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
621	2024-09-23	A deep learning-based algorithm for automatic detection of perilunate dislocation in frontal wrist radiographs 2024-Sep, Hand surgery & rehabilitation IF:0.9Q3 DOI:10.1016/j.hansur.2024.101742 PMID:38909690	研究论文	本研究提出了一种基于深度学习的算法，用于自动检测手腕正位X光片中的月骨周围脱位	本研究首次使用YOLOv8深度神经网络模型进行手腕X光片的自动检测，并通过数据增强和集成平均提高了检测精度	研究样本量较小，且仅限于骨骼成熟的青少年和成人，可能影响算法的泛化能力	开发一种自动检测手腕X光片中月骨周围脱位的深度学习算法	手腕正位X光片中的月骨周围脱位	计算机视觉	NA	深度学习	YOLOv8	图像	共374张标注的手腕X光片，包括345张正常和29张病理图像
622	2024-09-22	Integrating lymph node ratio into personalized radiotherapy for oral cavity squamous cell carcinoma 2024-Sep-20, Head & neck DOI:10.1002/hed.27938 PMID:39300901	研究论文	本研究旨在验证深度学习模型为口腔鳞状细胞癌患者制定个性化术后放疗建议的能力，并量化患者特征对治疗选择的影响	首次将淋巴结比率（LNR）作为肿瘤特征纳入个性化放疗建议	NA	验证深度学习模型为口腔鳞状细胞癌患者制定个性化术后放疗建议的能力	口腔鳞状细胞癌患者	机器学习	口腔癌	深度学习	深度生存回归与混合效应（DSME）	患者数据	4990名口腔鳞状细胞癌患者
623	2024-09-22	Applying Deep Learning with Convolutional Neural Networks to Laryngoscopic Imaging for Automated Segmentation and Classification of Vocal Cord Leukoplakia 2024-Sep-20, Ear, nose, & throat journal DOI:10.1177/01455613241275341 PMID:39302102	研究论文	本文研究了使用深度学习技术对喉镜图像进行自动分割和分类，以诊断声带白斑病	本文首次将深度学习应用于窄带成像（NBI）和白光成像（WLI）的声带白斑病分割和分类	NA	评估深度学习模型在检测和分类声带白斑病中的准确性	声带白斑病	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
624	2024-09-22	Hybrid attention-based deep neural networks for short-term wind power forecasting using meteorological data in desert regions 2024-Sep-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73076-6 PMID:39294219	研究论文	研究提出了一种优化的混合深度学习方法，利用气象数据改进沙漠地区短期风能预测	提出了基于LSTM和Conv-DA-LSTM架构的混合注意力深度神经网络，显著提高了风能预测的准确性	研究仅在沙漠地区进行了测试，未涵盖其他环境类型	提高沙漠地区短期风能预测的准确性	风速数据和气象数据	机器学习	NA	深度学习	Conv-DA-LSTM	数值数据	一年内的风速数据
625	2024-09-22	Collaborative weighting in federated graph neural networks for disease classification with the human-in-the-loop 2024-09-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72748-7 PMID:39294334	研究论文	本文介绍了一种将联邦学习与图神经网络（GNN）结合的新框架，用于疾病分类，并融入了人在回路的方法	该框架创新性地在蛋白质-蛋白质相互作用（PPI）网络的子图上采用协作投票机制，在联邦集成深度学习环境中进行疾病分类	NA	开发可解释且隐私保护的人工智能，推动个性化数字医学的发展	疾病分类	机器学习	NA	图神经网络（GNN）	联邦学习	网络	NA
626	2024-09-22	Enhancing power equipment defect identification through multi-label classification methods 2024-Sep-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71996-x PMID:39294183	研究论文	本文通过多标签分类方法提高电力设备缺陷识别的准确性	开发了一个多标签分类数据集，并评估了11种多标签分类方法的性能，发现考虑标签相关性的方法表现更优	未提及具体限制	提高电力设备缺陷识别的准确性	电力设备缺陷	机器学习	NA	多标签分类	传统机器学习方法和深度学习方法	文本	历史缺陷记录
627	2024-09-22	Intelligent cardiovascular disease diagnosis using deep learning enhanced neural network with ant colony optimization 2024-09-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71932-z PMID:39294203	研究论文	本文提出了一种基于蚁群优化和增强深度学习的智能心血管疾病诊断模型	该模型使用蚁群优化选择最优特征子集，并通过贝叶斯优化调整深度学习增强神经网络的超参数，显著提高了心血管疾病的分类效率和准确性	NA	开发一种能够从大数据集中识别模式并可靠诊断心血管疾病的智能诊断模型	心血管疾病	机器学习	心血管疾病	深度学习	神经网络	医疗数据	NA
