深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
741	2024-12-19	High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00246-7 PMID:39692944	研究论文	本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率	本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果	NA	提高高吞吐量显微光学成像数据的处理效率	小鼠脑部的高吞吐量显微光学成像数据	计算机视觉	NA	深度学习	深度差分引导滤波分割网络（DDGF-SegNet）	图像	NA	NA	NA	NA	NA
742	2024-12-19	Research trends on AI in breast cancer diagnosis, and treatment over two decades 2024-Dec-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01671-0 PMID:39692996	综述	本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展	本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战	研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决	旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向	2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文	机器学习	乳腺癌	文献计量分析	NA	文本	2678篇来自Scopus数据库的论文	NA	NA	NA	NA
743	2024-12-19	Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study 2024-Dec-17, JMIR AI DOI:10.2196/64362 PMID:39688897	研究论文	本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率	本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率	研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型	开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率	密苏里州的1052个人口普查区	计算机视觉	肥胖	深度学习	CNN	图像	63592个224×224像素的图像块	NA	NA	NA	NA
744	2024-12-19	Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82835-4 PMID:39690238	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
745	2024-12-19	Dual biomarkers CT-based deep learning model incorporating intrathoracic fat for discriminating benign and malignant pulmonary nodules in multi-center cohorts 2024-Dec-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.104877 PMID:39689571	研究论文	本研究提出了一种基于深度学习的模型，结合纵隔脂肪来区分良性和恶性肺结节	首次将纵隔脂肪作为影像学标志物，结合肺结节进行良恶性鉴别	研究仅在多中心队列中验证，尚未在更大范围的临床实践中应用	探索纵隔脂肪在肺结节良恶性鉴别中的潜在预测价值	肺结节患者的良恶性鉴别	数字病理学	肺癌	深度学习	深度学习模型	影像	1321名肺结节患者	NA	NA	NA	NA
746	2024-12-19	A deep learning approach to predict differentiation outcomes in hypothalamic-pituitary organoids 2024-12-06, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07109-1 PMID:39643622	研究论文	本研究利用深度学习技术创建了一个模型，能够从类器官图像中预测垂体类器官的分化结果	本研究首次使用EfficientNetV2-S或Vision Transformer模型，结合VENUS-coupled RAX表达，能够以70%的准确率将类器官图像分类为三个类别，优于专家观察者的预测结果	本研究仅在特定条件下验证了模型的有效性，未来需要在更多样化的样本和临床环境中进行验证	开发一种能够预测垂体类器官分化结果的深度学习模型，以提高分化效率并应用于临床	人多能干细胞分化成的垂体类器官	机器学习	NA	深度学习	EfficientNetV2-S, Vision Transformer	图像	NA	NA	NA	NA	NA
747	2024-12-19	Artificial intelligence: a primer for pediatric radiologists 2024-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-06098-x PMID:39556194	review	本文为儿科放射科医生介绍了人工智能（AI）的基本概念及其在儿科放射学中的应用	本文首次系统性地向儿科放射科医生介绍AI的基本概念和应用，旨在激发该领域进一步的探索和创新	本文主要为介绍性内容，未涉及具体的实验或应用案例	向儿科放射科医生介绍AI的基本概念及其在儿科放射学中的应用，并探讨其挑战和当前用途	儿科放射科医生及AI在儿科放射学中的应用	NA	NA	机器学习、深度学习、自然语言处理、生成式AI	NA	NA	NA	NA	NA	NA	NA
