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
241	2024-08-05	Retinal imaging for the assessment of stroke risk: a systematic review 2024-May, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-023-12171-6 PMID:38430271	系统评价	本研究系统评估了视网膜成像在中风风险评估中的作用	该论文识别出三种利用人工智能算法分析视网膜图像以预测中风的模型	目前没有预测模型显著超越传统风险评估分数，且仅有两项研究使用了OCT成像	研究视网膜成像特征作为中风风险指示的有效性	前瞻性研究中评估视网膜成像衍生生物标志物的研究	数字病理学	心血管疾病	OCT	人工智能算法	图像	共纳入24项研究
242	2024-08-05	Use of Artificial Intelligence in the Prediction of Chiari Malformation Type 1 Recurrence After Posterior Fossa Decompressive Surgery 2024-May, Cureus DOI:10.7759/cureus.60879 PMID:38784688	研究论文	本研究旨在训练一种基于深度学习的方法，以预测接受手术的Chiari畸形1型（CM1）患者术后症状复发	这是首次探索使用机器学习方法预测CM1患者术后症状复发的研究	需要利用更大样本量的进一步研究来提高性能	研究CM1患者手术后症状复发的预测方法	接受CM1手术的患者	机器学习	NA	深度学习	ResNet50，CLAM	MRI数据，临床特征	57名接受CM1减压手术的患者
243	2024-08-05	Comprehensive clinical application analysis of artificial intelligence-enabled electrocardiograms for screening multiple valvular heart diseases 2024-05-16, Aging DOI:10.18632/aging.205835 PMID:38761181	研究论文	该研究分析了人工智能辅助心电图在筛查多种瓣膜性心脏病中的临床应用	开发了五种深度学习模型以识别不同类型的瓣膜性心脏病	文章没有提及模型在不同种族或年龄群体中的表现	旨在评估人工智能心电图在瓣膜性心脏病筛查中的有效性	研究对象为77,047名接受过超声心动图和12导联心电图检查的患者	机器学习	瓣膜性心脏病	深度学习	深度学习模型(DLM)	心电图	共计77,047名患者的122,728个心电图
244	2024-08-05	Artificial Intelligence and Machine Learning in Neuroregeneration: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.61400 PMID:38953082	系统评价	人工智能和机器学习在神经再生领域的应用现状进行综合评估	本文系统性回顾了人工智能/机器学习在神经再生中的最新应用，并强调了它们在诊断和治疗中的潜力	当前的研究相对零散，需要更全面的整合	旨在评估人工智能和机器学习在神经再生中的应用	研究对象包括神经疾病诊断、机器人康复和药物发现等	机器学习	NA	深度学习以及标准机器学习算法	NA	图像数据、动物模型和电子健康记录	共选取19篇文章，涉及247篇文献
245	2024-08-05	A Chronological Overview of Using Deep Learning for Leukemia Detection: A Scoping Review 2024-May, Cureus DOI:10.7759/cureus.61379 PMID:38947677	综述	本文综述了利用深度学习对白血病进行检测的相关文献	总结了深度学习模型在白血病检测中的应用进展，并指出了从专业方法到通用方法的转变	缺乏现实场景下的验证研究来确认深度学习模型对白血病诊断的影响	探讨深度学习在白血病诊断中的应用及其潜力	分析了2010年至2023年间与深度学习和白血病诊断相关的文献	数字病理学	白血病	深度学习	卷积神经网络	文献	20篇文献
246	2024-08-05	Morphological profiling for drug discovery in the era of deep learning 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae284 PMID:38886164	综述	该文章对形态轮廓在表型药物发现中的最新进展进行了全面概述	强调深度学习在该流程中的应用，涵盖了细胞分割、图像表示学习和多模态学习	未提及具体的局限性	探讨形态轮廓分析在药物发现中的应用及其发展	形态轮廓分析及其在药物重新利用和新疗法开发中的应用	计算机视觉	NA	高通量自动成像	深度学习	图像	NA
247	2024-08-05	ifDEEPre: large protein language-based deep learning enables interpretable and fast predictions of enzyme commission numbers 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae225 PMID:38942594	研究论文	提出了一种新型的可解释和快速的深度学习模型ifDEEPre，用于准确预测酶的委员会编号	设计了新的自引导注意机制，并结合大量蛋白语言模型学习的生物知识，显著提高了预测速度和准确性	未提及具体的限制因素	准确理解酶的生物功能，为病理学和工业生物技术的各种任务提供支持	raw蛋白质序列的表示和酶的委员会编号	机器学习	NA	大型蛋白语言模型	自引导注意机制	生物序列数据	数亿个蛋白质
