利用深度学习模型U-Net CNN在乳腺X光片上区分低风险和高风险DCIS，为主动监测试验提供决策支持	研究为单中心回顾性研究，样本量有限	评估CNN在乳腺X光片上区分高风险（III级）DCIS和/或浸润性乳腺癌（IBC）与低风险（I/II级）DCIS的性能和临床效用	导管原位癌（DCIS）患者	机器学习	乳腺癌	卷积神经网络（CNN）	U-Net CNN	图像	464名DCIS患者，包括681张训练图像和173张测试图像
11583	2024-08-07	Machine learning and new insights for breast cancer diagnosis 2024-Apr, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241237867 PMID:38663911	综述	本文综述了利用医学影像和机器学习技术在乳腺癌检测和干预中的应用	介绍了深度学习和机器学习在处理非结构化信息如图像、声音和语言方面的应用	NA	旨在为科学家提供人工智能和机器学习在研究和临床中应用的指导	乳腺癌的检测和干预	机器学习	乳腺癌	深度学习	人工神经网络	图像	NA
11584	2024-08-07	Diagnosing and grading gastric atrophy and intestinal metaplasia using semi-supervised deep learning on pathological images: development and validation study 2024-03, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01451-9 PMID:38095766	研究论文	本研究开发并验证了一种基于半监督深度学习的诊断和分级胃萎缩和肠化生的方法	提出了一种名为GasMIL的半监督深度学习算法，用于诊断和分级胃萎缩和肠化生，其性能超过了10名病理学家的评估	NA	建立并验证一种使用深度学习和OLGA/OLGIM对个体胃癌风险进行分类的诊断方法	胃萎缩和肠化生的诊断与分级	数字病理学	胃癌	半监督深度学习	深度学习模型	病理图像	共纳入545名患者，包括2725张全切片图像，分为训练集（349名）、内部验证集（87名）和外部验证集（109名）
11585	2024-08-07	Role of Artificial Intelligence in Drug Discovery and Target Identification in Cancer 2024, Current drug delivery IF:2.8Q2 DOI:10.2174/1567201821666230905090621 PMID:37670704	综述	本文综述了人工智能在癌症药物发现和靶点识别中的应用	探讨了多种人工智能技术如机器学习、神经网络学习、深度学习和网络学习在药物发现和靶点识别中的应用	未提及具体的研究局限	旨在探讨人工智能技术在癌症药物发现和靶点识别中的作用	癌症药物发现和靶点识别	机器学习	癌症	人工智能	NA	数据集	NA
11586	2024-08-07	Automatic surgical phase recognition-based skill assessment in laparoscopic distal gastrectomy using multicenter videos 2024-01, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01450-w PMID:38038811	研究论文	本研究开发了一种基于深度学习的手术阶段识别模型，用于评估腹腔镜远端胃切除术的手术技能，并使用多中心视频进行验证	本研究首次使用多中心视频数据开发了用于腹腔镜远端胃切除术的手术阶段识别模型，并探索了其在自动手术技能评估中的应用	NA	开发和验证一种基于深度学习的手术阶段识别模型，以实现自动手术技能评估	腹腔镜远端胃切除术的手术视频和手术技能评估	机器学习	胃癌	深度学习	图像分类模型	视频	20家医院的手术视频
11587	2024-08-07	Artificial Intelligence in Lung Cancer Imaging: From Data to Therapy 2024, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2023050439 PMID:38505877	综述	本文全面回顾了人工智能（AI）在肺部癌症管理中的应用，从数据处理到治疗预测	AI技术在肺部癌症特征描述和结果预测中的应用，包括使用深度学习模型如U-Net、BCDU-Net等进行客观量化和组织特征提取	NA	探讨AI在肺部癌症管理中的作用，提高诊断、预后和治疗的精确性	AI在肺部癌症影像分析中的应用，包括分割、虚拟活检和结果预测	计算机视觉	肺癌	深度学习	U-Net, BCDU-Net	影像	NA
11588	2024-08-07	Big data analysis for Covid-19 in hospital information systems 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294481 PMID:38776299	研究论文	本文提出了一种新的深度学习联合框架，用于处理具有分布差异的异构数据集，以准确识别COVID-19	通过重新设计COVID-Net的网络架构和学习策略，以及在潜在空间中进行独立特征归一化，提高了预测准确性和学习效率。同时，使用对比训练目标增强了语义嵌入的领域不变性，提升了分类性能	NA	开发基于CT图像的自动化COVID-19识别工具，以辅助临床诊断	COVID-19的CT图像数据	计算机视觉	COVID-19	深度学习	CNN	图像	两个大规模公开的COVID-19诊断数据集，包含CT图像
