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
361	2024-12-16	Advanced vision transformers and open-set learning for robust mosquito classification: A novel approach to entomological studies 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012654 PMID:39671336	研究论文	本文提出了一种利用先进的视觉Transformer和开放集学习技术进行蚊子分类的创新方法	引入了结合Transformer深度学习模型与数据增强及预处理方法的框架，并利用开放集学习技术处理未见过的类别	NA	提高蚊子分类的效率和准确性，以支持有效的监测和控制	十种蚊子物种的分类	计算机视觉	NA	视觉Transformer	Transformer	图像	NA
362	2024-12-15	An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury 2024-Dec-14, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08609-8 PMID:39672993	研究论文	本研究构建了一个基于MRI放射组学和临床特征的诺模图模型，用于预测颈椎脊髓损伤患者的预后	本研究创新性地结合了MRI放射组学特征和临床特征，通过深度迁移学习方法提取特征，并构建了一个综合预测模型	本研究的样本量相对较小，且仅限于颈椎脊髓损伤患者，未来需要在大样本和多中心研究中验证模型的普适性	构建一个结合MRI放射组学和临床特征的诺模图模型，用于预测颈椎脊髓损伤患者的预后	颈椎脊髓损伤患者	数字病理学	脊髓损伤	MRI放射组学，深度迁移学习	诺模图模型	图像	168名颈椎脊髓损伤患者
363	2024-12-15	Utilizing InVEST ecosystem services model combined with deep learning and fallback bargaining for effective sediment retention in Northern Iran 2024-Dec-14, Environmental science and pollution research international DOI:10.1007/s11356-024-35712-6 PMID:39673030	研究论文	本研究旨在将博弈论和深度学习算法与InVEST生态系统服务模型（IESM）结合，用于伊朗Kasilian流域的沉积物保持（SR）建模	本研究创新性地将博弈论中的Fallback bargaining算法与深度学习算法（CNN、LSTM、RNN）结合，用于沉积物保持的分布建模，并比较了不同方法的性能	本研究仅在Kasilian流域进行，样本量有限，可能限制了结果的普适性	研究目的是通过结合博弈论和深度学习算法，优化沉积物保持的建模和优先级划分	研究对象是伊朗Kasilian流域的19个子流域及其沉积物保持潜力	计算机视觉	NA	深度学习算法	CNN、LSTM、RNN	地理环境数据	19个子流域
364	2024-12-15	A Novel Approach in Cancer Diagnosis: Integrating Holography Microscopic Medical Imaging and Deep Learning Techniques - Challenges and Future Trends 2024-Dec-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	研究论文	本研究探讨了将全息显微医学成像与深度学习技术结合用于癌症诊断的新方法	提出了一种结合定量相位成像（QPI）和深度学习（DL）的新方法，解决了传统成像技术无法捕捉详细结构信息的局限性	研究中提到了集成全息成像和深度学习方法所面临的挑战，但未详细说明具体的限制	探索全息显微成像与深度学习技术结合在癌症诊断中的潜力，并提出未来研究方向	癌症诊断中的组织样本和全息图像	计算机视觉	NA	全息显微成像，深度学习	U-Net，Vision Transformer（ViT）	图像	未具体说明样本数量
365	2024-12-15	Diagnosing Respiratory Variability: Convolutional Neural Networks for Chest X-ray Classification Across Diverse Pulmonary Conditions 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01355-9 PMID:39673008	研究论文	研究利用卷积神经网络（CNN）对胸部X光片进行分类，以诊断多种肺部疾病	提出了基于VGG19的模型，在肺部疾病分类任务中表现优于其他架构，平均准确率高达0.995和0.996	未提及具体的研究局限性	提高发展中国家医疗资源有限情况下的肺部疾病诊断准确性	胸部X光片中的肺部疾病分类	计算机视觉	肺部疾病	卷积神经网络（CNN）	VGG19	图像	8000张胸部X光片（包含四种肺部疾病）和2000张健康胸部X光片
366	2024-12-15	Semi-supervised Ensemble Learning for Automatic Interpretation of Lung Ultrasound Videos 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01344-y PMID:39673011	研究论文	本文提出了一种用于自动解释肺部超声视频的半监督集成学习深度学习框架	引入了一种基于残差(2+1)D架构的半监督学习方法，并采用集成建模策略来聚合不同标签集的预测结果，利用了肺部超声发现的分层特性	多标签模型的平均F1分数为70.5%，仍有提升空间	开发一种能够自动解释肺部超声视频的深度学习框架，以辅助临床诊断	肺部超声视频及其中的发现（如A线、B线或实变）	计算机视觉	肺部疾病	深度学习	残差(2+1)D架构	视频	NA
