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
20741	2024-08-07	AI-based pipeline for early screening of lung cancer: integrating radiology, clinical, and genomics data 2024-May, The Lancet regional health. Southeast Asia DOI:10.1016/j.lansea.2024.100352 PMID:38756151	研究论文	本文介绍了一种基于人工智能的端到端管道，用于早期筛查肺癌，整合了放射学、临床和基因组数据	开发了一种自动检测和学习CT图像中更有效肺结节特征的人工智能系统，并预测EGFR突变概率	在资源有限的国家如印度，面板式下一代测序无法广泛提供给大众	帮助资源有限环境中的肿瘤学家和患者实现接近最优的护理和适当的治疗	肺癌患者的EGFR基因测序和CT影像数据	机器学习	肺癌	下一代测序	机器学习（ML）和深度学习（DL）模型	图像	2277名肺癌患者的数据
20742	2024-08-07	Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034001 PMID:38756439	研究论文	本文提出了一种使用深度学习自动提取和解剖标记冠状动脉树的方法	该方法通过多分辨率图卷积神经网络结合几何和图像强度信息，实现了冠状动脉树的自动提取和标记	NA	旨在实现冠状动脉疾病的自动综合报告	冠状动脉树的自动提取和解剖标记	计算机视觉	心血管疾病	图神经网络	图卷积神经网络	图像	104名患者的冠状CT血管造影扫描
20743	2024-08-07	Computer-aided diagnostic system with automated deep learning method based on the AutoGluon framework improved the diagnostic accuracy of early esophageal cancer 2024-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-24-158 PMID:38756633	研究论文	本文开发了一种基于AutoGluon框架的计算机辅助诊断系统，用于提高早期食管癌的内镜诊断准确性。	该研究首次将AutoGluon框架应用于内镜下早期食管癌的计算机辅助诊断，探索了自动深度学习在临床应用中的可行性。	尽管在某些任务中表现接近或超过初级医生，但高性能CAD模型在敏感性比较上仍与资深医生存在较大差距。	探索自动深度学习方法在临床应用中的可行性，提高早期食管癌的内镜诊断准确性。	正常食管、食管炎和早期食管癌的内镜图像。	计算机视觉	食管癌	深度学习	AutoGluon框架	图像	任务A：932张正常图像 vs. 1,092张病变图像；任务B：594张非癌病变图像 vs. 429张早期食管癌图像；任务C：505张非癌病变图像 vs. 824张早期食管癌图像。
20744	2024-08-07	COVID-19 Hierarchical Classification Using a Deep Learning Multi-Modal 2024-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s24082641 PMID:38676257	研究论文	本研究利用深度学习技术，通过胸部X光片和相关医疗数据，对COVID-19进行分层分类，以区分COVID-19与其他类型肺炎及正常肺部	本研究采用多模态数据和分层分类结构，结合早期融合技术和生成对抗网络(GAN)生成合成数据，提高了分类准确性	研究使用的是私有数据集，可能存在数据不平衡问题	旨在通过深度学习技术提高COVID-19的诊断准确性，并区分COVID-19与其他类型肺炎	COVID-19患者、其他类型肺炎患者及正常肺部	机器学习	COVID-19	深度学习	CNN	图像和表格数据	4523名患者
20745	2024-08-07	A Review on the Use of Artificial Intelligence in Fracture Detection 2024-Apr, Cureus DOI:10.7759/cureus.58364 PMID:38756254	综述	本文综述了人工智能在骨折检测中的应用	介绍了深度学习技术，特别是卷积神经网络（CNNs）在医学影像中识别和分类骨折的应用	未提及具体限制	探讨深度学习方法在骨折检测和分类中的应用，以及人工智能与各种影像模式的集成	骨折检测和分类	计算机视觉	NA	深度学习	CNN	影像	未提及具体样本数量
20746	2024-08-07	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究利用机器学习方法，特别是K-means、层次聚类和支持向量机、朴素贝叶斯、随机森林、决策树以及卷积神经网络等算法，对三种类型的火鸡呼肠孤病毒及其新型变种进行分类和识别	本研究首次采用多种机器学习算法对火鸡呼肠孤病毒进行分类，特别是卷积神经网络的应用，提高了分类的准确性	研究主要集中在机器学习算法的应用，未深入探讨病毒变异的具体生物学机制	旨在通过机器学习方法识别和分类火鸡呼肠孤病毒，以应对其导致的重大经济损失	火鸡呼肠孤病毒及其新型变种	机器学习	NA	机器学习算法	CNN	序列数据	使用真实的火鸡呼肠孤病毒序列数据进行实验
20747	2024-08-07	Enhancing Colorectal Cancer Tumor Bud Detection Using Deep Learning from Routine H&E-Stained Slides 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006796 PMID:38752165	研究论文	本文提出了一种弱监督深度学习方法，用于从常规H&E染色的图像中检测结直肠癌肿瘤芽，无需严格的组织级注释，并结合BMIL方法提高肿瘤芽检测的泛化性和稳定性。	本文创新性地使用弱监督深度学习方法和BMIL技术，从常规H&E染色的图像中检测肿瘤芽，避免了非常规免疫组织化学染色方法的需要。	本文的局限性在于仅使用了29张H&E染色的结直肠癌图像进行实验，样本量较小。	开发一种新的深度学习方法，用于从常规H&E染色的图像中检测结直肠癌肿瘤芽，提高检测的准确性和可重复性。	结直肠癌肿瘤芽的检测。	数字病理学	结直肠癌	深度学习	NA	图像	29张结直肠癌H&E染色图像，平均每张图像包含115个肿瘤芽
