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
981	2024-12-06	Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00281-y PMID:38455725	研究论文	研究探讨了人工智能在自闭症谱系障碍（ASD）诊断中的应用，特别是通过机器学习和深度学习模型分析社交媒体文本	结合机器学习和深度学习模型，利用自然语言处理技术提高ASD检测的准确性	研究仅基于Twitter数据，可能无法全面反映所有ASD患者的特征	探索人工智能在ASD诊断中的应用，提高诊断准确性	通过分析社交媒体文本检测ASD潜在病例	自然语言处理	自闭症谱系障碍	自然语言处理	双向长短期记忆网络（Bi-LSTM）、双向编码器表示（BERT和BERTweet）	文本	404,627条Twitter推文，其中90,000条用于训练和测试
982	2024-12-06	Optimised deep k-nearest neighbour's based diabetic retinopathy diagnosis(ODeep-NN) using retinal images 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00282-x PMID:38469456	研究论文	本文提出了一种优化的深度k近邻模型用于糖尿病视网膜病变的诊断	结合了深度学习模型的特征提取能力和自然启发式元启发算法的特征选择，使用k近邻算法进行分类	未提及具体限制	提高糖尿病视网膜病变的诊断准确性	糖尿病视网膜病变	计算机视觉	糖尿病	深度学习	深度k近邻	图像	两个不同数据集，分别达到97.67%和98.05%的准确率
983	2024-12-06	A review of machine learning-based methods for predicting drug-target interactions 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00287-6 PMID:38617016	综述	本文综述了基于机器学习的方法在预测药物-靶点相互作用中的应用	介绍了五种药物表示和四种蛋白质表示方法，并提出了一种新的深度神经网络模型分类法	未提及具体限制	探讨机器学习方法在药物发现和开发中的应用	药物-靶点相互作用的预测	机器学习	NA	机器学习	深度神经网络	数据集	NA
984	2024-12-06	Exploiting biochemical data to improve osteosarcoma diagnosis with deep learning 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00288-5 PMID:38645838	研究论文	本文探讨了利用深度学习模型结合生物化学数据提高骨肉瘤诊断的准确性、可解释性和通用性	本文创新性地将生物化学数据（碱性磷酸酶和乳酸脱氢酶）与X射线图像特征通过后期融合方法结合，提高了诊断模型的准确性和可解释性	NA	提高骨肉瘤诊断的准确性、可解释性和通用性	骨肉瘤（OS）的早期和准确诊断	机器学习	骨肉瘤	深度学习	NA	图像和数值数据	848名年龄在4至81岁之间的患者
985	2024-12-06	A hybrid approach based on multipath Swin transformer and ConvMixer for white blood cells classification 2024-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-024-00291-w PMID:38685986	研究论文	提出了一种基于多路径Swin Transformer和ConvMixer的混合方法用于白细胞分类	引入了一种新的多路径混合网络，结合了ConvMixer和Swin Transformer的优点，以提高白细胞分类的准确性	NA	研究白细胞分类在医学诊断中的重要性，并提出一种新的深度学习模型来提高分类准确性	白细胞及其在血液中的分类	计算机视觉	NA	深度学习	混合模型（Swin Transformer和ConvMixer）	图像	使用了三个白细胞数据集，分别包含4类（BCCD）、8类（PBC）和5类（Raabin）
986	2024-12-06	RPDNet: A reconstruction-regularized parallel decoders network for rectal tumor and rectum co-segmentation 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102453 PMID:39489099	研究论文	本文提出了一种名为RPDNet的网络，用于直肠肿瘤和直肠的联合分割，通过重建正则化的并行解码器结构来解决信息丢失问题	引入了一个辅助重建分支，通过计算重建图像与输入图像之间的一致性损失来保留足够的解剖结构信息，并提出了一个无参数的目标自适应注意力模块，以增强直肠肿瘤与正常组织之间的特征级对比度	未提及	提高直肠肿瘤和直肠在磁共振成像（MRI）中的分割精度，以支持肿瘤的精确诊断和治疗计划制定	直肠肿瘤和直肠	计算机视觉	直肠癌	磁共振成像（MRI）	RPDNet	图像	未提及
987	2024-12-06	NACNet: A histology context-aware transformer graph convolution network for predicting treatment response to neoadjuvant chemotherapy in Triple Negative Breast Cancer 2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102467 PMID:39591709	研究论文	开发了一种基于组织学上下文感知的变压器图卷积网络（NACNet），用于预测三阴性乳腺癌患者对新辅助化疗的反应	提出了NACNet，结合了组织学上下文和图卷积网络，能够捕捉肿瘤微环境中的空间组织学相互作用，从而提高预测准确性	NA	开发一种能够准确预测三阴性乳腺癌患者对新辅助化疗反应的深度学习方法	三阴性乳腺癌患者的组织学图像和治疗反应	数字病理学	乳腺癌	图卷积网络	变压器图卷积网络	图像	105名三阴性乳腺癌患者
