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
221	2024-12-21	Bayesian unsupervised clustering identifies clinically relevant osteosarcoma subtypes 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae665 PMID:39701601	研究论文	本文使用贝叶斯无监督聚类方法，通过潜在过程分解（LPD）模型对骨肉瘤进行亚型分类，并验证了其临床相关性	本文采用了更复杂的无监督贝叶斯模型LPD，能够处理个体癌症样本的异质性，并解析转录组数据的结构，提供临床相关信息	NA	识别癌症亚型，为精准医学的发展提供支持	骨肉瘤的亚型分类	机器学习	骨肉瘤	RNA测序（RNA-seq）	潜在过程分解（LPD）	转录组数据	NA
222	2024-12-21	Detection of hate: speech tweets based convolutional neural network and machine learning algorithms 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76632-2 PMID:39572576	研究论文	本文讨论了使用基于TF-IDF的特征工程方法，结合多种机器学习和深度学习分类器，自动识别社交媒体上的仇恨言论	本文创新性地结合了多种机器学习和深度学习算法，包括卷积神经网络（CNN），以提高仇恨言论检测的准确性	本文未详细讨论数据集的多样性和可能的偏差问题	研究目的是解决社交媒体上仇恨言论的自动识别问题	研究对象是社交媒体上的仇恨言论推文	机器学习	NA	TF-IDF	CNN	文本	使用了三个不同的数据集，包括'Hate speech offensive tweets by Davidson et al.'、'Twitter hate speech'以及合并后的'Cyberbullying dataset (toxicity_parsed_dataset)'
223	2024-12-21	A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding 2024-Nov-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae161 PMID:39499217	综述	本文综述了多模态深度学习方法在植物育种基因组预测中的应用	多模态深度学习方法通过引入多种输入信息源，提升了传统单模态深度学习的预测能力，能够更有效地捕捉不同模态之间的交互	多模态深度学习需要更多的计算资源，且在应用时需要选择合适的架构和融合策略	探讨多模态深度学习在植物育种基因组选择中的应用潜力，并提供相关理论基础和实践指导	多模态深度学习方法及其在植物育种中的应用	机器学习	NA	多模态深度学习	神经网络	基因组数据	NA
224	2024-12-21	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-Nov, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种自动分类小儿脊柱X光片的算法	使用EfficientNet B6架构的深度学习分类器，能够高精度地区分10种术前和术后脊柱X光片类别	在数据集中少于100张图片的类别上表现较低	开发一种自动分类小儿脊柱X光片的算法，用于大规模影像注册	小儿脊柱侧弯患者的脊柱X光片	计算机视觉	脊柱侧弯	深度学习	卷积神经网络	图像	7777张AP图像和5621张侧位图像
225	2024-12-20	Automatic jawbone structure segmentation on dental CBCT images via deep learning 2024-Nov-28, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06061-y PMID:39604672	研究论文	本研究开发并评估了一种基于深度学习的两阶段系统，用于在牙科CBCT图像上自动分割下颌骨皮质骨、下颌骨松质骨、上颌骨皮质骨和上颌骨松质骨	提出了一个两阶段的深度学习系统，用于自动分割颌骨结构，并在CBCT图像上实现了高精度的分割	质量异常对分割性能有负面影响	开发一种准确且高效的自动分割颌骨结构的方法	下颌骨皮质骨、下颌骨松质骨、上颌骨皮质骨和上颌骨松质骨	计算机视觉	NA	深度学习	NA	图像	155个CBCT扫描数据
226	2024-12-20	scDCA: deciphering the dominant cell communication assembly of downstream functional events from single-cell RNA-seq data 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae663 PMID:39694816	研究论文	提出了一种基于深度学习的方法scDCA，用于从单细胞RNA-seq数据中解析对特定功能事件有较大影响的细胞通信组合	首次提出了一种基于多视图图卷积网络和注意力机制的深度学习方法，用于量化细胞类型对特定功能过程的贡献	仅在肾细胞癌样本中进行了验证，未来需要在更多疾病和样本中进行验证	开发一种新的计算方法，用于解析细胞通信对特定功能事件的影响，以促进癌症治疗的精准化	单细胞RNA-seq数据中的细胞通信组合及其对特定功能事件的影响	机器学习	肾细胞癌	单细胞RNA-seq	多视图图卷积网络	RNA-seq数据	肾细胞癌样本
227	2024-12-20	Automatic detection and proximity quantification of inferior alveolar nerve and mandibular third molar on cone-beam computed tomography 2024-Nov-20, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-05967-x PMID:39567447	研究论文	本研究提出了一种基于深度学习的工具，用于在锥束CT图像中自动检测并量化下颌第三磨牙与下牙槽神经的接近程度	本研究首次提出了一种基于深度学习的模型，能够快速且准确地检测和量化下牙槽神经与下颌第三磨牙在锥束CT图像中的接近程度	NA	开发一种自动工具，用于在锥束CT图像中量化下颌第三磨牙与下牙槽神经的接近程度，以减少手术风险	下颌第三磨牙和下牙槽神经在锥束CT图像中的接近程度	计算机视觉	NA	深度学习	深度学习网络	图像	302个锥束CT扫描图像，包含546颗下颌第三磨牙
