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
22141	2024-08-05	Improving difficult direct laryngoscopy prediction using deep learning and minimal image analysis: a single-center prospective study 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65060-x PMID:38902319	研究论文	本研究提出了一种AI模型，利用少量患者面部和颈部照片准确预测困难直接喉镜检查（DDL）	该文章创新性地使用了少量床边拍摄的图片和多任务学习来提升DDL预测准确性	研究限制在于仅在单中心进行，可能限制了结果的普遍适用性	研究目标是提高困难直接喉镜检查的预测准确性以优化气道管理和患者安全	研究对象为接受全麻下气管插管的成人患者	深度学习	NA	智能手机拍摄的图像分析	EfficientNet-B5	图像	3053名患者的18163张照片
22142	2024-08-05	PatchSorter: a high throughput deep learning digital pathology tool for object labeling 2024-Jun-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01150-4 PMID:38902336	研究论文	本文介绍了一个开源的数字病理标记工具PatchSorter，它结合了深度学习和直观的网络界面	提出了一种新的高通量标记方法，通过深度学习显著提高了每秒标签数量	未提及具体的限制	提高数字病理图像中大规模组织标记的效率	超过10万个组织对象	数字病理学	NA	深度学习	NA	图像	超过100,000个对象
22143	2024-08-05	A deep learning-powered diagnostic model for acute pancreatitis 2024-Jun-20, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01339-9 PMID:38902660	研究论文	本研究旨在开发一种深度学习驱动的急性胰腺炎诊断模型	提出了一个包含急性胰腺炎分类器和胰腺病变分割模块的双模块模型	这是一项回顾性研究，可能存在选择偏倚	研究的目的是提高急性胰腺炎的快速准确识别能力	190名急性胰腺炎患者及健康个体的CT扫描数据	机器学习	急性胰腺炎	计算机断层扫描（CT）	深度学习模型	影像	190名急性胰腺炎患者和对照的健康个体
22144	2024-08-05	A multi-feature spatial-temporal fusion network for traffic flow prediction 2024-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65040-1 PMID:38902350	研究论文	该论文提出了一种多特征时空融合网络用于交通流预测	创新点在于引入了自适应交通特征提取机制和多特征时空融合网络，能够提高特征表示能力和预测解释性	论文未详细讨论模型在特定场景下的适用性	研究的目的是通过多特征融合改善交通流预测精度	研究对象为影响交通流的多种交通特征	机器学习	NA	深度学习	时空融合网络	交通流数据	基于多种基线模型的实验验证
22145	2024-08-05	Development and validation of a smartphone-based deep-learning-enabled system to detect middle-ear conditions in otoscopic images 2024-Jun-20, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01159-9 PMID:38902477	研究论文	本文介绍了一种基于智能手机的深度学习系统，用于识别耳镜图像中的中耳疾病	提出了一个集成深度学习模型的智能手机应用，能够在数字耳镜图像中达到专家级的诊断准确性	该系统在其他中耳疾病的表现存在差异，需要进一步的前瞻性验证	研究旨在评估深度学习在耳镜图像解读中的应用	对2013年至2020年在法国斯特拉斯堡的耳鼻喉科诊所接受治疗的5岁以上患者的耳镜图像进行分析	计算机视觉	NA	深度学习	Inception-v2	图像	共涉及41,664幅耳镜图像，验证集为3,962幅图像，测试集为326幅图像
22146	2024-08-05	Automatic classification of normal and abnormal cell division using deep learning 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64834-7 PMID:38902496	研究论文	本文开发了一种自动分类正常和异常细胞分裂的方法	提出了一种使用深度学习进行自动有丝分裂分类的创新方法	尚未集成细胞分割和跟踪功能	旨在分类正常与异常细胞分裂	小的有丝分裂图像序列	计算机视觉	NA	深度学习（ResNet50 + LSTM）	ResNet50与LSTM	图像	从经历不同辐射水平的细胞群体视频中提取的图像序列
