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
841	2024-08-05	Relationship evolution shapes inter-brain synchrony in affective sharing: The role of self-expansion 2024-Jul-25, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-024-02841-0 PMID:39052095	研究论文	这项研究探讨了人际关系的发展如何影响非语言社会情感互动中的脑间同步现象	通过采用基于EEG的超扫描技术，探讨了自我扩展模型在社交互动中的适用性，并发现随着关系的发展，脑间耦合发生了变化	该研究的样本规模和人际关系的多样性未被详细说明	研究人际关系演变对社交互动中脑间同步性的影响	被试的二人组在七个月时间内的社交互动	自然语言处理	NA	EEG超扫描技术	深度学习模型	脑电图数据	二人组，在七个月内的互动
842	2024-08-05	A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds 2024-Jul-25, Biofabrication IF:8.2Q1 DOI:10.1088/1758-5090/ad6374 PMID:39008994	研究论文	本文利用机器学习方法预测3D（生物）打印支架的质量	提供了关于3D打印支架的最全面的开源数据集，并运用多种人工智能技术进行分析	缺乏更广泛的应用案例来验证模型的普适性	解决人工智能在组织工程中的数据不足问题	1171个不同生物材料制成的3D打印支架，涉及多种细胞系和打印条件	机器学习	NA	机器学习和深度学习	全连接神经网络	数据集	1171个支架样本，涵盖60种生物材料和49种细胞系
843	2024-08-05	Neural activity shaping in visual prostheses with deep learning 2024-Jul-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	这篇文章提出了一种基于深度学习的无模型神经活动塑形方法，用于视觉假体的刺激模式定义	提出了一种新的无模型解决方案，利用人工神经网络进行神经活动塑形，能在不同视网膜模型中高效适用	无具体提及实验数据规模或样本多样性的问题	提升视网膜假体用户的视觉体验，通过改进刺激模式来实现更精确的神经激活控制	视网膜假体的多极刺激模式，尤其是通过神经响应进行指导的刺激	数字病理学	NA	人工神经网络（ANN）	NA	自然图像数据	使用了从植入物收集的数据和大型自然图像数据集
844	2024-08-05	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2024-Jul-24, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种新的混合方法MI-CSBO，用于心肌梗死分类	引入了使用频谱图和贝叶斯优化的混合方法进行心肌梗死分类	缺乏对比其他方法的详细评估	提高心肌梗死的早期诊断准确性	使用PTB数据库中的ECG信号进行分析	计算机视觉	心肌梗死	频谱图, 贝叶斯优化	深度残差CNN	ECG图像数据	使用PTB数据库的ECG信号数据集
845	2024-08-05	Deep Learning Used with a Colorimetric Sensor Array to Detect Indole for Nondestructive Monitoring of Shrimp Freshness 2024-Jul-24, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c04223 PMID:38980942	研究论文	该研究开发了一种基于深度学习的颜色传感器阵列，用于无损监测虾的新鲜度	通过使用色谱传感器阵列和深度学习技术，实现了对虾中新鲜度指示物吲哚的定量分析	该研究可能未考虑其他因素影响色变化的复杂性	开发一种有效的监测虾新鲜度的方法	主要研究对象为虾的新鲜度和相关的吲哚浓度	数字病理学	NA	色谱传感器	DCNN	图像	研究中使用的样本量未具体说明
846	2024-08-05	Multimodal deep learning using on-chip diffractive optics with in situ training capability 2024-Jul-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50677-3 PMID:39043669	研究论文	该文章提出了一种基于芯片衍射光学的可训练的衍射光学神经网络芯片，支持多模态深度学习	提出了一种可训练的TDONN芯片，能够同时处理视觉、音频和触觉数据，突破了传统光学深度学习在数据模态方面的限制	当前的研究主要集中在四类分类任务上，可能无法扩展到更复杂或更多模态的数据集	探索在光学领域实现多模态深度学习的可行性	针对不同模态（视觉、音频和触觉）的分类任务进行研究	机器学习	NA	衍射光学	神经网络	多模态数据	NA
847	2024-08-05	A multi-classifier system integrated by clinico-histology-genomic analysis for predicting recurrence of papillary renal cell carcinoma 2024-Jul-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50369-y PMID:39043664	研究论文	本研究开发了一种通过临床、组织学和基因组分析整合的多分类器系统，以准确预测乳头状肾细胞癌的复发	该多分类器系统结合了lncRNA基础分类器、深度学习全幻灯片图像分类器和临床病理分类器，显著提高了复发无生存期的预测准确性	NA	提高乳头状肾细胞癌术后复发的预测准确性	局部（I-III期）的乳头状肾细胞癌患者	数字病理学	肾癌	深度学习	多分类器系统	图像	NA
