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
681	2024-09-23	Integrating neural networks with advanced optimization techniques for accurate kidney disease diagnosis 2024-09-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71410-6 PMID:39289394	研究论文	本研究开发了一种先进的AI驱动的诊断系统，专门用于肾病的分类	本研究创新地将传统的卷积神经网络架构（AlexNet）与现代的ConvNeXt架构相结合，并引入了一种自定义的优化技术，显著提高了分类准确性	NA	提高肾病诊断的准确性	肾结石、囊肿和肿瘤	计算机视觉	肾病	卷积神经网络	AlexNet和ConvNeXt	图像	12,446张CT全腹部和尿路造影图像
682	2024-09-23	Leukemia detection and classification using computer-aided diagnosis system with falcon optimization algorithm and deep learning 2024-09-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72900-3 PMID:39294306	研究论文	本文提出了一种基于猎鹰优化算法和深度学习的计算机辅助诊断系统，用于白血病的检测和分类	本文创新性地结合了猎鹰优化算法和深度卷积神经网络，提出了一种新的白血病检测和分类技术FOADCNN-LDC	NA	本文旨在开发一种高效的白血病检测和分类方法	本文的研究对象是白血病	计算机视觉	白血病	深度学习	卷积神经网络	图像	本文使用了基准医学数据集进行仿真
683	2024-09-23	Can the preoperative CT-based deep learning radiomics model predict histologic grade and prognosis of chondrosarcoma? 2024-Sep-17, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111719 PMID:39305748	研究论文	本研究开发并验证了一种基于CT的深度学习放射组学模型，用于预测软骨肉瘤的组织学分级和预后	本研究首次将深度学习与放射组学结合，开发了一种新的模型，用于预测软骨肉瘤的组织学分级和预后	本研究仅在211例软骨肉瘤患者中进行了验证，样本量相对较小，可能影响模型的泛化能力	开发并验证一种基于CT的深度学习放射组学模型，用于预测软骨肉瘤的组织学分级和预后	软骨肉瘤患者的组织学分级和预后	计算机视觉	软骨肉瘤	深度学习	深度学习放射组学模型 (DLRM)	CT影像	211例软骨肉瘤患者
684	2024-09-23	Clinical feasibility of deep learning-accelerated single-shot turbo spin echo sequence with enhanced denoising for pancreas MRI at 3 Tesla 2024-Sep-15, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111737 PMID:39305750	研究论文	评估深度学习加速的单次涡轮自旋回波序列（HASTEDL）在3特斯拉磁共振成像中对胰腺增强去噪的可行性	提出了一种基于深度学习重建的单次涡轮自旋回波序列（HASTEDL），并结合增强去噪技术，以提高胰腺MRI的图像质量和缩短采集时间	研究仅限于2021年3月至4月期间接受胰腺MRI的患者，样本量相对较小	评估深度学习加速的单次涡轮自旋回波序列在胰腺MRI中的临床可行性	胰腺MRI图像质量和采集时间	计算机视觉	胰腺疾病	深度学习	NA	图像	63名患者，其中48名（76.2%）有136个胰腺囊性病变
685	2024-09-23	DeepCBA: A deep learning framework for gene expression prediction in maize based on DNA sequences and chromatin interactions 2024-Sep-09, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.100985 PMID:38859587	研究论文	本文开发了一种基于深度学习的基因表达预测模型DeepCBA，用于预测玉米基因表达并挖掘重要调控元件	DeepCBA考虑了染色质互作对目标基因表达的影响，相比现有方法提高了预测准确性，并能识别重要的调控元件	NA	开发高精度的基因表达预测模型	玉米基因表达和调控元件	机器学习	NA	深度学习	深度学习模型	基因组数据	涉及玉米开花相关基因ZmRap2.7和分蘖相关基因ZmTb1等
686	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
687	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
688	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
689	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
690	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
691	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
692	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
693	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
694	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
695	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
696	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
697	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
698	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
699	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
700	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