248	2024-08-05	A Glimpse into the AI-Driven Advances in Neurobiology and Neurologic Diseases 2024-May-31, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12061221 PMID:38927428	研究论文	这篇文章探讨了人工智能在神经生物学和神经疾病研究中的最新进展	文章创新点在于介绍了机器学习和深度学习在神经学领域的应用	文章未详细讨论这些技术的实际应用效果和临床转化	研究人工智能如何促进神经生物学和神经疾病的发展	本文主要关注人工智能与神经生物学及相关神经疾病的交叉研究	机器学习	NA	AI, 机器学习, 深度学习	NA	NA	NA
249	2024-08-05	Explainable Precision Medicine in Breast MRI: A Combined Radiomics and Deep Learning Approach for the Classification of Contrast Agent Uptake 2024-May-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060556 PMID:38927793	研究论文	该文章介绍了一种结合放射组学和深度学习的方法用于乳腺MRI中对对比剂摄取的分类	提出了一种高度精确和可解释的BPE分类流程，解决了用户或算法依赖的放射组学特征选择问题	该研究主要基于回顾性数据，样本量相对较小，仅包括27名健康女性的图像	研究目的是开发一个标准化的BPE分类算法，减少读者之间的变异性	研究对象为27名健康女性的DCE-MRI图像	数字病理	乳腺癌	DCE-MRI，深度学习	深度神经网络	图像	27名健康女性的DCE-MRI图像
250	2024-08-05	Sentiment Analysis of Social Media Data on Ebola Outbreak Using Deep Learning Classifiers 2024-May-30, Life (Basel, Switzerland) DOI:10.3390/life14060708 PMID:38929691	研究论文	本研究利用深度学习技术分析与埃博拉疫情相关的社交媒体情感	首次应用三种深度学习技术对8395条与埃博拉相关的推文进行情感分类	研究仅关注推特数据，可能无法全面反映公众情感	分析埃博拉疫情期间社交媒体上的情感表达	8395条关于埃博拉的推文	自然语言处理	埃博拉病毒感染	深度学习	CNN, LSTM, BERT	文本	8395条推文
251	2024-08-05	Exploring Automated Contouring Across Institutional Boundaries: A Deep Learning Approach with Mouse Micro-CT Datasets 2024-May-29, ArXiv PMID:38855547	研究论文	使用深度学习方法对小鼠微CT进行自动轮廓绘制的研究	提出了一种基于Swin UNEt Transformers的创新性小鼠器官分割方法，并与nnU-Net进行了基准比较	在小鼠肠道轮廓绘制的结果上表现不佳，特定情况中存在局限性	旨在通过自动化分割小鼠微CT图像来提高前临床研究的效率	主要研究对象为小鼠的native微CT和增强对比微CT图像	数字病理学	NA	微CT	Swin UNEt Transformers，FCNN	图像	开放数据集上训练和评估，基于不同小鼠进行数据分离
252	2024-08-05	Optimizing Acute Coronary Syndrome Patient Treatment: Leveraging Gated Transformer Models for Precise Risk Prediction and Management 2024-May-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060551 PMID:38927787	研究论文	本文介绍了一种使用门控Transformer模型分析电子健康记录以改进急性冠脉综合征患者的风险预测和管理	提出了一种通过门控机制提高Transformer模型性能的新方法	未提及具体样本的多样性和模型在不同人群中的适用性	改进急性冠脉综合征患者的风险预测和管理策略	急性冠脉综合征患者的电子健康记录	计算机视觉	心血管疾病	机器学习	门控Transformer模型	电子健康记录	NA
253	2024-08-05	Deep Learning-Based Surgical Treatment Recommendation and Nonsurgical Prognosis Status Classification for Scaphoid Fractures by Automated X-ray Image Recognition 2024-May-28, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12061198 PMID:38927405	研究论文	本文提出了一种基于深度学习的自动X光图像识别的方法，用于舟骨骨折的外科治疗建议和非手术预后状态分类	研究集中于舟骨骨折的外科治疗推荐和非手术预后状态分类，填补了现有研究的空白	未提供足够详细的信息关于舟骨骨折的所有特征，可能影响结果的准确性	研究旨在探讨如何利用深度学习技术优化舟骨骨折的治疗推荐和预后分类	研究对象为舟骨骨折患者的X光图像，分析其外科和非外科治疗的有效性	计算机视觉	NA	深度学习	DenseNet169, ResNet50	图像	使用真实数据集进行实验，样本数量未明确说明
