深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
481	2024-09-04	Advances in Modeling Approaches for Oral Drug Delivery: Artificial Intelligence, Physiologically-Based Pharmacokinetics, and First-Principles Models 2024-Jul-24, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics16080978 PMID:39204323	综述	本文综述了用于口服药物递送的建模方法，包括人工智能、生理药代动力学和第一性原理模型	整合了来自不同实验和理论考虑的数据，提出了一种成本效益高的替代实验方法	数学复杂性限制了偏微分方程在生理系统建模中的广泛应用	评估不同建模方法在口服药物递送中的优势和局限	口服药物递送过程中的多种因素，如药物的物理化学性质、制剂特性和胃肠生理	NA	NA	机器学习、深度学习、分子动力学	QSAR、生理药代动力学模型、第一性原理模型	NA	NA	NA	NA	NA	NA
482	2024-09-04	Predicting respiration rate in unrestrained dairy cows using image analysis and fast Fourier transform 2024-Jul, JDS communications DOI:10.3168/jdsc.2023-0442 PMID:39220844	research paper	本研究旨在开发一种系统，通过使用红、绿、蓝（RGB）和红外（IR）夜视图像，在不受限制的条件下准确预测躺卧的荷斯坦奶牛的呼吸率（RR）。	本研究创新性地使用快速傅里叶变换（FFT）处理从RGB和IR图像中获取的信号，以计算不受限制条件下奶牛的呼吸率。	研究仅限于躺卧的荷斯坦奶牛和断奶前的奶牛犊，未来研究需要扩展到其他品种和不同姿势的奶牛。	开发一种能够准确预测躺卧荷斯坦奶牛在不受限制条件下的呼吸率的系统。	躺卧的荷斯坦奶牛和断奶前的奶牛犊。	computer vision	NA	快速傅里叶变换（FFT）	YOLOv8	image	30头泌乳奶牛，每头奶牛连续记录12小时，共95段视频；25头断奶前奶牛犊，共42次观察。	NA	NA	NA	NA
483	2024-09-02	Deep Learning-Based Real-Time Organ Localization and Transit Time Estimation in Wireless Capsule Endoscopy 2024-Jul-31, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12081704 PMID:39200169	研究论文	本研究提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的新模型，用于无线胶囊内窥镜（WCE）中的器官定位和传输时间估计	该模型通过分析多帧图像并结合时间信息，即使在视觉信息有限的情况下也能保持高性能	NA	提高无线胶囊内窥镜在胃肠道疾病诊断中的准确性和效率	胃、小肠和大肠的定位及传输时间估计	机器学习	胃肠道疾病	卷积神经网络（CNN）和长短期记忆网络（LSTM）	CNN和LSTM	图像	126名患者的2,395,932张图像	NA	NA	NA	NA
484	2024-09-02	Deep Learning Techniques for the Dermoscopic Differential Diagnosis of Benign/Malignant Melanocytic Skin Lesions: From the Past to the Present 2024-Jul-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080758 PMID:39199716	综述	本文综述了深度学习技术在皮肤镜下良恶性黑色素细胞皮肤病变鉴别诊断中的应用	深度学习模型在特异性方面比临床医生有显著提高，平均特异性为84.87%，而人类为64.24%	未来的深度学习模型应基于包含皮肤镜图像、相关临床和病史数据的大型数据集，并在临床实践中进行前瞻性测试和与医生的充分比较	旨在筛选科学文献中深度学习技术在皮肤镜下黑色素瘤/痣鉴别诊断的应用，并提供人工智能术语的全面解释	深度学习技术在皮肤癌诊断中的应用	机器学习	皮肤癌	深度学习	卷积神经网络（CNN）/深度卷积神经网络（DCNN）	图像	筛选了近2000条记录，选择了54项研究进行分析	NA	NA	NA	NA
485	2024-09-02	Efficient Extraction of Coronary Artery Vessels from Computed Tomography Angiography Images Using ResUnet and Vesselness 2024-Jul-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080759 PMID:39199717	research paper	本研究提出了一种结合血管增强、心脏感兴趣区域提取和ResUNet深度学习方法的结构化方法，用于从CTA图像中准确高效地分割冠状动脉	该方法通过血管增强和心脏ROI提取显著提高了分割过程的准确性和效率，同时ResUNet能够捕捉局部和全局特征	NA	实现冠状动脉从CTA图像中的准确和高效分割，以辅助心血管疾病的诊断和治疗	冠状动脉的分割	computer vision	心血管疾病	ResUNet	CNN	image	NA	NA	NA	NA	NA