848	2024-08-05	CapsEnhancer: An Effective Computational Framework for Identifying Enhancers Based on Chaos Game Representation and Capsule Network 2024-Jul-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00546 PMID:38946113	研究论文	本文提出了一种名为CapsEnhancer的深度学习框架，用于识别增强子及其强度	这是首次将计算机视觉方法应用于增强子识别任务	NA	旨在通过计算方法提高增强子识别的效率	针对非编码DNA中的增强子进行研究	数字病理学	NA	深度学习	胶囊网络	图像	NA
849	2024-08-05	Pre-gating and contextual attention gate - A new fusion method for multi-modal data tasks 2024-Jul-17, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106553 PMID:39053303	研究论文	本文提出了一种新颖的预门控和上下文注意力门（PCAG）模块，用于多模态学习	引入了两个在深度学习模型中不同信息处理层次操作的门控机制，从而改善多模态数据的融合	未提及特定的局限性	探讨提高多模态学习性能的新方法	多模态数据和跨模态交互	机器学习	NA	NA	NA	分类任务相关数据	八个多模态分类任务
850	2024-08-05	Towards energy efficiency: A comprehensive review of deep learning-based photovoltaic power forecasting strategies 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33419 PMID:39050417	综述	本文系统评审了基于深度学习的光伏功率预测策略，分析了现有文献中的关键要素和差异。	提出了一种全面的文献审查，首次将不同模型和预测指标进行系统比较，并强调了数据集的一致性问题。	未能提供跨域的基准数据集和标准化性能评价单位，限制了研究的全面性。	研究光伏功率预测中的深度学习方法及其现状。	选择了发表于2022和2023年的36个相关案例研究进行分析和比较。	机器学习	NA	深度学习	人工神经网络单元、递归单元、卷积单元和转换单元	时间序列	36个研究案例
851	2024-08-05	Automatic detection, segmentation, and classification of primary bone tumors and bone infections using an ensemble multi-task deep learning framework on multi-parametric MRIs: a multi-center study 2024-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10506-5 PMID:38127073	研究论文	本文开发了一种集成多任务深度学习框架，用于自动检测、分割和分类原发性骨肿瘤和骨感染	提出的框架结合多参数MRI和临床特征，显著提高了单模态模型的分类能力	研究为回顾性，样本数据来自多个中心，可能存在数据和结果的一致性问题	研究的目的是提高原发性骨肿瘤和骨感染的自动检测和分类能力	749名来自两个医院的原发性骨肿瘤和骨感染患者	数字病理学	NA	多参数MRI	集成多任务深度学习	影像	749名患者
852	2024-08-05	Ultrasound and diffuse optical tomography-transformer model for assessing pathological complete response to neoadjuvant chemotherapy in breast cancer 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076007 PMID:39050779	研究论文	本文评估了整合超声和弥散光学断层成像图像在 predicting 乳腺癌患者对新辅助化疗的病理完全反应的效率	该研究提出了一种名为USDOT-Transformer的模型，结合了超声和弥散光学断层成像技术与肿瘤受体生物标志物，用于准确预测乳腺癌患者的新辅助化疗效果	研究的样本量相对较小，仅为60名患者，可能限制了模型的普遍适用性	本文旨在开发和评估USDOT-Transformer模型在预测乳腺癌患者对新辅助化疗的病理完全反应方面的性能	研究对象为正在接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	超声、弥散光学断层成像	Transformer	影像	60名乳腺癌患者
853	2024-08-05	CT-based deep learning model for predicting hospital discharge outcome in spontaneous intracerebral hemorrhage 2024-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10505-6 PMID:38127074	研究论文	该文章旨在使用基于CT图像的深度学习模型预测自发性脑内出血患者的功能结局。	文章创新地将临床表现、CT图像和放射特征结合起来，建立了深度学习模型，以提高自发性脑内出血患者功能预后的准确性。	由于该研究为回顾性双中心研究，结果可能受到数据收集和样本选择的局限性影响。	研究的目的是利用深度学习模型预测自发性脑内出血患者的功能结果。	研究对象为604名自发性脑内出血患者。	数字病理学	脑血管疾病	深度学习	3D卷积模型与极端梯度提升(XGBoost)模型	CT图像	总共有604名自发性脑内出血患者参与本研究，其中450名为训练集，50名为测试集，104名为外部验证集
