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
22001	2024-08-05	Automated detection and localization of pericardial effusion from point-of-care cardiac ultrasound examination 2023-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02855-6 PMID:37243852	研究论文	本研究开发了一种深度学习方法，以快速准确地识别和定位心包积液。	引入了基于YoloV3算法的深度学习方法，显著提高了心包积液检测的准确性和定位能力。	未提及关于算法在不同设备或操作员技能水平上的广泛适用性限制。	旨在提高心包积液在临床超声检查中的识别和定位效率。	对包含心包积液的病人以及对照组的心脏超声检查图像进行分析。	数字病理学	心脏疾病	POCUS	YoloV3	图像	共分析了37个心包积液病例和39个阴性对照
22002	2024-08-05	Development of a Deep Learning Model for Retinal Hemorrhage Detection on Head Computed Tomography in Young Children 2023-06-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.19420 PMID:37347482	研究论文	本研究开发了一种基于深度学习的模型，用于儿童头部CT图像中检测视网膜出血	该研究首次使用深度学习图像分析来检测小儿头部CT图像中的视网膜出血	可能需要外部前瞻性验证以确认模型的准确性	评估深度学习模型在儿童头部CT中检测视网膜出血的有效性	301名诊断为虐待性头部创伤（AHT）的儿童患者	计算机视觉	NA	深度学习	NA	图像	301名患者
22003	2024-08-05	Machine Learning on Visibility Graph Features Discriminates the Cognitive Event-Related Potentials of Patients with Early Alzheimer's Disease from Healthy Aging 2023-May-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13050770 PMID:37239242	研究论文	本文提出了一种使用可视性图的方法，对阿尔茨海默病患者和健康老年人进行分类	该研究通过可视性图的特征来区分早期阿尔茨海默病患者与健康老年人的认知事件相关电位	研究可能只针对特定的实验条件，未考虑其他可能影响结果的因素	探索基于EEG信号的可视性图特征在阿尔茨海默病和健康老年人分类中的应用	早期阿尔茨海默病患者与健康老年人群体	机器学习	阿尔茨海默病	EEG	传统机器学习和深度学习算法	EEG信号	研究涉及的样本数量未明确说明
22004	2024-08-05	In silico evolution of protein binders with deep learning models for structure prediction and sequence design 2023-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.03.539278 PMID:37205527	研究论文	本文探讨了一种利用深度学习模型进行蛋白质结合体设计的方法。	提出了使用深度学习模型进行蛋白质结构预测和序列设计的迭代流程，并成功设计出自抑制型(PD-L1拮抗剂)结构。	研究未进行实验亲和力培养，结果需要进一步验证。	旨在设计能够被蛋白酶条件性激活的自抑制型拮抗剂。	研究对象为PD-L1拮抗剂的自抑制结构域。	计算机视觉	NA	深度学习	AlphaFold2与ProteinMPNN	蛋白质序列	23个设计的自抑制结构域
22005	2024-08-05	Automated Inline Myocardial Segmentation of Joint T1 and T2 Mapping Using Deep Learning 2023-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.220050 PMID:36721410	研究论文	本研究开发了一种人工智能解决方案，旨在实现联合心脏MRI短轴T1和T2映射的自动分割和分析	该研究创新性地使用深度学习方法实现了心脏MRI映射的自动分割，性能接近人类专家	该研究的局限在于使用的样本来自两家医院，可能影响结果的普遍适用性	开发一个自动化的AI分割和分析工具，提高心脏MRI的操作效率和准确性	从807名患者的4240个映射中选择的心脏MRI数据进行了分析	数字病理学	NA	人工智能	卷积神经网络	影像	4240个映射，来自807名患者
22006	2024-08-07	Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268007 PMID:35507570	研究论文	本研究旨在通过深度学习神经网络模型探索沉浸式营销环境下的消费者偏好，设计个性化推荐系统，提升营销效果和用户体验	提出基于沉浸式图神经网络（IGNN）模型的个性化推荐系统，相较于其他推荐系统显示出更高的优势	NA	增加各类商品的营销量，促进市场的全面发展	消费者在沉浸式营销环境下的偏好	机器学习	NA	深度学习（DL）神经网络（NN）	图神经网络（GNN）	NA	NA
