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
661	2024-08-24	Deep learning-based corrosion inspection of long-span bridges with BIM integration 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35308 PMID:39170363	研究论文	本文研究了一种基于深度学习的方法，用于自动测量长跨桥梁腐蚀部位的位置和面积，并通过BIM（建筑信息模型）集成来提高桥梁管理的效率	本文创新地结合了深度学习技术和BIM模型，实现了对桥梁腐蚀部位的自动检测和测量	本文未提及该方法在不同环境条件下的适用性和准确性	提高基础设施维护的效率和自动化水平，特别是针对日本老化基础设施的检测和管理	长跨桥梁的腐蚀检测和维护	计算机视觉	NA	深度学习	NA	图像	实际长跨桥梁
662	2024-08-24	Discovery of Potent Selective HDAC6 Inhibitors with 5-Phenyl-1H-indole Fragment: Virtual Screening, Rational Design, and Biological Evaluation 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01052 PMID:39042494	研究论文	本文通过虚拟筛选、理性设计和生物评估，发现了一种含有5-苯基-1H-吲哚片段的高效选择性HDAC6抑制剂。	本文采用深度学习模型、分子对接和分子动力学模拟技术进行理性药物设计，发现了一种具有良好细胞毒性的新型HDAC6抑制剂。	NA	发现具有理想疗效且毒副作用小的选择性HDAC6抑制剂，以应用于肿瘤治疗。	HDAC6抑制剂及其在肿瘤细胞中的作用机制。	药物设计	肿瘤	深度学习模型、分子对接、分子动力学模拟	NA	分子结构	多种肿瘤细胞系
663	2024-08-24	Kinetics and coexistence of autocatalytic reaction cycles 2024-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69267-w PMID:39117739	研究论文	研究了在资源无限和资源有限的系统中，自催化反应循环的动力学及其共存问题	展示了深度学习能够从拓扑结构和动力学速率常数预测竞争结果	研究仅限于特定类型的自催化循环，未涉及更复杂的耦合如互催化	探讨自催化反应循环的形成条件及其操作速度	自催化反应循环在不同系统中的动力学行为	化学	NA	深度学习	NA	NA	NA
664	2024-08-24	Investigation of heat-induced pork batter quality detection and change mechanisms using Raman spectroscopy coupled with deep learning algorithms 2024-Aug-08, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.140798 PMID:39173265	研究论文	本研究探讨了使用拉曼光谱结合深度学习算法快速检测猪肉面糊质量和揭示加热过程中质量变化机制的方法	本研究首次将拉曼光谱与深度学习算法结合，用于预测猪肉面糊的凝胶强度和白度，并揭示了加热过程中质量变化的机制	NA	研究目的是开发一种非破坏性工具，用于预测猪肉面糊的质量和阐明质量变化机制	猪肉面糊的质量检测和加热过程中质量变化机制	机器学习	NA	拉曼光谱	CNN, LSTM, CNN-LSTM	拉曼光谱	NA
665	2024-08-24	Markerless Motion Capture to Quantify Functional Performance in Neurodegeneration: Systematic Review 2024-Aug-06, JMIR aging IF:5.0Q1 DOI:10.2196/52582 PMID:39106477	综述	本文通过系统综述探讨了无标记运动捕捉技术在量化痴呆、轻度认知障碍和帕金森病患者功能表现中的应用	无标记运动捕捉技术提供了一种客观且不显眼的方法来监测社区环境中的功能表现	尽管有潜力，但需要进一步研究以确定无标记运动捕捉技术在现实世界中量化移动性和功能表现的临床效用	调查无标记运动捕捉技术在量化痴呆、轻度认知障碍和帕金森病患者功能表现中的应用	痴呆、轻度认知障碍和帕金森病患者	NA	神经退行性疾病	无标记运动捕捉	深度学习模型	视频	26项符合选择标准的研究
666	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-Aug-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
667	2024-08-24	Predicting tumor mutation burden and VHL mutation from renal cancer pathology slides with self-supervised deep learning 2024-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70112 PMID:39166457	研究论文	本文开发了一种自监督注意力基础的多实例学习（SSL-ABMIL）模型，用于从肾癌病理切片中预测肿瘤突变负荷（TMB）和VHL突变状态	首次使用自监督学习方法从病理图像中预测TMB和VHL突变，展示了肿瘤形态学与分子生物学之间的联系	研究仅限于肾透明细胞癌（ccRCC），且依赖于特定数据集	开发一种新模型以从病理图像中预测TMB和VHL突变，提高临床应用性	肾透明细胞癌患者的病理图像和突变数据	数字病理学	肾癌	自监督学习	SSL-ABMIL	图像	350名肾透明细胞癌患者用于模型开发，163名患者用于外部验证
