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
20121	2024-08-22	Delfos: deep learning model for prediction of solvation free energies in generic organic solvents 2019-Sep-28, Chemical science IF:7.6Q1 DOI:10.1039/c9sc02452b PMID:32110289	研究论文	本文介绍了一种名为Delfos的深度学习模型，用于预测通用有机溶剂中的溶剂化自由能	Delfos模型采用了两个独立的溶剂和溶质编码器网络，结合词嵌入和循环层以及注意力机制，从循环神经网络的输出中提取重要子结构	NA	开发一种新的机器学习方法，用于预测有机溶剂中的溶剂化自由能	有机溶质和溶剂系统的溶剂化自由能	机器学习	NA	深度学习	CNN	文本	2495个溶质-溶剂对
20122	2024-08-21	Analyzing pain patterns in the emergency department: Leveraging clinical text deep learning models for real-world insights 2024-Oct, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105544 PMID:39003790	研究论文	本研究利用临床文本深度学习模型分析澳大利亚某大城市的急诊部门中患者的疼痛发生率	采用细调的领域特定转换器基础临床文本深度学习模型，自动识别常规收集的医疗记录中的疼痛情况	NA	确定使用临床文本深度学习算法在大型澳大利亚内城急诊部门中疼痛患者的发生率	分析急诊部门中患者的疼痛模式及其随时间的变化，特别是在新冠疫情开始后的变化	自然语言处理	NA	临床文本深度学习	转换器基础模型	文本	235,789名成年患者
20123	2024-08-21	Integrative deep learning with prior assisted feature selection 2024-Sep-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	研究论文	本研究将深度学习融入整合分析框架，并引入特征选择层和集成学习方法利用先前研究信息，提出了一种先验辅助的整合深度学习方法（PANDA）	提出了一种先验辅助的整合深度学习方法（PANDA），通过集成学习方法利用先前研究信息，提高了特征选择和结果预测的性能	NA	将深度学习融入整合分析框架，解决生物医学研究中的“小样本和大样本”挑战	基因与疾病之间的复杂关系	机器学习	皮肤恶性黑色素瘤	深度学习	CNN	基因数据	使用了一个皮肤恶性黑色素瘤（SKCM）数据集进行实际应用分析
20124	2024-08-21	Utilizing deep learning algorithms for automated oil spill detection in medium resolution optical imagery 2024-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116777 PMID:39083910	研究论文	本研究评估了三种典型的基于卷积神经网络的深度学习算法在利用中分辨率光学卫星图像进行溢油检测中的性能	研究通过集成注意力机制，包括挤压与激励模块（SE）、卷积块注意力模块（CBAM）和简单无参数注意力模块（SimAM），改进了UNet、BiSeNetV2和DeepLabV3+架构	NA	评估深度学习算法在中分辨率光学卫星图像中自动检测溢油的性能	溢油检测	计算机视觉	NA	深度学习算法	CNN	图像	基于全球报告的慢性和意外溢油案例创建的训练和验证数据集
20125	2024-08-21	Automatic segmentation of knee CT images of tibial plateau fractures based on three-dimensional U-Net: Assisting junior physicians with Schatzker classification 2024-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111605 PMID:39059081	研究论文	本研究旨在使用基于三维U-Net的方法自动分割膝关节CT图像中的胫骨平台骨折，并构建精确的胫骨平台骨折三维图谱，以辅助Schatzker分类在临床实践中的应用	提出了一种基于三维U-Net的方法，能够快速且准确地分割膝关节CT图像中的胫骨平台骨折，并辅助Schatzker分类	研究是回顾性的，样本来自单一医院，可能存在样本偏倚	开发一种自动分割膝关节CT图像中胫骨平台骨折的方法，以辅助Schatzker分类	膝关节CT图像中的胫骨平台骨折	计算机视觉	骨折	三维U-Net	U-Net	图像	234例胫骨平台骨折病例
20126	2024-08-21	Development of a ship-based camera monitoring system for floating marine debris 2024-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116722 PMID:39033599	研究论文	本研究开发了一种用于监测海洋漂浮垃圾的自动化监控系统	利用YOLOv8架构的深度学习模型和BoT-SORT算法进行海洋漂浮垃圾的跟踪和检测	系统主要针对大于20厘米的海洋漂浮垃圾	旨在减少传统视觉调查的劳动密集性	海洋漂浮垃圾	计算机视觉	NA	YOLOv8, BoT-SORT	深度学习模型	视频, 图像	55.6小时视频和大量标注图像
