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
361	2024-08-05	Feasibility of remote monitoring for fatal coronary heart disease using Apple Watch ECGs 2024-Jun, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2024.03.007 PMID:38989042	研究论文	本研究开发了一种基于单导联ECG的深度学习模型，用于预测致命冠心病（FCHD）的风险	首次使用可穿戴设备获取的ECG数据进行FCHD风险预测的人工智能模型	研究主要依赖于特定的数据集，可能限制了结果在更广泛人群中的适用性	评估可穿戴设备ECG在FCHD风险预测中的可行性	使用167,662个ECG记录和243个参与者的配对ECG数据进行研究	数字病理学	冠心病	ECG-AI	深度学习模型	ECG数据	167,662个ECG记录，50,132名患者，243名参与者的配对ECG
362	2024-08-05	Multitask deep learning for prediction of microvascular invasion and recurrence-free survival in hepatocellular carcinoma based on MRI images 2024-Jun, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.15870 PMID:38436551	研究论文	本研究开发了一种多任务深度学习模型，用于基于MRI扫描预测肝细胞癌中的微血管侵袭和无复发生存期	该研究结合了多任务学习和变换器架构，能够同时预测微血管侵袭和无复发生存期	尚需前瞻性研究来评估该模型在临床应用中的实用性	提高肝细胞癌的个体化管理	725名肝细胞癌患者的MRI扫描数据	数字病理学	肝癌	深度学习	变换器	影像	725名HCC患者的回顾性数据集，包括234名训练患者和58名内部验证患者，以及三个独立的外部验证集（n=212, 111, 110）
363	2024-08-05	Egocentric 3D Skeleton Learning in a Deep Neural Network Encodes Obese-like Motion Representations 2024-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en24008 PMID:38993079	研究论文	本研究使用深度LSTM网络分析饮食诱导的肥胖小鼠模型的3D时间序列骨骼数据	研究提出了通过身份训练的深度LSTM网络结合自主视角来识别肥胖相关运动表现的新方法	研究可能仅基于小鼠模型，外推到人类的有效性仍需进一步验证	探索深度学习在肥胖早期检测中的应用潜力	饮食诱导肥胖的小鼠模型	计算机视觉	肥胖症	深度LSTM网络	LSTM	3D时间序列骨骼数据	NA
364	2024-08-05	CT-derived pectoralis composition and incident pneumonia hospitalization using fully automated deep-learning algorithm: multi-ethnic study of atherosclerosis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10372-1 PMID:37951855	研究论文	本研究使用全自动深度学习算法从常规胸部CT中提取胸大肌成分，并研究其与肺炎住院的关联	本研究首次应用全自动深度学习算法有效地提取了胸大肌成分，并发现其与COPD患者的肺炎住院具有独立关联	胸大肌成分未能在整体人群中预测肺炎住院，仅在已知COPD患者中能够预测	探讨胸大肌成分与肺炎的关联，特别是考虑到慢性阻塞性肺病（COPD）的状态	研究对象为2010至2012年间接受胸部CT检查的多民族动脉硬化研究参与者	数字病理学	肺炎	深度学习算法	Mask R-CNN（基于Faster R-CNN的卷积神经网络）	图像	2595名参与者（51%女性；中位年龄：68岁）
365	2024-08-05	Benchmarking Deep Learning-Based Image Retrieval of Oral Tumor Histology 2024-Jun, Cureus DOI:10.7759/cureus.62264 PMID:39011227	研究论文	该研究开发了一种基于深度学习的内容检索系统，以提高口腔肿瘤组织学的病理诊断准确性	首次使用自监督学习方法训练深度学习模型处理口腔病理图像，实现了更高的检索准确性	缺乏针对口腔病理的专门图像数据库可能限制了模型的全面性和适用性	研究的目的是开发一种可靠的计算机辅助诊断系统以改善口腔肿瘤的病理诊断	研究对象为30类口腔肿瘤的图像数据	数字病理学	口腔肿瘤	深度学习，自监督学习	自监督学习模型	图像	30类口腔肿瘤的图像数据库
366	2024-08-05	Deep Learning and Multimodal Artificial Intelligence in Orthopaedic Surgery 2024-Jun-01, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-23-00831 PMID:38652882	综述	本综述文章重点介绍深度学习和多模态神经网络在骨科领域的应用	该研究提供了人工智能在骨科手术中应用的实际例子，特别是在影像数据集和临床数据整合方面	没有提到具体的局限性	旨在为骨科医生提供评估现有文献和考虑人工智能潜力的工具	深度神经网络、卷积神经网络和多模态人工智能模型	计算机视觉	NA	深度学习	卷积神经网络	图像、临床数据	NA
