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
821	2024-12-13	A patch-based deep learning MRI segmentation model for improving efficiency and clinical examination of the spinal tumor 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100649 PMID:39659517	研究论文	本研究提出了一种基于补丁的深度学习MRI分割模型，用于提高脊柱肿瘤的效率和临床检查	本研究的创新点在于提出了一种全自动的脊柱MRI图像分割方法，利用卷积-反卷积神经网络和基于补丁的深度学习技术，显著提高了分割效率和准确性	NA	本研究的目的是提出一种全自动的脊柱MRI图像分割方法，以提高分割效率，满足临床诊断和治疗计划的需求	本研究的研究对象是脊柱MRI图像中的肿瘤	计算机视觉	脊柱疾病	卷积神经网络	卷积神经网络	图像	NA
822	2024-12-12	The role of deep learning in myocardial perfusion imaging for diagnosis and prognosis: A systematic review 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111374 PMID:39654634	综述	本文综述了深度学习在心肌灌注成像中的应用，重点探讨了其在诊断和预后中的可解释性方法	本文总结了深度学习在心肌灌注成像中的最新应用，并强调了可解释性方法的重要性	本文主要讨论了现有研究的挑战和未来研究的方向，未提供具体的技术实现细节	总结深度学习在心肌灌注成像中的应用，并探讨其在诊断和预后中的可解释性方法	心肌灌注成像（MPI）及其在诊断和预后中的应用	计算机视觉	心血管疾病	深度学习（DL）	卷积神经网络（CNN）	图像	NA
823	2024-12-12	Examples of implementations and the future of AI in medical diagnostics 2024-Dec-10, Przeglad epidemiologiczny DOI:10.32394/pe/195240 PMID:39660712	综述	本文介绍了人工智能在医疗诊断中的应用实例，并展望了未来的发展方向	探讨了深度学习算法的发展、5G技术与互联网的整合以及医疗个性化等潜在创新	提到了法律监管和数据管理适应的挑战	探讨人工智能在医疗诊断中的应用及未来发展	人工智能在医疗诊断中的应用实例及未来研究方向	机器学习	NA	深度学习	NA	NA	NA
824	2024-12-12	Focus on atrial fibrillation: role of atrioventricular node ablation, prediction by deep learning, and anticoagulation in device-detected arrhythmia 2024-Dec-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae826 PMID:39657597	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
825	2024-12-12	Enhancing novel isoform discovery: leveraging nanopore long-read sequencing and machine learning approaches 2024-Dec-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae031 PMID:39158328	综述	本文综述了利用纳米孔长读长测序技术和机器学习方法增强新剪接异构体发现的研究进展	本文讨论了长读长测序技术在检测新剪接异构体和重建复杂剪接模式方面的改进，并介绍了机器学习和深度学习算法在提高长读长测序转录组研究可靠性方面的进展	目前缺乏对哪些生物信息学工具和流程能产生最精确和一致结果的共识	讨论和比较利用长读长测序技术进行新剪接异构体发现的可行方法，并展示开发标准分析流程、工具和转录本模型规范的必要性	长读长测序技术和机器学习算法在新剪接异构体发现中的应用	生物信息学	NA	纳米孔长读长测序	机器学习	RNA转录本	25种工具
826	2024-12-12	Deep learning dives: Predicting anxiety in zebrafish through novel tank assay analysis 2024-Dec-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2024.114696 PMID:39293590	研究论文	本研究使用深度学习模型对斑马鱼在新环境中的焦虑行为进行分类	本研究首次使用DeepLabCut和InceptionV3等深度学习模型对斑马鱼的焦虑行为进行自动化分析，提供了一种高效且成本效益高的替代传统方法的方案	本研究的局限性在于仅使用了特定的深度学习模型进行分类，未探讨其他可能更适合的模型	开发一种自动化分析斑马鱼新环境潜水实验（NTD）的方法，以预测其焦虑水平	斑马鱼的焦虑行为	计算机视觉	NA	深度学习	InceptionV3	图像	训练数据集包含图像帧
827	2024-12-12	Efficient deep learning surrogate method for predicting the transport of particle patches in coastal environments 2024-Dec, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117251 PMID:39547071	研究论文	本文提出了一种用于预测沿海环境中颗粒团残留运输的深度学习代理模型方法	通过仅使用相关强迫条件，训练深度学习模型来预测颗粒团的位移和扩散，并将其与简化的拉格朗日模型结合，以获得更长时间的预测	NA	开发一种高效的预测沿海环境中污染物运输的代理模型	沿海环境中颗粒团的运输	机器学习	NA	深度学习模型	DLM	颗粒团数据	NA
