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
20921	2024-08-05	Applications of Deep Learning in Endocrine Neoplasms 2023-Mar, Surgical pathology clinics DOI:10.1016/j.path.2022.09.014 PMID:36739164	review	本文总结了内分泌癌组织病理学中深度学习研究的现状	强调实验设计、重要发现和关键局限性	NA	探讨深度学习在内分泌癌组织病理学中的应用	内分泌癌的组织样本	数字病理学	内分泌癌	深度学习	NA	组织样本	NA
20922	2024-08-05	Instance-level medical image classification for text-based retrieval in a medical data integration center 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.006 PMID:38975287	研究论文	本文提供了一种针对缺失或错误索引字段的医学图像实例级别标注方法	创新之处在于使用ResNet50深度学习分类模型为医学图像提供准确的实例级描述	实验结果虽然令人满意，但指出了潜在挑战和进一步探索的必要性	研究的目的是提高医学图像的索引效率和准确性	研究对象为来自临床部门的医学图像，包括X光、CT和MRI扫描	数字病理学	NA	深度学习	ResNet50	图像	三个实验使用了两个开源数据集和一个自定义数据集
20923	2024-08-05	Investigating the influence of streetscape environmental characteristics on pedestrian crashes at intersections using street view images and explainable machine learning 2024-Sep, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107693 PMID:38955107	研究论文	研究街景环境特征对交叉口行人事故的影响。	应用深度学习网络从街景图像中提取特征，并结合XGBoost和SHAP方法建立可解释的模型框架。	研究可能仅限于特定城市或地区的街景图像，影响结果的普遍性。	探讨街景特征如何影响交叉口的行人撞车事件。	街景环境特征和行人碰撞事件的关系。	计算机视觉	NA	深度学习、XGBoost	XGBoost	图像	NA
20924	2024-08-05	Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification 2024-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.017 PMID:38796378	研究论文	该研究旨在开发高精度的放射组学和深度学习模型，以准确检测急性淋巴细胞白血病（ALL）	提出了一种基于T1WI图像的放射组学和深度学习模型，并通过验证评估其诊断效率	两种模型在测试队列中的统计比较未显示显著差异	研究的目的是通过T1WI图像识别急性淋巴细胞白血病	样本包含604例来自ALL组和正常儿童组的脑磁共振数据	数字病理学	急性淋巴细胞白血病	MRI	支持向量机和Efficientnet-B3	图像	604个脑磁共振数据样本
20925	2024-08-05	[Constructing a cataplexy face prediction model for narcolepsy type 1 based on ResNet-18] 2024-Jul-16, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20231220-01431 PMID:38978380	研究论文	建立了基于ResNet-18的猝倒面孔预测模型，以识别猝睡症1型患者的面孔特征	首次使用深度学习网络ResNet-18建立猝倒面孔识别模型，并与其他模型进行比较	样本量较小，仅限于单一医院的患者和健康对照	研究猝倒面孔的特征识别以提高猝睡症的诊断效率	25名首次确诊且未接受治疗的猝睡症1型患者与25名健康对照	计算机视觉	猝睡症	深度学习图像识别	ResNet-18	图像	共计50个样本（25名患者和25名健康对照）
20926	2024-08-05	Predicting the Temperature Dependence of Surfactant CMCs Using Graph Neural Networks 2024-Jul-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00314 PMID:38920084	研究论文	本文开发了一种图神经网络模型用于预测表面活性剂的温度依赖性临界胶束浓度（CMC）	提出了考虑温度依赖性的表面活性剂CMC预测模型，与以往未考虑此因素的模型相比具有创新性	模型在特定表面活性剂类别的表现可能会有所不同，限制了其通用性	研究表面活性剂在不同温度下的临界胶束浓度	本研究对象为各类表面活性剂，包括离子型、非离子型和两性离子型	机器学习	NA	图神经网络	NA	数据点	约1400个数据点