22007	2024-08-07	Corrigendum: Characterisation of mental health conditions in social media using Informed Deep Learning 2017-05-16, Scientific reports IF:3.8Q1 DOI:10.1038/srep46813 PMID:28507325	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22008	2024-08-07	Characterisation of mental health conditions in social media using Informed Deep Learning 2017-03-22, Scientific reports IF:3.8Q1 DOI:10.1038/srep45141 PMID:28327593	研究论文	本研究利用深度学习技术分析社交媒体平台Reddit上的帖子，以识别和分类与心理疾病相关的帖子	首次使用深度学习方法自动识别社交媒体中的心理疾病相关帖子，并分类到11种疾病主题	研究仅限于Reddit平台上的帖子，且样本集是平衡的	开发方法以表征大量用户生成内容，支持内容管理和针对性干预	社交媒体平台Reddit上的心理健康相关帖子	自然语言处理	NA	深度学习	神经网络	文本	平衡的数据集
22009	2024-08-05	How can we quantify, explain, and apply the uncertainty of complex soil maps predicted with neural networks? 2024-Sep-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173720 PMID:38866156	研究论文	本文探讨了如何量化、解释和应用通过神经网络预测的复杂土壤地图的不确定性	提出使用贝叶斯深度学习中的'最后一层拉普拉斯近似'方法，量化深度网络的不确定性	传统深度学习算法在地理上远离训练区域或数据稀疏区域时，表现出对预测的过度自信	研究如何提高神经网络模型预测的不确定性量化和可解释性	针对南德地区的土壤分类进行探索性研究	机器学习	NA	贝叶斯深度学习	NA	土壤数据	NA
22010	2024-08-05	[Artificial intelligence in kidney transplant pathology] 2024-Jul, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-024-01324-7 PMID:38598097	综述	总结人工智能在肾移植病理学诊断领域的研究现状及其局限性	该文章探讨了AI在肾移植病理中的最新应用及其未来展望	在代表性数据集的收集和Banff分类的更新方面存在重要的局限性和挑战	研究人工智能在肾移植病理学诊断中的应用及存在的限制	聚焦于使用AI改善肾移植诊断的组织病理学研究	数字病理学	NA	深度学习	NA	文献	NA
22011	2024-08-05	NerveTracker: a Python-based software toolkit for visualizing and tracking groups of nerve fibers in serial block-face microscopy with ultraviolet surface excitation images 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076501 PMID:38912214	研究论文	本文开发了一种用于视觉化和跟踪神经纤维组的Python软件工具NerveTracker	创新点在于提供了一套专用的、可定制的软件以进行外周神经样本的微观跟踪	未提及具体的局限性	研究旨在开发能够处理和可视化神经样本图像的定制软件	研究对象为外周神经样本中的神经纤维	计算机视觉	NA	三维显微镜与紫外表面激发	NA	图像	在几毫米的神经长度上测试了多个样本
22012	2024-08-05	Assessing spectral effectiveness in color fundus photography for deep learning classification of retinopathy of prematurity 2024-Jul, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076001 PMID:38912212	研究论文	本研究评估了在深度学习分类早产儿视网膜病中的彩色眼底摄影的光谱有效性	研究展示了使用红色或绿色长波长进行深度信息增强和改进诊断能力的有效性	研究未探讨其他可能影响分类准确性的因素	评估彩色眼底摄影在早产儿视网膜病深度学习分类中的光谱有效性	早产儿视网膜病的眼底图像	计算机视觉	早产儿视网膜病	卷积神经网络	CNN	图像	包含正常和不同阶段早产儿视网膜病的眼底图像
22013	2024-08-05	Reproducibility and Explainability of Deep Learning in Mammography: A Systematic Review of Literature 2024-Jul, The Indian journal of radiology & imaging DOI:10.1055/s-0043-1775737 PMID:38912238	系统评价	本文评估了深度学习在乳腺癌筛查中的可重复性与解释性。	提出了针对文献的质量评估工具mQUADAS-2，并揭示了许多研究存在偏倚风险。	大多数研究由于患者选择不具代表性而具有高风险偏倚，没有研究提供超出定位准确性的解释能力。	评估乳腺癌筛查中深度学习文献的可重复性，确定模型设计的最佳实践。	包括使用深度学习检测病变或将图像分类为癌症或非癌症的研究。	数字病理学	乳腺癌	深度学习	卷积神经网络（CNN），集成模型	图像	共筛选了12,123条记录，其中107条符合纳入标准