20127	2024-08-21	Differential diagnostic value of radiomics models in benign versus malignant vertebral compression fractures: A systematic review and meta-analysis 2024-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111621 PMID:39018646	meta-analysis	本研究通过系统综述和荟萃分析，评估了放射组学模型在区分良性和恶性椎体压缩性骨折中的诊断效能	放射组学模型在区分良性和恶性椎体压缩性骨折中的诊断效能显著，优于传统放射科医生的诊断	已发表的放射组学模型存在较大异质性，需要更多大规模临床试验来验证其普遍适用性	量化放射组学模型在区分良性和恶性椎体压缩性骨折中的诊断效能	良性和恶性椎体压缩性骨折的诊断	digital pathology	NA	放射组学	NA	影像数据	共涉及1,519个经病理诊断的肿瘤浸润椎体
20128	2024-08-21	Enhancing water quality monitoring through the integration of deep learning neural networks and fuzzy method 2024-Sep, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.116698 PMID:39002215	研究论文	本研究通过整合深度学习神经网络和模糊方法，对伊朗西南部地区的水样进行空间分析，并生成水质地图，同时预测未来水质污染趋势	本研究采用了LSTM模型进行水质预测，并展示了其优越的预测性能	NA	提高水质监测的效率和准确性	伊朗西南部地区的水质	机器学习	NA	深度学习神经网络	LSTM	水质数据	伊朗西南部地区的水样
20129	2024-08-21	BraNet: a mobil application for breast image classification based on deep learning algorithms 2024-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03084-1 PMID:38693328	研究论文	本研究开发了一款名为BraNet的开源移动应用，用于基于深度学习算法的二维乳腺影像分割和分类	BraNet应用在良性与恶性超声图像分类中表现出比数字乳腺摄影更高的准确性	深度学习算法在训练时需要考虑数据量和异常类型的多样性，特别是在乳腺摄影数据中	开发一款用于乳腺影像分类的移动应用，提高诊断准确性并减少误诊	乳腺影像的分割和分类	计算机视觉	乳腺癌	深度学习算法	SNGAN, SAM, ResNet18	图像	290张原始感兴趣区域(RoI)图像
20130	2024-08-21	SpanSeq: similarity-based sequence data splitting method for improved development and assessment of deep learning projects 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae106 PMID:39157582	研究论文	本文介绍了一种名为SpanSeq的基于相似性的序列数据分割方法，用于改进深度学习项目的开发和评估	SpanSeq方法能够避免数据集之间的数据泄露，适用于大多数生物序列（基因、蛋白质和基因组）	NA	探索深度学习模型在计算生物学中的应用，并改进数据分割方法以提高模型评估的准确性	深度学习模型在生物信息学中的应用	机器学习	NA	深度学习	深度学习模型	序列数据	NA
20131	2024-08-21	BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories 2024-Aug-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6a8c PMID:39094617	研究论文	本研究通过引入一个标准化库BIDSAlign，旨在解决电生理数据分析中与数据驱动相关的挑战，该库能高效处理和合并来自不同来源的异构EEG数据集到一个通用标准模板中	BIDSAlign库能够处理BIDS和非BIDS数据集，通过定义一个通用管道和指定的通道模板来统一不同设置下获取的EEG记录，并提供了一系列可视化功能和一个用户友好的图形用户界面	NA	创建一个环境，允许预处理公共数据集，以便为深度学习架构的有效训练提供数据	EEG数据集	神经科学	NA	电生理数据分析	深度学习	EEG数据	多个公共数据集
20132	2024-08-21	Predicting Emission Spectra of Heteroleptic Iridium Complexes Using Artificial Chemical Intelligence 2024-Aug-19, Chemphyschem : a European journal of chemical physics and physical chemistry IF:2.3Q2 DOI:10.1002/cphc.202400176 PMID:38752882	研究论文	本文报道了一种基于深度学习的方法，用于精确预测磷光异配位[Ir( )( )]配合物的发射光谱	该方法利用图神经网络和其他化学特征，能够超越传统DFT和相关波函数方法的准确性，并对不完美的训练光谱具有鲁棒性	NA	旨在快速发现新型Ir(III)染料，用于有机发光二极管和太阳能燃料电池等应用	磷光异配位[Ir( )( )]配合物的发射光谱	机器学习	NA	深度学习	图神经网络	实验数据	NA