828	2024-12-12	Identifying and quantifying multiple pollution sources in estuaries using fluorescence spectra and gradient-based deep learning 2024-Dec, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117254 PMID:39551020	研究论文	本研究开发了一种智能方法，用于识别和量化河口地区的水污染源	提出了结合激发-发射矩阵（EEM）荧光光谱和梯度输入的深度学习模型，以提高分类和定量精度	随着混合污染源数量的增加，模型精度有所下降	开发一种智能方法来识别和量化河口地区的水污染源	河口地区的七种污染源，包括海水、雨水和五种典型污染源	机器学习	NA	深度学习	深度学习模型	荧光光谱	七种污染源的激发-发射矩阵（EEM）荧光光谱数据
829	2024-12-12	Technical and functional design considerations for a real-world interpretable AI solution for NIR perfusion analysis (including cancer) 2024-Dec, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108273 PMID:38538505	研究论文	本文讨论了在近红外（NIR）灌注分析中应用可解释人工智能（AI）的技术和功能设计考虑，以提高动态解释的准确性并扩展其应用	本文提出了一种新的可解释AI方法，用于实时区分手术室中的癌症和良性组织，并通过生成荧光强度曲线来实现组织灌注分类	本文主要讨论了设计和功能考虑，未详细探讨实际应用中的具体挑战和限制	开发一种可解释的AI解决方案，用于近红外灌注分析，特别是在手术中进行癌症检测和组织健康评估	近红外（NIR）灌注分析中的组织和癌症检测	机器学习	癌症	近红外（NIR）分析，荧光评估，机器学习	机器学习分类器	视频	NA
830	2024-12-12	Deep learning-based classification of alfalfa varieties: A comparative study using a custom leaf image dataset 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103051 PMID:39650117	研究论文	本研究利用深度学习技术对苜蓿品种进行分类，并通过自定义的叶片图像数据集比较了几种先进模型的性能	本研究引入了包含1214张苜蓿品种图像的独特数据集，并比较了几种先进深度学习模型在不同超参数配置下的性能，突出了迁移学习在植物分类任务中的优越性	NA	研究深度学习技术在苜蓿品种分类中的应用	苜蓿品种（Bilensoy-80、Diana和Nimet）的分类	计算机视觉	NA	深度学习	MobileNetV3, InceptionV3, Xception, VGG19, DenseNet121, ResNet101, EfficientNetB3	图像	1214张苜蓿品种图像
831	2024-12-12	iResNetDM: An interpretable deep learning approach for four types of DNA methylation modification prediction 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.006 PMID:39650332	研究论文	本文提出了一种名为iResNetDM的可解释深度学习模型，用于预测四种DNA甲基化修饰	首次将DNA甲基化修饰预测任务作为多类分类问题，并引入了结合残差网络和自注意力机制的深度学习模型，能够区分四种DNA甲基化修饰类型	之前的模型仅限于二元预测，无法全面分析不同修饰类型之间的关系，且缺乏对模型决策过程的充分解释	开发一种能够区分多种DNA甲基化修饰类型并具有解释性的深度学习模型	四种DNA甲基化修饰类型及其相互关系	机器学习	NA	深度学习	ResNet	DNA序列	NA
832	2024-12-12	Effect of shear rate on early Shewanella oneidensis adhesion dynamics monitored by deep learning 2024-Dec, Biofilm IF:5.9Q1 DOI:10.1016/j.bioflm.2024.100240 PMID:39650339	研究论文	研究了剪切率对早期Shewanella oneidensis粘附动力学的影响，并通过深度学习进行监测	首次使用深度学习方法（YOLOv8）在个体水平上追踪早期粘附细菌的动态行为，并量化了不同剪切率对细菌粘附和定殖的影响	研究仅限于单一细菌种类（MR-1）和特定的剪切率范围，未来研究可以扩展到其他细菌种类和更广泛的剪切率范围	评估剪切率对早期细菌粘附动力学的影响，以更好地理解细菌定殖过程并制定相应的控制策略	Shewanella oneidensis细菌在不同剪切率下的早期粘附行为	计算机视觉	NA	深度学习	YOLOv8	图像	超过20,000个细菌样本
833	2024-12-12	Automatic classification of fungal-fungal interactions using deep leaning models 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.027 PMID:39655263	研究论文	本文开发了一种基于深度神经网络的AI自动化图像分类方法，用于自动分类真菌-真菌相互作用	本文首次引入了使用深度学习自动分类真菌-真菌相互作用的方法，并可轻松适应其他真菌物种	NA	开发一种自动化的方法来分类真菌-真菌相互作用，以克服传统方法耗时且难以复制的缺点	植物病原体与来自38,400个真菌菌株的单个分离物的相互作用	机器学习	NA	深度学习	DenseNet121	图像	38,400个真菌菌株
834	2024-12-11	Deep learning-based hyperspectral image correction and unmixing for brain tumor surgery 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111273 PMID:39628576	研究论文	本文提出了两种基于深度学习的模型，用于校正和解混高光谱图像，以改善脑肿瘤手术中的荧光引导	本文的创新点在于提出了两种深度学习模型，能够有效捕捉组织的光学和几何特性的异质性，并展示了半监督模型在人类数据上的更好泛化能力	本文的局限性在于仅在幻影和猪脑数据上进行了评估，尚未在人类临床试验中验证	本文的研究目的是改进高光谱成像在荧光引导脑肿瘤切除中的应用，以提高手术的准确性和患者预后	本文的研究对象是脑肿瘤手术中的高光谱图像校正和解混	计算机视觉	脑肿瘤	深度学习	深度学习模型	高光谱图像	幻影和猪脑数据