22014	2024-08-07	Enhancing diagnostic precision in liver lesion analysis using a deep learning-based system: opportunities and challenges 2024-Jul, Nature reviews. Clinical oncology DOI:10.1038/s41571-024-00887-x PMID:38519602	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22015	2024-08-07	Automated deep learning framework: providing decision-making information for breast cancer management 2024-Jul, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102674 PMID:38911837	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22016	2024-08-05	Three-dimensional atrous inception module for crowd behavior classification 2024-Jun-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65003-6 PMID:38909074	研究论文	提出了一种三维空洞Inception模块的网络用于人群行为分类	创造性地引入了三维空洞卷积和分离损失函数，提高了对复杂人群行为的分类精度	缺乏关于模型在不同环境下的有效性和鲁棒性验证	解决人群行为识别中的复杂性问题	人群行为在视频监控系统中的识别与分类	计算机视觉	NA	三维卷积	3D神经网络	视频	NA
22017	2024-08-05	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-Jun-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文提出了一种使用可解释深度学习技术对高维单细胞多模态数据进行集成分析的协议	创新点在于提出了一种名为moETM的可解释深度学习技术来处理单细胞多组学数据	限制在于所演示的数据只来自骨髓单核细胞，可能缺乏其他细胞类型的数据	研究单细胞多组学数据的集成分析方法	研究对象为骨髓单核细胞的单细胞多组学数据	数字病理学	NA	单细胞多组学测序	moETM	多模态数据	使用了来自GSE194122的数据集，具体样本数量未提及
22018	2024-08-05	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-Jun-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	本文介绍了一种用于去噪单细胞RNA测序数据的深度学习框架	提出了一种动态批处理对抗自编码器(DB-AAE)以提高scRNA-seq数据的去噪效果	本研究的局限性未在摘要中明确指出	旨在解决单细胞RNA测序数据分析中的技术挑战	针对单细胞RNA测序数据集进行去噪处理	机器学习	NA	深度学习	对抗自编码器	基因表达数据	NA
22019	2024-08-05	Deep learning with noisy labels in medical prediction problems: a scoping review 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae108 PMID:38814164	综述	本文旨在全面回顾深度学习在医疗预测中对标签噪声管理的研究	提出了将标签噪声管理作为医疗研究标准元素的重要性，并分类了标签噪声检测方法和处理技术	仅涉及2016年至2023年间的60篇文献，可能无法涵盖所有相关研究	研究医疗预测问题中标签噪声管理的重要性和现状	关注医疗研究中标签噪声的来源、影响、检测及处理技术	机器学习	NA	深度学习	NA	文献研究	60篇文献
22020	2024-08-05	Determining Protein Secondary Structures in Heterogeneous Medium-Resolution Cryo-EM Images Using CryoSSESeg 2024-Jun-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c02608 PMID:38911779	研究论文	本研究提出了一个基于卷积神经网络的框架cryoSSESeg，用于在中等分辨率的冷冻电子显微镜图像中确定蛋白质二级结构的组织	介绍了一种新的深度学习方法cryoSSESeg，相比传统图像处理工具和其他深度学习模型表现出更优或相当的性能	结果受到中等分辨率密度图质量变化的影响，需要小心评估数据质量	通过分析中等分辨率的冷冻电子显微镜图像来提取蛋白质二级结构的信息	约1300条蛋白链来自500个实验性的冷冻电子显微镜密度图	计算机视觉	NA	冷冻电子显微镜（cryo-EM）	卷积神经网络（CNN）	图像	约1300条蛋白链，来自约500个不同质量的实验性冷冻电子显微镜密度图