20927	2024-08-05	Molybdenum Disulfide-Assisted Spontaneous Formation of Multistacked Gold Nanoparticles for Deep Learning-Integrated Surface-Enhanced Raman Scattering 2024-Jul-09, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c00978 PMID:38913718	研究论文	本研究报道了一种将深度学习与表面增强拉曼散射相结合的生物传感平台，利用二硫化钼辅助的金纳米颗粒进行COVID-19的现场筛查	创新点在于通过二硫化钼辅助的自发合成实现高密度且高度有序的金纳米颗粒，并结合卷积神经网络提高了SERS性能	尚未提及具体的实验局限性	研究目的在于开发一种快速、低损害和高通量的无标记检测平台	研究对象为人类泪液中的 COVID-19 检测	数字病理	冠状病毒病	表面增强拉曼散射（SERS）	卷积神经网络	液体样品	NA
20928	2024-08-05	DeCoGAN: MVCT image denoising via coupled generative adversarial network 2024-Jul-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5d4c PMID:38979700	研究论文	本研究提出了一种基于深度学习的去噪方法以提高MVCT图像质量	提出了一种基于耦合生成对抗网络（DeCoGAN）的无配对MVCT去噪网络，利用共享潜在空间重建图像	没有提到具体的限制因素	提升MVCT图像质量以提高成像清晰度和人视觉感知	MVCT图像的去噪处理	计算机视觉	NA	深度学习	生成对抗网络	图像	未具体提及样本数量
20929	2024-08-05	Addressing the Accuracy-Cost Trade-off in Material Property Prediction Using a Teacher-Student Strategy 2024-Jul-09, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00625 PMID:38875176	研究论文	本研究提出了一种新的教师-学生策略，以提高基于化学成分的材料性质预测模型的准确性	引入了教师-学生策略，利用预训练的结构基础预测模型来提高化学成分基础预测模型的精度	主要评估是在涉及100条数据的情况下进行的，可能限制了方法的普适性	提高材料 property 预测的准确性，同时降低探索成本	化学成分基础的材料属性预测模型，采用钙钛矿作为案例研究	机器学习	NA	深度学习	NA	数据条目	100条数据
20930	2024-08-05	Applications of Biosensors in Bladder Cancer 2024-Jul-08, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2024.2373923 PMID:38978228	综述	这篇综述文章强调了生物传感器在膀胱癌中的应用	探讨了电化学和光学传感器在检测肿瘤标志物方面的临床相关性	目前面临的挑战包括缺乏大规模临床试验和先进技术的整合	研究生物传感器在膀胱癌早期检测和治疗中的潜力	聚焦于膀胱癌相关的肿瘤标志物和治疗方法	数字病理学	膀胱癌	生物传感器	NA	NA	NA
20931	2024-08-05	HiDiff: Hybrid Diffusion Framework for Medical Image Segmentation 2024-Jul-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3424471 PMID:38976467	研究论文	提出了一种名为HiDiff的混合扩散框架，用于医学图像分割	通过结合生成模型的知识，填补了判别性分割方法的不足，提出了一种新的二元伯努利扩散模型作为扩散细化器	未提及具体的局限性	旨在提高医学图像分割的性能	医学图像分割，如腹部器官、脑肿瘤、息肉及视网膜血管	计算机视觉	NA	深度学习	混合扩散模型	医学图像	多个分割数据集，涵盖四种广泛使用的模态
20932	2024-08-05	Mask-Guided Vision Transformer for Few-Shot Learning 2024-Jul-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3418527 PMID:38976473	research paper	提出了一种新颖的掩膜引导视觉变换器（MG-ViT），以实现有效的少样本学习（FSL）	MG-ViT通过引入掩膜操作和残差连接，在不增加其他成本的情况下，继承了预训练视觉变换器（ViT）的参数	当前方法依赖于有限的标注数据，可能在某些特定任务上表现不如预期	研究如何在数据稀缺的情境下实现视觉变换器的有效少样本学习	通过掩膜引导的方式筛选任务相关的图像补丁进行少样本学习	计算机视觉	NA	NA	视觉变换器（ViT）	图像	NA
20933	2024-08-05	Deep learning CT reconstruction improves liver metastases detection 2024-Jul-06, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01753-1 PMID:38971933	研究论文	本研究旨在评估深度学习CT重建在检测肝转移方面的有效性。	深度学习图像重建相较于传统的迭代重建提供了更好的噪声减少和肝转移检测能力。	研究未明确提及深度学习重建对所有患者群体的普适性。	研究目标是确定深度学习图像重建是否影响肝转移的检测数量。	研究对象为121名肝转移患者的CT图像。	医学影像处理	肝癌	CT重建	深度学习模型	图像	121个肝转移患者的CT图像
