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
1081	2024-08-16	Rapid assessment of heavy metal accumulation capability of Sedum alfredii using hyperspectral imaging and deep learning 2024-Sep-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2024.116704 PMID:38996646	研究论文	本研究提出了一种结合高光谱成像和多任务深度学习的新型光谱方法，用于快速评估Sedum alfredii的重金属积累能力	本研究创新性地使用高光谱成像和深度学习技术，简化了超积累植物的筛选、重金属胁迫识别和重金属定量分析过程	NA	研究目的是开发一种快速准确的方法来评估植物的重金属积累能力，以促进植物修复过程中超积累植物的筛选和重金属积累预测	研究对象为重金属超积累植物Sedum alfredii及其非积累生态型	机器学习	NA	高光谱成像	深度学习网络（ENet和HMNet）	光谱图像	Sedum alfredii及其非积累生态型在Cd、Zn和Pb胁迫下的叶片光谱图像
1082	2024-08-16	Development and Validation Study of the Prognostic Impact of Deep Learning-Determined Myxoid Stroma After Neoadjuvant Chemotherapy in Patients with Esophageal Squamous Cell Carcinoma 2024-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-15626-w PMID:38914836	研究论文	本研究旨在探讨人工智能（AI）量化粘液样基质在接受新辅助化疗后食管鳞状细胞癌（ESCC）手术患者中的预后意义，并在另一家医院的独立验证队列中验证其意义	AI确定的粘液样基质可能成为新辅助化疗后病理分期II或III ESCC患者的新颖且有用的预后因子	NA	研究AI量化粘液样基质在接受新辅助化疗后食管鳞状细胞癌手术患者中的预后意义	接受新辅助化疗后食管鳞状细胞癌手术的患者	机器学习	食管鳞状细胞癌	AI	NA	病理图像	两个数据集，共165名患者
1083	2024-08-07	ASO Author Reflections: Development and Validation Study of the Prognostic Impact of Deep Learning-Determined Myxoid Stroma After Neoadjuvant Chemotherapy in Patients with Esophageal Squamous Cell Carcinoma 2024-Sep, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-15732-9 PMID:38954092	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1084	2024-08-15	Multi-model assessment of potential natural vegetation to support ecological restoration 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121934 PMID:39083935	研究论文	本文评估了多种方法在潜在自然植被（PNV）模拟中的表现，以支持生态恢复	首次全面比较了传统统计方法与机器学习、深度学习在PNV模拟中的性能	不同模型类型的性能差异较大，且在粗分辨率下对恢复区域的估计可能存在高估	探讨不同方法在PNV模拟中的适用性，以优化生态恢复项目	潜在自然植被的模拟方法及其在生态恢复中的应用	生态学	NA	机器学习、深度学习	随机森林、XGBoost、人工神经网络、半监督学习	空间数据	样本大小从10到总样本的80%不等
1085	2024-08-15	Significance of AI-assisted techniques for epiphyte plant monitoring and identification from drone images 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121996 PMID:39088905	研究论文	本研究利用AI辅助技术，通过无人机图像增强附生植物的识别和地图绘制	本研究首次比较了传统图像分割方法与深度学习模型在附生植物识别中的效果，发现深度学习模型在复杂背景和图像质量变化情况下的识别能力更强	研究使用的数据集有限，且图像质量不一，可能影响深度学习模型的性能评估	评估AI辅助方法与传统方法在从无人机图像中分割和识别附生植物的有效性	附生植物的识别和地图绘制	计算机视觉	NA	深度学习	UNet, TransUNet	图像	在哥斯达黎加保护区森林中收集的无人机图像
1086	2024-08-15	Multi-granularity prior networks for uncertainty-informed patient-specific quality assurance 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108925 PMID:39067284	研究论文	本文提出了一种多粒度不确定性量化框架，用于提高深度学习在患者特定质量保证中的可信度	引入了多粒度不确定性量化框架和多粒度先验网络，通过贝叶斯理论推导出多粒度损失函数，并实现了剂量差异的不确定性可视化	NA	提高深度学习在患者特定质量保证中的安全性和有效性	预测剂量差异指标（Gamma通过率）及其分布，并量化模型预测中的不确定性	机器学习	NA	贝叶斯框架	双流网络架构	数据集	来自'Peeking Union Medical College Hospital'的数据集