628	2024-09-22	Enhancing deep learning-based slope stability classification using a novel metaheuristic optimization algorithm for feature selection 2024-Sep-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72588-5 PMID:39294389	研究论文	本研究通过结合现代特征选择算法和传统特征分析方法，评估了机器学习技术在边坡稳定性分类中的有效性	提出了使用二进制bGGO技术进行特征选择，并与生成对抗网络（GAN）模型结合，显著提高了分类性能	NA	识别影响边坡稳定性的关键因素，并评估不同机器学习模型在边坡稳定性分类中的表现	边坡稳定性及其影响因素	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	数值数据	627个样本
629	2024-09-22	Longitudinal deep neural networks for assessing metastatic brain cancer on a large open benchmark 2024-Sep-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52414-2 PMID:39289405	研究论文	本文介绍了NYUMets-Brain数据集和Segmentation-Through-Time深度神经网络，用于检测和跟踪脑转移癌	提出了Segmentation-Through-Time深度神经网络，利用数据的时间结构进行小尺寸转移癌的检测和分割，并展示了其对总体生存率的预测能力	NA	开发工具以解决临床试验和实际护理中检测和跟踪转移癌的挑战	脑转移癌的检测和跟踪	计算机视觉	脑癌	深度学习	深度神经网络	影像、临床随访和医疗管理数据	1429名患者
630	2024-09-22	SLAM: Structure-aware lysine β-hydroxybutyrylation prediction with protein language model 2024-Sep-16, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.135741 PMID:39293623	研究论文	本文提出了一种基于深度学习的计算方法SLAM，用于预测蛋白质中的赖氨酸β-羟基丁酰化位点	首次提出了用于赖氨酸β-羟基丁酰化位点检测的计算方法	NA	开发一种准确且高效的计算方法来预测赖氨酸β-羟基丁酰化位点	赖氨酸β-羟基丁酰化位点	机器学习	NA	深度学习	NA	蛋白质序列	NA
631	2024-09-22	Exploring protein structural ensembles: Integration of sparse experimental data from electron paramagnetic resonance spectroscopy with molecular modeling methods 2024-Sep-16, eLife IF:6.4Q1 DOI:10.7554/eLife.99770 PMID:39283059	综述	本文综述了将电子顺磁共振光谱的稀疏实验数据与分子建模方法结合，以推导罕见蛋白质构象的全原子结构模型的计算方法	提出了利用深度学习方法提高可靠性和效率的策略	NA	探讨蛋白质结构集合，结合实验数据与计算方法，详细描述蛋白质的柔性	蛋白质的结构波动及其在功能中的作用	结构生物学	NA	电子顺磁共振光谱	深度学习	结构数据	NA
632	2024-09-22	Transparent RFID tag wall enabled by artificial intelligence for assisted living 2024-09-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64411-y PMID:39284809	研究论文	本文介绍了一种利用被动超高频射频识别标签阵列和深度学习技术进行非接触式人体活动监测的新系统TRT-Wall	提出了TRT-Wall系统，结合RFID标签和深度学习技术，实现了对老年人活动的非接触式监测	实验仅在五种特定活动和四种距离下进行了测试，可能需要进一步验证其在更多活动和更广泛环境中的适用性	开发一种更实用、成本更低且不具侵入性的辅助生活系统，以提高老年人生活质量并降低医疗成本	老年人活动监测	机器学习	NA	射频识别（RFID）	深度学习	信号	五种活动在四种距离下的测试
633	2024-09-22	Leveraging immuno-fluorescence data to reduce pathologist annotation requirements in lung tumor segmentation using deep learning 2024-09-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69244-3 PMID:39284813	研究论文	本文探讨了利用免疫荧光数据减少病理学家在肺肿瘤分割中标注需求的方法	通过使用低成本的panCK标注数据预训练模型，减少了高成本病理学家标注的需求，同时保持了模型性能	NA	研究如何减少非小细胞肺癌肿瘤分割算法训练中的病理学家标注需求	非小细胞肺癌肿瘤分割模型	数字病理学	肺癌	深度学习	Attention U-Net	图像	112个样本，包括68个panCK标注样本和80个病理学家标注样本
634	2024-09-22	Application research on the diagnosis of classic trigeminal neuralgia based on VB-Net technology and radiomics 2024-Sep-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01424-z PMID:39285327	研究论文	本研究利用VB-Net深度学习方法定位和分割三叉神经，并结合影像组学方法区分三叉神经痛患者与健康个体	首次将VB-Net技术与影像组学方法结合用于三叉神经痛的诊断	样本量相对较小，可能影响模型的泛化能力	探索基于VB-Net技术和影像组学的三叉神经痛诊断方法	三叉神经痛患者与健康个体	计算机视觉	神经痛	VB-Net技术、影像组学	梯度提升决策树、高斯过程、随机森林	影像数据	165名三叉神经痛患者和175名健康对照者
