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
20021	2024-08-04	Integrating MRI-based radiomics and clinicopathological features for preoperative prognostication of early-stage cervical adenocarcinoma patients: in comparison to deep learning approach 2024-Aug-01, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00747-y PMID:39090668	研究论文	本文旨在探讨MRI基础的放射组学和临床病理特征在宫颈腺癌患者术前预后中的作用	本文首次评估了MRI基础放射组学与深度学习方法在宫颈腺癌中的预后预测能力	本研究的样本量较小，可能影响预测模型的广泛适用性	开发基于MRI放射组学和临床特征的预后预测模型	197名宫颈腺癌患者的临床和病理信息	数字病理学	宫颈癌	MRI，支持向量机（SVM），卷积神经网络（CNN）	随机森林（RF），支持向量机（SVM），卷积神经网络（CNN）	影像，临床数据	197名宫颈腺癌患者和56名用于独立验证的患者
20022	2024-08-04	Exploring the deep learning of artificial intelligence in nursing: a concept analysis with Walker and Avant's approach 2024-Aug-01, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-024-02170-x PMID:39090714	研究论文	本文分析了在护理领域中深度学习与人工智能的概念	本文采用了Walker和Avant的8步法进行概念分析，明确了深度学习在护理中的定义特征	现有文献缺乏清晰性，影响了临床实践、研究和理论发展	澄清护理中深度学习的含义并识别人工智能的定义属性	分析2018年至2024年间符合纳入标准的37篇相关文献	自然语言处理	NA	深度学习	NA	文献	37篇符合纳入标准的文章
20023	2024-08-04	Deep learning-based automated bone age estimation for Saudi patients on hand radiograph images: a retrospective study 2024-Aug-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01378-2 PMID:39090563	研究论文	本研究提出了一种基于深度学习的模型，用于通过左手放射影像估计骨龄	采用全连接卷积神经网络（CNN）进行骨龄预测，解决了传统方法中依赖放射科医师主观判断的问题	模型的性能可以通过额外的优化和验证进一步提升	准确估计骨龄以评估骨骼成熟度，诊断生长障碍以及计划治疗干预	473名患者的左手放射影像数据	计算机视觉	NA	CNN	全连接卷积神经网络	影像	473名患者的放射影像数据
20024	2024-08-04	Metabolic phenotyping with computed tomography deep learning for metabolic syndrome, osteoporosis and sarcopenia predicts mortality in adults 2024-Aug, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13487 PMID:38649795	研究论文	本文开发了一种基于计算机断层扫描（CT）深度学习的多结果模型，用于同时检测代谢综合征、骨质疏松症和肌少症，并预测成人的长期死亡率	创新点在于利用CT多层身体成分参数同时识别代谢综合征、骨质疏松症和肌少症的代谢簇，并评估其对长期死亡率的预后价值	研究的外部测试集样本大多来自一个社区和一家三级医院，可能存在人口选择偏倚	研究旨在通过CT成像分析评估代谢综合征、骨质疏松症和肌少症对成人死亡风险的影响	研究对象包括516名参与者构成的衍生集和10,141名接受腹部CT检查的个体	数字病理学	NA	CT成像	多层感知器（MLP）	成像数据	衍生集516名，外部测试集1为380名，外部测试集2为10,141名
20025	2024-08-04	The accuracy and quality of image-based artificial intelligence for muscle-invasive bladder cancer prediction 2024-Aug-01, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01780-y PMID:39090234	研究论文	本文评估了基于图像的人工智能在预测肌肉浸润性膀胱癌的诊断性能	提出了使用CLAIM、RQS和PROBAST工具对人工智能研究的报告质量和方法学质量进行评估	尽管模型表现良好，但报告质量和方法学质量普遍较低，存在高风险偏倚	评估图像基人工智能在预测肌肉浸润性膀胱癌的诊断表现	包括4256名患者的21项研究	数字病理学	膀胱癌	计算机断层扫描 (CT)，磁共振成像 (MRI)，放射组学，深度学习	深度学习	图像	包含4256名患者
20026	2024-08-04	Predicting mine water inflow volumes using a decomposition-optimization algorithm-machine learning approach 2024-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67962-2 PMID:39090145	研究论文	本文提出了一种新颖的耦合分解-优化-深度学习模型，用于预测矿水涌入量	结合了完整集合经验模态分解与自适应噪声、北鵰优化和长短期记忆网络的创新模型	传统模型和单一机器学习方法在预测突发水涌量变化方面的效能仍然存在不足	旨在提高矿水涌入量的预测准确性，确保煤矿安全	矿水涌入预测方法及其在不同模型中的表现	机器学习	NA	CEEMDAN, NGO, LSTM	LSTM	时间序列数据	未明确说明样本量的具体数量
