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
461	2024-09-02	Novel Hybrid Quantum Architecture-Based Lung Cancer Detection Using Chest Radiograph and Computerized Tomography Images 2024-Aug-07, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080799 PMID:39199758	研究论文	本研究提出了一种结合深度学习和量子计算的混合框架，用于通过胸部X光片和计算机断层扫描图像提高肺癌检测的准确性	本研究的创新点在于结合了深度学习和量子计算，提高了肺癌检测的速度、准确性和效率	NA	提高肺癌检测的准确性和效率	肺癌检测	计算机视觉	肺癌	深度学习	量子电路	图像	NA
462	2024-09-02	Bone Imaging of the Knee Using Short-Interval Delta Ultrashort Echo Time and Field Echo Imaging 2024-Aug-06, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13164595 PMID:39200736	研究论文	本文介绍了使用短间隔δ超短回波时间（δUTE）、场回波（FE）和高分辨率深度学习重建（HR-DLR）三种技术进行膝关节直接骨磁共振成像的方法	δUTE技术能高信号强度地描绘皮质骨，而FE和FE HR-DLR技术能同时描绘皮质骨和骨小梁，且FE HR-DLR的信噪比和对比噪声比显著更高	目前尚无MRI技术能提供与CT完全相同的对比度	开发和评估用于膝关节骨评估的直接骨MRI技术	健康志愿者的膝关节	医学影像	NA	磁共振成像（MRI）	深度学习重建（DLR）	图像	5名健康志愿者（3名女性，平均年龄38 ± 17.2岁）
463	2024-09-02	An Interpretable System for Screening the Severity Level of Retinopathy in Premature Infants Using Deep Learning 2024-Aug-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080792 PMID:39199750	研究论文	本研究开发了一种可解释的人工智能系统，用于模拟临床筛查过程，评估早产儿视网膜病变（ROP）的严重程度	该系统遵循临床指南，通过整合病变类型、病变位置和加病存在来确定ROP的严重程度，提高了系统的透明度和解释性	NA	开发一种可解释的人工智能系统，用于评估早产儿视网膜病变的严重程度	早产儿视网膜病变（ROP）的严重程度	机器学习	NA	深度学习	对象检测模型	图像	6100张RetCam Ⅲ广角数字视网膜图像，来自520名PY患儿和81名ZOC患儿的3330张和2770张图像分别用于训练和验证
464	2024-09-02	Emotion Detection from EEG Signals Using Machine Deep Learning Models 2024-Aug-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080782 PMID:39199740	研究论文	本研究评估了使用机器学习和深度学习模型（特别是图卷积神经网络GCNN）对脑电图信号中的情绪（积极、消极和中性）进行分类的效果	本研究采用了图卷积神经网络GCNN，并在受试者依赖实验中达到了89.97%的平均准确率，显示出其在情绪检测中的潜力	尽管GCNN模型在情绪检测中表现出色，但其处理时间较长，这是由于算法固有的优化特性所致	评估机器学习和深度学习模型在脑电图信号情绪分类中的应用	脑电图信号中的情绪分类	机器学习	NA	脑电图(EEG)	图卷积神经网络(GCNN)	脑电图信号	使用了公开的SEED数据集（上海交通大学情绪脑电图数据集），通过中国情感电影的听觉和视觉刺激获得
465	2024-09-02	Neural general circulation models for weather and climate 2024-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07744-y PMID:39039241	研究论文	本文介绍了一种结合可微分求解器和机器学习组件的神经环流模型（GCM），用于天气和气候预测	该模型能够在确定性天气、集合天气和气候预测方面与最佳的机器学习和物理基础方法相媲美，并提供了显著的计算节省	该模型在扩展到显著不同的未来气候方面存在局限	探索和预测地球系统的大规模物理模拟	天气和气候预测	机器学习	NA	深度学习	神经环流模型（GCM）	气象数据	NA
466	2024-09-02	Evolution of Drug Development and Regulatory Affairs: The Demonstrated Power of Artificial Intelligence 2024-Aug, Clinical therapeutics IF:3.2Q2 DOI:10.1016/j.clinthera.2024.05.012 PMID:38981791	综述	本文通过叙述性综述探讨了人工智能在药物开发及其监管过程中的应用	本文首次系统地整理和阐明了人工智能在药物开发和监管过程中的实际应用	目前文献中关于人工智能实际应用的证据不足，需要监管机构进一步制定适当的指导方针	探讨人工智能在药物开发和监管过程中的作用和影响	人工智能技术在药物开发和监管流程中的应用	机器学习	NA	机器学习、深度学习、自然语言处理和机器人流程自动化	NA	NA	NA
467	2024-08-07	Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence 2024-Aug, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102014 PMID:39089361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