635	2024-09-22	Model for detecting metastatic deposits in lymph nodes of colorectal carcinoma on digital/ non-WSI images 2024-Sep-16, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-024-01547-5 PMID:39285483	研究论文	本文介绍了一种用于检测结直肠癌淋巴结中转移灶的模型，该模型基于数字/非全切片图像	本文首次应用深度学习模型Ensemble来识别淋巴结中的肿瘤沉积物，提高了检测的准确性	研究样本量较小，需要进一步扩大样本数据以验证模型的有效性	开发一种人工智能支持的工作流程，以提高结直肠癌淋巴结中转移灶检测的准确性和效率	结直肠癌患者的淋巴结图像	数字病理学	结直肠癌	深度学习	Ensemble	图像	165例结直肠癌患者的淋巴结图像
636	2024-09-22	Radiomics predicts the prognosis of patients with clear cell renal cell carcinoma by reflecting the tumor heterogeneity and microenvironment 2024-Sep-16, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00768-7 PMID:39285496	研究论文	开发并验证了一种基于CT的深度学习放射组学模型，用于预测透明细胞肾细胞癌患者的总生存期，并研究放射组学与肿瘤异质性和微环境的关系	结合深度学习放射组学评分和临床病理特征，开发了一种新的综合模型，用于预测透明细胞肾细胞癌患者的预后	需要进一步的研究来验证该模型在不同人群和临床环境中的适用性	开发和验证一种基于CT的深度学习放射组学模型，用于预测透明细胞肾细胞癌患者的总生存期	透明细胞肾细胞癌患者的总生存期预测	数字病理学	肾癌	深度学习放射组学	深度学习模型	图像	512名透明细胞肾细胞癌患者
637	2024-09-22	Identification of potential landslide in Jianzha county based on InSAR and deep learning 2024-Sep-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72391-2 PMID:39285244	研究论文	本研究利用InSAR和深度学习技术在青海省尖扎县识别潜在滑坡区域	结合PS-InSAR和SBAS-InSAR技术与光学遥感技术，利用深度学习模型识别潜在滑坡点	研究范围仅限于尖扎县，且深度学习模型的检测准确率为76.92%	及时准确地识别滑坡风险，为灾害预防提供依据	青海省尖扎县的潜在滑坡区域	遥感	NA	InSAR	深度学习模型	图像	56个潜在滑坡点，包括39个高风险点和17个中风险点
638	2024-09-22	Combining Google traffic map with deep learning model to predict street-level traffic-related air pollutants in a complex urban environment 2024-Sep, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108992 PMID:39250881	研究论文	研究利用深度学习模型结合谷歌交通地图预测复杂城市环境中街道级别的交通相关空气污染物	本研究创新性地将谷歌实时交通状态数据与深度学习模型结合，以提高对街道级别交通相关空气污染物的预测精度	研究主要集中在香港地区，可能限制了结果的普适性	旨在通过深度学习模型预测香港地区街道级别的氮氧化物浓度	研究对象为香港地区的街道级别交通相关空气污染物	机器学习	NA	深度学习	深度学习模型	交通状态数据	使用了公交车上的移动空气质量传感器数据和谷歌实时交通状态数据
639	2024-09-21	Deep learning-based statistical robustness evaluation of intensity-modulated proton therapy for head and neck cancer 2024-Sep-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad780b PMID:39241803	研究论文	本文提出了一种基于深度学习的统计鲁棒性评估方法，用于评估头颈部癌症的调强质子治疗	该方法通过避免中间剂量计算步骤，直接使用深度学习模型从标称剂量分布预测百分位剂量分布，解决了传统方法在统计意义和临床可行性上的局限	NA	验证基于深度学习的统计鲁棒性评估方法在头颈部调强质子治疗中的有效性和准确性	头颈部癌症患者	机器学习	头颈部癌症	深度学习	3D U-net	图像	582名头颈部癌症患者
640	2024-09-21	Application of GWO-attention-ConvLSTM model in customer churn prediction and satisfaction analysis in customer relationship management 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e37229 PMID:39295989	研究论文	本文提出了一种新的GWO-attention-ConvLSTM模型，用于客户流失预测和客户满意度分析，旨在改进客户关系管理中的动态和复杂客户关系的建模	该模型结合了注意力机制和ConvLSTM层，能够更有效地捕捉客户数据中的时空特征和复杂的时间模式	NA	改进客户关系管理中的客户流失预测和客户满意度分析	客户流失和客户满意度	机器学习	NA	深度学习	GWO-attention-ConvLSTM	时间序列数据	多个真实世界数据集，包括BigML Telco Churn数据集、IBM Telco数据集、Cell2Cell数据集和Orange Telecom数据集