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
20521	2024-08-16	Making Radiomics More Reproducible across Scanner and Imaging Protocol Variations: A Review of Harmonization Methods 2021-Aug-27, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm11090842 PMID:34575619	综述	本文综述了通过各种协调方法提高放射组学特征在不同扫描仪和成像协议间可重复性的解决方案	详细讨论了图像域和特征域的协调方法，特别是生成对抗网络（GANs）和神经风格迁移（NST）技术	NA	探讨如何通过协调方法提高放射组学特征在不同扫描仪和成像协议间的可重复性	放射组学特征的可重复性和验证	数字病理学	NA	生成对抗网络（GANs），神经风格迁移（NST）	GAN，NST	图像	NA
20522	2024-08-16	On the Use of Deep Learning for Imaging-Based COVID-19 Detection Using Chest X-rays 2021-Aug-24, Sensors (Basel, Switzerland) DOI:10.3390/s21175702 PMID:34502591	research paper	本文研究了使用深度卷积神经网络架构对胸部X光图像进行分类，以检测COVID-19病例	评估了三种不同的调整方法，通过增加额外层来修改现有架构，以提高分类性能	未提及具体限制	开发快速、低成本、易获取且可靠的COVID-19诊断方法	胸部X光图像分类为健康个体、COVID-19患者或病毒性肺炎患者	computer vision	COVID-19	deep convolutional neural network	CNN	image	使用了一个包含真实胸部X光图像的数据集
20523	2024-08-16	Identification and Localization of Endotracheal Tube on Chest Radiographs Using a Cascaded Convolutional Neural Network Approach 2021-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00463-0 PMID:34027589	研究论文	本研究提出了一系列基于深度学习的算法，用于在胸部X光片上迭代识别和定位气管内管（ETT）相对于隆突的位置	采用串联级联卷积神经网络（CNN）方法，通过迭代细化坐标定位和显式图像裁剪，聚焦于关键解剖感兴趣区域，提高了识别和定位ETT的准确性	NA	在重症监护室（ICU）环境中，快速准确地评估气管内管（ETT）位置，以防止患者因设备位置不当而导致严重的发病率和死亡率	气管内管（ETT）在胸部X光片上的识别和定位	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	共16,000名患者（其中8,000名患者带有ETT，8,000名患者不带ETT）
20524	2024-08-16	Brain MRI Deep Learning and Bayesian Inference System Augments Radiology Resident Performance 2021-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00470-1 PMID:34131794	研究论文	研究使用结合卷积神经网络和专家导出的贝叶斯网络的AI系统，通过临床决策支持工具ARIES增强放射科住院医师的脑MRI诊断性能	提出了一种结合深度学习和贝叶斯推理的临床决策支持系统，能够显著提高非专家的诊断准确性，接近专科医生的水平	研究仅涉及放射科住院医师和学术神经放射科医生，未涉及其他专业背景的医生	探讨AI系统作为临床决策支持工具在脑MRI诊断中增强放射科医师性能的效果	放射科住院医师和学术神经放射科医生的脑MRI诊断性能	计算机视觉	NA	卷积神经网络, 贝叶斯网络	CNN, 贝叶斯网络	图像	194个测试病例，包括4名放射科住院医师和3名学术神经放射科医生
20525	2024-08-16	An Improved CNN Architecture to Diagnose Skin Cancer in Dermoscopic Images Based on Wildebeest Herd Optimization Algorithm 2021, Computational intelligence and neuroscience DOI:10.1155/2021/7567870 PMID:34497640	研究论文	本文介绍了一种基于Wildebeest Herd Optimization算法和Inception卷积神经网络的皮肤癌诊断新方法	采用Wildebeest Herd Optimization算法进行特征选择，以减少分析时间复杂度，并结合Inception卷积神经网络提取初始特征	NA	提高皮肤癌诊断的准确性	皮肤癌的诊断	计算机视觉	皮肤癌	Wildebeest Herd Optimization算法	CNN	图像	ISIC-2008皮肤癌数据集