988	2024-12-06	Surgical Insight-guided Deep Learning for Colorectal Lesion Management 2024-Dec-01, Surgical laparoscopy, endoscopy & percutaneous techniques DOI:10.1097/SLE.0000000000001298 PMID:39632423	研究论文	本研究开发并评估了一种用于结肠镜图像中检测病变的深度学习模型ColoNet	ColoNet模型能够检测潜在恶性的病变，为早期诊断和管理结直肠癌提供了新的工具	需要进一步的多中心前瞻性研究和验证以实现其临床应用和影响	开发和评估一种深度学习模型，用于在结肠镜检查中辅助外科医生识别病变	结肠镜图像中的病变检测	计算机视觉	结直肠癌	深度学习	YOLOv8	图像	1760张图像，来自306名患者
989	2024-12-05	Correction: Comprehensive Symptom Prediction in Inpatients With Acute Psychiatric Disorders Using Wearable-Based Deep Learning Models: Development and Validation Study 2024-Dec-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/69042 PMID:39626223	correction	对先前发表的文章进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
990	2024-12-05	Letter to the Editor Regarding the Article "Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients with Cervical Ossification of the Posterior Longitudinal Ligament" 2024-Dec-02, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005227 PMID:39618126	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
991	2024-12-05	Improved Osteoporosis Prediction in Breast Cancer Patients Using a Novel Semi-Foundational Model 2024-Dec-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01337-x PMID:39621209	研究论文	本文研究了在乳腺癌患者中使用半基础模型改进骨质疏松预测的方法	本文提出了一种新的半基础模型，通过预训练VGG-16、ResNet-50和DenseNet-121在8500个胸部CT数据集上，然后微调以分类199名乳腺癌患者的骨密度，显著提高了三分类性能	本文仅在乳腺癌患者中进行了验证，未来需要在更多疾病状态下进行验证	研究如何通过半基础模型提高骨质疏松预测的准确性	乳腺癌患者的骨密度分类	计算机视觉	乳腺癌	NA	半基础模型	CT图像	8500个胸部CT数据集和199名乳腺癌患者
992	2024-12-05	Comparison of deep learning schemes in grading non-alcoholic fatty liver disease using B-mode ultrasound hepatorenal window images with liver biopsy as the gold standard 2024-Dec-02, 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.2024.104862 PMID:39626614	研究论文	本文比较了不同预训练深度学习方案在非酒精性脂肪肝病分级中的表现，使用B模式超声肝肾窗图像作为输入，并以肝活检作为金标准	本文创新性地使用预训练深度学习方案对非酒精性脂肪肝病进行分级，并比较了不同网络模型的性能	本文的局限性在于样本量较小，且仅使用了B模式超声图像作为输入	评估预训练深度学习方案在非酒精性脂肪肝病分级中的表现	非酒精性脂肪肝病患者	计算机视觉	肝病	深度学习	CNN	图像	112名经活检验证的非酒精性脂肪肝病患者
993	2024-12-05	Deep learning based on multiparametric MRI predicts early recurrence in hepatocellular carcinoma patients with solitary tumors ≤5 cm 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100610 PMID:39619794	研究论文	本文评估了一种基于深度学习的模型在预测肝细胞癌患者术后早期复发中的有效性	本文构建了一个基于ResNet的深度学习模型，结合多参数MRI图像特征和患者临床数据，提高了早期复发的预测性能	NA	评估深度学习模型在预测肝细胞癌患者术后早期复发中的有效性	肝细胞癌患者，单个肿瘤≤5 cm	机器学习	肝癌	动态对比增强MRI (DCE-MRI)	ResNet	图像	331名肝细胞癌患者
