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
501	2024-12-28	Deep learning insights into distinct patterns of polygenic adaptation across human populations 2024-Dec-11, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1027 PMID:39558170	研究论文	本文介绍了一种名为RAISING的两阶段深度学习框架，用于检测人类基因组中的多基因适应模式	RAISING框架通过超参数调优优化神经网络架构，并在特征选择和预测任务中表现出色，显著提高了检测遗传适应的真阳性率，并减少了计算时间	尽管RAISING在复杂的人口模拟中表现出色，但其在高维基因组数据中的计算挑战仍需进一步解决	研究人类基因组中多基因适应的不同模式	非洲、欧洲、南亚和东亚人群的基因组数据	机器学习	NA	深度学习	神经网络	基因组数据	非洲、欧洲、南亚和东亚人群的基因组数据
502	2024-12-28	A multimodal ensemble approach for clear cell renal cell carcinoma treatment outcome prediction 2024-Dec-10, ArXiv PMID:39713797	研究论文	本文开发了一种多模态集成模型（MMEM），用于预测透明细胞肾细胞癌（ccRCC）患者的总体生存率（OS）和无病生存率（DFS）	首次开发了整合五种不同数据模态的多模态预测模型MMEM，用于ccRCC患者的预后预测	研究结果需要独立验证以确认其有效性	开发可靠的癌症预后模型，以个性化治疗ccRCC患者	透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	多组学数据分析，全切片图像（WSI）分析	多模态集成模型（MMEM），Cox比例风险模型（CPH），ResNet，UNI	临床信息，多组学数据，全切片图像（WSI）	226名来自TCGA-KIRC数据集的ccRCC患者
503	2024-12-28	Toward Closing the Loop in Image-to-Image Conversion in Radiotherapy: A Quality Control Tool to Predict Synthetic Computed Tomography Hounsfield Unit Accuracy 2024-Dec-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120316 PMID:39728213	研究论文	本文提出了一种基于深度学习的框架，用于预测合成CT图像的准确性，无需真实CT图像作为参考	首次提出了一种独立评估合成CT图像质量的策略，无需真实CT图像作为参考，并生成了逐片的体积图以预测平均绝对误差	研究仅在头颈癌患者的两组不同成像模态数据上进行训练和测试，样本量相对较小	开发一种用于预测合成CT图像准确性的工具，以支持放射治疗中的图像转换质量控制	头颈癌患者的MR和CBCT扫描数据	数字病理学	头颈癌	深度学习	级联多模型架构	图像	27例MR扫描和33例CBCT扫描
504	2024-12-28	State-of-the-Art Deep Learning Methods for Microscopic Image Segmentation: Applications to Cells, Nuclei, and Tissues 2024-Dec-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120311 PMID:39728208	综述	本文系统回顾了过去六年中用于显微图像分割的最先进深度学习方法，并分析了这些方法在细胞、细胞核和组织分割中的具体应用	本文首次系统性地总结了深度学习方法在显微图像分割中的最新进展，并指出了现有方法的不足和未来研究方向	本文主要关注过去六年的研究，可能未涵盖更早期的相关进展	探讨深度学习方法在显微图像分割中的应用，以提高诊断准确性和研究效率	细胞、细胞核和组织	数字病理	NA	深度学习	NA	图像	NA
505	2024-12-28	UV Hyperspectral Imaging with Xenon and Deuterium Light Sources: Integrating PCA and Neural Networks for Analysis of Different Raw Cotton Types 2024-Dec-05, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120310 PMID:39728207	研究论文	本研究评估了使用氙弧灯和氘灯的紫外高光谱成像技术在不同类型原棉分类和质量评估中的应用	结合主成分分析（PCA）和全连接神经网络，比较了氙弧灯和氘灯在紫外高光谱成像中的效果，并提高了分类准确率	研究仅针对特定类型的原棉和麻类植物，未涉及其他纺织材料	确定哪种光源在紫外高光谱成像中能更好地区分不同类型的原棉	原棉、麻类植物	计算机视觉	NA	紫外高光谱成像	全连接神经网络	图像	多种类型的原棉和麻类植物样本