835	2024-12-11	Deep Learning for Generating Phase-Conditioned Infrared Spectra 2024-Dec-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04786 PMID:39575882	研究论文	本文提出了一种高效的相位感知机器学习方法，用于从二维分子结构生成相位条件下的红外光谱	本文首次提出了一种能够生成真实世界复杂分子相位条件下红外光谱的方法，并设计了相位感知的图神经网络与transformer解码器的结合	NA	加速红外光谱分析，解决现有方法忽略红外光谱相位依赖性的问题	红外光谱的生成与分析	机器学习	NA	图神经网络，transformer解码器	图神经网络，transformer	分子结构，红外光谱	包含11,546个实验测量红外光谱的10,288个独特分子的基准数据集
836	2024-12-11	Data-Quality-Navigated Machine Learning Strategy with Chemical Intuition to Improve Generalization 2024-Dec-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00969 PMID:39589234	研究论文	本文提出了一种基于化学直觉的数据质量导航机器学习策略，以提高有机半导体重组能预测任务的泛化能力	本文创新性地提出了基于化学直觉的数据质量导航策略，包括数据多样性评估、可靠性评估、数据过滤和分割技术，并构建了集成深度学习模型框架	本文未详细讨论该策略在其他领域的适用性和扩展性	提高机器学习模型在实际应用中的泛化能力	有机半导体分子的重组能预测	机器学习	NA	深度学习	集成框架	分子结构数据	15,989个有机半导体分子
837	2024-12-11	Utilizing deep learning-based causal inference to explore vancomycin's impact on continuous kidney replacement therapy necessity in blood culture-positive intensive care unit patients 2024-Dec-10, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02662-24 PMID:39656005	研究论文	本研究利用基于深度学习的因果推断模型，探讨万古霉素对血培养阳性重症监护病房患者连续肾脏替代治疗需求的影响	本研究首次使用深度学习因果推断模型量化万古霉素对连续肾脏替代治疗（CKRT）启动概率的影响，并识别出与高敏感性相关的特定患者特征	NA	评估万古霉素对血培养阳性重症监护病房患者连续肾脏替代治疗风险的影响	血培养阳性的重症监护病房患者	机器学习	NA	深度学习因果推断	随机森林、Light Gradient Boosting Machine	文本	1318名患者，其中41名需要连续肾脏替代治疗
838	2024-12-11	Prognostic Modeling for Liver Cirrhosis Mortality Prediction and Real-Time Health Monitoring from Electronic Health Data 2024-Dec-09, Big data IF:2.6Q2 DOI:10.1089/big.2024.0071 PMID:39651607	研究论文	本研究旨在利用电子健康数据构建预测肝硬化患者死亡率的模型，并进行实时健康监测	提出了一种基于深度学习的人工神经网络模型，旨在超越现有的终末期肝病模型（MELD）的预测能力	在处理不平衡数据集时，模型在精确度和召回率之间存在权衡问题	提高肝硬化相关死亡率的预测准确性，并改进应对这一挑战的方法	肝硬化患者的死亡率预测和健康监测	机器学习	肝病	深度学习	人工神经网络	电子健康数据	使用了不同比例的训练数据集（70%、80%和90%）进行模型训练和评估
839	2024-12-11	Current State of Community-Driven Radiological AI Deployment in Medical Imaging 2024-Dec-09, JMIR AI DOI:10.2196/55833 PMID:39653370	综述	本文概述了人工智能与医学影像领域的交叉现状，并探讨了在医院环境中部署AI模型的挑战	介绍了AI用例的分类法，并提供了AI模型在医院中集成的实际案例，同时介绍了MONAI作为解决AI集成需求的开放源代码联盟	未具体提及	探讨AI在医学影像中的应用现状及部署挑战	医学影像领域的AI模型及其在临床工作流程中的应用	医学影像	NA	深度学习	NA	影像	NA
840	2024-12-11	Fusion Learning from Non-contrast CT Scans for the Detection of Hemorrhagic Transformation in Stroke Patients 2024-Dec-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01350-0 PMID:39653876	研究论文	本研究开发并验证了一种基于非对比CT扫描的计算机辅助诊断系统，用于预测接受再灌注治疗的卒中患者的出血性转化	本研究通过结合DenseNet201和Vision Transformers（ViTs）特征，显著提高了预测模型的准确性和AUC值	本研究为回顾性研究，样本量相对较小，且仅限于急性缺血性卒中患者	开发和验证一种基于非对比CT扫描的计算机辅助诊断系统，用于预测卒中患者的出血性转化	接受再灌注治疗的急性缺血性卒中患者	计算机视觉	卒中	卷积神经网络（CNN）、Vision Transformers（ViTs）	DenseNet201、Vision Transformers（ViTs）	图像	188名急性缺血性卒中患者，包含2076张非对比CT图像