11589	2024-08-07	Toward interpretable and generalized mitosis detection in digital pathology using deep learning 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241255471 PMID:38778869	研究论文	本文针对数字病理学中有丝分裂检测的挑战，提出了一种基于深度学习的方法，以提高检测的准确性、泛化性和可解释性	本文提出的方法在多个数据集和临床环境中展示了良好的泛化性和可解释性	NA	提高数字病理学中有丝分裂检测的准确性和泛化性	有丝分裂核的检测	数字病理学	癌症	深度学习	NA	图像	使用了MiDoG'22数据集进行训练、验证和测试，并在TUPAC'16数据集和Shaukat Khanum纪念癌症医院和研究中心的实时案例中进行了测试
11590	2024-08-07	Leveraging radiomics and AI for precision diagnosis and prognostication of liver malignancies 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1362737 PMID:38779098	综述	本文综述了人工智能和放射组学在肝脏肿瘤精准诊断和预后中的进展和潜力	探讨了人工智能和放射组学技术在基于影像数据预测肿瘤组织病理学、基因型和免疫表型方面的创新应用	讨论了人工智能技术的技术局限性和潜在缺陷	旨在提高肝脏肿瘤的诊断准确性和预后，从而改善患者护理	肝脏肿瘤的诊断和预后	计算机视觉	肝癌	放射组学	深度学习	影像	NA
11591	2024-08-07	Multilayer cyberattacks identification and classification using machine learning in internet of blockchain (IoBC)-based energy networks 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110461 PMID:38774244	研究论文	本文研究了基于区块链的能源网络中使用机器学习模型识别和分类多层网络攻击	开发了一种结合深度学习和长短期记忆模型的混合机器学习模型，用于识别和分类能源系统中的拒绝服务和分布式拒绝服务攻击	NA	研究如何通过先进的信息和通信技术整合可再生能源，并解决由此带来的网络安全问题	太阳能和风能分布式能源系统中的网络攻击	机器学习	NA	机器学习	混合模型（深度学习与长短期记忆模型）	大数据集	从太阳能和风能分布式能源系统中获取的大数据集
11592	2024-08-07	Deep Learning Model for Cosmetic Gel Classification Based on a Short-Time Fourier Transform and Spectrogram 2024-May-22, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c03675 PMID:38738662	研究论文	本研究提出了一种基于短时傅里叶变换和频谱图的深度学习模型，用于化妆品凝胶的分类	采用短时傅里叶变换和连续小波变换对时间序列摩擦信号进行预处理，并利用基于ResNet的卷积神经网络进行优化，以提高分类性能	NA	开发一种新的方法来替代传统的专家小组评估，客观评估化妆品的用户体验	化妆品凝胶的物理特性	机器学习	NA	短时傅里叶变换（STFT），连续小波变换（CWT）	CNN	时间序列信号	NA
11593	2024-08-07	Multitask Learning Deep Neural Networks Enable Embedded Design of Active Metamaterials 2024-May-22, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c01730 PMID:38739095	研究论文	本研究提出并实现了一种基于多任务学习的深度神经网络框架，旨在简化集成主动超表面的光子器件的正向建模和逆向设计过程	该研究通过深度学习框架独立建模滤波器的结晶度和几何参数，最大化利用GSST调谐进行带通滤波，并讨论了自注意力机制和噪声的影响	NA	简化光子器件的正向建模和逆向设计过程	集成主动超表面的光子器件	机器学习	NA	深度学习	深度神经网络	NA	NA
11594	2024-08-07	PrCRS: a prediction model of severe CRS in CAR-T therapy based on transfer learning 2024-May-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05804-8 PMID:38769505	研究论文	本文提出了一种基于迁移学习的深度学习预测模型PrCRS，用于预测CAR-T疗法中严重细胞因子释放综合征（CRS）的发生	本研究首次采用深度学习模型，特别是基于U-net和Transformer的模型，来更准确地预测严重CRS的发生，填补了该领域的研究空白	NA	开发一种能够提前预测严重CRS发生的模型，以预防其在CAR-T疗法中的不良事件	CAR-T疗法中的严重细胞因子释放综合征（CRS）	机器学习	血液恶性肿瘤和实体肿瘤	迁移学习	U-net和Transformer	数据	使用来自COVID-19患者的数据进行迁移学习