228	2024-12-20	Detection of C-shaped mandibular second molars on panoramic radiographs using deep convolutional neural networks 2024-Nov-18, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06049-8 PMID:39557710	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习系统，用于在全景X光片上检测C形下颌第二磨牙	使用CBCT生成的全景图像作为替代数据集，提高了CNN模型的训练效果，并在检测C形下颌第二磨牙方面表现优于牙科专业人员	NA	开发一种基于CNN的深度学习系统，用于在全景X光片上诊断C形下颌第二磨牙	C形下颌第二磨牙的全景X光片	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	730名患者的1453个下颌第二磨牙图像（组A）和610名患者的1211个下颌第二磨牙图像（组B）
229	2024-12-20	An artificial intelligence mechanism for detecting cystic lesions on CBCT images using deep learning 2024-Nov-17, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.102152 PMID:39551180	研究论文	本研究旨在开发和评估一种基于深度学习的人工智能机制，用于在锥形束计算机断层扫描（CBCT）图像上检测囊性病变	本研究的创新点在于使用深度卷积神经网络（CNN）进行自动病变检测和囊性病变类型的诊断，并通过数据增强提高了模型的性能	本研究的局限性在于样本量相对较小，且仅限于两种类型的囊性病变（牙源性囊肿和根尖囊肿）	开发和评估一种人工智能机制，用于在CBCT图像上检测囊性病变	牙源性囊肿（DC）和根尖囊肿（PC）的检测与分类	计算机视觉	口腔疾病	深度学习	CNN	图像	150个样本，包括50个无病变样本、50个牙源性囊肿和50个根尖囊肿
230	2024-12-20	Pulmonary Embolism Education: Role of Generative Artificial Intelligence Models 2024 Nov-Dec, Missouri medicine PMID:39697584	研究论文	研究探讨了生成式人工智能模型在提高急性肺栓塞患者健康素养中的作用	首次评估了公开可用的人工智能模型生成的响应的可读性，并发现这些模型目前不满足美国的可读性建议	研究仅评估了当前生成式人工智能模型的可读性，未探讨其在长期使用中的适应性	评估生成式人工智能模型在提高急性肺栓塞患者健康素养中的潜力	生成式人工智能模型生成的响应的可读性	机器学习	肺栓塞	生成式人工智能	生成式AI模型	文本	NA
231	2024-12-19	Automatic pituitary adenoma segmentation and identification of cavernous sinus invasion via multitask learning 2024-Nov-21, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.106756 PMID:39689622	研究论文	本研究开发了一种多任务深度学习模型，用于垂体大腺瘤的分割和海绵窦侵袭的识别	提出了一个多任务多轴注意力U-Net（MTMAU-Net）框架，结合了分割和海绵窦侵袭分类任务，相比单一任务模型和Knosp分级系统，在分割和分类任务中表现更优	NA	开发一种多任务深度学习模型，用于垂体大腺瘤的分割和海绵窦侵袭的识别	垂体大腺瘤的分割和海绵窦侵袭的识别	计算机视觉	垂体腺瘤	深度学习	U-Net	图像	926名垂体大腺瘤患者（816名用于模型训练，110名用于模型验证）
232	2024-12-19	Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78015-z PMID:39528485	研究论文	本文提出了一种基于深度学习的疾病诊断模型，用于复杂医疗系统的预测分析，主要集中于肺癌和结肠癌的检测与分类	本文创新性地使用了Gabor滤波器进行图像预处理，并结合Faster SqueezeNet生成特征向量，采用CNN-LSTM模型进行分类，同时使用Chaotic Tunicate Swarm算法优化超参数，提高了分类器的准确性	NA	开发一种高效的深度学习模型，用于肺癌和结肠癌的早期诊断，以降低死亡风险	肺癌和结肠癌的检测与分类	机器学习	肺癌	Gabor滤波器，Faster SqueezeNet，CNN-LSTM，Chaotic Tunicate Swarm算法	CNN-LSTM	图像	医学图像数据集
233	2024-12-19	A Hybrid GNN Approach for Improved Molecular Property Prediction 2024-11, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0452 PMID:39082155	研究论文	本文提出了一种混合图神经网络（GNN）方法，用于改进分子特性预测	本文的创新点在于提出了一种多层混合GNN架构，结合了多种图神经网络框架的优势，以提高分子特性预测的准确性	本文的局限性在于未详细讨论混合方法在计算资源和时间复杂度方面的影响	本文的研究目的是提高分子特性预测的准确性，从而加速药物发现过程	本文的研究对象是分子图及其特性	机器学习	NA	图神经网络（GNN）	混合GNN	图结构数据	多个基准数据集