20748	2024-08-07	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	研究论文	本文提出了一种新的深度学习模型MoFNet，用于整合多组学数据和先前的功能交互，以揭示阿尔茨海默病（AD）的分子机制及其上游遗传贡献者	首次模型化了从DNA到RNA和蛋白质的动态信息流，并整合了多组学数据与先前的功能交互	NA	旨在通过新颖的多组学数据整合和先前的功能交互，发现功能上连接的多组学特征	阿尔茨海默病的分子机制及其上游遗传贡献者	机器学习	阿尔茨海默病	深度学习	MoFNet	多组学数据	使用了ROS/MAP队列进行评估
20749	2024-08-07	High-precision tracking and positioning for monitoring Holstein cattle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302277 PMID:38743665	研究论文	本文提出了一种基于深度学习的跟踪算法，用于在复杂实际场景中进行多目标跟踪，以提高对荷斯坦牛的监测和定位精度	提出的多目标跟踪算法在多个性能指标上优于现有顶级跟踪算法，特别是在多目标跟踪准确性、精确性和IDF1方面	算法在实际多变的牧场条件下仍面临挑战，如规模变化、不可预测的运动和遮挡问题	提高在复杂牧场环境中对荷斯坦牛的监测和定位精度	荷斯坦牛的监测和定位	计算机视觉	NA	深度学习	CenterTrack算法	图像	NA
20750	2024-08-07	Predicting hotspots for disease-causing single nucleotide variants using sequences-based coevolution, network analysis, and machine learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302504 PMID:38743747	研究论文	本文开发了一种基于蛋白质残基接触网络的序列分析方法，结合共进化分析工具和机器学习算法，用于预测疾病相关单核苷酸变异的热点	本文创新地整合了多种共进化分析工具和机器学习算法，通过蛋白质残基网络来预测疾病突变的热点，克服了以往方法依赖已知蛋白质结构或未充分考虑残基间相互作用的局限	NA	旨在通过高吞吐量准确预测目标蛋白质中的疾病相关突变，以支持个性化医疗	疾病相关的单核苷酸变异热点	机器学习	NA	NA	随机森林、梯度提升和极端梯度提升	蛋白质序列	107种富含疾病突变的蛋白质
20751	2024-08-07	A machine learning approach to detect potentially harmful and protective suicide-related content in broadcast media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300917 PMID:38743759	研究论文	本研究利用机器学习方法对广播媒体中的自杀相关内容进行分类，以识别其潜在的有害或保护性特征	首次应用机器学习模型对大量广播媒体数据进行分类，以符合自杀报道的媒体推荐标准	模型性能依赖于训练样本的数量，而非分类任务的难度	探索机器学习在识别广播媒体中自杀相关内容的有害或保护性特征方面的应用	广播媒体中的自杀相关内容	机器学习	NA	TF-IDF, 线性SVM, BERT	多数分类器, 基于词频的方法, 深度学习模型	文本	2519份英语广播媒体转录本
20752	2024-08-07	Specific emitter identification based on multiple sequence feature learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299664 PMID:38748654	研究论文	本文提出了一种基于多序列特征学习的特定发射机识别算法	该算法通过提取通信辐射源发射信号的多序列特征，并构建多序列融合卷积网络进行深度特征提取和分类，有效提高了特定发射机识别的性能	NA	解决传统特定发射机识别算法依赖先验知识、泛化能力差以及现有基于深度学习的算法特征选择不佳的问题	特定发射机识别算法	机器学习	NA	卷积神经网络	CNN	信号序列	NA
20753	2024-08-07	Multi-strategy modified sparrow search algorithm for hyperparameter optimization in arbitrage prediction models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303688 PMID:38748753	研究论文	本文提出了一种多策略改进的麻雀搜索算法（MSMSSA）用于优化LSTM网络的超参数，构建了一个套利价差预测模型（MSMSSA-LSTM）	引入了好点集理论、比例自适应策略和改进的位置更新方法，以增强麻雀算法的空间探索能力	NA	提高深度学习模型在套利数据特征捕捉和预测准确性方面的性能	套利数据特征和预测模型性能	机器学习	NA	麻雀搜索算法（SSA）	LSTM	数据	中国期货市场中的螺纹钢和热卷期货的实际价差数据
20754	2024-08-07	Attention pyramid pooling network for artificial diagnosis on pulmonary nodules 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302641 PMID:38753596	研究论文	本文提出了一种注意力金字塔池化网络（APPN）用于肺结节的自动诊断	结合注意力机制和金字塔池化模块，实现了多尺度特征融合并聚焦于关键特征，使用门控空间记忆技术提取更精确的分类特征	未提及具体限制	提高肺结节在CT影像中的分类准确性，从而降低肺癌死亡率	肺结节的自动检测与分类	计算机视觉	肺部疾病	深度学习	CNN	图像	使用LIDC-IDRI数据集进行实验