367	2024-08-05	CURE: A deep learning framework pre-trained on large-scale patient data for treatment effect estimation 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100973 PMID:39005483	研究论文	本文提出了一种针对治疗效果估计的新框架CURE，旨在利用观察数据进行 causal treatment effect estimation。	CURE通过在大规模未标记患者数据上进行预训练，并在标记患者数据上进行微调，引入了一种新的序列编码方法来嵌入纵向患者数据，提升了治疗效果估计的准确性。	未能详细介绍模型在不同患者特征和背景下的适应性及扩展性。	研究治疗效果估计的优化方法，提高在有限标记数据条件下的效能。	涉及大规模未标记患者数据和标记患者数据的治疗效果估计。	机器学习	NA	NA	NA	观察数据	在四个下游治疗效果估计任务中进行了评估，样本量未具体说明
368	2024-08-05	Reducing overconfident errors in molecular property classification using Posterior Network 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100991 PMID:39005492	研究论文	该文章提出了一种利用后验网络在分子属性分类中减少过度自信错误的方法	替换Softmax函数为正态化流，以增强模型在分子属性分类中的不确定性估计能力	在某些真实世界的应用中，模型的效果可能受到数据质量和样本多样性的影响	提高分子属性分类中不确定性估计的准确性，特别是在药物开发过程中	评估了不同场景下的分子属性分类，包括合成数据集的模拟实验和ADMET预测	机器学习	NA	正态化流	后验网络	合成数据集和ADMET预测数据	NA
369	2024-08-05	Large pre-trained models for treatment effect estimation: Are we there yet? 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101005 PMID:39005493	研究论文	本文探讨了利用深度学习进行因果推断和治疗效果估计的潜力	提出了一种新的预训练和微调框架CURE，专门用于治疗效果估计	NA	研究因果推断中的治疗效果估计方法	大型患者数据	机器学习	NA	深度学习	NA	患者数据	NA
370	2024-08-05	Early warning of atrial fibrillation using deep learning 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100970 PMID:39005489	研究论文	本文介绍了一种深度学习模型，可以在房颤发作前平均预测30.8分钟的时间	开发了一种名为WARN的深度卷积神经网络模型，能够实现高准确性和F1分数的早期房颤预测	本研究的模型在测试中使用了额外的患者样本，可能限制了其广泛适用性	旨在通过深度学习技术提前警报房颤的发作	基于280名患者的24小时Holter心电图数据进行模型训练和验证	机器学习	心血管疾病	深度学习	深度卷积神经网络	心电图数据	280名患者用于训练和验证，70名额外患者用于测试
371	2024-08-05	Evaluating synthetic neuroimaging data augmentation for automatic brain tumour segmentation with a deep fully-convolutional network 2024-Jun, IBRO neuroscience reports IF:2.0Q3 DOI:10.1016/j.ibneur.2023.12.002 PMID:39007088	研究论文	本研究开发了一种神经影像合成技术，以增强用于自动胶质瘤分割的训练数据	利用StyleGAN2-ada生成流体衰减反转恢复（FLAIR）磁共振图像及相应的胶质瘤分割掩膜，创新性地进行数据增强	合成数据增强仅带来了边际性的改进，且开发合成图像生成管道的计算成本较高	开发智能系统以自动化胶质瘤的评估和分割	2751个真实训练数据和对应的590个验证集及588个测试集用于评估U-net模型	数字病理学	胶质瘤	StyleGAN2-ada	U-net	图像	2751个真实数据和1000个合成数据，共14轮
372	2024-08-05	Segond Fractures Can Be Identified With Excellent Accuracy Utilizing Deep Learning on Anteroposterior Knee Radiographs 2024-Jun, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2024.100940 PMID:39006790	研究论文	本研究开发了一种深度学习模型用于检测前后向膝关节X光片中的Segond骨折	提出了一种深度学习方法，用于准确识别Segond骨折，并在表现上超越了专业人类观察者	测试集样本量较小，仅324张膝关节X光片，可能影响结果的普适性	研究深度学习在前后向膝关节X光片上识别Segond骨折的应用	319张前后向膝关节X光片，特别关注Segond骨折的识别	计算机视觉	膝关节损伤	深度学习	未提供具体模型类型	图像	324张膝关节X光片
373	2024-08-05	Bridging Convolutional Neural Networks and Transformers for Efficient Crack Detection in Concrete Building Structures 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134257 PMID:39001034	研究论文	本文提出了一种新型模型CCTNet，用于提高混凝土建筑结构裂缝检测的效率和准确性	CCTNet结合了卷积通道注意力与基于窗口的自注意力机制，提升了裂缝识别能力	文章中未提及具体的实验局限性或适用范围	旨在通过新的模型提高混凝土建筑裂缝检测的效率和准确性	研究对象为混凝土建筑结构中的裂缝	计算机视觉	NA	卷积神经网络（CNN）、自注意力机制	CCTNet	图像	在Historical Building Crack2019、SDTNET2018和DS3上的性能评估