20934	2024-08-05	Deep learning for multi-type infectious keratitis diagnosis: A nationwide, cross-sectional, multicenter study 2024-Jul-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01174-w PMID:38971902	研究论文	这项研究构建了一种名为DeepIK的深度学习系统，用于多种类型感染性角膜炎的诊断	DeepIK系统能够模仿人类专家的诊断过程，并在多个数据集上表现优异	该研究没有提及特定的局限性	提高感染性角膜炎的诊断效率和准确性	使用23,055张来自12个临床中心的裂隙灯图像	计算机视觉	感染性角膜炎	深度学习	NA	图像	23,055张裂隙灯图像
20935	2024-08-05	LSOTB-TIR: A Large-Scale High-Diversity Thermal Infrared Single Object Tracking Benchmark 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3236895 PMID:37021992	研究论文	本文提出了一个大规模且高多样性的热红外单目标跟踪基准，名为LSOTB-TIR	LSOTB-TIR是迄今为止最大的和最具多样性的热红外目标跟踪基准，包含1416个热红外序列和超过643K帧	缺乏对不同场景和挑战属性的深入分析	建立一个统一的热红外单目标跟踪训练和评估基准	包含1416个热红外跟踪序列的评估数据集和一般训练数据集	计算机视觉	NA	深度学习	NA	视频	1416个热红外序列和超过643K帧
20936	2024-08-05	[Research progress of deep learning applications in mass spectrometry imaging data analysis] 2024-Jul, Se pu = Chinese journal of chromatography DOI:10.3724/SP.J.1123.2023.10035 PMID:38966975	综述	本文综述了深度学习在质谱成像数据分析中的应用进展和挑战	强调了四个核心阶段的数据预处理、图像重建、聚类分析和多模态融合	未提及具体的实验数据或案例研究以支持理论	旨在促进人工智能与质谱技术的更好结合	探讨深度学习在肿瘤诊断和亚型分类中的应用	数字病理	NA	深度学习	神经网络	图像	NA
20937	2024-08-05	UDRSNet: An unsupervised deformable registration module based on image structure similarity 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16986 PMID:38353628	研究论文	本文提出了一种基于图像结构相似性的完全无监督医疗图像配准方法	提出了一种简单可靠的无监督变形配准方法，利用结构相似性提升配准质量	在缺乏可靠临床数据标签的情况下进行实验，可能会影响结果的广泛适用性	开发一种有效的医疗图像配准技术	无须使用可靠的临床数据标签对医疗图像进行配准	计算机视觉	NA	深度学习	ResUnet和空间变换层	CT图像和超声图像	包含CT图像与超声图像的多组实验数据
20938	2024-08-05	Ensemble Conformalized Quantile Regression for Probabilistic Time Series Forecasting 2024-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3217694 PMID:36331651	研究论文	本文提出了一种新的概率预测方法，称为集成校正分位回归（EnCQR）	EnCQR通过消除数据可交换性的要求，扩展了校正预测器在时间序列中的使用，从而构建了分布无关的预测区间	NA	研究一种适合于非平稳和异方差时间序列数据的概率预测方法	不同异方差程度的时间序列	机器学习	NA	NA	量化回归（QR）	时间序列数据	NA
20939	2024-08-05	Public health nurse perspectives on predicting nonattendance for cervical cancer screening through classification, ensemble, and deep learning models 2024 Jul-Aug, Public health nursing (Boston, Mass.) DOI:10.1111/phn.13334 PMID:38757647	研究论文	本研究旨在使用各种算法准确预测女性在宫颈癌筛查中不参加的主要障碍	本研究引入了集合和深度学习模型来提高对宫颈癌筛查不参加者的预测准确性	研究中未提及样本的地域和背景的限制	探讨影响女性参加宫颈癌筛查的障碍因素并进行预测	1046名在基层卫生中心就诊的女性的数据	数字病理学	宫颈癌	分类、集合、深度学习模型	LSTM、随机森林、神经网络、朴素贝叶斯	数据	1046
20940	2024-08-05	The Impact of Artificial Intelligence on Allergy Diagnosis and Treatment 2024-Jul, Current allergy and asthma reports IF:5.4Q1 DOI:10.1007/s11882-024-01152-y PMID:38954325	综述	本文章探讨了人工智能在过敏诊断和治疗中的潜在应用及其益处	探讨了机器学习在过敏诊断中的应用及其对患者数据集的学习模式	存在与人工智能整合医疗过程相关的伦理挑战和隐私问题	研究人工智能在免疫性疾病诊断和管理中的应用潜力	重点关注人工智能在过敏反应相关研究中的应用	机器学习	过敏性疾病	机器学习	NA	病人数据集	NA