486	2024-09-02	Wearable Data From Subjects Playing Super Mario, Taking University Exams, or Performing Physical Exercise Help Detect Acute Mood Disorder Episodes via Self-Supervised Learning: Prospective, Exploratory, Observational Study 2024-Jul-17, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/55094 PMID:39018100	研究论文	本文通过自监督学习方法，利用穿戴设备收集的参与超级玛丽游戏、大学考试或进行体育锻炼的受试者数据，探索性地检测急性情绪障碍发作	本文克服了数据瓶颈，利用自监督学习技术，通过未标记数据预训练模型，提高了急性情绪障碍发作的检测准确性	研究仅使用了161名受试者的数据，且依赖于特定的穿戴设备和预处理流程	旨在通过自监督学习方法提高穿戴设备数据在情绪障碍检测中的应用	穿戴设备收集的数据以及自监督学习模型的性能	机器学习	情绪障碍	自监督学习	Transformer	穿戴设备数据	161名受试者	NA	NA	NA	NA
487	2024-09-02	Deep learning model based on endoscopic images predicting treatment response in locally advanced rectal cancer undergo neoadjuvant chemoradiotherapy: a multicenter study 2024-Jul-13, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05876-2 PMID:39001926	研究论文	本研究旨在开发一种基于内镜图像的深度学习模型，用于预测局部晚期直肠癌患者在接受新辅助放化疗后的治疗反应	本研究首次使用深度学习模型基于内镜图像预测局部晚期直肠癌患者的新辅助放化疗反应	NA	开发一种基于内镜图像的深度学习模型，用于预测局部晚期直肠癌患者的新辅助放化疗反应	局部晚期直肠癌患者的新辅助放化疗反应	机器学习	直肠癌	深度学习	深度学习模型	图像	来自两家中国医疗中心的患者的术前内镜图像	NA	NA	NA	NA
488	2024-09-02	Using artificial intelligence and deep learning to optimise the selection of adult congenital heart disease patients in S-ICD screening 2024 Jul-Aug, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2024.06.003 PMID:38871179	研究论文	本文利用深度学习方法优化成年先天性心脏病患者在S-ICD筛查中的选择	提出了一种新的深度学习模型，用于更长时间段内筛选S-ICD合格患者，以更好地描述T:R比率，减少T波过度感知和不当电击的风险	NA	优化成年先天性心脏病患者在S-ICD筛查中的选择	成年先天性心脏病患者和正常对照组	机器学习	先天性心脏病	深度学习	深度学习模型	心电图数据	13名患者（年龄37.4 ± 7.89岁，61.5%为男性，6名先天性心脏病患者和7名对照组）	NA	NA	NA	NA
489	2024-09-01	Prediction of Endocrine-Disrupting Chemicals Related to Estrogen, Androgen, and Thyroid Hormone (EAT) Modalities Using Transcriptomics Data and Machine Learning 2024-Jul-26, Toxics IF:3.9Q1 DOI:10.3390/toxics12080541 PMID:39195643	研究论文	本研究利用转录组数据和机器学习技术，开发了预测与雌激素、雄激素和甲状腺激素（EAT）模式相关的内分泌干扰化学物质（EDCs）的QGexAR模型	本研究通过整合多种特征选择方法和分类算法，包括CATBoost、XGBoost、随机森林、SVM、逻辑回归、AutoKeras、TPOT和深度学习模型，优化了预测协议，并实现了对EAT模式的预测	NA	开发用于快速检测有害化学物质的计算模型，以有效支持毒理学评估	预测化学物质对雌激素、雄激素和甲状腺激素模式的干扰倾向	机器学习	NA	机器学习	深度学习模型	转录组数据	使用LINCS数据库中的基因表达数据，测试了MCF7（乳腺癌细胞系）和A549（人肺泡基底上皮腺癌细胞系）两种细胞系	NA	NA	NA	NA
