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
401	2024-08-05	Spatiotemporal estimation of groundwater and surface water conditions by integrating deep learning and physics-based watershed models 2024-May-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100228 PMID:38872710	研究论文	本研究提出了一种深度学习模型框架，用于高空间分辨率地估计地下水和地表水条件	结合深度学习和基于物理的流域模型，提高了水文估计的效率和准确性	模型在长期预测的准确性方面仍需进一步改进	研究旨在通过深度学习提高水文模拟的效率	研究对象为韩国Sabgyo溪流域的地下水位和地表水深度	数字水文学	NA	深度学习	卷积神经网络（CNN）	气象数据	使用来自完全分布式水文模型HydroGeoSphere的数据和实际现场测量数据
402	2024-08-05	Advancements in Artificial Intelligence for the Diagnosis of Multidrug Resistance and Extensively Drug-Resistant Tuberculosis: A Comprehensive Review 2024-May, Cureus DOI:10.7759/cureus.60280 PMID:38872656	综述	本文全面回顾了人工智能在多药耐药结核病和广泛耐药结核病诊断中的最新进展	探讨了在结核病诊断中应用的各种人工智能算法及其比较性能	讨论了在结核病诊断中实施人工智能面临的数据可用性、算法可解释性和监管考虑等挑战和限制	研究人工智能在多药耐药结核病和广泛耐药结核病诊断中的应用	聚焦于多药耐药结核病和广泛耐药结核病的诊断技术	自然语言处理	结核病	人工智能	机器学习，深度学习，集成技术	NA	NA
403	2024-08-05	A computed tomography-based multitask deep learning model for predicting tumour stroma ratio and treatment outcomes in patients with colorectal cancer: a multicentre cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001161 PMID:38348900	研究论文	本研究开发了一种多任务深度学习模型，以非侵入性地预测结直肠癌患者的肿瘤基质比率（TSR）和预后。	该文章创新性地使用了多任务深度学习模型结合术前CT图像，解决了当前TSR组织学评估的局限性。	该研究为回顾性研究，未来需要前瞻性研究来验证模型的有效性。	研究目的是开发一种模型来预测结直肠癌患者的TSR和预后。	本文研究对象包括2268名经切除的结直肠癌患者。	数字病理学	结直肠癌	CT成像	MDL模型	影像	2268名切除的结直肠癌患者
404	2024-08-05	Deep learning-based multi-model prediction for disease-free survival status of patients with clear cell renal cell carcinoma after surgery: a multicenter cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001222 PMID:38445478	研究论文	本研究提出了一种深度学习基础的多模型预测方法，以评估透明细胞肾细胞癌患者术后的无病生存状态	开发了一种新的多模型预测签名，将多模态信息整合到一个单一的预测模型中，以提高无病生存的预后预测性能	需要在多个中心和地区进行进一步验证以证实效果	提高透明细胞肾细胞癌患者术后无病生存的预后预测	414名透明细胞肾细胞癌患者的影像学和临床数据	机器学习	肾癌	深度学习、机器学习	多模态预测模型	图像、临床数据	414名患者
405	2024-08-05	Artificial intelligence-based classification of breast lesion from contrast enhanced mammography: a multicenter study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001076 PMID:38748500	研究论文	本文建立了一种基于人工智能的乳腺病变预诊断方法，旨在通过对比增强乳腺摄影进行评估	该研究采用RefineNet作为基础网络，并结合卷积块注意力模块（CBAM）进行特征的自适应精细化，展示了创新的AI应用于乳腺病变的分类	研究的限制在于为回顾性研究，样本来自于特定的多中心设置，可能会影响普适性	研究目的在于利用人工智能技术提升乳腺病变的预诊断准确性	研究对象为在2017至2022年之间接受对比增强乳腺摄影检查的1430名患者	计算机视觉	乳腺癌	RNA-seq	XGBoost，RefineNet	医学图像，基因组数据	1430名患者的对比增强乳腺摄影检查数据，以及12名患者的RNA测序数据
406	2024-08-05	Precise tooth design using deep learning-based templates 2024-05, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.104971 PMID:38548165	研究论文	本研究结合隐式模板和深度学习，构建了一种精确的神经网络用于个性化牙齿缺损修复	提出了一种新颖的深度学习模型ToothDIT，用于生成高度定制的修复模板	样本量较小，仅使用了90个右侧上颌中切牙模型	旨在提高假牙设计中的精准度和效率	研究对象为右侧上颌中切牙的缺损修复	数字病理学	NA	深度学习	ToothDIT	三维模型	90个右上颌中切牙模型（80个用于训练，10个用于验证）