20133	2024-08-21	Enhancing dental interns' proficiency in operating electronic facebows through scenario-training-based deep learning method 2024-Aug-19, Journal of dental education IF:1.4Q3 DOI:10.1002/jdd.13696 PMID:39160763	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20134	2024-08-21	An efficient colorectal cancer detection network using atrous convolution with coordinate attention transformer and histopathological images 2024-08-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70117-y PMID:39154091	研究论文	本研究提出了一种结合坐标注意力变换器和空洞卷积的新型结直肠癌检测网络（CCDNet），用于提高组织病理学图像中癌症分类和肿瘤定位的准确性	引入了一种新的空洞卷积与坐标注意力变换器（AConvCAT），结合了两种网络的优势，通过捕捉局部和全局信息来分类不同尺度的结直肠组织	NA	提高结直肠癌在组织病理学图像中的检测准确性	结直肠癌的组织病理学图像	计算机视觉	结直肠癌	空洞卷积	CNN	图像	使用了结直肠组织病理学图像和NCT-CRC-HE-100K数据集
20135	2024-08-21	Application of artificial intelligence in the diagnosis and treatment of Kawasaki disease 2024-Aug-16, World journal of clinical cases IF:1.0Q3 DOI:10.12998/wjcc.v12.i23.5304 PMID:39156094	评论	本文评论了人工智能在川崎病诊断和治疗中的应用潜力和局限性	探讨了机器学习、基因信号计算工具箱和深度学习在川崎病诊断中的创新应用	强调了提高AI决策准确性、保护患者个人信息和明确AI决策责任的重要性	探讨人工智能在川崎病诊断和治疗中的应用	川崎病的诊断和治疗	机器学习	川崎病	机器学习 (ML), 深度学习 (DL)	NA	医学数据	NA
20136	2024-08-21	Prediction of non-muscle invasive bladder cancer recurrence using deep learning of pathology image 2024-08-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66870-9 PMID:39147803	研究论文	本研究旨在构建基于深度学习的病理图像分析模型，用于预测非肌肉浸润性膀胱癌（NMIBC）的早期复发	本研究通过两阶段的补丁级预测和全切片级预测，构建了一个病理图像分析模型，并进行了迁移学习，以提高模型的泛化能力	NA	开发一种基于深度学习的病理图像分析模型，用于预测非肌肉浸润性膀胱癌的早期复发	非肌肉浸润性膀胱癌（NMIBC）患者的病理图像	数字病理学	膀胱癌	深度学习	CNN	图像	训练集包含147名患者，测试集包含63名患者
20137	2024-08-21	Empowering vertical farming through IoT and AI-Driven technologies: A comprehensive review 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34998 PMID:39157372	综述	本文全面分析了机器学习和物联网技术在垂直农业系统中的应用	通过集成人工智能和物联网技术，解决了垂直农业中多指标监测、营养建议和植物诊断系统的难题	文章未明确提及具体的局限性	探讨如何利用现代技术提高垂直农业的效率和产量	垂直农业系统中的疾病检测、作物产量预测、营养和灌溉控制管理	计算机视觉	NA	机器学习（ML）、深度学习（DL）、物联网（IoT）、图像处理	NA	图像	NA
20138	2024-08-21	Hybridizing mechanistic modeling and deep learning for personalized survival prediction after immune checkpoint inhibitor immunotherapy 2024-Aug-14, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00415-8 PMID:39143136	研究论文	本研究结合预测性机制建模和深度学习方法，预测个体患者在接受免疫检查点抑制剂（ICI）免疫治疗后的生存概率	提出了一种混合方法，结合了可从机制模型计算的测量值和易于测量的患者特征，提高了预测准确性	NA	旨在提高个体患者在接受ICI免疫治疗后的生存预测准确性	个体患者的生存概率	机器学习	NA	深度学习	深度学习时间-事件预测模型	混合机制+临床数据	93名患者
20139	2024-08-21	Deep learning-assisted multispectral imaging for early screening of skin diseases 2024-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104292 PMID:39069204	研究论文	本研究介绍了一种基于多光谱成像（MSI）的方法，用于早期筛查和检测皮肤表面病变	该方法通过捕获多波长图像数据，能够检测组织中的细微光谱变化，显著增强对各种皮肤状况的区分	NA	旨在引入一种基于多光谱成像的方法，用于早期筛查和检测皮肤表面病变	皮肤表面病变，包括黑色素细胞痣、疣、脂溢性角化病和牛皮癣	计算机视觉	皮肤疾病	多光谱成像	一维卷积神经网络	图像	NA
20140	2024-08-21	Optical imaging for diabetic retinopathy diagnosis and detection using ensemble models 2024-Aug, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104259 PMID:38944405	研究论文	本文利用基于卷积神经网络（CNN）的模型和集成学习方法，通过光学成像技术诊断和检测糖尿病视网膜病变（DR）	提出了一种结合多种深度学习模型（如VGG19、Resnet50和InceptionV3）的集成方法，以提高糖尿病视网膜病变的检测性能和鲁棒性	NA	开发一种新的方法来早期诊断糖尿病视网膜病变	糖尿病视网膜病变	计算机视觉	糖尿病	卷积神经网络（CNN）	集成模型	图像	使用公开的视网膜图像数据集进行评估