254	2024-08-05	Integrating OpenPose and SVM for Quantitative Postural Analysis in Young Adults: A Temporal-Spatial Approach 2024-May-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060548 PMID:38927784	研究论文	本研究通过整合OpenPose和支持向量机(SVM)进行高精度姿态分析	本研究创新性地将OpenPose与SVM结合，改善了传统的姿态控制量化方法	本研究的局限在于目前样本仅为35名年轻成人，尚需在更广泛的人群中验证	研究旨在通过视频监控提升姿势控制的定量分析	研究对象为35名年轻成人，在受控行走实验中进行分析	计算机视觉	NA	OpenPose与支持向量机(SVM)	NA	视频	35名年轻成人
255	2024-08-05	Artificial Intelligence in Sports Medicine: Reshaping Electrocardiogram Analysis for Athlete Safety-A Narrative Review 2024-May-26, Sports (Basel, Switzerland) DOI:10.3390/sports12060144 PMID:38921838	综述	人工智能正在重新定义运动员的心电图分析，以提高心血管健康的检测和监测	探讨机器学习和深度学习在心电图解读中的应用，改善心律失常、通道病和肥厚型心肌病的检测	传统心电图方法在区分良性心脏适应与严重病症上存在局限	提高运动员预参与检查中的心电图诊断的准确性和效率	运动员的心电图数据	医学	心血管疾病	机器学习，深度学习	NA	心电图	过去十年的文献综述
256	2024-08-05	ChatGPT as a New Tool to Select a Biological for Chronic Rhino Sinusitis with Polyps, "Caution Advised" or "Distant Reality"? 2024-May-24, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14060563 PMID:38929784	研究论文	该研究评估了Rhinology委员会的治疗指示与ChatGPT在慢性鼻窦炎患者中使用生物治疗的推荐之间的一致性	研究展示了ChatGPT在选择最佳生物治疗的潜力，为管理缺乏强大生物标志物的CRSwNP提供了重要的进展	研究可能没有考虑到所有相关的疗法选择和患者个体差异	评估ChatGPT与Rhinology委员会在慢性鼻窦炎生物治疗中的推荐一致性	72名患有慢性鼻窦炎合并鼻息肉的患者	自然语言处理	NA	深度学习	NA	观测数据	72名患者
257	2024-08-05	An Improved Two-Shot Tracking Algorithm for Dynamics Analysis of Natural Killer Cells in Tumor Contexts 2024-May-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060540 PMID:38927775	研究论文	本文探讨了自然杀伤细胞在肿瘤环境中的动态特性分析。	提出了距离级联匹配和再搜索方法，改进现有的自然杀伤细胞追踪算法	关于自然杀伤细胞动态的研究仍然稀缺	分析自然杀伤细胞在不同形态与肿瘤背景下的运动特征	5000帧图像中的约300,000个自然杀伤细胞	计算机视觉	肿瘤	深度学习技术	NA	图像	包含约300,000个细胞
258	2024-08-05	HLAIImaster: a deep learning method with adaptive domain knowledge predicts HLA II neoepitope immunogenic responses 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae302 PMID:38920343	研究论文	本文提出了一种深度学习方法HLAIImaster，用于预测HLA II新表位的免疫原性反应	HLAIImaster结合了适应性领域知识和注意力机制，提升了现有工具的预测能力	目前预测方法的局限性在于高质量训练表位数据集的不足和算法上的限制	开发能够有效预测HLA II相关肽段的工具，以推动疫苗和癌症免疫疗法的进展	针对主要人群的外源性HLA II限制肽段进行预测	机器学习	癌症	质谱数据分析	深度学习	质谱数据	>223000
259	2024-08-05	Unraveling the Potential of Attentive Bi-LSTM for Accurate Obesity Prognosis: Advancing Public Health towards Sustainable Cities 2024-May-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060533 PMID:38927769	研究论文	本文提出了一种新的混合模型ABi-LSTM，用于准确的肥胖预测	引入了基于注意力机制的双向长短期记忆网络，以增强肥胖预测的可解释性和性能	NA	改善肥胖预测模型以促进公共健康和城市可持续发展	传统与深度学习方法的比较分析，开发肥胖预测模型	机器学习	肥胖症	深度学习	ABi-LSTM	NA	NA
260	2024-08-05	Integrated approach of federated learning with transfer learning for classification and diagnosis of brain tumor 2024-May-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01261-0 PMID:38750436	研究论文	该文章提出了一种基于联邦学习和迁移学习的深度学习模型，用于脑肿瘤的分类和诊断。	创新性地结合了迁移学习和联邦学习，利用优化的VGG16架构在分散的客户端上进行有效的模型训练，保护数据隐私。	传统方法依赖手动解读并可能受到数据处理和模型通用性限制。	本研究旨在提高脑肿瘤分类的准确性和自动化程度。	研究对象为MRI影像中的脑肿瘤。	计算机视觉	脑肿瘤	CNN	VGG16	图像	来自figshare、SARTAJ和Br35H数据集的多样化数据集