668	2024-08-24	Artificial Intelligence Models Are Limited in Predicting Clinical Outcomes Following Hip Arthroscopy: A Systematic Review 2024-Aug-01, JBJS reviews IF:1.7Q2 DOI:e24.00087 PMID:39172870	系统综述	本文通过系统综述评估了人工智能模型在髋关节镜术后临床结果预测中的表现和有效性	探讨了人工智能在髋关节镜术后临床结果预测中的应用	所有模型均未进行外部验证，限制了其临床应用	评估人工智能模型在髋关节镜术后临床结果预测中的表现和有效性	髋关节镜术后的临床结果预测模型	机器学习	NA	机器学习	NA	NA	6568例
669	2024-08-23	Algorithm prediction of single particle irradiation effect based on novel TFETs 2024-Aug-22, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad6d73 PMID:39121872	研究论文	本文构建了一个深度学习算法网络模型，用于预测隧道场效应晶体管（TFET）器件的单粒子辐照效应的关键表征参数	本文采用深度学习算法，相较于五种传统机器学习方法，显示出最佳性能和最小的平均误差百分比	NA	预测隧道场效应晶体管器件的单粒子辐照效应	隧道场效应晶体管器件的单粒子辐照效应	机器学习	NA	计算机辅助设计（TCAD）	深度学习算法	电流脉冲峰值和收集电荷	NA
670	2024-08-23	Boosting-Crystal Graph Convolutional Neural Network for Predicting Highly Imbalanced Data: A Case Study for Metal-Insulator Transition Materials 2024-Aug-21, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c07851 PMID:39121441	研究论文	本文介绍了一种深度学习框架，用于预测金属-绝缘体转变（MIT）材料中的少数类材料	提出的boosting-CGCNN方法结合了晶体图卷积神经网络（CGCNN）和梯度提升算法，有效处理了MIT材料数据中的极端类别不平衡问题	NA	解决材料科学中不平衡数据集的预测问题	金属-绝缘体转变（MIT）材料	机器学习	NA	晶体图卷积神经网络（CGCNN）	卷积神经网络（CNN）	材料数据	NA
671	2024-08-23	Semi-supervised abdominal multi-organ segmentation by object-redrawing 2024-Aug-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17364 PMID:39167059	研究论文	本文提出了一种半监督学习方法，通过对象重绘网络来提高腹部多器官分割的准确性	引入了一种新的半监督学习方法，通过重绘网络来纠正分割错误并提高准确性	依赖于有限的标记数据，且需要高质量的未标记数据来提升性能	解决现有半监督学习方法在腹部多器官分割中的局限性	腹部多器官的自动分割	计算机视觉	NA	深度学习	神经网络	图像	使用了两个公开数据集：BTCV分割数据集（训练：44，验证：6）和AMOS挑战2022数据集（训练：138，验证：16）
672	2024-08-23	Enhanced IDOL segmentation framework using personalized hyperspace learning IDOL 2024-Aug-21, Medical physics IF:3.2Q1 DOI:10.1002/mp.17361 PMID:39167055	研究论文	本文介绍了一种个性化超空间学习（PHL）-IDOL分割框架，用于自动分割医学图像，以改善适应性放射治疗（ART）工作流程。	引入个性化超空间学习（PHL）-IDOL框架，能够生成诱导模型过度拟合特定患者特征的数据集，从而提高分割性能。	先前IDOL框架的局限性在于个性化数据集不足以有效过度拟合模型。	开发一种新的自动分割框架，以解决临床环境中深度学习分割方法实施的挑战。	医学图像分割，特别是适应性放射治疗中的实时或在线工作流程。	数字病理学	NA	深度学习	IDOL	图像	训练数据包括100名患者的CT图像和临床轮廓，测试数据包括20名患者。
673	2024-08-23	Deep learning applications for quantitative and qualitative PET in PET/MR: technical and clinical unmet needs 2024-Aug-21, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01199-y PMID:39167304	研究论文	本文综述了深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求，重点包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成	提出了基于深度学习的衰减校正、图像增强、运动校正等方法，并探讨了使用蒙特卡洛模拟生成大量数据集的可能性	深度学习在儿科全身PET/MR和肺部特定衰减校正的应用受限于数据短缺和技术限制；图像增强的临床价值尚未在多种放射性示踪剂中得到充分评估；运动校正需要成对的运动损坏和校正数据，但这类数据稀缺	探讨深度学习在PET/MR中定量和定性PET应用的技术和临床未满足需求，并寻找解决方案	深度学习在PET/MR中的应用，包括衰减校正、图像增强、运动校正、动力学建模和模拟数据生成	机器学习	NA	深度学习	NA	图像	NA