506	2024-12-28	Using machine learning for personalized prediction of longitudinal coronavirus disease 2019 vaccine responses in transplant recipients 2024-Dec-04, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2024.11.033 PMID:39643006	研究论文	本研究使用机器学习方法预测移植受者在接种新冠病毒疫苗后的长期免疫反应	提出了一种结合胶囊网络和LSTM的新模型，减少了对大数据集的需求	研究样本仅来自加拿大多中心队列，可能限制了结果的普适性	比较深度学习架构在预测移植受者新冠病毒疫苗反应中的表现	303名实体器官移植受者	机器学习	新冠病毒感染	深度学习	LSTM, 循环神经网络, 路由LSTM	人口统计、临床、移植相关数据及纵向抗体测量数据	303名实体器官移植受者
507	2024-12-28	Overview of Computational Toxicology Methods Applied in Drug and Green Chemical Discovery 2024-Dec-04, Journal of xenobiotics IF:6.8Q1 DOI:10.3390/jox14040101 PMID:39728409	综述	本文介绍了计算毒理学在药物和绿色化学发现中的应用，重点讨论了机器学习和深度学习方法	强调了机器学习和深度学习在毒理学领域的重要性，并介绍了多种计算毒理学方法	未提及具体方法的局限性	探讨计算毒理学在药物和绿色化学发现中的应用	化学结构和毒性预测	计算化学	NA	机器学习和深度学习	NA	化学结构数据	NA
508	2024-12-28	Predicting the Performance of Students Using Deep Ensemble Learning 2024-Dec-03, Journal of Intelligence IF:2.8Q1 DOI:10.3390/jintelligence12120124 PMID:39728092	研究论文	本文提出了一种基于深度集成学习的方法来预测学生表现	提出了一种新的特征排序机制，并采用加权投票策略和参数优化技术来提高预测准确性	未提及具体的数据集规模或多样性限制	预测学生的学术表现，以提高学术成果并减少学生流失	学生	机器学习	NA	深度集成学习	深度神经网络	NA	NA
509	2024-12-28	Electrocardiogram-Based Deep Learning to Predict Mortality in Repaired Tetralogy of Fallot 2024-Dec, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.07.015 PMID:39297841	研究论文	本研究开发并外部验证了一种基于深度学习的AI-ECG模型，用于预测修复性法洛四联症患者的5年死亡率	首次将AI-ECG分析应用于修复性法洛四联症患者的死亡率预测，并通过外部验证证明了其有效性	研究样本主要来自两个医疗中心，可能存在地域和人群的局限性	开发并验证一种AI-ECG模型，用于预测修复性法洛四联症患者的5年死亡率	修复性法洛四联症患者	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图（ECG）	内部测试队列包括1,054名患者（13,077份ECG），外部验证队列包括335名患者（5,014份ECG）
510	2024-12-28	Application and Prospects of Deep Learning Technology in Fracture Diagnosis 2024-Dec, Current medical science IF:2.0Q3 DOI:10.1007/s11596-024-2928-5 PMID:39551854	综述	本文综述了深度学习技术在骨折诊断中的最新研究进展，并探讨了其在该领域的应用价值	深度学习技术能够有效处理高维医学影像数据，优化骨折诊断的性能	NA	探讨深度学习技术在骨折诊断中的应用及其发展前景	骨折诊断	数字病理学	骨科疾病	深度学习	NA	医学影像	NA