468	2024-09-02	Deep learning applied to dose prediction in external radiation therapy: A narrative review 2024-Aug, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2024.03.005 PMID:39138047	综述	本文综述了深度学习在放射治疗剂量预测中的应用，描述了各种深度学习架构及其在体外放射治疗中的性能和未来发展	深度学习模型和架构的创新以及基于知识的个性化方法显著提高了剂量预测的准确性	NA	探讨深度学习在体外放射治疗中作为快速剂量计算或质量保证工具的应用	深度学习架构和模型在体外放射治疗中的应用	机器学习	NA	深度学习	CNN, LSTM, GAN, ...	NA	NA
469	2024-09-02	High Prevalence of Artifacts in Optical Coherence Tomography With Adequate Signal Strength 2024-Aug-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.8.43 PMID:39196579	研究论文	本研究旨在调查具有可接受信号强度的光学相干断层扫描（OCT）图像中伪影的普遍性，并评估监督深度学习模型在提高OCT图像质量评估中的性能	研究展示了深度学习模型在准确分类OCT图像质量方面的潜力	仅依赖信号强度进行OCT图像质量评估存在局限性	调查OCT图像中伪影的普遍性并提高图像质量评估	4555张OCT图像，来自546名患者，每张图像信号强度≥6	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	4555张OCT图像，来自546名患者
470	2024-09-02	Single-Trial Detection and Classification of Event-Related Optical Signals for a Brain-Computer Interface Application 2024-Aug-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080781 PMID:39199739	研究论文	本研究评估了神经网络方法在单次试验中对运动反应相关事件相关光学信号（EROS）的分类性能	首次探索了单次试验中EROS的分类能力，并展示了深度学习在具有高空间分辨率信号上的应用潜力	研究仅限于左右手反应的分类，且分类准确率平均为63%	评估神经网络方法在单次试验中对EROS的分类性能，以应用于脑机接口	事件相关光学信号（EROS）及其在脑机接口中的应用	脑机接口	NA	NA	卷积神经网络（CNN）	光学信号	高密度记录装置覆盖运动皮层的数据
471	2024-09-01	Artificial Intelligence in Military Medicine 2024-Aug-30, Military medicine IF:1.2Q2 DOI:10.1093/milmed/usae359 PMID:39028176	研究论文	本文探讨了人工智能在军事医学中的应用及其潜力和挑战	文章介绍了美国军事部门在军事医学中实施的几项人工智能倡议，包括预测部队行为和预测部队自杀率的模型	尽管人工智能在军事医学中有巨大潜力，但其固有的风险和局限性需要仔细考虑和讨论	旨在揭示人工智能在军事医学中的应用，并推动其在军事健康和整体作战准备中的有效利用	人工智能在军事医学中的应用，包括临床效率支持、大规模战斗操作的分类和临床护理算法等	机器学习	NA	深度学习	生成式AI	数据集	NA
472	2024-09-01	Deep learning with uncertainty estimation for automatic tumor segmentation in PET/CT of head and neck cancers: impact of model complexity, image processing and augmentation 2024-Aug-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6dcd PMID:39127060	研究论文	本文评估了使用卷积神经网络（CNN）自动分割头颈部癌症PET/CT图像的方法，以提高分割质量和评估不确定性。	采用蒙特卡洛 dropout 技术量化和可视化自动轮廓的不确定性，并探讨了图像预处理、图像增强、迁移学习和CNN复杂性对模型性能和跨中心泛化能力的影响。	自动轮廓可能产生不现实的轮廓或遗漏相关结构，且模型不确定性主要与假阳性、假阴性体素及低Dice系数相关。	提高头颈部癌症PET/CT图像自动分割的质量和评估其不确定性。	头颈部鳞状细胞癌患者的PET/CT图像。	计算机视觉	头颈部癌症	卷积神经网络（CNN）	CNN	图像	两个患者队列，来自两个中心的基线F-氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像（FDG-PET/CT）。
473	2024-09-01	Enhancing substance identification by Raman spectroscopy using deep neural convolutional networks with an attention mechanism 2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay00602j PMID:39140306	研究论文	本研究利用带有注意力机制的深度神经卷积网络改进拉曼光谱对危险化学物质的识别	引入基于ResNet架构的深度神经卷积网络和SE模块注意力机制，有效结合拉曼光谱的强度和位移特征，显著提升模型性能	研究主要关注小样本条件下的分类预测性能，未详细讨论大规模数据集的应用情况	提高拉曼光谱在有限数据情况下对危险化学物质的识别能力，并探索其在移动设备上的应用潜力	474种危险化学物质的拉曼光谱数据	机器学习	NA	拉曼光谱	CNN	光谱数据	59,468个光谱数据
