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
21541	2024-08-05	A deep learning-based algorithm for pulmonary tuberculosis detection in chest radiography 2024-06-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65703-z PMID:38942819	研究论文	本研究评估了一种基于深度学习的算法在胸部X光片中检测肺结核的有效性	提出了一种使用Google可教机器的深度神经网络图像分类工具来预测胸部X光片中肺结核的概率	在同时考虑其他非结核异常的情况下，算法的准确度有所下降	评估深度学习算法在检测肺结核方面的有效性	分析348个肺结核X光片与3806个正常X光片的数据集	数字病理学	肺结核	深度学习	深度神经网络	影像	348个肺结核胸片和3806个正常胸片，外部验证250个胸片
21542	2024-08-05	Prostate cancer diagnosis based on multi-parametric MRI, clinical and pathological factors using deep learning 2024-06-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65354-0 PMID:38942817	研究论文	本研究使用深度学习方法结合多参数MRI、临床和病理因素对前列腺癌进行诊断	首次将多参数MRI与临床和病理数据结合使用深度学习提高前列腺癌诊断的准确性	研究仅基于来自一所医院的数据，可能影响结果的广泛适用性	提高前列腺癌的早期诊断准确性	343名前列腺癌患者的数据	医学影像分析	前列腺癌	深度学习	ResNet50	多参数MRI图像	343名患者
21543	2024-08-05	Variable data structures and customized deep learning surrogates for computationally efficient and reliable characterization of buried objects 2024-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65996-0 PMID:38942986	研究论文	本研究通过深度学习代理建模方法，表征埋 buried 物体。	提出了一种深度回归网络（DRN），在与传统网络模型相比下，该模型的计算效率提高了大约 13 倍。	关于原始 B 扫描数据和 B 扫描轮廓处理步骤的使用在物体特征化中导致高计算成本，这可能成为一个挑战。	该研究旨在通过深度学习技术高效可靠地表征埋藏物体。	研究对象为不同半径、不同位置（深度和横向位置）埋藏在不同色散地下介质中的物体。	数字病理学	NA	全波电磁模拟	深度回归网络（DRN）	图像	NA
21544	2024-08-05	High-precision object detection network for automate pear picking 2024-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65750-6 PMID:38942940	research paper	本研究提出了一种高精度的物体检测网络，用于自动化梨采摘任务	创新点在于提出了HDMNet网络，结合了语义聚焦注意机制和变形感知特征金字塔网络，提高了检测准确性	当前方法仍需在复杂环境下的适应性和多样性验证	旨在提高自动化梨采摘的检测精度和实时性	研究对象为自动化梨采摘中的梨果物体	计算机视觉	NA	深度学习	YOLOv8	图像	NA
21545	2024-08-05	CPSign: conformal prediction for cheminformatics modeling 2024-Jun-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00870-9 PMID:38943219	研究论文	CPSign是一个用于化学信息学建模的完全实现的顺应预测开源软件	CPSign结合了顺应预测和概率预测的方法，支持多种建模技术，并提供易于使用的可视化功能	未提及具体的局限性	提供一个综合的软件工具，以便在化学结构上进行数据预处理、建模和预测	化学信息学中的数据和模型	化学信息学	NA	顺应预测	支持向量机（SVM）	化学数据	多项研究中使用，但具体样本大小未提及
21546	2024-08-05	Deep learning-based prediction of plant height and crown area of vegetable crops using LiDAR point cloud 2024-06-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65322-8 PMID:38942825	研究论文	本文开发了一种深度学习框架，用于预测蔬菜作物在不同生长阶段的植物高度和冠幅	提出了一种结合LSTM和GRU的混合深度学习模型，显著提高了对冠幅的预测准确性	LSTM和GRU模型在捕捉结构参数变化方面存在局限，且在临近收获的高级生长阶段预测质量较低	开发和应用深度学习框架以预测蔬菜作物的植物高度和冠幅	针对番茄、茄子和卷心菜进行研究	数字农业	NA	LiDAR点云	LSTM和GRU的混合模型	点云数据	五个时间点的实验研究农场数据
21547	2024-08-05	Multimodal explainable artificial intelligence identifies patients with non-ischaemic cardiomyopathy at risk of lethal ventricular arrhythmias 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65357-x PMID:38937555	研究论文	本文提出了一种多模态深度学习模型，用于预测非缺血性心肌病患者的心律失常风险	本研究的创新之处在于将LGE心脏磁共振成像、心电图和临床数据整合到一个模型中，以提高心律失常预测的准确性	研究的局限性在于仅使用两个三级医院的数据，可能影响模型的广泛适用性	研究的目的是开发一种多模态风险预测模型，以帮助预防非缺血性心肌病患者的突发性心脏死亡	研究对象为289名在植入ICD之前接受了短轴LGE-MRI扫描和12导联心电图的患者	计算机视觉	心血管疾病	LGE MRI	深度风险模型 (DEEP RISK)	图像和临床数据	289名患者