20526	2024-08-16	Predicting fracture outcomes from clinical registry data using artificial intelligence supplemented models for evidence-informed treatment (PRAISE) study protocol 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0257361 PMID:34555069	研究论文	本研究旨在利用人工智能方法处理非结构化临床注册数据，以描述骨折特征并测试这些信息是否能提高腕部骨折后患者报告的结果测量和临床结果的预测准确性	本研究采用多模态深度学习骨折推理系统（DLFRS）处理电子病历信息，以提供关于骨折特征的增强信息	NA	研究旨在减少护理变异性并改善患者腕部骨折后的治疗结果	成年腕部骨折患者	机器学习	骨折	深度学习	多模态深度学习骨折推理系统（DLFRS）	非结构化数据	来自四家维多利亚医院的成年腕部骨折患者
20527	2024-08-15	Simulation- and AI-directed optimization of 4,6-substituted 1,3,5-triazin-2(1H)-ones as inhibitors of human DNA topoisomerase IIα 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.037 PMID:39135887	研究论文	本研究通过分子模拟和人工智能方法优化了4,6-取代的1,3,5-三嗪-2(1H)-酮作为人DNA拓扑异构酶IIα抑制剂的结构	本研究结合分子模拟、动态药效团和自由能计算以及Deepfrag软件的深度学习预测，有效指导了分子设计，实现了药物优化	NA	进一步开发针对人DNA拓扑异构酶IIα的4,6-取代-1,3,5-三嗪-2(1)-酮类化合物	4,6-取代-1,3,5-三嗪-2(1)-酮类化合物及其对人DNA拓扑异构酶IIα的抑制活性	药物设计	NA	分子模拟, 动态药效团, 自由能计算, STD NMR	深度学习	化合物	多种具有双环和单环取代的化合物
20528	2024-08-15	Multi-model assessment of potential natural vegetation to support ecological restoration 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121934 PMID:39083935	研究论文	本文评估了多种方法在潜在自然植被（PNV）模拟中的表现，以支持生态恢复	首次全面比较了传统统计方法与机器学习、深度学习在PNV模拟中的性能	不同模型类型的性能差异较大，且在粗分辨率下对恢复区域的估计可能存在高估	探讨不同方法在PNV模拟中的适用性，以优化生态恢复项目	潜在自然植被的模拟方法及其在生态恢复中的应用	生态学	NA	机器学习、深度学习	随机森林、XGBoost、人工神经网络、半监督学习	空间数据	样本大小从10到总样本的80%不等
20529	2024-08-15	Significance of AI-assisted techniques for epiphyte plant monitoring and identification from drone images 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121996 PMID:39088905	研究论文	本研究利用AI辅助技术，通过无人机图像增强附生植物的识别和地图绘制	本研究首次比较了传统图像分割方法与深度学习模型在附生植物识别中的效果，发现深度学习模型在复杂背景和图像质量变化情况下的识别能力更强	研究使用的数据集有限，且图像质量不一，可能影响深度学习模型的性能评估	评估AI辅助方法与传统方法在从无人机图像中分割和识别附生植物的有效性	附生植物的识别和地图绘制	计算机视觉	NA	深度学习	UNet, TransUNet	图像	在哥斯达黎加保护区森林中收集的无人机图像
20530	2024-08-15	Multi-granularity prior networks for uncertainty-informed patient-specific quality assurance 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108925 PMID:39067284	研究论文	本文提出了一种多粒度不确定性量化框架，用于提高深度学习在患者特定质量保证中的可信度	引入了多粒度不确定性量化框架和多粒度先验网络，通过贝叶斯理论推导出多粒度损失函数，并实现了剂量差异的不确定性可视化	NA	提高深度学习在患者特定质量保证中的安全性和有效性	预测剂量差异指标（Gamma通过率）及其分布，并量化模型预测中的不确定性	机器学习	NA	贝叶斯框架	双流网络架构	数据集	来自'Peeking Union Medical College Hospital'的数据集