407	2024-08-05	Application of artificial intelligence in dental implant prognosis: A scoping review 2024-05, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.104924 PMID:38467177	研究论文	这项范围评估的目的是评估人工智能在牙科植入物预后中的表现	探讨了人工智能在牙科植入物预后预测中的应用和性能	研究需要更多的放射影像和临床数据以提高人工智能的性能	评估人工智能在牙科植入物预后中的有效性	分析了892项研究，最终纳入了12项符合标准的研究	NA	NA	深度学习和传统机器学习算法	深度学习模型和传统机器学习算法	医疗记录和放射影像	892项研究中进行了36项的全文分析
408	2024-08-05	Assessing the Potential of a Deep Learning Tool to Improve Fracture Detection by Radiologists and Emergency Physicians on Extremity Radiographs 2024-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.10.042 PMID:37993303	研究论文	评估了一种基于深度学习的骨折检测工具在四肢放射学中的独立性能及其对放射科医生和急诊医生的帮助	该文章展示了一种新开发的深度学习工具在骨折检测中的高独立准确性，并显著提高了医生的诊断准确性和减少了解读时间	本研究局限于单一机构的数据，未涉及多种医院或不同地区的样本	研究目的在于提高放射科医生和急诊医生在四肢放射学中识别骨折的能力	主要研究对象为放射科医生和急诊医生在检测骨折时的表现	计算机视觉	NA	深度学习	NA	放射影像	132,000张四肢骨骼放射学影像用于模型开发，2626张无身份信息的放射影像用于评估
409	2024-08-05	Exploring the Impact of Batch Size on Deep Learning Artificial Intelligence Models for Malaria Detection 2024-May, Cureus DOI:10.7759/cureus.60224 PMID:38868293	研究论文	本研究探索了批量大小对用于疟疾检测的深度学习人工智能模型的影响	提出了较小的批量大小可能提高模型准确性，为疟疾筛查的AI模型开发提供了新见解	研究主要依赖于特定数据集的结果，缺乏多样化样本的评估	探讨批量大小对CNN模型在疟疾检测中的准确性影响	使用NIH-NLM-ThinBloodSmearsPf数据集中的疟疾血涂片图像进行研究	计算机视觉	疟疾	CNN	CNN	图像	27,558张血涂片图像（13,779张感染和13,779张未感染单细胞图像）
410	2024-08-05	A CT-based deep learning model predicts overall survival in patients with muscle invasive bladder cancer after radical cystectomy: a multicenter retrospective cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001194 PMID:38349205	研究论文	本研究开发并验证了一种基于术前CT的深度学习模型，以预测肌肉浸润性膀胱癌患者在根治性膀胱切除术后的整体生存率	该研究首次提出利用术前CT影像结合深度学习算法来预测肌肉浸润性膀胱癌患者的生存结果，并与传统模型进行了比较	该研究为回顾性研究，可能存在选择偏倚，且依赖于单一的影像类型	本研究旨在开发和验证一种深度学习模型，以预测肌肉浸润性膀胱癌患者的整体生存率	本研究的对象为接受根治性膀胱切除术的肌肉浸润性膀胱癌患者	计算机视觉	膀胱癌	CT	深度学习模型	影像	405名患者
411	2024-08-05	Towards clinically applicable automated mandibular canal segmentation on CBCT 2024-05, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.104931 PMID:38458378	研究论文	开发了一种基于深度学习的系统，用于在锥形束计算机断层扫描（CBCT）图像上进行下颌管的精确、稳健、全自动分割	提出了一种三步策略结合2D U-Net和3D U-Net进行下颌管分割，具有多阶段注释方法	在研究中数据集来自单一中心，外部验证数据集相对较小	研究旨在提高下颌管在CBCT图像上的自动分割精度	536个CBCT扫描的图像数据	数字病理学	NA	深度学习	2D U-Net和3D U-Net	图像	536个CBCT扫描（训练集：376，验证集：80，测试集：80）
412	2024-08-05	Big data research in nursing: A bibliometric exploration of themes and publications 2024-05, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing IF:2.4Q1 DOI:10.1111/jnu.12954 PMID:38140780	研究论文	本研究旨在理解全球护理领域大数据研究的热点和趋势	通过文献计量分析，揭示了护理领域大数据研究的多个焦点集群和技术融合的演变	全球护理研究中大数据的利用存在不平衡，需提升临床人员的数据科学素养	探讨大数据在护理研究中的主题趋势和演变	护理领域的文献和研究作者	数字病理学	老年病	文献计量分析	NA	文献	全球45位核心作者和17本核心期刊的研究