854	2024-08-07	Deep learning reconstruction computed tomography with low-dose imaging 2024-07, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-05950-4 PMID:38758373	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
855	2024-08-05	Prediction of visual field progression with serial optic disc photographs using deep learning 2024-Jul-23, The British journal of ophthalmology DOI:10.1136/bjo-2023-324277 PMID:37833037	研究论文	本研究测试了基于纵向视神经盘照片预测视野进展的深度学习模型的假设	提出了一种使用双神经网络和ResNet50骨干的深度学习模型来预测青光眼的进展	该研究需要进一步验证模型的临床适用性	研究目的在于利用深度学习模型预测基于光盘照片的视野进展	研究对象为3919只眼睛，其中包括2259名患者	数字病理学	青光眼	深度学习	双神经网络（ResNet50）	图像	3919只眼睛（2259名患者）
856	2024-08-05	Differentiation of granulomatous nodules with lobulation and spiculation signs from solid lung adenocarcinomas using a CT deep learning model 2024-Jul-22, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12611-0 PMID:39039511	研究论文	本研究利用CT深度学习模型区分具有分叶和尖刺征兆的肉芽肿结节与实性肺腺癌	提出了一种CT深度学习模型，能有效提高诊断分叶和尖刺征兆的肉芽肿结节的准确性	该研究可能受到样本选择偏差和回顾性分析的影响	旨在提高在手术前诊断分叶和尖刺征兆肉芽肿结节的准确性	420名患有病理确认的肉芽肿结节和肺腺癌的患者	计算机视觉	肺癌	CT深度学习	自监督转移学习	图像	420名患者
857	2024-08-05	A dataset for deep learning based detection of printed circuit board surface defect 2024-Jul-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03656-8 PMID:39039085	研究论文	本文创建了一个用于深度学习检测印刷电路板表面缺陷的数据集	创新性在于分类了9种印刷电路板表面缺陷并开发了一个大规模的数据集DsPCBSD+	NA	旨在提高印刷电路板表面缺陷的检测精度与效率	印刷电路板表面缺陷	深度学习	NA	深度学习	NA	图像	10259张图像，20276个缺陷
858	2024-08-05	Chemical language modeling with structured state space sequence models 2024-Jul-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50469-9 PMID:39039051	研究论文	本文介绍了一种新型深度学习架构S4模型在新药设计中的应用	S4模型在化学语言建模中展现出卓越的学习复杂分子特性的能力	未提及具体局限性	探讨S4模型如何提升化学语言建模以进行新药设计	该研究集中于药物发现任务中的化学语言模型	机器学习	NA	深度学习	S4模型	分子字符串	涉及多个药物发现任务的多种分子
859	2024-08-05	Radiograph-based rheumatoid arthritis diagnosis via convolutional neural network 2024-Jul-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01362-w PMID:39039460	研究论文	本文旨在开发一种基于深度学习的自动化系统，用于从X光片中识别和分级类风湿性关节炎(RA)	提出了一种基于CNN的完全自动化RA诊断模型，探索了五种流行的CNN架构	实验只基于手部X光片，未探讨其他部位的RA诊断可能性	研究旨在为RA的快速、准确诊断开发一种新的方法	基于240张手部X光片的数据集进行训练和104张X光片的评估	计算机视觉	类风湿性关节炎	卷积神经网络(CNN)	GoogLeNet和VGG16	图像	240张手部X光片用于训练，104张用于评估
860	2024-08-05	Artificial intelligence model for automated surgical instrument detection and counting: an experimental proof-of-concept study 2024-Jul-21, Patient safety in surgery IF:2.6Q1 DOI:10.1186/s13037-024-00406-y PMID:39034409	研究论文	本研究评估了一种基于深度学习的计算机视觉模型，用于自动化手术工具检测和计数	提出了一种新颖的数据集与深度学习模型，展示了自动检测和计数手术工具的可行性	需要在临床环境中进一步验证模型的有效性	旨在提高手术安全性，并减少手术人员的手动工作负担	使用包含13,213个手术工具的图像数据集进行模型训练和性能评估	计算机视觉	NA	深度学习	NA	图像	1,004张图像，11个类别的手术工具