994	2024-12-05	Regime switching in coupled nonlinear systems: Sources, prediction, and control-Minireview and perspective on the Focus Issue 2024-Dec-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0247498 PMID:39621472	综述	本文综述了耦合非线性系统中的状态转换现象，涵盖了理论分析、数据驱动检测方法和非反馈控制策略的最新进展	本文介绍了深度学习在预测电网故障中的应用，利用闪烁网络增强同步，创建控制流行病传播的自适应策略，以及抑制癫痫发作的非反馈控制策略	本文主要集中在理论分析和数据驱动方法上，未深入探讨实际应用中的具体挑战	探讨复杂系统中状态转换的机制，并开发预测、检测和控制这些转换的通用和鲁棒方法	耦合非线性系统中的状态转换现象，包括气候、海洋环流、生态系统、电网和大脑等	NA	NA	深度学习	NA	NA	NA
995	2024-12-05	Enhanced prediction of protein functional identity through the integration of sequence and structural features 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.028 PMID:39624166	研究论文	本文开发了一种通过整合序列和结构特征来预测蛋白质功能的方法	本文提出了一种结合序列和结构信息的方法，显著提高了蛋白质功能预测的准确性，并发现结构对齐计算的域序列身份对预测影响最大	NA	提高蛋白质功能预测的准确性	蛋白质的功能预测	机器学习	NA	AlphaFold2	LightGBM	序列和结构数据	超过300000000个蛋白质序列
996	2024-12-05	Auxiliary diagnosis of primary bone tumors based on Machine learning model 2024-Dec, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100648 PMID:39624676	研究论文	研究基于机器学习模型的原发性骨肿瘤辅助诊断，通过深度卷积神经网络和影像组学分析提高诊断准确性	提出了基于深度卷积神经网络的机器学习模型，并结合影像组学分析和差异表达基因筛选方法，提高了骨肿瘤的诊断准确性	研究主要集中在骨肿瘤的诊断，未涉及其他类型的肿瘤或疾病	提高原发性骨肿瘤的诊断准确性，促进早期检测和个性化治疗	原发性骨肿瘤的病理样本和影像数据	数字病理学	骨肿瘤	深度卷积神经网络 (DC-NN)	深度卷积神经网络 (DCNN)	全切片影像 (WSI)	包含所有类别骨肿瘤的病理样本数据库
997	2024-12-02	A deep learning algorithm that aids visualization of femoral neck fractures and improves physician training 2024-Dec, Injury IF:2.2Q2 DOI:10.1016/j.injury.2024.111997 PMID:39504732	研究论文	开发了一种全自动深度学习模型，用于检测和分类股骨颈骨折，并评估其在诊断辅助和医生培训中的效用	首次使用深度学习算法来检测和分类股骨颈骨折，并通过分割方法可视化可能的骨折区域	研究仅限于股骨颈骨折的检测和分类，未涉及其他类型的骨折	开发和评估一种深度学习模型，以辅助医生在股骨颈骨折的诊断和培训中的应用	股骨颈骨折的检测和分类	计算机视觉	骨科疾病	深度学习	Faster R-CNN, DenseNet-121	图像	1527张骨盆和髋部的X光片
998	2024-12-02	Predicting opinion using deep learning: From burning to sustainable management of organic waste in Indian State of Punjab 2024-Dec, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X231219627 PMID:38158841	研究论文	研究探讨了印度旁遮普邦农民对有机废物可持续管理的看法，并使用深度神经网络预测了农民的意见	采用多层感知器前馈深度神经网络预测农民意见，提供了一种新颖的分析农民行为的方法	NA	理解农民对有机废物可持续管理的看法，并预测影响农民意见的因素	印度旁遮普邦的800名奶农	机器学习	NA	深度学习	多层感知器前馈深度神经网络	文本	800名奶农，分为小规模和大规模奶农两组
999	2024-12-01	Mapping of oil spills in China Seas using optical satellite data and deep learning 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.135809 PMID:39278029	研究论文	本文开发了一种基于深度学习的模型，用于识别、分类和量化中国海域的石油泄漏	首次使用深度学习技术对中国海域的石油泄漏进行详细的空间分布和数量分析	研究数据仅涵盖2019年4月至2023年8月，可能无法全面反映长期趋势	评估和管理中国海域的石油泄漏	中国海域的石油泄漏及其对海洋和沿海环境的影响	遥感	NA	深度学习	深度学习模型	光学卫星数据	7个卫星传感器的数据，时间跨度为2019年4月至2023年8月
1000	2024-12-01	Deep learning models for predicting plant uptake of emerging contaminants by including the role of plant macromolecular compositions 2024-Dec-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2024.135921 PMID:39305592	研究论文	研究利用深度学习模型预测植物对新兴污染物的吸收，并探讨了植物大分子组成的作用	本研究通过深度神经网络（DNN）、循环神经网络（RNN）和长短期记忆网络（LSTM）等深度学习模型，提高了对植物中新兴污染物吸收的预测准确性	研究主要集中在化学性质和植物根系大分子组成的预测，未涉及其他可能影响污染物吸收的因素	提高对植物中新兴污染物吸收的预测准确性	植物对新兴污染物的吸收	机器学习	NA	深度学习	DNN, RNN, LSTM	化学性质和植物根系大分子组成数据	九种化学性质和两种植物根系大分子组成