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
20641	2024-08-07	Convolutional Neural Networks for Recognition of Lymphoblast Cell Images 2019, Computational intelligence and neuroscience DOI:10.1155/2019/7519603 PMID:31281337	研究论文	本文提出了一种使用卷积神经网络（CNN）识别急性淋巴细胞白血病（ALL）亚型的方法	采用深度学习方法自动提取特征，无需手工设计特征工程	未提及具体限制	探索深度学习方法在识别淋巴细胞和ALL亚型中的可行性	急性淋巴细胞白血病（ALL）的T-淋巴母细胞白血病（pre-T）和B-淋巴母细胞白血病（pre-B）亚型	计算机视觉	白血病	卷积神经网络（CNN）	CNN	图像	未提及具体样本数量
20642	2024-08-07	Fully Automated Segmentation of Lower Extremity Deep Vein Thrombosis Using Convolutional Neural Network 2019, BioMed research international IF:2.6Q3 DOI:10.1155/2019/3401683 PMID:31281832	研究论文	本文提出了一种基于深度学习和对比增强磁共振成像的全自动下肢深静脉血栓分割方法	采用具有编码器-解码器架构的深度学习网络进行DVT分割，相比其他深度学习模型，该CNN模型在DVT分割中表现更优	NA	开发一种有效的全自动下肢深静脉血栓分割方法，以促进诊断和治疗	下肢深静脉血栓	计算机视觉	深静脉血栓	对比增强磁共振成像(CE-MRI)	CNN	图像	58名新诊断的下肢深静脉血栓患者
20643	2024-08-07	How to Agree on a CTC: Evaluating the Consensus in Circulating Tumor Cell Scoring 2018-12, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.23576 PMID:30246927	研究论文	本文介绍了一种开源的循环肿瘤细胞（CTC）评分工具，用于评估不同审查者之间的一致性并促进CTC分类的共识	引入了开源CTC评分工具，并展示了深度学习技术在CTC计数中的应用前景	需要进一步研究以提高计算机识别CTC的准确性	评估循环肿瘤细胞计数的准确性和机构间比较的可行性	循环肿瘤细胞（CTC）的计数和分类	数字病理学	NA	深度学习	NA	图像	100张图像，来自两个不同的平台，由15名审查者和一个专家小组评估
20644	2024-08-07	Deep learning and virtual drug screening 2018-11, Future medicinal chemistry IF:3.2Q3 DOI:10.4155/fmc-2018-0314 PMID:30288997	研究论文	本文探讨了虚拟筛选（VS）与机器学习（ML）的结合，特别是人工神经网络（ANNs）在虚拟筛选中的应用	介绍了使用人工神经网络进行结构基础和配体基础的虚拟筛选，并讨论了如dropout、多任务学习和卷积等技术如何提高ANNs的性能	NA	提高药物发现的效率和准确性	化合物库的虚拟筛选	机器学习	NA	人工神经网络（ANNs）	ANN	化合物数据	NA
20645	2024-08-07	Fast and accurate view classification of echocardiograms using deep learning 2018, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-017-0013-1 PMID:30828647	research paper	本文使用深度学习技术，特别是卷积神经网络，对267个经胸超声心动图中的静态图像和视频进行了15种标准视图的分类	本文首次展示了深度学习在复杂多视图格式超声心动图分类中的高准确性和快速性	NA	验证计算机是否能够学习识别超声心动图的视图，为全面计算机辅助超声心动图解释奠定基础	超声心动图的视图分类	computer vision	NA	深度学习	CNN	image	267个经胸超声心动图
20646	2024-08-07	Scalable and accurate deep learning with electronic health records 2018, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-018-0029-1 PMID:31304302	研究论文	本文提出了一种基于Fast Healthcare Interoperability Resources (FHIR)格式的电子健康记录(EHR)表示方法，并展示了深度学习方法利用这种表示能够准确预测多中心的多项医疗事件，无需特定站点的数据协调。	本文的创新点在于提出了一种新的EHR数据表示方法，并证明了深度学习模型能够利用这种表示方法在多中心环境下进行准确预测，且性能优于传统的临床预测模型。	NA	旨在推动个性化医学和提高医疗质量，通过预测建模与EHR数据结合。	研究对象为EHR数据，特别是来自两个美国学术医疗中心的216,221名成年住院患者的数据。	机器学习	NA	深度学习	神经网络	电子健康记录	216,221名成年患者
20647	2024-08-05	Discovering novel Cathepsin L inhibitors from natural products using artificial intelligence 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.009 PMID:39006920	研究论文	本研究采用人工智能和实验方法从天然产品中识别新的Cathepsin L抑制剂	利用深度学习模型和分子对接筛选，发现了新的Cathepsin L抑制剂	临床应用的限制仍然存在	识别新型Cathepsin L抑制剂以用于代谢疾病的治疗	筛选来自天然产品的150种分子以进行实验验证	医药	代谢疾病	人工智能和实验方法	深度学习模型	分子	150种分子