511	2024-12-28	Deep learning for early diagnosis of oral cancer via smartphone and DSLR image analysis: a systematic review 2024-Dec, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2024.2434732 PMID:39587051	系统综述	本文综述了基于智能手机和DSLR图像分析的深度学习在口腔癌早期诊断中的应用	聚焦于手持AI工具，特别是卷积神经网络（CNNs）及其高级架构在口腔癌诊断中的影响	面临标注数据集有限和数据不平衡等挑战	探讨深度学习在口腔癌早期诊断中的应用及其效果	口腔癌	计算机视觉	口腔癌	深度学习	CNN, DenseNet121, VGG19, EfficientNet-B0, EfficientNet-B4, Inception-V4, Faster R-CNN	图像	25篇论文
512	2024-12-28	Integrating Machine Learning in Metabolomics: A Path to Enhanced Diagnostics and Data Interpretation 2024-Dec, Small methods IF:10.7Q1 DOI:10.1002/smtd.202400305 PMID:38682615	研究论文	本文探讨了机器学习与代谢组学的结合，以提高代谢物识别、数据效率和诊断方法	提出了用于准确峰值识别、从代谢谱中进行稳健疾病分类以及改进代谢物注释的新算法，并展示了机器学习在多组学整合中的潜力	NA	提升代谢组学数据分析的效率和诊断方法的准确性	代谢组学数据	机器学习	NA	NMR, MS	深度学习, 传统机器学习	代谢组学数据	NA
513	2024-12-26	Crop yield prediction in agriculture: A comprehensive review of machine learning and deep learning approaches, with insights for future research and sustainability 2024-Dec-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40836 PMID:39720079	研究论文	本文综述了机器学习和深度学习方法在农业作物产量预测中的应用，并探讨了未来研究和可持续性的方向	系统性地分析了AI技术在作物产量预测中的应用，强调了环境与农业数据的重要性，并指出了未来研究的方向	未提及具体的数据集或实验结果的局限性	提高作物产量预测的准确性，以支持农业规划和资源管理	作物产量预测	机器学习	NA	机器学习（ML）、深度学习（DL）	随机森林（RF）、人工神经网络（ANN）、支持向量机（SVM）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、深度神经网络（DNN）	环境与农业数据	NA
514	2024-12-26	Chemistry of Street Art: Neural Network for the Spectral Analysis of Berlin Wall Colors 2024-Dec-25, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c12611 PMID:39660736	研究论文	本研究通过分析柏林墙街头艺术片段，利用拉曼光谱技术对绘画材料进行表征，并探索深度学习在颜料混合物定量分析中的应用	首次将卷积神经网络（CNN）算法应用于拉曼光谱分析，预测商业丙烯颜料中着色化合物的比例，为手持拉曼光谱仪的分析量化提供了新方法	研究主要依赖于特定品牌（Schmincke）的丙烯颜料，可能限制了结果的普适性	通过光谱分析和深度学习技术，定量分析街头艺术中使用的丙烯颜料的成分	柏林墙街头艺术的绘画材料	机器学习	NA	拉曼光谱技术	卷积神经网络（CNN）	光谱数据	使用Schmincke品牌丙烯颜料制备的校准和训练参考材料
515	2024-12-26	Exploring the Applications of Explainability in Wearable Data Analytics: Systematic Literature Review 2024-Dec-24, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/53863 PMID:39718820	系统文献综述	本文综述了可解释人工智能（XAI）在可穿戴设备数据分析中的应用，探讨了如何通过XAI提高生成数据和模型的可解释性	本文首次系统性地回顾了XAI在可穿戴设备中的应用，并指出了当前研究中的空白和未来研究方向	用户评估方面存在不足，强调了在开发过程中需要更多用户参与	探讨可解释性在可穿戴设备中的应用，以提高医疗保健领域人工智能模型的透明度和可信度	可穿戴设备、传感器或手机生成的量化自我数据	机器学习	NA	可解释人工智能（XAI）	NA	量化自我数据	分析了25篇研究论文