20531	2024-08-15	The impact of ESG performance on corporate sustainable growth from the perspective of carbon sentiment 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121913 PMID:39067346	研究论文	本研究探讨了碳情绪与ESG表现及企业可持续增长之间的关系，通过使用OLS回归分析和面板数据模型，结合BERT和LSTM模型进行文本分析，揭示了碳情绪对ESG表现与企业可持续增长的正向调节作用。	本研究首次采用碳情绪分析方法，结合深度学习技术如BERT和LSTM模型，分析碳相关新闻文本，探索其对企业可持续增长的影响。	研究主要集中在中国上市公司，且依赖于特定的数据集和模型，可能限制了结果的普遍性。	探索碳情绪、ESG表现与企业可持续增长之间的关系，并为绿色经济和环境管理政策的制定提供新的视角。	中国上市公司的ESG表现、碳情绪及其对企业可持续增长的影响。	自然语言处理	NA	OLS回归分析、两阶段工具变量法(2SLS)、动态面板广义矩估计(GMM)、BERT、LSTM	BERT、LSTM	文本	中国上市公司
20532	2024-08-15	SYSTCM: A systemic web platform for objective identification of pharmacological effects based on interplay of "traditional Chinese Medicine-components-targets" 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108878 PMID:39043107	研究论文	本文介绍了一个基于传统中药-成分-靶点相互作用网络的系统性网络平台SYSTCM，用于客观识别中药的药理作用	利用深度学习和机器学习技术，通过构建交互网络图和建立最优识别模型，提高了中药药理作用识别的客观性和准确性	NA	开发一个系统性的网络平台，用于客观识别和分析传统中药的药理作用	传统中药的成分、药理靶点和药理作用	机器学习	NA	深度学习	卷积神经网络	网络图	包含70,961个条目，包括636种传统中药、8190种成分、40种药理作用和18种功效
20533	2024-08-15	Optimal interval and feature selection in activity data for detecting attention deficit hyperactivity disorder 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108909 PMID:39053333	研究论文	本研究探讨了在活动数据上使用特征选择技术对机器学习模型构建的重要性，并比较了特定时间间隔和更广泛时间间隔的活动数据在识别注意力缺陷多动障碍（ADHD）患者中的效果	研究采用了五种机器学习模型，并通过精确的特征选择过程显著提高了模型的准确性，发现早晨和夜间的活动数据对ADHD预测更为重要	NA	探索机器学习技术在早期诊断ADHD中的应用，并优化特征选择和时间间隔选择	注意力缺陷多动障碍（ADHD）患者及其活动数据	机器学习	注意力缺陷多动障碍	深度学习（DL）和机器学习（ML）	随机森林	活动数据	临床对照组
20534	2024-08-15	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	本文研究了使用组织病理学图像和临床数据通过深度学习方法预测IDH1基因突变的情况	采用集成学习方法结合组织病理学图像和临床数据模型来分类IDH1突变的存在与否，并使用超参数优化来提高分类准确性	NA	旨在通过组织病理学图像和临床数据分类IDH1基因突变的存在与否	成人型弥漫性胶质瘤患者的IDH1基因突变	数字病理学	脑肿瘤	深度学习	ABMIL, LightGBM	图像, 临床数据	546名患者
20535	2024-08-15	ToxinPred 3.0: An improved method for predicting the toxicity of peptides 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108926 PMID:39038391	研究论文	本文提出了一种改进的ToxinPred 3.0方法，用于更可靠和准确地预测肽的毒性	采用机器学习和深度学习技术，结合基于motif的方法，开发了混合或集成方法以提高预测性能	NA	改进现有的肽毒性预测方法，提高预测的准确性和可靠性	肽的毒性预测	机器学习	NA	机器学习，深度学习	ANN - LSTM，extra tree，ESM2-t33	序列数据	使用了80%的数据进行训练和五折交叉验证，剩余20%的数据作为独立数据集进行评估