22147	2024-08-05	Optimizing 5'UTRs for mRNA-delivered gene editing using deep learning 2024-Jun-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49508-2 PMID:38902240	研究论文	本文设计了用于高效mRNA翻译的5'UTR，利用深度学习技术进行优化	提出了一种基于模型的序列设计方法用于优化mRNA治疗的5'UTR，提高了基因编辑的效率	最佳表现的UTR仅针对一种载体和细胞类型，存在特异性限制	研究旨在优化mRNA的5'UTR以提高表达水平	研究对象为不同细胞类型中的5'UTR以及其在基因编辑中的表现	NA	NA	深度学习	生成神经网络	NA	在两个细胞系中对设计的5'UTR进行了实验测试
22148	2024-08-05	Deep Ensemble learning and quantum machine learning approach for Alzheimer's disease detection 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61452-1 PMID:38902368	研究论文	本文提出了一种基于量子机器学习分类器的集成深度学习模型用于阿尔茨海默病的分类	利用量子计算模型提升阿尔茨海默病分类的准确性，充分挖掘量子计算在疾病分类中的潜力	未提及模型在更大规模或不同背景下的应用限制	探讨量子机器学习在阿尔茨海默病早期诊断中的应用	阿尔茨海默病患者的影像数据集	机器学习	阿尔茨海默病	量子机器学习	深度学习模型（VGG16和ResNet50）	影像	合并的阿尔茨海默病神经影像学倡议I和II数据集
22149	2024-08-05	Deep learning for predicting 16S rRNA gene copy number 2024-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64658-5 PMID:38902329	研究论文	本研究提出了一种基于深度学习的方法ANNA16，用于直接从16S基因序列中估计16S rRNA基因拷贝数。	提出了一种新的方法ANNA16，能够直接从16S基因序列中进行16S GCN值的估计，且表现优于常用算法。	目前未提及研究中的具体局限性	研究的目的是提高微生物组分析中16S rRNA基因拷贝数的量化估计能力。	研究对象为不同社区成员的16S rRNA基因拷贝数。	数字病理学	NA	深度学习	人工神经网络	基因序列	27,579个16S rRNA基因序列
22150	2024-08-05	Deep Learning-Based HLA Allele Imputation Applicable to GWAS 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3874-3_5 PMID:38907891	研究论文	本文介绍了一种基于深度学习的HLA等位基因填充方法Deep*HLA	该方法采用深度学习算法，显著提高了HLA等位基因的填充精度和计算效率	对于稀有等位基因的填充精度有所下降	旨在提高HLA基因的等位基因填充准确性，以更好地理解人类特征的遗传基础	关注HLA等位基因的填充，基于区域性单核苷酸变异进行分析	机器学习	NA	深度学习	NA	NA	在两个不同谱系的参考面板上进行训练和基准测试
22151	2024-08-05	Intelligent deep learning supports biomedical image detection and classification of oral cancer 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248041 PMID:38759069	研究论文	本文提出了一种有效并准确的口腔癌识别与分类方法	提出了一种新的CANet分类模型，结合了注意机制和位置忽略信息，探索了注意机制与深度网络的复杂组合	NA	研究口腔癌的识别和分类技术	口腔癌图像数据集的分类	计算机视觉	口腔癌	深度学习，CNN和Swin变换	CANet和Swin transformer	图像	Kaggle口腔癌图像数据集
22152	2024-08-05	Designing and development of agricultural rovers for vegetable harvesting and soil analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304657 PMID:38905232	研究论文	本研究提出了一种能够自主进行蔬菜采摘和土壤分析的农业机器人	使用先进的深度学习算法（YOLOv5）来提高农业效率和土壤健康	研究中未提及样本的多样性和环境条件的影响	旨在开发可持续农业技术以提升作物生产力和土壤健康	农业机器人及其在蔬菜采摘和土壤分析中的应用	计算机视觉	NA	YOLOv5	深度学习模型	图像	NA
22153	2024-08-05	A deep learning approach for acute liver failure prediction with combined fully connected and convolutional neural networks 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248048 PMID:38759076	研究论文	本文提出了一种结合全连接和卷积神经网络的深度学习方法用于急性肝衰竭预测	创新点在于结合了全连接神经网络和卷积神经网络，以提高传统机器学习方法在预测急性肝衰竭中的性能和泛化能力	模型的鲁棒性和针对不平衡数据的能力仍需进一步改进	研究旨在通过深度学习提高急性肝衰竭预测的准确性和有效性	研究对象是急性肝衰竭患者及其相关临床数据	机器学习	肝病	深度学习	全连接神经网络和卷积神经网络	临床数据	NA