1087	2024-08-15	The impact of ESG performance on corporate sustainable growth from the perspective of carbon sentiment 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121913 PMID:39067346	研究论文	本研究探讨了碳情绪与ESG表现及企业可持续增长之间的关系，通过使用OLS回归分析和面板数据模型，结合BERT和LSTM模型进行文本分析，揭示了碳情绪对ESG表现与企业可持续增长的正向调节作用。	本研究首次采用碳情绪分析方法，结合深度学习技术如BERT和LSTM模型，分析碳相关新闻文本，探索其对企业可持续增长的影响。	研究主要集中在中国上市公司，且依赖于特定的数据集和模型，可能限制了结果的普遍性。	探索碳情绪、ESG表现与企业可持续增长之间的关系，并为绿色经济和环境管理政策的制定提供新的视角。	中国上市公司的ESG表现、碳情绪及其对企业可持续增长的影响。	自然语言处理	NA	OLS回归分析、两阶段工具变量法(2SLS)、动态面板广义矩估计(GMM)、BERT、LSTM	BERT、LSTM	文本	中国上市公司
1088	2024-08-15	SYSTCM: A systemic web platform for objective identification of pharmacological effects based on interplay of "traditional Chinese Medicine-components-targets" 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108878 PMID:39043107	研究论文	本文介绍了一个基于传统中药-成分-靶点相互作用网络的系统性网络平台SYSTCM，用于客观识别中药的药理作用	利用深度学习和机器学习技术，通过构建交互网络图和建立最优识别模型，提高了中药药理作用识别的客观性和准确性	NA	开发一个系统性的网络平台，用于客观识别和分析传统中药的药理作用	传统中药的成分、药理靶点和药理作用	机器学习	NA	深度学习	卷积神经网络	网络图	包含70,961个条目，包括636种传统中药、8190种成分、40种药理作用和18种功效
1089	2024-08-15	Optimal interval and feature selection in activity data for detecting attention deficit hyperactivity disorder 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108909 PMID:39053333	研究论文	本研究探讨了在活动数据上使用特征选择技术对机器学习模型构建的重要性，并比较了特定时间间隔和更广泛时间间隔的活动数据在识别注意力缺陷多动障碍（ADHD）患者中的效果	研究采用了五种机器学习模型，并通过精确的特征选择过程显著提高了模型的准确性，发现早晨和夜间的活动数据对ADHD预测更为重要	NA	探索机器学习技术在早期诊断ADHD中的应用，并优化特征选择和时间间隔选择	注意力缺陷多动障碍（ADHD）患者及其活动数据	机器学习	注意力缺陷多动障碍	深度学习（DL）和机器学习（ML）	随机森林	活动数据	临床对照组
1090	2024-08-15	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	本文研究了使用组织病理学图像和临床数据通过深度学习方法预测IDH1基因突变的情况	采用集成学习方法结合组织病理学图像和临床数据模型来分类IDH1突变的存在与否，并使用超参数优化来提高分类准确性	NA	旨在通过组织病理学图像和临床数据分类IDH1基因突变的存在与否	成人型弥漫性胶质瘤患者的IDH1基因突变	数字病理学	脑肿瘤	深度学习	ABMIL, LightGBM	图像, 临床数据	546名患者
1091	2024-08-15	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	研究论文	本文提出了一种改进的ToxinPred 3.0方法，用于更可靠和准确地预测肽的毒性	采用机器学习和深度学习技术，结合基于motif的方法，开发了混合或集成方法以提高预测性能	NA	改进现有的肽毒性预测方法，提高预测的准确性和可靠性	肽的毒性预测	机器学习	NA	机器学习，深度学习	ANN - LSTM，extra tree，ESM2-t33	序列数据	使用了80%的数据进行训练和五折交叉验证，剩余20%的数据作为独立数据集进行评估
1092	2024-08-15	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	综述	本文对2012年至2023年间使用深度学习技术进行多器官癌症诊断的文献进行了系统性回顾	总结了卷积神经网络模型架构和数据集，以及集成深度学习模型在分类癌症图像方面的优势	讨论了控制健康紧急情况的一些挑战和问题	旨在通过计算机辅助诊断系统提高癌症的早期识别	重点研究了乳腺癌、脑癌、肺癌、皮肤癌和肝癌五种主要肿瘤	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
1093	2024-08-15	A dual-encoder double concatenation Y-shape network for precise volumetric liver and lesion segmentation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108870 PMID:39024904	研究论文	本文提出了一种双编码器双连接Y形网络（DEDC-Net），用于从CT体积中精确分割肝脏和肿瘤	DEDC-Net利用残差和跳跃连接来增强特征重用，优化肝脏和肿瘤分割任务的性能	NA	开发一种新的深度学习网络，用于精确分割肝脏和肿瘤，以支持肝细胞癌诊断和术前切除规划	肝脏和肿瘤的分割	计算机视觉	肝癌	深度学习	CNN	图像	在LiTS数据集上进行了广泛的定性和定量实验，并在两个未见过的CT数据集（IDCARDb-01和COMET）上验证了模型的鲁棒性