11595	2024-08-07	Ventilator-Associated Pneumonia Prediction Models Based on AI: Scoping Review 2024-May-14, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57026 PMID:38771220	综述	本文综述了基于人工智能的呼吸机相关肺炎预测模型，旨在为未来临床实践中早期识别高风险群体提供参考	人工智能模型相比传统方法具有更好的预测性能，有望在未来为呼吸机相关肺炎风险预测提供不可或缺的工具	当前研究主要处于模型构建和验证阶段，对于临床应用的实施和指导需要进一步研究	回顾基于人工智能的呼吸机相关肺炎预测模型，为临床实践中早期识别高风险群体提供参考	呼吸机相关肺炎的预测模型	机器学习	呼吸系统疾病	机器学习	随机森林模型	文本数据	5项研究的样本量小于1000
11596	2024-08-07	Comparison of deep learning models with simple method to assess the problem of antimicrobial peptides prediction 2024-May, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202200181 PMID:36961202	研究论文	本文比较了深度学习模型与简单方法在抗菌肽预测问题上的表现	提出了一种仅使用氨基酸组成预测抗菌肽能力的简单方法，并展示了与最佳方法相当的结果	NA	比较简单和复杂方法在抗菌肽预测中的效果	抗菌肽的预测方法	机器学习	NA	BERT transformer, 多层感知器 (MLP), 轻量注意力 (LA)	BERT, MLP, LA	序列	NA
11597	2024-08-07	Deep-NCA: A deep learning methodology for performing noncompartmental analysis of pharmacokinetic data 2024-05, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.13124 PMID:38465417	研究论文	本文介绍了一种名为Deep-NCA的深度学习模型，用于提高非房室分析（NCA）中关键药代动力学（PK）参数的预测精度	Deep-NCA采用合成PK数据进行模型训练，并使用创新的个性化数据预处理方法，相比传统NCA在稀疏PK数据上表现更优	需要进一步验证和改进以提高其在实际应用中的效率和准确性	开发一种新的深度学习方法来改善药代动力学数据的非房室分析	药代动力学数据的非房室分析	机器学习	NA	深度学习	深度学习模型	药代动力学数据	六个未见过的模拟药物在多种给药方案下的数据
11598	2024-08-07	Deep network fault diagnosis for imbalanced small-sized samples via a coupled adversarial autoencoder based on the Bayesian method 2024-May-01, The Review of scientific instruments DOI:10.1063/5.0193162 PMID:38717264	研究论文	本文介绍了一种基于贝叶斯方法的耦合对抗自编码器（CoAAE），用于解决深度网络故障诊断中样本量小且不平衡的问题	提出了一种新的耦合对抗自编码器模型，通过生成假样本来增加样本量，并利用并行耦合网络处理样本不平衡问题	NA	解决深度网络故障诊断中样本量小且不平衡的问题	深度网络故障诊断模型	机器学习	NA	耦合对抗自编码器（CoAAE）	CNN	数据	小样本且不平衡
11599	2024-08-07	Artificial intelligence-assisted evaluation of cardiac function by oncology staff in chemotherapy patients 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae017 PMID:38774364	研究论文	本研究评估了肿瘤科工作人员使用AI辅助手持超声设备进行左心室射血分数计算的可行性和准确性	使用AI技术辅助肿瘤科工作人员进行左心室射血分数的自动计算	研究仅在特定患者群体中进行，可能需要进一步验证在更广泛人群中的适用性	评估AI辅助下肿瘤科工作人员计算左心室射血分数的可行性和准确性	肿瘤科患者的心脏功能评估	NA	NA	深度学习算法	深度学习模型	图像	115名患者
11600	2024-08-07	Predicting heart failure outcomes by integrating breath-by-breath measurements from cardiopulmonary exercise testing and clinical data through a deep learning survival neural network 2024-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztae005 PMID:38774366	研究论文	本研究通过深度学习生存神经网络整合心肺运动测试中的逐次呼吸测量数据和临床数据，预测心力衰竭患者的预后	本研究首次将心肺运动测试中的逐次呼吸数据整合到深度学习模型中，提高了预测心力衰竭长期预后的准确性	NA	开发并验证一个基于深度学习框架的时间到事件预测模型，用于预测心力衰竭的预后	2490名患有高风险心脏疾病或心力衰竭的成年患者	机器学习	心血管疾病	深度学习	DeepSurv	时间序列数据	2490名患者