234	2024-12-19	Clinical Application of Artificial Intelligence in Prediction of Intraoperative Cerebrospinal Fluid Leakage in Pituitary Surgery: A Systematic Review and Meta-Analysis 2024-Nov, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.015 PMID:39265946	meta-analysis	本文系统综述和荟萃分析评估了人工智能模型在预测垂体手术中术中脑脊液（ioCSF）泄漏的有效性	本文首次系统综述和荟萃分析了人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	本文依赖于已发表的研究数据，可能存在选择偏倚和发表偏倚	评估人工智能模型在预测垂体手术中术中脑脊液泄漏的有效性	人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	machine learning	NA	NA	AI models	NA	NA
235	2024-12-19	Adversarial training and attribution methods enable evaluation of robustness and interpretability of deep learning models for image classification 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054310 PMID:39690595	研究论文	本文结合对抗训练和输入归因方法，评估了深度学习模型在图像分类任务中的鲁棒性和可解释性	本文首次将对抗训练与输入归因方法结合，研究了对抗方法对输入归因的影响，并通过基准测试评估了不同输入归因方法的可靠性	本文主要集中在图像分类任务上，未探讨其他任务中的应用	研究对抗训练对深度学习模型输入归因的影响，并评估不同输入归因方法的可靠性	深度学习模型在图像分类任务中的鲁棒性和可解释性	计算机视觉	NA	对抗训练	深度学习模型	图像	NA
236	2024-12-19	Fault-tolerant neural networks from biological error correction codes 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054303 PMID:39690671	研究论文	本文探讨了在深度学习中是否可以通过不可靠的神经元实现容错计算，并基于生物错误纠正码开发了一种通用的容错神经网络	本文首次基于生物错误纠正码开发了一种通用的容错神经网络，并发现了从故障到容错神经计算的相变机制	本文仅在理论层面探讨了容错神经网络的可能性，尚未进行实际应用验证	探讨在深度学习中是否可以通过不可靠的神经元实现容错计算，并为人工智能和神经形态计算提供新的理解路径	生物错误纠正码在信息处理中的作用以及其在构建容错神经网络中的应用	机器学习	NA	NA	神经网络	NA	NA
237	2024-12-18	A Hybrid Deep Learning Model with Data Augmentation to Improve Tumor Classification Using MRI Images 2024-Nov-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232710 PMID:39682619	研究论文	本文提出了一种结合CNN和EfficientNetV2B3进行特征提取，并使用KNN进行分类的混合深度学习模型，用于提高脑肿瘤的分类准确性	本文的创新点在于将CNN和EfficientNetV2B3的扁平化输出连接后输入KNN分类器，以提高分类性能	NA	提高脑肿瘤分类的准确性	脑肿瘤的MRI图像	计算机视觉	脑癌	深度学习	混合模型（CNN、EfficientNetV2B3、KNN）	图像	两个数据集，第一个数据集包含3064张MRI图像，第二个数据集包含健康大脑和脑肿瘤的图像
238	2024-12-18	Hybrid CNN-GRU Model for Real-Time Blood Glucose Forecasting: Enhancing IoT-Based Diabetes Management with AI 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237670 PMID:39686207	研究论文	本文提出了一种基于门控循环单元（GRU）和卷积神经网络（CNN）的混合深度学习模型，用于实时血糖预测，以改进物联网（IoT）支持的糖尿病管理系统	创新的混合CNN-GRU模型结合了GRU的时间序列信息记录能力和CNN的特征提取能力，显著提高了实时血糖预测的准确性和及时性	本文未详细讨论混合模型的计算复杂性和在不同设备上的部署可行性	提高物联网支持的糖尿病管理系统中实时血糖预测的准确性和及时性	血糖水平（BGL）的实时预测	机器学习	糖尿病	NA	混合CNN-GRU模型	数据	使用了一个公开的1型糖尿病数据集
239	2024-12-18	Context-Aware Integrated Navigation System Based on Deep Learning for Seamless Localization 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237678 PMID:39686214	研究论文	本文提出了一种基于深度学习的上下文感知集成导航系统（CAINS），以在GPS信号不可用的情况下实现无缝定位	本文的创新点在于设计了上下文感知层和状态估计层，能够从IMU数据中提取车辆上下文特征，并通过建模上下文特征、速度、姿态和位置增量之间的关系来预测GPS位置增量	本文的局限性在于仅通过模拟结果验证了系统的定位精度，尚未在实际环境中进行测试	本文的研究目的是提高在GPS信号不可用环境下的定位性能	本文的研究对象是集成导航系统及其在GPS信号不可用环境下的定位性能	机器学习	NA	深度学习	深度学习层	传感器数据	NA
240	2024-12-18	A Lightweight Deep Learning Network with an Optimized Attention Module for Aluminum Surface Defect Detection 2024-Nov-30, Sensors (Basel, Switzerland) DOI:10.3390/s24237691 PMID:39686228	研究论文	本文提出了一种基于优化两阶段Faster R-CNN网络的轻量级深度学习网络，用于铝表面缺陷检测	引入了优化的卷积块注意力模块（CBAM）和轻量级Ghost模型，提高了网络效率和检测精度，并减少了网络复杂度	NA	开发一种高效且准确的铝表面缺陷检测方法，以满足工业实践的需求	铝表面缺陷	计算机视觉	NA	深度学习	Faster R-CNN	图像	3200张图像，按8:1:1的比例分为训练集、验证集和测试集