490	2024-09-01	Proposal and validation of a new approach in tele-rehabilitation with 3D human posture estimation: a randomized controlled trial in older individuals with sarcopenia 2024-Jul-08, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-024-05188-7 PMID:38977995	随机对照试验	本研究通过随机对照试验，比较了基于深度学习的3D人体姿态估计技术的AI远程训练组与面对面传统训练组和一般远程训练组在老年肌少症患者中的训练效果	本研究首次验证了基于深度学习的3D人体姿态估计技术在远程康复训练中的应用效果	研究样本仅来自长春市的社区组织，可能限制了结果的普遍性	评估基于AI的远程训练方法与传统面对面训练方法在老年肌少症患者中的康复效果	60-75岁患有肌少症的老年人	NA	老年疾病	3D人体姿态估计技术	深度学习	NA	75名老年肌少症患者	NA	NA	NA	NA
491	2024-09-01	Structure-aware deep learning model for peptide toxicity prediction 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5076 PMID:39196703	研究论文	本文介绍了一种名为tAMPer的新型多模态深度学习模型，用于通过整合氨基酸序列组成和三维结构来预测肽的毒性	tAMPer模型采用基于图的表示方法，结合图神经网络和循环神经网络，有效提取结构特征和序列依赖性，提高了预测性能	NA	加速抗菌肽的发现和开发，减少对繁琐毒性筛选实验的依赖	抗菌肽的毒性预测	机器学习	NA	深度学习	图神经网络, 循环神经网络	图, 序列	使用了公开的蛋白质毒性基准数据集和我们生成的抗菌肽溶血数据	NA	NA	NA	NA
492	2024-08-31	Label-Free Surface-Enhanced Raman Spectroscopy with Machine Learning for the Diagnosis of Thyroid Cancer by Using Fine-Needle Aspiration Liquid Samples 2024-Jul-31, Biosensors DOI:10.3390/bios14080372 PMID:39194601	研究论文	本研究开发了一种无需标记的表面增强拉曼光谱（SERS）液体活检方法，结合机器学习算法，用于通过甲状腺细针穿刺（FNA）洗涤液快速准确地诊断甲状腺癌	采用无需标记的SERS技术结合深度学习模型进行甲状腺癌的早期检测和筛查	样本量较小，仅包括36个甲状腺FNA样本	开发一种快速、准确且成本效益高的甲状腺癌诊断方法	甲状腺FNA洗涤液中的恶性与良性样本	机器学习	甲状腺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	拉曼光谱	36个甲状腺FNA样本（18个恶性，18个良性）	NA	NA	NA	NA
493	2024-08-31	Overlapping Shoeprint Detection by Edge Detection and Deep Learning 2024-Jul-31, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080186 PMID:39194975	研究论文	本研究通过结合边缘检测和图像分割技术，利用YOLO模型改进重叠鞋印的检测	引入YOLO模型并结合边缘检测和图像分割技术，提高了重叠鞋印检测的敏感性和精确度	研究主要集中在重叠鞋印的检测，未涉及其他类型的重叠物体	提高在复杂背景下重叠物体的检测准确性	重叠鞋印	计算机视觉	NA	边缘检测	YOLO	图像	未具体说明样本数量	NA	NA	NA	NA
494	2024-08-31	Optimized Crop Disease Identification in Bangladesh: A Deep Learning and SVM Hybrid Model for Rice, Potato, and Corn 2024-Jul-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080183 PMID:39194972	研究论文	本研究构建了一个混合深度学习模型，用于识别三种主要作物（马铃薯、水稻和玉米）的三种特定疾病	本研究利用EfficientNetB0的特征提取能力和SVM的分类能力，提出了一种统一的混合模型，旨在提高数据处理和特征提取的效率，并改善模型在不同作物和疾病中的泛化能力	NA	确保作物健康生长，提高农业部门的可持续发展	马铃薯晚疫病、水稻褐斑病和玉米普通锈病	机器学习	NA	深度学习	混合模型（EfficientNetB0和SVM）	图像	NA	NA	NA	NA	NA
495	2024-08-31	Enhanced Nanoparticle Recognition via Deep Learning-Accelerated Plasmonic Sensing 2024-Jul-26, Biosensors DOI:10.3390/bios14080363 PMID:39194592	研究论文	本文开发了一种基于单颗粒干涉散射模型和深度学习处理的表面等离子体显微镜成像加速方法，用于识别和分类干涉散射图像中的多个颗粒	本文提出了一种结合理论模拟和实际测量数据的新型深度学习技术，有效提高了在噪声条件下对颗粒的分类和识别能力	NA	开发一种自动化的方法，用于高效分析表面等离子体显微镜成像数据中的颗粒	生物颗粒和生物分子，如外泌体、病毒和细菌	计算机视觉	NA	表面等离子体显微镜	EfficientNet	图像	NA	NA	NA	NA	NA