516	2024-12-26	Precision autofocus in optical microscopy with liquid lenses controlled by deep reinforcement learning 2024-Dec-24, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00845-8 PMID:39719441	研究论文	本文提出了一种基于深度强化学习的自适应液体透镜显微镜系统，用于实现快速、精确的自动对焦	采用深度强化学习直接从捕获的图像中学习对焦策略，并设计了针对性的奖励函数，显著提高了显微镜自动对焦任务的性能	未提及具体局限性	开发一种快速、精确的自动对焦技术，以解决传统显微镜和自动对焦方法的硬件限制和软件速度慢的问题	液体透镜显微镜系统	计算机视觉	NA	深度强化学习	DRLAF（基于深度强化学习的自动对焦）	图像	未提及具体样本数量
517	2024-12-26	Ecologically sustainable benchmarking of AI models for histopathology 2024-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01397-x PMID:39719527	研究论文	本文探讨了一种在病理学中开发深度学习模型的方法，该方法同时考虑了诊断性能和碳足迹	提出了一个名为'环境可持续性能'（ESPer）的指标，该指标定量整合了性能和操作期间的二氧化碳当量排放	未提及具体的研究局限性	开发一种既考虑诊断性能又考虑碳足迹的深度学习模型	用于计算病理学的各种深度学习架构，包括一个大型基础模型	数字病理学	NA	深度学习	深度学习模型	NA	NA
518	2024-12-26	Other possible perspectives for solving the negative outcome penalty paradox in the application of artificial intelligence in clinical diagnostics 2024-Dec-23, Journal of medical ethics IF:3.3Q1 DOI:10.1136/jme-2024-109968 PMID:38871400	评论	本文探讨了人工智能在临床诊断中应用时面临的负面结果惩罚悖论，并提出了三种可能的解决视角	提出了三种新的视角来解决人工智能在临床诊断中的负面结果惩罚悖论，包括改变公众认知、重新设计临床实践流程和引入更多利益相关者	未提供具体的实证研究或数据支持，仅提出了理论上的解决视角	探讨如何更有效地将人工智能整合到未来的临床实践中，解决负面结果惩罚悖论	人工智能在临床诊断中的应用	机器学习	NA	NA	NA	NA	NA
519	2024-12-26	Accurate and Efficient Algorithm for Detection of Alzheimer Disability Based on Deep Learning 2024-Dec-19, Cellular physiology and biochemistry : international journal of experimental cellular physiology, biochemistry, and pharmacology IF:2.5Q2 DOI:10.33594/000000746 PMID:39720940	研究论文	本研究开发了一种基于深度学习和计算机辅助检测的自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	结合预训练的卷积神经网络和多类支持向量机及人工神经网络分类器，提出了一种纹理特征降维算法，显著提高了计算效率和分类准确性	未来研究应探索在更大、更多样化的数据集上的应用，并研究与其他成像模式（如MRI）的整合，以进一步提高诊断精度	开发一种自动化、成本效益高的数字诊断方法，用于早期阿尔茨海默病的识别和分类	阿尔茨海默病患者，数据集分为非痴呆、极轻度痴呆、轻度痴呆和中度痴呆四组	计算机视觉	老年病	深度学习	CNN, MSVM, ANN	图像	数据集分为四组，具体样本数量未提及
520	2024-12-26	Autoencoder imputation of missing heterogeneous data for Alzheimer's disease classification 2024-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12091 PMID:39720752	研究论文	本研究探讨了使用去噪自编码器对阿尔茨海默病（AD）异质数据中缺失关键特征进行填补的有效性，并评估其在AD分类中的性能	首次系统评估深度学习算法在填补异质且全面的AD数据中的表现，特别是针对关键特征极端缺失（≥40%）的情况	研究仅关注特定类型的缺失数据（随机缺失），未涵盖其他缺失机制	提高AD诊断的准确性，特别是在数据缺失的情况下	阿尔茨海默病患者的多模态数据，包括tau-PET、MRI、认知和功能评估、基因型、社会人口学和病史	机器学习	阿尔茨海默病	去噪自编码器	随机森林	多模态数据（图像、文本、数值）	未明确提及样本数量