20755	2024-08-07	Toward explainable AI in radiology: Ensemble-CAM for effective thoracic disease localization in chest X-ray images using weak supervised learning 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1366415 PMID:38756502	研究论文	本文开发了一种基于类激活映射（CAM）的集成模型Ensemble-CAM，用于通过弱监督学习解决胸部X光图像中胸腔疾病定位的问题	提出了Ensemble-CAM模型，结合集成学习和迁移学习，通过类激活函数实现疾病定位，减少对大量标注数据的依赖，并通过可视化解释性特征增强预测结果的信心	NA	开发一种可解释的人工智能模型，用于胸部X光图像中的胸腔疾病定位，并减少对大量标注数据的依赖	胸部X光图像中的胸腔疾病定位	计算机视觉	胸腔疾病	弱监督学习	集成模型	图像	三个胸部X光图像数据集
20756	2024-08-07	Apriori prediction of chemotherapy response in locally advanced breast cancer patients using CT imaging and deep learning: transformer versus transfer learning 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1359148 PMID:38756659	研究论文	本研究使用深度学习网络和CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应，比较了ViT变换器和迁移学习网络的性能	首次使用ViT变换器和迁移学习网络结合CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应，并展示了注意力机制的重要性	研究结果依赖于训练数据和测试数据的分割比例，且不同网络的性能差异较大	开发预测模型以预测局部晚期乳腺癌患者对新辅助化疗的肿瘤反应	局部晚期乳腺癌患者对新辅助化疗的反应	机器学习	乳腺癌	CT影像	ViT变换器, VGG16, VGG19, ResNet-50, ResNet-101, ResNet-152, InceptionV3, Xception	影像	117名局部晚期乳腺癌患者，其中82名有临床病理反应，35名无反应
20757	2024-08-07	Open and remotely accessible Neuroplatform for research in wetware computing 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1376042 PMID:38756757	研究论文	本文介绍了一个开放且远程访问的神经平台，用于湿件计算和类器官智能的研究	开发了一个硬件和软件系统，支持大规模的电生理实验，并设计了微流控系统以自动化培养基流动和更换	NA	探索使用生物神经网络进行计算的新方法	神经类器官	人工智能	NA	电生理技术	NA	数据	超过1,000个脑类器官
20758	2024-08-07	Contrastive learning with token projection for Omicron pneumonia identification from few-shot chest CT images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1360143 PMID:38756944	研究论文	本文提出了一种名为CoTP的对比学习模型，通过令牌投影技术提高从少量胸部CT图像中识别Omicron肺炎的诊断质量	利用无标签数据进行CoTP的拟合，并通过少量标记样本进行微调，同时引入新的Omicron数据集和改进的数据增强策略	NA	提高基于少量胸部CT图像的Omicron肺炎诊断效率	Omicron肺炎的胸部CT图像识别	计算机视觉	肺炎	对比学习	ResNet50	图像	少量标记样本和无标签数据
20759	2024-08-07	A Survey on 3D Skeleton-Based Action Recognition Using Learning Method 2024, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0100 PMID:38757045	综述	本文综述了基于三维骨骼的动作识别（3D SAR）在计算机视觉领域的研究进展，特别关注了深度学习架构的应用	首次全面讨论了基于深度学习的3D骨骼数据动作识别方法	之前的综述主要集中在视频或RGB数据为主的方法，对骨骼数据的覆盖有限	强调动作识别的重要性，并突出三维骨骼数据作为宝贵模态的意义	基于四种基本深度架构的动作识别技术	计算机视觉	NA	深度学习	循环神经网络、卷积神经网络、图卷积网络、Transformer	骨骼数据	涉及当前最大的3D骨骼数据集NTU-RGB+D及其新版本NTU-RGB+D 120
20760	2024-08-07	Human Pose Estimation for Clinical Analysis of Gait Pathologies 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241231108 PMID:38757143	研究论文	本研究提出了一种用于定量评估步态障碍的二分类方法，特别是针对杜兴肌营养不良症（DMD）的步态特征进行分析	研究利用从YouTube和公开数据集中收集的新颖基准数据集，提取时间距离变量和下肢矢状关节角度，并采用机器学习和深度学习技术进行模式识别	当前模型能够区分健康对象和DMD患者，但不能区分DMD患者和其他步态障碍患者	开发一种成本效益高的方法，通过分析2D和3D人体姿态估计轨迹来检测步态异常	杜兴肌营养不良症（DMD）患者的步态特征	计算机视觉	神经肌肉疾病	人体姿态估计	支持向量机（SVM）和深度网络	视频（RGB）	数据来自YouTube和公开数据集的健康儿童