496	2024-08-31	Deep Learning for Single-Shot Structured Light Profilometry: A Comprehensive Dataset and Performance Analysis 2024-Jul-24, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080179 PMID:39194968	研究论文	本文介绍了用于单次结构光轮廓术的深度学习方法，并提供了一个包含超过10,000个物理数据对的全面数据集，用于评估和比较不同的模型和网络架构。	本文的创新点在于构建了一个大规模的深度学习结构光轮廓术数据集，并公开了代码和数据集，以促进该领域的进一步研究和模型评估。	本文的局限性在于数据集的构建依赖于特定的3D打印校准目标，可能限制了数据集的通用性。	本文的研究目的是提供一个基准数据集，用于评估和比较不同的深度学习模型在单次结构光轮廓术中的性能。	本文的研究对象是单次深度学习结构光轮廓术中的神经网络模型和数据集。	计算机视觉	NA	深度学习	神经网络	图像	超过10,000个物理数据对	NA	NA	NA	NA
497	2024-08-31	Deep Learning for Pneumonia Detection in Chest X-ray Images: A Comprehensive Survey 2024-Jul-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080176 PMID:39194965	综述	本文全面分析了深度学习技术在胸片图像中用于肺炎检测的应用	分析并评估了使用视觉转换器（ViTs）在肺炎检测中的潜力	视觉转换器需要进一步研究以解决偏倚的胸片数据集、数据和代码可用性、模型解释的简易性、准确模型比较的系统方法、胸片数据集中的类别不平衡以及对抗性攻击等问题	探讨深度学习在肺炎检测中的应用及其效果	深度学习技术及其在胸片图像肺炎检测中的应用	计算机视觉	肺炎	深度学习	视觉转换器（ViTs）	图像	NA	NA	NA	NA	NA
498	2024-08-30	YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition 2024-Jul-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01338-w PMID:38992601	研究论文	本研究评估了基于全景放射图像（PRs）的YOLO-v5在混合牙列儿童患者中自动检测、分割和编号乳牙和恒牙的有效性	使用YOLO-v5模型实现了对乳牙和恒牙的高精度自动检测和分割	NA	评估YOLO-v5在儿童全景放射图像中自动检测和分割牙齿的有效性	乳牙和恒牙的自动检测、分割和编号	计算机视觉	NA	YOLO-v5	CNN	图像	3854名混合牙列儿童患者全景放射图像	NA	NA	NA	NA
499	2024-08-30	Deep Learning Models for the Screening of Cognitive Impairment Using Multimodal Fundus Images 2024-Jul, Ophthalmology. Retina DOI:10.1016/j.oret.2024.01.019 PMID:38280426	研究论文	本文旨在开发一种基于多模态眼底图像的深度学习系统，用于快速简便地识别认知障碍患者	本文开发了基于多模态眼底图像的深度学习模型，相较于单一模式模型，提供了更丰富的信息	NA	开发一种能够基于多模态眼底图像快速识别认知障碍患者的深度学习系统	参与北京眼科研究2011的受试者以及在北京同仁眼科中心和北京同仁医院体检中心就诊的患者	机器学习	认知障碍	深度学习算法	CNN	图像	9424张视网膜照片和4712张OCT图像用于模型开发，外部验证集包括1180张眼底照片和590张OCT图像	NA	NA	NA	NA
500	2024-08-30	Effects of vitamin D supplementation on a deep learning-based mammographic evaluation in SWOG S0812 2024-Jul-01, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkae042 PMID:38814817	研究论文	本研究评估了维生素D补充对基于卷积神经网络的乳腺X线摄影评估的影响，特别是在SWOG S0812试验中的应用。	研究采用基于卷积神经网络的乳腺癌风险模型，通过乳腺X线摄影非侵入性地评估乳腺癌化学预防的反应。	研究结果显示，维生素D组与安慰剂组在12个月和24个月时基于卷积神经网络的风险评分变化无统计学显著差异。	评估维生素D补充对基于深度学习的乳腺X线摄影评估的影响。	研究对象为参与SWOG S0812试验的208名高风险未绝经女性。	机器学习	乳腺癌	卷积神经网络	CNN	图像	109名基线样本，97名12个月样本，67名24个月样本	NA	NA	NA	NA