748	2024-12-19	Accurate RNA 3D structure prediction using a language model-based deep learning approach 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02487-0 PMID:39572716	研究论文	本文介绍了一种基于语言模型的深度学习方法RhoFold+，用于准确预测RNA的三维结构	RhoFold+通过集成预训练的RNA语言模型和解决数据稀缺问题的技术，提供了一个全自动的端到端RNA 3D结构预测管道，并在多个评估中展示了其优于现有方法的性能	NA	开发一种能够准确预测RNA三维结构的方法，以促进RNA功能研究和RNA靶向药物开发	单链RNA的三维结构	机器学习	NA	深度学习	语言模型	序列	约2370万条RNA序列	NA	NA	NA	NA
749	2024-12-19	Advances in Miniaturized Computational Spectrometers 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404448 PMID:39477813	综述	本文综述了微型计算光谱仪的发展，重点介绍了光谱编码和重建算法两个关键组件	通过引入计算资源，打破了传统微型光谱仪在尺寸和性能之间的权衡	NA	探讨微型计算光谱仪的原理、特点、最新进展及其在超光谱成像中的应用	微型计算光谱仪的光谱编码和重建算法	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
750	2024-12-19	Enhanced long short-term memory architectures for chaotic systems modeling: An extensive study on the Lorenz system 2024-Dec-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0238619 PMID:39689728	研究论文	本文介绍了一种增强型长短期记忆（LSTM）变体，并探讨其在多输入单输出混沌系统建模中的能力	提出了一种简化的LSTM架构，仅包含四个标准LSTM门中的三个，并进行了其他反馈修改	实验仅在Lorenz和Rössler系统上进行，可能限制了其普适性	研究增强型LSTM在混沌系统建模中的应用	Lorenz和Rössler混沌系统	机器学习	NA	NA	LSTM	数据集	使用MATLAB生成的Lorenz和Rössler系统数据集	NA	NA	NA	NA
751	2024-12-19	Monitoring Over Time of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Patients Through an Ensemble Vision Transformers-Based Model 2024-Dec, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70482 PMID:39692281	研究论文	本研究开发了一种基于Vision Transformer（ViT）架构的集成深度学习模型，用于预测和监测乳腺癌患者在新辅助化疗（NAC）期间病理完全缓解（pCR）的情况	本研究首次提出使用Vision Transformer（ViT）模型对动态对比增强磁共振成像（DCE-MRI）进行分析，以监测NAC期间pCR的变化	本研究的样本量较小，且仅限于乳腺癌患者	开发一种能够预测和监测乳腺癌患者在新辅助化疗期间病理完全缓解情况的深度学习模型	乳腺癌患者在新辅助化疗期间的病理完全缓解情况	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	Vision Transformer（ViT）	图像	86名乳腺癌患者，其中37.2%的患者达到病理完全缓解（pCR）	NA	NA	NA	NA
752	2024-12-18	Deep learning model for diagnosis of venous thrombosis from lower extremity peripheral ultrasound imaging 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111318 PMID:39687013	研究论文	本研究旨在建立一个深度学习模型，用于通过下肢外周超声图像诊断深静脉血栓	本研究创新性地使用卷积神经网络（UNet和ResNet）进行图像分割，并开发了一个用户友好的应用程序，以便前线临床医生快速评估临床严重性并进行及时干预	NA	建立一个深度学习模型，用于通过超声图像诊断深静脉血栓	下肢外周超声图像中的深静脉血栓	计算机视觉	深静脉血栓	卷积神经网络	UNet, ResNet	图像	通过标准和便携式手持超声方法获得的静脉双工超声视频图像	NA	NA	NA	NA
753	2024-12-18	A Deep Learning Based Framework to Identify Undocumented Orphaned Oil and Gas Wells from Historical Maps: A Case Study for California and Oklahoma 2024-Dec-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c04413 PMID:39629830	研究论文	本文开发了一种基于深度学习的框架，用于从历史地图中识别未记录的孤立油气井，并在加利福尼亚州和俄克拉荷马州的四个县进行了案例研究	本文创新性地利用了最先进的计算机视觉神经网络模型U-Net，通过检测地理参考历史地形图中的油气井符号来识别潜在的未记录孤立油气井	本文的局限性在于仅在加利福尼亚州和俄克拉荷马州的四个县进行了验证，未来需要进一步扩展到全美范围	本文的研究目的是开发一种方法来识别未记录的孤立油气井，以减少其对环境和公共健康的潜在危害	本文的研究对象是未记录的孤立油气井及其在历史地图中的位置	计算机视觉	NA	计算机视觉神经网络模型	U-Net	地图	在加利福尼亚州和俄克拉荷马州的四个县中，发现了1301个潜在的未记录孤立油气井，覆盖面积超过40,000平方公里	NA	NA	NA	NA
754	2024-12-18	Bimodal PET/MRI generative reconstruction based on VAE architectures 2024-Dec-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9133 PMID:39527911	研究论文	本研究探索了在深度学习框架下基于变分自编码器（VAE）架构的正电子发射断层扫描（PET）/磁共振成像（MRI）联合重建方法	提出了基于VAE约束与交替方向乘子法（ADMM）优化技术的新方法，并探索了三种VAE架构以确定两种模态的最佳潜在表示	未提及具体限制	开发一种新的PET/MRI联合重建方法，以提高重建质量，特别是在短采集时间下的表现	脑部PET/MRI数据	计算机视觉	NA	变分自编码器（VAE），交替方向乘子法（ADMM）	VAE	图像	脑部PET/MRI数据集	NA	NA	NA	NA