21548	2024-08-05	Modeling 0.6 million genes for the rational design of functional cis-regulatory variants and de novo design of cis-regulatory sequences 2024-Jun-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2319811121 PMID:38889146	研究论文	本文开发了PhytoExpr，一个深度学习框架，可预测植物mRNA丰度和物种	提出了通过深度学习实现植物调控序列的合理设计和变异体发现	对输入序列的分析依赖于深度学习模型的训练数据和算法	旨在无专家干预或先前领域知识的情况下设计植物调控DNA序列	17种主要植物门类的代表性物种	计算机视觉	NA	深度学习	NA	序列	600,000个基因
21549	2024-08-05	An improved method for diagnosis of Parkinson's disease using deep learning models enhanced with metaheuristic algorithm 2024-Jun-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01335-z PMID:38910241	研究论文	本研究提出了一种改进的深度学习模型，利用启发式算法提高帕金森病的早期诊断精度	研究中结合了灰狼优化算法和多种深度学习模型以增强帕金森病的诊断能力	研究只使用了两个标准数据集，可能限制了模型的泛化能力	提高帕金森病的早期诊断准确性	使用深度学习模型和医学影像数据集来检测帕金森病	机器学习	帕金森病	医学影像技术、灰狼优化	GWO-VGG16，GWO-DenseNet，GWO-DenseNet + LSTM，GWO-InceptionV3，GWO-VGG16 + InceptionV3	医学影像	使用了T1、T2加权和SPECT DaTscan数据集的标准数据集
21550	2024-08-05	Evaluation of Dental Plaque Area with Artificial Intelligence Model 2024-Jun-01, Nigerian journal of clinical practice IF:0.7Q3 DOI:10.4103/njcp.njcp_862_23 PMID:38943301	研究论文	本研究评估了一种利用深度学习的人工智能系统在识别牙菌斑方面的诊断准确性	本研究开发的人工智能算法在检测牙菌斑方面表现出色，优于牙医的诊断性能	样本量相对较小，仅包括20名患者的168颗永久牙	评估人工智能系统在牙菌斑识别中的诊断准确性	20名10至15岁患者的168颗牙齿照片	NA	NA	深度学习	NA	图像	168颗牙齿，来自20名患者
21551	2024-08-05	A comparative analysis of deep learning-based location-adaptive threshold method software against other commercially available software 2024-Jun, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03099-7 PMID:38634943	研究论文	本研究分析了一种基于深度学习的自适应阈值方法软件在冠状动脉CT成像中的表现	提出了一种新的基于深度学习的自适应阈值方法(DL-LATM)用于冠状动脉分割，并显示出优于现有商业软件的性能	样本量较小，仅使用了19名患者的26个血管段的数据进行评估	评估基于DL-LATM的方法在冠状动脉CT成像中的分割性能	使用基于冠状动脉CT成像的分割软件进行分析	数字病理学	冠状动脉疾病	冠状动脉计算机断层成像(CCTA)	深度学习	图像	19名患者的26个血管段
21552	2024-08-05	Development of an automatic surgical planning system for high tibial osteotomy using artificial intelligence 2024-Jun, The Knee DOI:10.1016/j.knee.2024.03.008 PMID:38599029	研究论文	本研究提出了一种基于深度学习的高胫骨截骨自动手术规划系统，并验证了其准确性	该系统能够快速准确地测量下肢对齐参数，并且测量时间远短于外科医生	研究未提及大样本数据或长期随访结果	研究旨在开发一种提高高胫骨截骨手术规划效率和准确性的智能系统	107名接受高胫骨截骨的患者及其整个腿部站立X光片	数字病理学	NA	深度学习	NA	X光片	107张来自107名患者的整个腿部站立X光片
21553	2024-08-05	Morphological profiling for drug discovery in the era of deep learning 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae284 PMID:38886164	综述	该文章对形态轮廓在表型药物发现中的最新进展进行了全面概述	强调深度学习在该流程中的应用，涵盖了细胞分割、图像表示学习和多模态学习	未提及具体的局限性	探讨形态轮廓分析在药物发现中的应用及其发展	形态轮廓分析及其在药物重新利用和新疗法开发中的应用	计算机视觉	NA	高通量自动成像	深度学习	图像	NA