474	2024-09-01	Predicting and screening high-performance polyimide membranes using negative correlation based deep ensemble methods 2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01160k PMID:39145470	research paper	本研究利用基于负相关集成技术的深度学习方法预测和筛选高性能聚酰亚胺膜，提出了一种基于负相关深度集成方法的深度神经网络模型（DNN-NCL），用于预测聚酰亚胺结构的气体渗透性和选择性。	本研究提出的DNN-NCL模型在测试集上达到了约0.95的值，比近期模型性能提高了4%，并有效缓解了过拟合问题。	NA	探索利用深度学习方法在庞大的化学空间中寻找高性能气体分离膜的可行性。	聚酰亚胺膜的气体渗透性和选择性。	machine learning	NA	深度学习	深度神经网络（DNN）	分子指纹	超过800万个假设聚合物
475	2024-09-01	Correction: YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition 2024-Aug-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01410-5 PMID:39198729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
476	2024-09-01	Prediction of mutation-induced protein stability changes based on the geometric representations learned by a self-supervised method 2024-Aug-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05876-6 PMID:39198740	研究论文	本文介绍了一种基于自监督学习方法的几何表示来预测突变引起的蛋白质稳定性变化的深度学习框架mutDDG-SSM	mutDDG-SSM框架包括一个基于图注意力网络的蛋白质结构特征提取器和一个基于极端梯度提升模型的稳定性变化预测器，有效缓解了过拟合问题	NA	预测蛋白质结构-功能关系中的突变引起的蛋白质稳定性变化，对蛋白质工程和药物设计具有重要意义	突变引起的蛋白质稳定性变化	机器学习	NA	自监督学习	图注意力网络，极端梯度提升模型	蛋白质结构	使用了大规模高分辨率的蛋白质结构数据集进行训练和测试
477	2024-09-01	Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review 2024-Aug-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02310-6 PMID:39198744	综述	本研究通过系统综述方法，探讨了临床结构化数据集中处理缺失值的最合适插补方法	本研究构建了一个证据地图，根据缺失值的机制、模式和比例以及各种插补策略，推荐了适用于处理表格数据集中缺失值的合适插补方法	NA	旨在为临床数据预处理阶段选择最合适的插补方法提供指导	临床结构化数据集中的缺失值处理方法	NA	NA	插补技术	NA	表格数据	分析了58篇文章
478	2024-09-01	Meta-analysis of the effectiveness of early endoscopic treatment of Acute biliary pancreatitis based on lightweight deep learning model 2024-Aug-28, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-024-03361-1 PMID:39198766	meta-分析	本研究通过meta-分析评估早期内镜治疗急性胆源性胰腺炎的有效性，基于轻量级深度学习模型	采用轻量级深度学习模型进行分析，提供了新的技术手段	研究仅包括了8篇文章，可能存在样本量不足的问题	评估早期内镜逆行胰胆管造影（ERCP）治疗急性胆源性胰腺炎的安全性和有效性	急性胆源性胰腺炎患者	NA	急性胆源性胰腺炎	NA	轻量级深度学习模型	NA	8篇文章，共8,801名患者
479	2024-09-01	COVID-19 severity detection using chest X-ray segmentation and deep learning 2024-08-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70801-z PMID:39191941	研究论文	本文介绍了一种使用胸部X光图像分割和深度学习框架进行COVID-19分类和严重程度预测的方法	采用U-Net进行肺部分割，精度达到0.9924，并使用卷积胶囊网络进行分类，以及ResNet50、VGG-16和DenseNet201进行严重程度评估，其中DenseNet201显示出更高的准确性	NA	提高COVID-19的早期检测和严重程度评估，以改善临床环境中的患者管理和资源分配	COVID-19的分类和严重程度预测	计算机视觉	COVID-19	深度学习	U-Net, Convulation-capsule network, ResNet50, VGG-16, DenseNet201	图像	NA
480	2024-09-01	Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data 2024-Aug-26, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-024-01932-y PMID:39183247	研究论文	本研究利用多模态数据预测HER2阳性胃癌患者对单一抗HER2治疗或联合免疫治疗的反应	引入了一种名为MuMo的深度学习模型，该模型整合了影像学、病理学和临床信息，以提高治疗反应预测的准确性	研究未提及具体的模型局限性或数据集的潜在偏差	旨在通过综合分析方法准确预测HER2阳性胃癌患者对抗HER2治疗或联合免疫治疗的反应	HER2阳性胃癌患者	机器学习	胃癌	深度学习	MuMo	多模态数据	429名患者，其中310名接受抗HER2治疗，119名接受抗HER2联合抗PD-1/PD-L1抑制剂免疫治疗