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
20081	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
20082	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
20083	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
20084	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
20085	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
20086	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
20087	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
20088	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
20089	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
20090	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）
20091	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
20092	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
20093	2024-08-05	Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230275 PMID:38717293	研究论文	本文探索了基于深度学习的伪影去除对稀疏视角颅脑CT扫描的自动出血检测的潜在益处	采用U-Net模型进行伪影去除显著提高了稀疏视角CT图像的质量和自动出血检测能力	研究为回顾性，样本来源于公共数据库，可能存在选择偏差	改善稀疏视角CT扫描中的自动出血检测性能	对3000名患者的稀疏视角颅脑CT扫描进行伪影去除和出血检测	数字病理学	NA	深度学习，U-Net	U-Net，EfficientNet-B2	图像	3000名患者的稀疏视角颅脑CT扫描和17545名患者的全视角CT数据
20094	2024-08-05	Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.230431 PMID:38775671	研究论文	开发了一种深度学习人工智能工具，能够根据当前阴性筛查的乳腺X线摄影检查预测未来乳腺癌风险	首次将深度学习模型应用于基于阴性筛查结果的乳腺癌风险预测	排除了伴随植入物的图像及确诊癌症的筛查，可能影响结果的普遍适用性	评估人工智能模型在乳腺癌风险预测中的有效性	来自英国国家健康服务乳腺筛查程序的女性筛查数据	数字病理学	乳腺癌	深度学习	深度学习模型	影像	总体样本量为520,000，其中包括5264个风险阳性和191,488个风险阴性筛查结果
20095	2024-08-05	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-Jul, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	review	这篇综述提供了人工智能在骨髓剂量测定和个性化放射配体治疗中的未来前景	文章创新性在于提出了将人工智能方法集成到核医学剂量测定中的机会	NA	探讨人工智能在改善骨髓和血液剂量测定准确性中的应用	主要关注于放射配体治疗相关的血液学副作用	NA	NA	机器学习和深度学习算法	NA	NA	NA
20096	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20097	2024-08-07	InstaCovNet-19: A deep learning classification model for the detection of COVID-19 patients using Chest X-ray 2021-Feb, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2020.106859 PMID:33162872	研究论文	提出了一种名为InstaCovNet-19的深度学习模型，用于通过胸部X光图像检测COVID-19患者	使用多种预训练模型如ResNet101、Xception、InceptionV3、MobileNet和NASNet，以弥补训练数据量相对较小的不足	未提及具体限制	开发一种高精度的深度学习模型，用于自动检测COVID-19	COVID-19、肺炎和正常胸部X光图像的分类	计算机视觉	COVID-19	深度学习	深度卷积网络	图像	用于三类分类的3个类别（COVID-19、肺炎、正常）和用于二类分类的2个类别（COVID、非COVID）
20098	2024-08-07	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究旨在探讨心包脂肪组织（EAT）在胸部计算机断层扫描（CT）中的量化与COVID-19患者肺炎程度及不良预后的关联	首次研究了EAT在COVID-19患者中的量化与肺炎程度及不良预后的独立关联	本研究为回顾性分析，样本量相对较小，可能影响结果的普遍性	探究EAT与COVID-19患者肺炎程度及不良预后的关联	COVID-19患者的心包脂肪组织（EAT）及其与肺炎程度和不良预后的关系	数字病理学	COVID-19	胸部计算机断层扫描（CT）	深度学习软件	图像	109名实验室确诊的COVID-19患者
20099	2024-08-07	Deep learning networks reflect cytoarchitectonic features used in brain mapping 2020-12-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-78638-y PMID:33328511	研究论文	研究深度卷积神经网络在皮质细胞构筑脑图中的应用，并分析其与传统细胞构筑特征的相似性	提出深度学习方法作为现有细胞构筑映射方法的替代方案，并验证其在高吞吐量细胞构筑映射工作流程中的有效性	缺乏对深度学习网络遵循细胞构筑原则程度的深入理解	探究深度卷积神经网络的内部结构如何反映传统的细胞构筑特征	深度卷积神经网络的过滤器激活与传统细胞构筑特征的相似性	计算机视觉	NA	深度学习	CNN	图像	涉及初级和次级视觉皮质的分割
20100	2024-08-07	A deep learning approach for identifying cancer survivors living with post-traumatic stress disorder on Twitter 2020-12-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-01272-1 PMID:33317508	研究论文	本文提出了一种使用深度学习方法在Twitter上识别患有创伤后应激障碍（PTSD）的癌症幸存者	利用卷积神经网络（CNN）自动识别Twitter上癌症幸存者发布的与PTSD相关的推文，提高了识别效率	Twitter上的推文可能包含噪音和真实信息，手动识别真实推文成本高且耗时	开发一种有效的方法来识别社交媒体上表达PTSD情绪的癌症幸存者	癌症幸存者及其在Twitter上表达的PTSD情绪	机器学习	NA	卷积神经网络（CNN）	CNN	文本	使用癌症相关关键词过滤的推文