21554	2024-08-05	ifDEEPre: large protein language-based deep learning enables interpretable and fast predictions of enzyme commission numbers 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae225 PMID:38942594	研究论文	提出了一种新型的可解释和快速的深度学习模型ifDEEPre，用于准确预测酶的委员会编号	设计了新的自引导注意机制，并结合大量蛋白语言模型学习的生物知识，显著提高了预测速度和准确性	未提及具体的限制因素	准确理解酶的生物功能，为病理学和工业生物技术的各种任务提供支持	raw蛋白质序列的表示和酶的委员会编号	机器学习	NA	大型蛋白语言模型	自引导注意机制	生物序列数据	数亿个蛋白质
21555	2024-08-05	Parkinson's disease diagnosis using deep learning: A bibliometric analysis and literature review 2024-04, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2024.102285 PMID:38554785	综述	本文进行了一项关于深度学习在帕金森病诊断中的应用的文献计量分析和文献综述	通过文献计量分析展示了深度学习在帕金森病诊断领域的显著进展和关键研究点	对于增量学习及大数据分析相关的深度学习方法的研究存在空白	研究深度学习在帕金森病诊断中的应用发展	已发表的关于帕金森病及深度学习的研究论文	计算机视觉	帕金森病	深度学习	NA	文献	检索并分析了Scopus数据库中的可用研究论文
21556	2024-08-05	Technological Vanguard: the outstanding performance of the LTY-CNN model for the early prediction of epileptic seizures 2024-02-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-04945-x PMID:38365732	研究论文	这项研究介绍了一种新型深度学习模型LTY-CNN，用于对癫痫发作的早期预测	LTY-CNN模型融合了并行卷积结构和多头注意机制，能够捕捉多尺度的EEG信号特征，提升了处理时间序列数据的效率	没有提到该模型在特定临床环境中的实际应用表现	研究癫痫发作的早期预测及其管理方法	关注神经电活动异常的癫痫患者及其EEG信号	机器学习	癫痫	EEG	LTY-CNN	时间序列数据	涉及SWEC-ETHZ和CHB-MIT两个数据集
21557	2024-08-05	Morphological Profiling for Drug Discovery in the Era of Deep Learning 2024-Jan-15, ArXiv PMID:38168460	综述	本文提供了形态特征分析在表型药物发现中的最新进展的全面概述	重点强调深度学习在形态分析中的应用，包括细胞分割、图像表示学习和多模态学习	未提及具体的限制	探讨形态特征分析在表型药物发现中的应用及其流程	涵盖对细胞或生物体在单细胞分辨率下对干扰的反应的分析	计算机视觉	NA	高通量自动成像	深度学习	图像	NA
21558	2024-08-05	The Application of Artificial Intelligence to Cancer Research: A Comprehensive Guide 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241250324 PMID:38775067	综述	本文回顾了人工智能在癌症研究中的应用和重要性	对机器学习、软计算和深度学习在肿瘤学中的作用进行了系统解释，强调了AI在改善患者结果方面的潜力	未提及具体的实证研究或实验数据支持	阐述AI在癌症研究中的进展及其在临床诊断和治疗中的应用	癌症类型的诊断、分类和预后预测	机器学习	癌症	机器学习、深度学习	SVM、朴素贝叶斯、CNN	NA	NA
21559	2024-08-05	Ventricle tracking in transesophageal echocardiography (TEE) images during cardiopulmonary resuscitation (CPR) using deep learning and monogenic filtering 2023-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00293-9 PMID:37872984	研究论文	本文研究了在心肺复苏期间使用深度学习和单基过滤法对经食道超声心动图（TEE）图像中的心室进行追踪	提出了一种实时计算心脏射血分数（EF）的方法，通过检测收缩和舒张来优化心肺复苏的质量	数据量不足的问题通过薄板样条变换解决，但仍需更多的数据验证	优化心肺复苏期间的心脏功能监测	心脏骤停患者的经食道超声心动图（TEE）图像	数字病理	心脏疾病	深度学习, 单基过滤	ResUNet++	图像	NA
21560	2024-08-05	An Improved Method for Diagnosis of Parkinson's Disease using Deep Learning Models Enhanced with Metaheuristic Algorithm 2023-Oct-04, Research square DOI:10.21203/rs.3.rs-3387953/v1 PMID:37886464	研究论文	本研究提出了一种结合元启发算法的深度学习模型用于早期诊断帕金森病	提出了四种深度学习模型及混合模型，并通过灰狼优化算法自动微调超参数	未提及具体的临床应用限制或数据集的多样性问题	提高帕金森病的早期诊断准确性	用于帕金森病诊断的深度学习模型	机器学习	帕金森病	灰狼优化	GWO-VGG16、GWO-DenseNet、GWO-DenseNet + LSTM、GWO-InceptionV3、GWO-VGG16 + InceptionV3	图像	使用两个标准数据集 T1、T2加权数据集和 SPECT DaTscan