20027	2024-08-04	Artificial intelligence in fusion protein three-dimensional structure prediction: Review and perspective 2024-Aug, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.1789 PMID:39090739	综述	本论文回顾了人工智能在融合蛋白三维结构预测中的最新进展和挑战	文章强调了使用深度学习模型预测融合蛋白三维结构的最新进展，并探讨了四种建模方法的优缺点	对于融合蛋白的预测，模板基础模型面临着已知模板结构在数据库中通常缺乏的问题	探讨利用人工智能方法预测融合蛋白三维结构的优势和挑战	关注于融合蛋白的三维结构预测	人工智能	癌症	深度学习	AlphaFold2, RoseTTAFold, tr-Rosetta, D-I-TASSER	NA	NA
20028	2024-08-04	A QR code-enabled framework for fast biomedical image processing in medical diagnosis using deep learning 2024-Aug-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01351-z PMID:39090546	研究论文	本文提出了一种利用QR码的框架，以加速医学影像处理和医疗诊断。	采用深度学习QR码技术，优化了数据库设计，创新性地解决了数据存储基础设施成本和信息检索速度问题。	未提及具体使用的深度学习模型和技术细节，缺乏对系统在不同条件下表现的全面评估。	研究如何通过高效的医学影像处理来加速医疗条件的诊断。	使用来自Crawford影像和数据档案及Duke CIVM的医疗数据集进行评估。	数字病理学	NA	深度学习	NA	医学影像	使用来自两个数据集的医疗数据集进行评估
20029	2024-08-04	Air quality forecasting using a spatiotemporal hybrid deep learning model based on VMD-GAT-BiLSTM 2024-Aug-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68874-x PMID:39090177	研究论文	提出了一种基于VMD-GAT-BiLSTM的时空混合深度学习模型用于空气质量预测。	该模型结合了变分模态分解、图注意网络和双向长短时记忆网络，以提高空气质量预测的准确性。	模型的有效性依赖于所使用的监测数据的质量和完整性。	旨在提高空气质量预测的精度，从而增强早期预警系统的能力。	主要研究空气质量数据，探讨不同监测站之间的空间关系和时间特征。	机器学习	NA	VMD, GAT, BiLSTM	VMD-GAT-BiLSTM	PM数据	使用了收集的北京空气质量数据集进行实验
20030	2024-08-05	A hybrid approach to improvement of watershed water quality modeling by coupling process-based and deep learning models 2024-Aug, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.11079 PMID:39096183	研究论文	提出了一种混合模型，通过结合过程驱动模型和深度学习模型来改善流域水质建模	开发了一种混合模型，将未校准的过程驱动模型与数据驱动模型相结合，以提高流域建模的准确性	模型参数校准和验证过程耗时且具有固有的不确定性	研究旨在解决过程驱动模型校准和验证中的各种挑战	结合地理信息和五年观察数据构建的Yeongsan河流域的土壤与水评估工具	数字病理学	NA	深度学习	长短期记忆网络 (LSTM)	观测数据	5年观测数据
20031	2024-08-05	Multi-level structural damage characterization using sparse acoustic sensor networks and knowledge transferred deep learning 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107390 PMID:38945018	研究论文	本研究展示了一种基于机器学习的多级损伤特征描述方法，利用稀疏传感器网络和知识转移的深度学习	提出了一种新颖的网络空间辅助和自适应卷积技术，以实现深度学习算法中的知识高效转移	未提及具体的限制	探索在复杂结构中基于机器学习的结构健康监测方法	在铝板上进行实验，铝板上人为诱导了缺陷	机器学习	NA	深度学习	NA	实验数据	使用的样本包括铝板上多种损伤特征的实验
20032	2024-08-05	Utilizing improved YOLOv8 based on SPD-BRSA-AFPN for ultrasonic phased array non-destructive testing 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107382 PMID:38943732	研究论文	本研究提出了一种基于改进YOLOv8的智能缺陷检测算法，以提高超声相控阵检测中的缺陷识别效率和准确性	引入空间到深度卷积（SPD-Conv）和双层路由与空间注意模块（BRSA），并用渐近特征金字塔网络（AFPN）替换了原有结构，以改进低分辨率图像的检测性能	对高分辨率且良好标注的训练数据的需求较高，这在无损检测中难以获得	提高超声相控阵检测中缺陷检测的准确性和效率	在超声相控阵检测中检测缺陷，如平底孔（FBH）和侧钻孔（SDH）	图像处理	NA	超声相控阵检测	YOLOv8	图像	在模拟数据集和实验数据集上进行了测试，具体样本量未明示
20033	2024-08-05	Fingerprint authentication based on deep convolutional descent inversion tomography 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107350 PMID:38823150	研究论文	提出了一种新的基于深度卷积反演层析的指纹认证方法。	结合深度学习和多尺度融合，提高了指纹反演和认证的精准度与速度。	未提及具体的适用范围或其他数据集的测试。	研究新的指纹认证方法以提高识别精度和速度。	指纹及其特征，特别是湿指纹和假细节的识别。	计算机视觉	NA	深快反演层析（DeepFIT）及Mask R-CNN	卷积神经网络（CNN）	图像	NA