374	2024-08-05	CSMC: A Secure and Efficient Visualized Malware Classification Method Inspired by Compressed Sensing 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134253 PMID:39001035	研究论文	提出了一种基于压缩感知的高效恶意软件分类方法CSMC，旨在提高恶意软件样本的处理和共享效率。	该方法通过压缩恶意软件样本，提高了共享和处理的有效性，并能够在压缩过程中提取恶意软件家族特征，这是传统方法无法实现的。	实验结果仅基于针对Windows和Android操作系统的恶意软件，可能对其他平台的适用性需进一步验证。	研究旨在提高恶意软件分类的效率和安全性，特别是在物联网环境中。	研究对象为针对智能传感器的恶意软件及其分类方法。	计算机视觉	NA	压缩感知	深度学习	恶意软件样本	针对Windows和Android操作系统的多个恶意软件样本
375	2024-08-05	ProPept-MT: A Multi-Task Learning Model for Peptide Feature Prediction 2024-Jun-30, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25137237 PMID:39000344	研究论文	提出了一种新颖的多任务学习模型ProPept-MT，用于准确预测肽的关键特征	ProPept-MT结合了多头注意力和BiLSTM用于特征提取，并采用Nash-MTL进行梯度协调，展示了卓越的预测性能	当前对DIA数据的分析依赖于项目特定的光谱库，限制了蛋白组覆盖面并且过程耗时	旨在提升定量蛋白组学中数据独立采集（DIA）数据分析的准确性和高效性	研究对象包括保留时间、离子强度和离子迁移率等肽特征	计算机视觉	NA	深度学习	BiLSTM	数字数据	在基准数据集上进行评估，具体样本数量未提及
376	2024-08-05	Bearing-DETR: A Lightweight Deep Learning Model for Bearing Defect Detection Based on RT-DETR 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134262 PMID:39001040	研究论文	本文介绍了Bearing-DETR，这是一个优化的深度学习模型，用于准确高效地检测轴承缺陷	Bearing-DETR采用了RT-DETR架构，并结合了Dysample动态上采样、元移动块的高效模型优化和变形大核关注机制，显著改善了缺陷检测性能	NA	旨在提高工业安全和效率，通过深度学习优化轴承缺陷检测	针对化工厂的数据集进行的轴承缺陷检测研究	机器学习	NA	实时检测变换器（RT-DETR）	NA	图片	NA
377	2024-08-05	A Novel Electrical Equipment Status Diagnosis Method Based on Super-Resolution Reconstruction and Logical Reasoning 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134259 PMID:39001038	研究论文	本文提出了一种基于超分辨率重建和逻辑推理的电气设备状态诊断方法	采用生成对抗网络（GAN）进行图像超分辨率重建以过滤环境噪声，并结合逻辑图进行电气设备故障诊断	该方法可能在更复杂的环境中仍然面临图像质量和解析能力的挑战	研究电气设备的状态检测和故障诊断方法	电气设备状态和故障	计算机视觉	NA	生成对抗网络（GAN）	深度学习模型	图像	六个数据集上进行的广泛实验
378	2024-08-05	Anomaly Detection and Remaining Useful Life Estimation for the Health and Usage Monitoring Systems 2023 Data Challenge 2024-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s24134258 PMID:39001036	研究论文	本文介绍了旋转机械健康监测中齿轮故障检测和剩余使用寿命估计的新基准数据集	提出了一种新的信号处理异常检测算法，并证明其在多种测试渠道上超越深度学习算法	仅在特定的测试渠道上进行了比较，未涵盖所有可能的情况	监测旋转机械的健康状态并估计其剩余使用寿命	齿轮振动信号的异常检测和剩余使用寿命估计	数字病理学	NA	信号处理	传统信号处理算法和深度学习算法	振动信号	11个参与组
379	2024-08-05	How AI and Robotics Will Advance Interventional Radiology: Narrative Review and Future Perspectives 2024-Jun-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14131393 PMID:39001283	综述	这篇综述文章探讨了人工智能和机器人技术在介入放射学中的研究进展和应用	文章强调了最新的研究方向及其潜在的应用前景和局限性	虽然提到AI和机器人技术在临床应用中的广泛性尚未实现，但文中指出这些技术正在多个方面演变	研究人工智能和机器人在介入放射学中的应用潜力	重点在于最近五年发表的关于AI和机器人在医疗领域应用的研究	数字病理学	肿瘤	深度学习，机器学习，卷积神经网络	CNN	文献	选择了大型研究来确保结果的全面性和可靠性
380	2024-08-05	MSE-VGG: A Novel Deep Learning Approach Based on EEG for Rapid Ischemic Stroke Detection 2024-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s24134234 PMID:39001013	研究论文	本研究开发了一种基于脑电图（EEG）的深度学习模型，用于快速检测缺血性中风	提出了一种新的特征相关加权相位滞后指数（cwPLI），融合EEG信号的时空信息和复杂性非线性信息以提高模型的判别能力	样本量相对较小，仅招募了20名缺血性中风患者，可能影响结果的普遍性	旨在提升缺血性中风的快速检测能力	研究对象包括20名缺血性中风患者及19名无中风病史的成人作为对照组	数字病理	缺血性中风	脑电图（EEG）	MSE-VGG网络	信号	20个缺血性中风患者和19个对照组成人