413	2024-08-05	Novel Deep Learning Denoising Enhances Image Quality and Lowers Radiation Exposure in Interventional Bronchial Artery Embolization Cone Beam CT 2024-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.003 PMID:37989681	研究论文	本研究探讨了一种先进的深度学习去噪技术在介入支气管动脉栓塞的锥束CT成像中减少辐射剂量和提高图像质量的效果	引入了一种新的深度学习去噪软件，有效改善了图像质量并降低了辐射暴露	主观评估未能显著区分6秒和3秒的DLD质量	评估在介入支气管动脉栓塞过程中提高图像质量和降低辐射剂量的技术	BMI 匹配的患者，这些患者接受了不同时间长度的BAE CBCT扫描	医学影像学	NA	深度学习去噪（DLD）	NA	图像	60名患者
414	2024-08-07	Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit 2024-May, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2023.01424.e1 PMID:38556908	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
415	2024-08-05	Dev-ResNet: automated developmental event detection using deep learning 2024-May-15, The Journal of experimental biology IF:2.8Q2 DOI:10.1242/jeb.247046 PMID:38806151	研究论文	该文章介绍了一种名为Dev-ResNet的小型高效3D卷积神经网络，用于自动检测发育事件	提出了一种新颖的深度学习模型，能够同时捕捉空间和时间特征来识别发育事件	未提及具体的局限性	旨在提高早期生命阶段实验生物学中发育事件检测的规模、可重现性和通量	使用大池螺（Lymnaea stagnalis）的胚胎发育中的10个功能事件进行验证	计算机视觉	NA	深度学习	3D卷积神经网络	图像	10个多样化的功能事件
416	2024-08-05	Predicting the Progression of Chronic Kidney Disease: A Systematic Review of Artificial Intelligence and Machine Learning Approaches 2024-May, Cureus DOI:10.7759/cureus.60145 PMID:38864072	综述	本系统综述全面评估了人工智能和机器学习技术在预测慢性肾病进展中的应用	本文创新性地整合了多种AI/ML算法，强调了这些模型在CKD进展预测中的潜力和优势	存在数据质量、偏见和伦理考虑等挑战	旨在通过AI/ML技术预测慢性肾病的进展	涉及慢性肾病的进展预测研究	机器学习	慢性肾病	人工智能，机器学习	逻辑回归，支持向量机，随机森林，神经网络，深度学习	纵向数据，临床数据	涉及13项相关研究
417	2024-08-05	Leveraging conformal prediction to annotate enzyme function space with limited false positives 2024-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012135 PMID:38809942	研究论文	本文提出了一种机器学习框架CPEC，用于控制生物发现中的假阳性率	CPEC结合了深度学习模型与符合预测方法，以实现假发现率的控制	本研究未提及模型在特定生物体上的应用限制	研究旨在优化生物发现过程中的预测准确性和假发现率控制	研究对象为功能较少表征的酶	机器学习	NA	深度学习与符合预测	NA	NA	NA
418	2024-08-05	HiCDiff: single-cell Hi-C data denoising with diffusion models 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae279 PMID:38856167	研究论文	本文提出了一种基于扩散模型的单细胞Hi-C数据去噪方法HiCDiff	文章创新性地使用了生成性扩散模型来去噪单细胞Hi-C数据	没有明确提到数据集的局限性或模型的局限性	研究目的是改善单细胞Hi-C数据的分析质量	研究对象为单细胞Hi-C数据中的染色体接触矩阵	数字病理学	NA	深度残差网络	扩散模型	基因组数据	多个单细胞Hi-C测试数据集
419	2024-08-05	Advancing Ligand Docking through Deep Learning: Challenges and Prospects in Virtual Screening 2024-05-21, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.4c00093 PMID:38577892	研究论文	本文探讨了深度学习在分子对接中的应用及其在虚拟筛选中的挑战和前景	提出深度学习方法能够突破传统搜索评分框架，提高准确性和处理速度	尽管深度学习模型提高了成功率，但仍可能产生不合理的局部结构	旨在提升分子对接的准确性与效率，推动深度学习在虚拟筛选中的应用	研究分子对接中的深度学习应用及其评估指标	计算机视觉	NA	深度学习	NA	蛋白质-配体复合物	NA
420	2024-08-05	Deep Learning-Based Automatic Classification of Ischemic Stroke Subtype Using Diffusion-Weighted Images 2024-May, Journal of stroke IF:6.0Q1 DOI:10.5853/jos.2024.00535 PMID:38836277	研究论文	本研究旨在基于扩散加权成像(DWI)和心房颤动(AF)数据，开发深度学习算法自动分类缺血性中风亚型	本研究创新性在于利用深度学习算法结合DWI和AF数据信息进行缺血性中风亚型的自动分类	本研究的局限性在于模型的外部验证可能受限于专家的标注意见	研究目的在于提高缺血性中风亚型的分类准确性，从而促进有效的二级预防	研究对象是来自三家中心的2988名缺血性中风患者	机器学习	缺血性中风	扩散加权成像(DWI)	U-net与EfficientNetV2	影像	2988名缺血性中风患者