20648	2024-08-05	Tracing the genealogy origin of geographic populations based on genomic variation and deep learning 2024-Sep, Molecular phylogenetics and evolution IF:3.6Q2 DOI:10.1016/j.ympev.2024.108142 PMID:38964594	研究论文	本文开发了一种基于基因组SNP的卷积神经网络方法，以识别地理种群的来源	提出了一种新颖的方法，将全基因组测序与深度学习结合，以提高个体的种群来源追踪准确性	依赖于全面和标准化的基因组参考数据	研究如何利用基因组变异追踪个体的种群来源	文章涉及亚洲蜜蜂、红火蚁和鸡的数据集	机器学习	NA	全基因组测序	卷积神经网络	基因组数据	三个实证数据集和两个模拟种群
20649	2024-08-05	Wavelet Transform, Reconstructed Phase Space, and Deep Learning Neural Networks for EEG-Based Schizophrenia Detection 2024-Sep, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500461 PMID:39010724	研究论文	本研究提出了一种基于EEG信号的创新专家系统，用于早期诊断精神分裂症	使用重建相空间和连续小波变换最大化正常与精神分裂症个体之间EEG非平稳信号的差异	文章未具体说明样本的多样性和是否考虑其他潜在干扰因素	研究旨在开发一种经济、安全且可靠的EEG测试方法，以早期诊断精神分裂症	针对精神分裂症患者与正常人群的EEG信号进行对比分析	数字病理学	精神分裂症	小波变换	深度学习网络	EEG信号	使用的数据集包含不同个体的EEG信号，具体样本数未提及
20650	2024-08-05	Machine learning for the advancement of genome-scale metabolic modeling 2024-Sep, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2024.108400 PMID:38944218	综述	本文回顾了机器学习在基因组规模代谢建模中的应用与进展	整合不同学科工具和策略，探索生化现象，提升生物工程与生物医学应用	多学科方法论框架的发展主要是独立进行的，这限制了不同领域生物知识的结合	探讨整合多学科工具以提升基因组规模代谢建模的准确性和预测能力	主要研究机器学习与多组学数据在模型重建与分析中的作用	系统生物学	NA	机器学习，深度学习	基因组规模代谢模型(GEM)	组学数据，如转录组学和蛋白质组学	NA
20651	2024-08-05	Predicting the Outcome and Survival of Patients with Spinal Cord Injury Using Machine Learning Algorithms: A Systematic Review 2024-Aug, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.05.103 PMID:38796146	systematic review	本文系统评估了机器学习算法在脊髓损伤的诊断和预后预测中的表现	创新点在于系统性审查了机器学习算法在脊髓损伤患者预测结果的应用	尽管研究显示潜力，但在急性脊髓损伤的诊断中使用深度学习算法的研究仍然不足	探讨机器学习算法在脊髓损伤患者结果预测和诊断中的有效性	脊髓损伤患者的预后和功能结果	machine learning	NA	机器学习算法	NA	NA	9424名脊髓损伤患者
20652	2024-08-05	Deep learning for temporomandibular joint arthropathies: A systematic review and meta-analysis 2024-Aug, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.13701 PMID:38757865	meta-analysis	本研究回顾了深度学习模型在颞下颌关节疾病诊断中的应用	该文章评估了深度学习模型在颞下颌关节疾病诊断的高灵敏度和特异性表现	该研究的局限性在于可能存在未被纳入的相关研究	本研究旨在系统评估深度学习在颞下颌关节疾病诊断中的有效性	研究对象是人类关节基础或关节病引起的颞下颌疾病	计算机视觉	NA	深度学习	NA	NA	21项符合条件的研究
20653	2024-08-05	Usefulness of Artificial Intelligence in Traumatic Brain Injury: A Bibliometric Analysis and Mini-review 2024-Aug, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.05.065 PMID:38759786	文献综述	本研究对人工智能在创伤性脑损伤中的主要应用进行了文献计量分析和迷你综述。	此文章的创新点在于首次系统整理了人工智能在创伤性脑损伤中的应用及相关文献。	研究仅基于截至2023年4月的Scopus数据库的数据，可能未涵盖所有相关研究。	本研究旨在探讨人工智能在创伤性脑损伤领域的应用和发展。	涉及创伤性脑损伤领域中使用人工智能的科学出版物。	数字病理学	脑损伤	人工智能	NA	文献	495份科学出版物