367	2024-12-15	Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data 2024-Dec-12, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105501 PMID:39671751	研究论文	本研究探讨了卷积神经网络在疾病分类任务中如何编码医学图像中的偏差	通过使用合成脑部磁共振成像数据，系统研究了卷积神经网络中层级偏差编码的机制，展示了在控制偏差场景下研究快捷学习机制的优势	研究仅限于合成数据，可能无法完全反映真实世界医学图像中的偏差情况	旨在填补对医学图像分析模型中算法偏差机制理解的知识空白	卷积神经网络在疾病分类任务中的偏差编码机制	计算机视觉	NA	卷积神经网络	CNN	图像	合成脑部磁共振成像数据
368	2024-12-15	Unsupervised reconstruction of accelerated cardiac cine MRI using neural fields 2024-Dec-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109467 PMID:39672009	研究论文	本文提出了一种基于神经场表示的无监督方法NF-cMRI，用于加速心脏电影MRI的重建	本文的创新点在于提出了一种无监督的神经场表示方法，用于重建加速的心脏电影MRI，无需依赖大规模训练数据	本文的局限性在于仅在特定的采样条件下进行了评估，可能需要进一步验证其在其他条件下的适用性	研究目的是开发一种无需监督学习的心脏电影MRI重建方法，以加速数据采集	研究对象是心脏电影MRI的重建	计算机视觉	心血管疾病	神经场表示	神经场	图像	使用了13倍、17倍和26倍的欠采样因子进行评估
369	2024-12-15	Enhancing motor imagery EEG signal decoding through machine learning: A systematic review of recent progress 2024-Dec-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109534 PMID:39672015	综述	本文系统回顾了近年来通过机器学习解码运动想象脑电信号（EEG）以提高运动障碍患者生活质量的研究进展	本文总结了自2017年以来相关研究的关键发现，涵盖了数据集、预处理方法、特征提取技术和深度学习模型，为研究人员提供了有价值的见解	本文为综述文章，未提出新的研究方法或模型，主要总结了现有研究的进展和挑战	探讨神经科学与深度学习在解码运动想象脑电信号方面的结合，以推动脑机接口（BCI）技术的发展	运动想象脑电信号（EEG）及其在脑机接口（BCI）中的应用	机器学习	运动障碍	脑电图（EEG）	深度学习模型	脑电信号	NA
370	2024-12-15	Exploring diabetes through the lens of AI and computer vision: Methods and future prospects 2024-Dec-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109537 PMID:39672014	研究论文	本文探讨了通过人工智能和计算机视觉技术来检测糖尿病的方法和未来前景	本文提出了利用人工智能和计算机视觉技术来增强临床数据分析的创新方法，并探讨了其在糖尿病检测中的应用潜力	本文主要讨论了技术应用的挑战和建议，未深入探讨具体技术的局限性	探讨人工智能和计算机视觉技术在糖尿病检测中的应用及其未来发展	糖尿病检测及其相关技术应用	计算机视觉	糖尿病	人工智能、机器学习、深度学习、计算机视觉	NA	临床数据	NA
371	2024-12-15	Artificial intelligence in emergency neuroradiology: Current applications and perspectives 2024-Dec-12, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.002 PMID:39672753	综述	本文综述了人工智能在急诊神经放射学中的当前应用和未来展望	本文详细分析了机器学习和深度学习算法在急性缺血性卒中相关任务中的应用，并讨论了其在急性颅内出血和其他血管病理学中的应用	本文呼吁更多基于临床需求的发展，关注儿科神经影像学，并分析实际表现	探讨人工智能在急诊神经放射学中的应用现状和未来发展方向	急性条件涉及的大脑、头颈部和脊柱，以及急性缺血性卒中、急性颅内出血和其他血管病理学	计算机视觉	NA	机器学习、深度学习	NA	图像	NA
372	2024-12-14	A combined deep learning framework for mammalian m6A site prediction 2024-Dec-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文设计了一个结合Transformer架构和循环神经网络的深度学习框架deepSRAMP，用于预测哺乳动物m6A位点	deepSRAMP在性能上显著优于其前身SRAMP，并在多个基准数据集上超越了其他最先进的m6A预测器	NA	开发一种新的深度学习框架，用于精确预测哺乳动物mRNA中的m6A位点	哺乳动物mRNA中的m6A位点	机器学习	NA	深度学习	Transformer架构和循环神经网络	序列数据和基因组数据	多个基准数据集
373	2024-12-15	Prediction of gene expression-based breast cancer proliferation scores from histopathology whole slide images using deep learning 2024-Dec-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13248-9 PMID:39663527	研究论文	本研究使用深度学习模型从全切片数字病理图像中预测乳腺癌的基因表达增殖评分	首次展示了使用深度卷积神经网络（CNN）从全切片数字病理图像中直接预测乳腺癌的基因表达增殖评分，并提供了临床预测信息	研究样本量有限，且仅限于侵袭性乳腺癌患者	评估是否可以从数字全切片图像中使用深度学习模型预测乳腺癌的分子增殖标志物	乳腺癌患者的全切片数字病理图像和RNA测序数据	数字病理学	乳腺癌	RNA测序	CNN	图像	819名侵袭性乳腺癌患者的训练数据，172例内部测试集和997例外部独立测试集