674	2024-08-23	Effective lane detection on complex roads with convolutional attention mechanism in autonomous vehicles 2024-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70116-z PMID:39160343	研究论文	本文提出了一种基于卷积注意力机制的车道检测方法，用于在复杂路况和极端天气条件下提高自动驾驶车辆的车道检测准确性	引入卷积注意力机制（LD-CAM）模型，通过编码器、增强卷积块注意力模块（E-CBAM）和解码器结构，提高了在恶劣路况和极端天气条件下的车道检测性能	NA	开发一种在复杂路况和极端天气条件下有效进行车道检测的方法，以提高自动驾驶车辆的安全性和可靠性	自动驾驶车辆中的车道检测技术	计算机视觉	NA	卷积注意力机制（LD-CAM）	卷积神经网络（CNN）	图像	使用了三个数据集：Tusimple（不同天气条件图像）、Curve Lanes（不同曲线车道图像）和Cracks and Potholes（损坏道路图像）
675	2024-08-23	Deep learning based uterine fibroid detection in ultrasound images 2024-Aug-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01389-z PMID:39160500	研究论文	本文提出了一种基于注意力机制的Fine-tuned EfficientNetB0模型，用于从超声图像中分类子宫肌瘤	采用注意力机制使模型能够专注于图像的特定部分，提高分类的准确性	需要进一步提高诊断技术的准确性和效率，并在不同人群中评估其有效性	开发一种新的方法来早期检测子宫肌瘤，以预防并发症	子宫肌瘤的超声图像分类	计算机视觉	妇科疾病	NA	EfficientNetB0	图像	1990张图像，分为两类：非子宫肌瘤和子宫肌瘤
676	2024-08-23	Multi-class segmentation of temporomandibular joint using ensemble deep learning 2024-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69814-5 PMID:39160234	研究论文	本文开发了一种基于深度学习的模型，用于自动分割颞下颌关节的组成部分，包括颞骨、盘和髁突	本文采用集成学习方法，结合五个独立模型，提高了颞下颌关节自动分割的准确性	NA	提高颞下颌关节疾病的诊断准确性	颞下颌关节的组成部分，包括颞骨、盘和髁突	计算机视觉	颞下颌关节疾病	深度学习	集成模型	磁共振图像	3693张磁共振图像，来自542名患者
677	2024-08-23	Quantifying brain-functional dynamics using deep dynamical systems: Technical considerations 2024-Aug-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110545 PMID:39165842	研究论文	本研究通过分析使用深度学习模型从fMRI数据中生成脑功能动力学的挑战，探讨了其在精神分裂症和重度抑郁症患者分类中的影响	本研究展示了深度学习模型在参数优化过程中倾向于识别功能上独特的解决方案	深度学习模型在个体层面的应用面临计算挑战，影响下游预测的可重复性和临床实用性	指导未来针对精神疾病可重复生物标志物的个体级别生成模型和类似机器学习方法的开发	精神分裂症和重度抑郁症患者	机器学习	精神疾病	fMRI	深度学习模型	fMRI数据	未明确提及具体样本数量
678	2024-08-23	Diagnostic performance of EfficientNetV2-S method for staging liver fibrosis based on multiparametric MRI 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35115 PMID:39165928	研究论文	本研究利用EfficientNetV2-S深度学习框架，基于多参数磁共振成像（MRI）开发了用于肝纤维化分期的无创预测模型	EfficientNetV2-S模型因其更快的训练速度和更好的参数效率，相较于其他模型，提高了肝纤维化预测的训练效率	NA	开发基于EfficientNetV2-S框架的无创预测模型，用于肝纤维化的分期	慢性肝病患者的多参数腹部MRI图像	机器学习	肝病	多参数磁共振成像（MRI）	EfficientNetV2-S	图像	回顾性研究中包括了慢性肝病患者
679	2024-08-23	Deep learning-based electricity theft prediction in non-smart grid environments 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35167 PMID:39166039	研究论文	本研究提出了一种基于深度学习的轻量级模型，用于在非智能电网环境中预测电力盗窃行为	通过采用直接和间接特征工程技术，包括PCA、t-SNE、UMAP和重采样方法（如RUS、SMOTE和ROS），显著提高了模型在盗窃类别的准确性、精确度、召回率和F1分数	NA	旨在提高非智能电网环境中电力盗窃检测的准确性和效率	电力盗窃行为	机器学习	NA	深度学习	深度学习模型	月度客户读数	未明确提及具体样本数量
680	2024-08-23	A novel deep learning framework for rolling bearing fault diagnosis enhancement using VAE-augmented CNN model 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35407 PMID:39166054	research paper	本文介绍了一种使用变分自编码器增强的卷积神经网络（VAE-CNN）的新型深度学习框架，用于提升滚动轴承故障诊断的准确性和鲁棒性	该研究引入了VAE增强的CNN模型，通过提取详细的振动信号特征来精确识别和分类故障，同时解决了传统方法中梯度消失和爆炸的问题	NA	开发一种新的故障诊断方法，以提高滚动轴承故障检测的准确性和可靠性	滚动轴承的故障诊断	machine learning	NA	VAE, CNN	VAE-CNN	vibration signal	NA