755	2024-12-18	Novel approach for Arabic fake news classification using embedding from large language features with CNN-LSTM ensemble model and explainable AI 2024-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82111-5 PMID:39681596	研究论文	本文提出了一种基于ELMo词嵌入和CNN-LSTM集成模型的新方法，用于阿拉伯语假新闻分类，并结合可解释AI技术进行分析	本文的创新点在于提出了一种结合ELMo词嵌入和CNN-LSTM集成模型的投票框架，并引入了LIME可解释AI技术，显著提高了分类性能和模型可解释性	本文未提及具体的局限性	研究目的是提高阿拉伯语假新闻检测的准确性和可解释性	研究对象是阿拉伯语假新闻文本	自然语言处理	NA	ELMo词嵌入，LIME可解释AI技术	CNN-LSTM集成模型	文本	NA	NA	NA	NA	NA
756	2024-12-18	Thermoelectric Material Performance (zT) Predictions with Machine Learning 2024-Dec-16, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c19149 PMID:39686715	研究论文	本文利用机器学习和深度学习模型，基于大量实验数据集预测热电材料性能	开发了一种可解释的模型，能够在大规模实验数据集上预测热电材料性能，并直接预测复杂的热电性能	预测结果与实验结果存在偏差，可能由文献误差、合成路线不同、晶体形态和粒径密度差异等因素引起	利用机器学习模型预测热电材料的性能	热电材料及其性能	机器学习	NA	机器学习，深度学习，密度泛函理论（DFT）	NA	实验数据，晶体学数据	约160,000个数据点	NA	NA	NA	NA
757	2024-12-18	Screening and evaluation of diabetic retinopathy via a deep learning network model: A prospective study 2024-Dec-15, World journal of diabetes IF:4.2Q1 DOI:10.4239/wjd.v15.i12.2302 PMID:39676804	研究论文	本文评估了一种基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	本文利用基于注意力机制的深度学习网络模型，显著提高了糖尿病视网膜病变的筛查准确性和效率	本文的研究对象仅限于18-70岁的永久居民，且样本量相对较小	评估基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	糖尿病视网膜病变在自然人群和糖尿病患者中的筛查效果	计算机视觉	糖尿病	深度学习	注意力机制网络模型	图像	474名参与者，共948张眼底图像	NA	NA	NA	NA
758	2024-12-18	Deep learning model combined with computed tomography features to preoperatively predicting the risk stratification of gastrointestinal stromal tumors 2024-Dec-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v16.i12.4663 PMID:39678791	研究论文	本文研究了结合深度学习模型和计算机断层扫描特征来术前预测胃肠道间质瘤的风险分层	本文开发了一种结合深度学习模型和常规计算机断层扫描数据的模型，用于术前预测胃肠道间质瘤的风险分层，显示出优于单一深度学习模型的性能	本文的局限性在于仅使用了回顾性分析的数据，且样本量相对较小	评估深度学习模型结合计算机断层扫描特征在预测胃肠道间质瘤风险分层中的应用	胃肠道间质瘤患者的术前风险分层	机器学习	胃肠道间质瘤	计算机断层扫描	卷积神经网络	图像	551名胃肠道间质瘤患者	NA	NA	NA	NA
759	2024-12-18	Effective identification of Alzheimer's disease in mouse models via deep learning and motion analysis 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39353 PMID:39687151	研究论文	本文开发了一种基于深度学习和运动分析的无标记运动分析系统（MMAS），用于Morris水迷宫测试中阿尔茨海默病小鼠模型的有效识别	创新点在于使用深度学习技术开发了无标记运动分析系统（MMAS），并通过该系统识别出阿尔茨海默病小鼠的单侧头部转向和尾部摆动偏好，其准确性高于传统行为参数	NA	研究目的是提高阿尔茨海默病小鼠模型的识别效果、敏感性和可解释性	研究对象是阿尔茨海默病小鼠模型和野生型小鼠	机器学习	阿尔茨海默病	深度学习	NA	视频	NA	NA	NA	NA	NA
760	2024-12-18	scVAG: Unified single-cell clustering via variational-autoencoder integration with Graph Attention Autoencoder 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40732 PMID:39687165	研究论文	本文提出了一种名为scVAG的深度学习框架，结合变分自编码器（VAE）和图注意力自编码器（GATE），用于增强单细胞RNA测序数据的聚类	scVAG通过集成VAE和GATE，实现了更灵活的潜在空间编码，取代了传统的线性主成分分析（PCA）方法，适用于非线性降维	NA	提高单细胞RNA测序数据聚类的准确性和解释性	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	变分自编码器（VAE）和图注意力自编码器（GATE）	数据矩阵	20个数据集	NA	NA	NA	NA