374	2024-12-15	Large language models as an academic resource for radiologists stepping into artificial intelligence research 2024-Dec-10, Current problems in diagnostic radiology IF:1.5Q3 DOI:10.1067/j.cpradiol.2024.12.004 PMID:39672727	研究论文	本研究评估了GPT-4o作为推荐系统在帮助放射科医生理解和应用人工智能算法方面的有效性	GPT-4o作为虚拟顾问，为放射科研究人员提供定制化的算法推荐，填补了技术技能的空白	需要进一步研究将大型语言模型整合到常规工作流程中，并探讨其在持续专业发展中的作用	评估GPT-4o在放射科研究中作为人工智能和机器学习算法推荐系统的有效性	放射科医生和早期职业研究人员	机器学习	NA	大型语言模型（LLMs）	GPT-4o	医学影像	NA
375	2024-12-15	Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.136804 PMID:39672063	研究论文	本研究开发了一种用于预测东洞庭湖有害藻华的早期预警系统，采用深度学习方法结合iTransformer模型进行时间序列分析，以提高预测精度	本研究创新性地将iTransformer模型应用于环境监测，通过其强大的预处理能力解决数据缺失问题，并利用注意力权重分析识别影响藻类密度的关键因素	尽管模型目前有效，但未来工作应探索更多环境变量以增强其预测能力和泛化性	开发一种有效的有害藻华预测系统，以支持水资源管理机构的快速行动	东洞庭湖的水质数据和有害藻华的发生	机器学习	NA	深度学习	iTransformer	时间序列数据	NA
376	2024-12-15	Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis 2024-Dec-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-08120-7 PMID:39633356	meta-analysis	本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性	深度学习在骨质疏松诊断中的表现优于其他机器学习算法	需要进一步的临床试验来验证研究结果	研究深度学习在骨质疏松预测中的诊断准确性	深度学习算法在骨质疏松预测中的诊断性能	machine learning	代谢性疾病	深度学习	CNN	NA	10项研究
377	2024-12-15	Using three-dimensional fluorescence spectroscopy and machine learning for rapid detection of adulteration in camellia oil 2024-Dec-03, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125524 PMID:39671816	研究论文	本研究利用三维荧光光谱结合机器学习方法，快速检测山茶油的掺假情况	本研究引入了优化的CaoCNN模型，展示了深度学习在掺假油检测中的潜力	传统机器学习方法在单一和二元掺假油的分类中存在局限性	旨在识别山茶油的真伪	山茶油及其掺假油	机器学习	NA	三维荧光光谱，平行因子分析（PARAFAC）	卷积神经网络（CNN）	光谱数据	不同种类的植物油
378	2024-12-15	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	本文提出了一种基于EEG信号的混合相似性特征选择和级联深度Maxout模糊网络用于自闭症谱系障碍检测	提出了级联深度Maxout模糊网络（Cascade DMFN）模型，并结合Canberra距离和Kumar-hassebrook混合相似性度量进行特征选择	未提及具体局限性	开发一种经济且简单的诊断模型，用于早期检测自闭症谱系障碍，以提供及时干预并降低医疗成本	自闭症谱系障碍的检测	机器学习	自闭症	深度学习	级联深度Maxout模糊网络（Cascade DMFN）	EEG信号	使用了EEG数据集和BCIAUT_P300数据集
379	2024-12-15	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	本研究开发了一种基于机器学习的计算方法，用于预测植物基因组中响应非生物胁迫的环状RNA	首次提出了一种基于机器学习的模型，用于预测植物中响应非生物胁迫的环状RNA，并开发了一个在线预测工具AScirRNA	模型的准确性和性能仍有提升空间，且需要进一步验证其在不同植物物种中的适用性	探索植物中环状RNA在非生物胁迫响应中的功能，并开发预测工具以辅助作物育种	植物基因组中的环状RNA及其在非生物胁迫中的响应机制	机器学习	NA	机器学习算法	XGBoost, LightGBM	环状RNA序列	NA
380	2024-12-15	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	本文提出了一种基于FCM-GRNN欠采样技术的深度学习模型ILYCROsite，用于识别赖氨酸巴豆酰化位点	本文创新性地采用了MLP-Attention模型，并结合FCM-GRNN欠采样算法来平衡数据集，显著提高了巴豆酰化位点识别的性能	NA	开发一种高效准确的模型来识别蛋白质中的赖氨酸巴豆酰化位点	赖氨酸巴豆酰化位点的识别	机器学习	NA	FCM-GRNN欠采样技术	MLP-Attention	序列	NA