20536	2024-08-15	A systematic literature analysis of multi-organ cancer diagnosis using deep learning techniques 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108910 PMID:39032244	综述	本文对2012年至2023年间使用深度学习技术进行多器官癌症诊断的文献进行了系统性回顾	总结了卷积神经网络模型架构和数据集，以及集成深度学习模型在分类癌症图像方面的优势	讨论了控制健康紧急情况的一些挑战和问题	旨在通过计算机辅助诊断系统提高癌症的早期识别	重点研究了乳腺癌、脑癌、肺癌、皮肤癌和肝癌五种主要肿瘤	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
20537	2024-08-15	A dual-encoder double concatenation Y-shape network for precise volumetric liver and lesion segmentation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108870 PMID:39024904	研究论文	本文提出了一种双编码器双连接Y形网络（DEDC-Net），用于从CT体积中精确分割肝脏和肿瘤	DEDC-Net利用残差和跳跃连接来增强特征重用，优化肝脏和肿瘤分割任务的性能	NA	开发一种新的深度学习网络，用于精确分割肝脏和肿瘤，以支持肝细胞癌诊断和术前切除规划	肝脏和肿瘤的分割	计算机视觉	肝癌	深度学习	CNN	图像	在LiTS数据集上进行了广泛的定性和定量实验，并在两个未见过的CT数据集（IDCARDb-01和COMET）上验证了模型的鲁棒性
20538	2024-08-15	Self-adaptive deep learning-based segmentation for universal and functional clinical and preclinical CT image analysis 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108853 PMID:39013341	研究论文	本文利用深度学习技术自动从CT和μCT图像中提取定量数据，以非侵入性监测心脏功能	提出了一种自适应深度学习方法，用于临床和临床前CT图像的分割，能够有效地测量左心室和右心室射血分数及心肌质量	需要进一步优化以扩大(μ)CT成像的应用范围	加速心脏衰竭新型治疗方案的临床前和临床研究	心脏CT图像和μCT图像	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	40个CT图像分割结果，μCT训练集和测试集的详细样本数量未明确提及
20539	2024-08-15	deepbet: Fast brain extraction of T1-weighted MRI using Convolutional Neural Networks 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108845 PMID:39002314	研究论文	本文介绍了一种名为deepbet的高精度、快速脑提取工具，该工具使用卷积神经网络从T1加权MRI图像中进行脑提取	deepbet在跨数据集验证中达到了99.0的中位Dice分数，超过了当前最佳的深度学习和经典方法，并且在所有7837张图像中均保持了超过97.4的Dice分数	NA	开发一种快速、高精度的脑提取工具，用于神经影像预处理	T1加权MRI图像的脑提取	计算机视觉	NA	卷积神经网络	UNet	图像	7837张T1加权MRI图像来自191个不同的OpenNeuro数据集
20540	2024-08-15	Improving brain atrophy quantification with deep learning from automated labels using tissue similarity priors 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108811 PMID:38991315	研究论文	本文提出了一种基于深度学习的分割方法，用于量化脑萎缩，通过组织相似性先验改善自动标签的质量。	引入组织相似性正则化，利用同一受试者在短时间内扫描的组织体积相似性先验知识，提高了脑萎缩量化的一致性和准确性。	NA	提高脑萎缩量化方法的准确性和可靠性，以促进其在神经退行性疾病诊断和预后中的应用。	脑萎缩的量化，特别是阿尔茨海默病和多发性硬化症。	计算机视觉	阿尔茨海默病	MRI	深度学习	图像	两个不同的MRI数据集，MIRIAD和ADNI1，包含健康对照组和阿尔茨海默病受试者的纵向和短时间间隔成像。