1094	2024-08-15	Self-adaptive deep learning-based segmentation for universal and functional clinical and preclinical CT image analysis 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108853 PMID:39013341	研究论文	本文利用深度学习技术自动从CT和μCT图像中提取定量数据，以非侵入性监测心脏功能	提出了一种自适应深度学习方法，用于临床和临床前CT图像的分割，能够有效地测量左心室和右心室射血分数及心肌质量	需要进一步优化以扩大(μ)CT成像的应用范围	加速心脏衰竭新型治疗方案的临床前和临床研究	心脏CT图像和μCT图像	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	40个CT图像分割结果，μCT训练集和测试集的详细样本数量未明确提及
1095	2024-08-15	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	研究论文	本文介绍了一种名为deepbet的高精度、快速脑提取工具，该工具使用卷积神经网络从T1加权MRI图像中进行脑提取	deepbet在跨数据集验证中达到了99.0的中位Dice分数，超过了当前最佳的深度学习和经典方法，并且在所有7837张图像中均保持了超过97.4的Dice分数	NA	开发一种快速、高精度的脑提取工具，用于神经影像预处理	T1加权MRI图像的脑提取	计算机视觉	NA	卷积神经网络	UNet	图像	7837张T1加权MRI图像来自191个不同的OpenNeuro数据集
1096	2024-08-15	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	本文提出了一种基于深度学习的分割方法，用于量化脑萎缩，通过组织相似性先验改善自动标签的质量。	引入组织相似性正则化，利用同一受试者在短时间内扫描的组织体积相似性先验知识，提高了脑萎缩量化的一致性和准确性。	NA	提高脑萎缩量化方法的准确性和可靠性，以促进其在神经退行性疾病诊断和预后中的应用。	脑萎缩的量化，特别是阿尔茨海默病和多发性硬化症。	计算机视觉	阿尔茨海默病	MRI	深度学习	图像	两个不同的MRI数据集，MIRIAD和ADNI1，包含健康对照组和阿尔茨海默病受试者的纵向和短时间间隔成像。
1097	2024-08-15	Application of artificial intelligence in drug design: A review 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计中的应用	介绍了人工智能技术如何通过自动化、优化和个性化改进药物设计过程	NA	探讨人工智能在药物设计中的应用及其对制药行业的变革	人工智能技术及其在药物设计中的应用	计算机科学	NA	机器学习, 深度学习	NA	数据	NA
1098	2024-08-15	Optimized efficient attention-based network for facial expressions analysis in neurological health care 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108822 PMID:38986286	研究论文	本文提出了一种基于高效卷积块注意力模块（CBAM）的深度学习网络，用于在神经健康护理中分析面部表情，以辅助医生诊断神经障碍患者	该方法通过引入轻量级的CBAM模块，提高了特征提取的效率和准确性，同时模型体积小，适合部署在资源受限的移动医疗设备上	尽管模型表现出色，但仍需在更多样化的数据集上进行验证，以确保其泛化能力和鲁棒性	旨在通过自动化的面部表情分析技术，辅助医生早期诊断和治疗神经障碍	神经障碍患者，特别是阿尔茨海默病和帕金森病患者	计算机视觉	神经障碍	深度学习	卷积神经网络（CNN）	图像	实际神经障碍患者的面部表情数据
1099	2024-08-15	Unveiling the evolution of policies for enhancing protein structure predictions: A comprehensive analysis 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108815 PMID:38986287	研究论文	本文全面分析了提高蛋白质结构预测的政策演变，探讨了模板依赖和非依赖策略的发展及其对预测准确性的影响	引入了端到端和全原子扩散技术，以及在多序列比对和蛋白质语言模型中使用子采样的方法，显著提高了预测的准确性和效率	尽管蛋白质结构预测的准确性有所提高，但仍未达到预期的结构知识应用水平，需要在其他方面进行进一步发展	探讨提高蛋白质结构预测准确性的策略，并促进开放研究环境以支持这一目标	蛋白质结构预测的方法和技术，包括模板依赖和非依赖策略，以及多序列比对和深度学习技术的应用	结构生物学	NA	深度学习	CNN	多序列比对数据	NA
1100	2024-08-15	Evaluation of Cellpose segmentation with sequential thresholding for instance segmentation of cytoplasms within autofluorescence images 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108846 PMID:38976959	研究论文	本文介绍并测试了一种细胞质分割方法，该方法结合了Cellpose深度学习分割技术和后续处理算法CPPA，用于从自发光图像中进行细胞质实例分割。	本文提出的CPPA方法在细胞质识别方面超过了传统的CellProfiler方法，支持使用人工智能和后续处理技术进行自发光图像的精确分割。	NA	评估Cellpose分割与顺序阈值处理在自发光图像中细胞质实例分割的有效性。	静息T细胞、激活T细胞和MCF7细胞的自发光图像。	计算机视觉	NA	自发光成像	Cellpose（一种基于深度学习的分割方法）	图像	五张自发光图像，来自三种不同的细胞样本