20654	2024-08-05	Retina Fundus Photograph-Based Artificial Intelligence Algorithms in Medicine: A Systematic Review 2024-Aug, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-024-00981-4 PMID:38913289	综述	本文系统评估了人工智能在视网膜基金照影像中的应用研究	本研究展示了人工智能算法在解读视网膜图像方面的创新应用，具有较高的准确性	本文没有提及具体的算法性能比较或不同数据集的局限性	探讨人工智能在眼科及非眼科疾病中的应用	视网膜基金照影像	计算机视觉	心血管疾病	深度学习	NA	影像	大量临床与影像数据
20655	2024-08-05	Centimeter-Scale Tellurium Oxide Films for Artificial Optoelectronic Synapses with Broadband Responsiveness and Mechanical Flexibility 2024-Jul-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c04851 PMID:38950148	研究论文	本文介绍了一种由厘米级二氧化碲（TeO）薄膜组成的灵活光电子突触设备，能够检测并展示宽带波长的突触特性	该研究提出了利用光电子特性和机械灵活性的金属氧化物半导体人工突触，强调其在宽带神经形态计算中的应用潜力	未提及具体的测试条件和潜在的长期稳定性问题	探索灵活的光电子突触设备在神经形态计算中的应用	厘米级的二氧化碲薄膜及其光电子突触特性	神经形态计算	NA	光电子技术	NA	NA	NA
20656	2024-08-05	A deep learning approach to direct immunofluorescence pattern recognition in autoimmune bullous diseases 2024-Jul-16, The British journal of dermatology DOI:10.1093/bjd/ljae142 PMID:38581445	研究论文	本研究开发了AI算法，自动分类自身免疫性水疱病的直接免疫荧光模式	利用深度学习自动化分类直接免疫荧光模式，提升诊断准确性和效率	样本不平衡可能影响模型的训练效果，需要进一步优化数据处理	提高自身免疫性水疱病的诊断准确性和管理效率	怀疑患有自身免疫性水疱病的患者皮肤活检中的免疫荧光图像	计算机视觉	自身免疫性水疱病	深度学习	卷积神经网络 (CNN) 和 Swin Transformer	图像	训练集436张，测试集93张
20657	2024-08-05	Reaction Templates: Bridging Synthesis Knowledge and Artificial Intelligence 2024-Jul-16, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.4c00261 PMID:38924502	研究论文	本研究探讨了将反应模板集成到深度学习模型中的方法，以弥补合成知识和人工智能之间的差距	创新点在于通过反应模板将已知的合成知识整合到深度学习模型中，从而提升模型的可解释性和发展潜力	早期计算机程序依赖于手动编码规则，限制了可扩展性和适应性	研究如何将已知的合成知识与人工智能模型连接起来	研究对象包括化学反应模板及其在深度学习模型中的应用	化学研究	NA	深度学习	NA	化学反应数据库	NA
20658	2024-08-05	Fcg-Former: Identification of Functional Groups in FTIR Spectra Using Enhanced Transformer-Based Model 2024-Jul-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01622 PMID:39008658	研究论文	本研究提出了一种基于增强变压器模型的FTIR光谱功能组识别方法	采用自注意机制，通过深度学习模型提升功能组预测准确性	未提及具体的局限性	研究FTIR光谱中未知化合物的功能组识别方法	约8677个光谱数据集中的功能组	数字病理	NA	FTIR光谱	变压器模型	光谱	约8677个光谱
20659	2024-08-05	Predicting wheat yield from 2001 to 2020 in Hebei Province at county and pixel levels based on synthesized time series images of Landsat and MODIS 2024-Jul-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67109-3 PMID:39003342	研究论文	该研究利用合成的Landsat和MODIS时间序列图像预测河北省的小麦产量	结合深度学习与不同的植被指数及气候数据构建小麦产量预测模型，且采用LSTM算法和NIRv的组合取得最佳预测效果	在图像质量和预测变量选择方面仍存在一定局限	构建高精度的小麦产量预测模型以确保粮食安全	河北省的小麦产量	数字农业	NA	深度学习	长短期记忆网络 (LSTM)	遥感数据	使用了2001年至2020年的合成影像数据
20660	2024-08-05	Uncertainty quantification for probabilistic machine learning in earth observation using conformal prediction 2024-Jul-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65954-w PMID:39003341	研究论文	本文探讨了在地球观测数据中应用保形预测进行不确定性量化的方法	引入保形预测方法，提供统计上有效的预测区域，同时支持任意机器学习模型和数据分布	目前的开放实现需要将大量地球观测数据移动到算法中	量化地球观测数据中的不确定性，以提高数据可靠性	对地球观测数据集进行审查，评估不确定性信息的集成程度	机器学习	NA	NA	NA	地球观测数据	审查了多种地球观测数据集，发现只有22.5%的数据集包含不确定性信息