20034	2024-08-05	Shear wave trajectory detection in ultra-fast M-mode images for liver fibrosis assessment: A deep learning-based line detection approach 2024-Aug, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107358 PMID:38901149	研究论文	本文首次尝试使用深度学习方法在波传播图上检测剪切波轨迹以评估肝纤维化。	创新之处在于提出了一种基于Transformer和霍夫变换的端到端框架TEHT，能够从波传播图中直接输出剪切波轨迹的斜率。	由于样本量相对较小且仅限于68名患者，可能影响结果的广泛适用性。	研究目标在于探索深度学习在肝纤维化评估中的应用。	研究对象为68名患者的波传播图。	数字病理学	肝癌	超声弹性成像	Transformer	图像	68份患者的波传播图
20035	2024-08-05	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-Jul-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	该研究分析了在意大利西北部住院的COVID-19患者的多重合并症情况	提出了一种进化机器学习模型，以处理数据稀疏性并识别与COVID-19严重性密切相关的多重合并症特征组合	由于多重合并症的稀有性，临床数据管理面临重大挑战，具体表现为数据的稀疏性和组合多重合并症特征的复杂排列问题	评估多重合并症患者的COVID-19严重性，并识别与之相关的最优特征组合	研究对象为12793名在2020年2月至5月之间确诊为COVID-19的45至74岁患者	机器学习	NA	进化机器学习	深度学习分类器	医疗历史数据	12793个患者样本
20036	2024-08-05	Cross-attention enables deep learning on limited omics-imaging-clinical data of 130 lung cancer patients 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100817 PMID:38981473	研究论文	本文提出了两种深度学习模型用于非小细胞肺癌患者的生存预后预测	通过引入交叉注意力机制，显著提升了模型在小样本数据上的表现，并突出了肿瘤区域和相关基因	仅使用了130名患者的数据，样本量较小	开发能够在数据有限的情况下进行生存预测的深度学习模型	非小细胞肺癌患者	数字病理学	肺癌	深度学习	稀疏自编码器	图像和基因表达数据	130名肺癌患者
20037	2024-08-05	Fatecode enables cell fate regulator prediction using classification-supervised autoencoder perturbation 2024-Jul-15, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100819 PMID:38986613	研究论文	本研究提出了一种名为Fatecode的计算方法，用于基于单细胞RNA测序数据预测细胞命运调控因子。	Fatecode利用深度学习的分类监督自编码器学习单细胞RNA测序数据的潜在表示，并通过对这一表示的扰动实验来预测基因。	未提及具体的局限性	加速细胞重编程技术的发展，以促进组织修复和再生。	研究对象为细胞命运调控因子。	数字病理学	NA	单细胞RNA测序	深度学习自编码器	RNA测序数据	使用了来自不同生物体的血液和大脑发育的单细胞RNA-seq数据
20038	2024-08-04	Stepwise Transfer Learning for Expert-level Pediatric Brain Tumor MRI Segmentation in a Limited Data Scenario 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230254 PMID:38984985	研究论文	本文开发并评估了一种基于逐步迁移学习的深度学习模型，用于儿童脑肿瘤的MRI分割。	采用逐步迁移学习的方法，在有限数据场景中实现了专家级的儿童脑肿瘤自动分割，具有较高的临床可接受性。	研究基于回顾性数据，外部验证样本数量有限，可能影响结果的广泛适用性。	探讨深度学习在儿童脑肿瘤分割中的应用及其临床可接受性。	研究对象为儿童低级别胶质瘤的MRI数据集，分析其在分割过程中的表现。	计算机视觉	脑肿瘤	深度学习	NA	MRI图像	284个MRI扫描（184个来自国家脑肿瘤联盟，100个来自儿童癌症中心）
20039	2024-08-05	Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230383 PMID:38717291	研究论文	研究使用转移学习的本地数据对深度学习模型在筛查乳腺X光中的表现的影响	探讨了深度学习模型在不同地区数据集上的可推广性和再现性	研究仅基于一个地方的数据集，可能影响结果的普遍适用性	评估深度学习系统在当地数据集上的性能	涉及南澳大利亚公共乳腺筛查计划中确诊病变和匹配年龄对照的个体	计算机视觉	乳腺癌	深度学习算法	卷积神经网络（CNN）	图像	959名女性
20040	2024-08-05	Deep Learning Prostate MRI Segmentation Accuracy and Robustness: A Systematic Review 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230138 PMID:38568094	系统综述	本研究调查了不同训练数据量、MRI厂商、前列腺区域和测试方法下，深度学习对前列腺分割的准确性和鲁棒性。	本研究比较了深度学习算法在前列腺MRI分割中的表现与专业放射科医师的表现，发现深度学习算法的准确性相似于专家水平。	本研究未对不同临床环境下的分割鲁棒性和患者结果进行评估。	探讨深度学习在前列腺MRI分割中的应用及其准确性和鲁棒性。	本研究聚焦于使用深度学习算法进行前列腺MRI分割的多个相关研究。	计算机视觉	前列腺癌	深度学习	NA	图像	48个研究