22154	2024-08-05	Deep learning-based anatomical position recognition for gastroscopic examination 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248004 PMID:38669495	研究论文	该研究使用深度学习开发了用于胃镜检查的自动位置识别技术	提出了一种新的方法MogaNet，比现有模型在解剖位置识别上表现更优秀	未提及特定限制因素	利用深度学习技术提高胃镜检查中的解剖位置识别	17182张不同解剖位置的胃镜图像	计算机视觉	NA	卷积神经网络	MogaNet	图像	17182张
22155	2024-08-05	Biclustering for Epi-Transcriptomic Co-functional Analysis 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3918-4_19 PMID:38907925	研究论文	本文描述了多种二聚类挖掘算法，以发现表观转录组数据中的潜在共同功能模式	介绍了将新的深度学习技术引入表观转录组数据共同功能分析领域	NA	深入研究N-甲基腺苷（mA）修饰在表观转录组数据中的共同功能模式	表观转录组数据中的mA修饰及其共同功能模式	数字病理学	NA	深度学习	NA	表观转录组数据	NA
22156	2024-08-05	Deep learning approaches for breast cancer detection in histopathology images: A review 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230251 PMID:38517775	综述	本文综述了使用深度学习技术对乳腺癌进行检测的最新技术现状	本文强调了深度学习算法在乳腺癌检测中的潜力，并讨论了不同架构在多种数据集上的表现	本文提到需要大量多样化的数据集及深度学习模型的可解释性作为挑战	本文旨在提供乳腺癌检测领域的最新技术和研究概况	本文研究对象为乳腺癌与组织病理图像的深度学习检测和分类	数字病理学	乳腺癌	深度学习	NA	组织病理图像	NA
22157	2024-08-05	Offensive language detection in low resource languages: A use case of Persian language 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304166 PMID:38905214	研究论文	本文探讨了波斯语中攻击性语言检测的问题并提出了一种新的语料库	开发了包含6,000条动态博客帖子的新波斯语攻击性语言语料库，并提出了一种集成多个分类器的模型来改善检测效果	所使用的语料库主要集中在波斯语，可能不适用于其他低资源语言	研究波斯语的攻击性语言自动检测问题	波斯语中的攻击性语言	自然语言处理	NA	机器学习，深度学习，变换器基础的神经网络	SVM，单语变换器预训练语言模型 ParsBERT，集成模型	文本	6,000条从520,000个随机抽样的微博帖子中提取的样本
22158	2024-08-05	DeepHLApan: A Deep Learning Approach for the Prediction of Peptide-HLA Binding and Immunogenicity 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3874-3_15 PMID:38907901	研究论文	本文介绍了一种名为DeepHLApan的深度学习工具，用于预测肽-HLA结合亲和力及免疫原性	创新点在于结合肽-HLA结合亲和力和免疫原性进行新抗原的预测	NA	研究旨在推动肿瘤新抗原的预测及其在癌症免疫治疗中的应用	研究对象为肽-HLA结合及其免疫原性	生物信息学	癌症	深度学习	NA	NA	NA
22159	2024-08-05	Deep Learning-Based Prediction of Radiation Therapy Dose Distributions in Nasopharyngeal Carcinomas: A Preliminary Study Incorporating Multiple Features Including Images, Structures, and Dosimetry 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241256594 PMID:38808514	研究论文	本研究旨在通过将剂量信息纳入深层卷积神经网络（CNN）来提高对鼻咽癌放射治疗剂量分布的预测准确性	提出了一个新的框架，利用深度学习和多通道输入，特别纳入了目标顺应计划（TCPD）信息以增强预测准确性	在某些小体积或邻近的风险脏器（OAR）上预测结果可能存在显著差异，且未提及样本的多样性	提高鼻咽癌治疗中强度调制放射治疗（IMRT）的剂量分布预测准确性	鼻咽癌患者的放射治疗剂量分布	数字病理学	鼻咽癌	深度学习	卷积神经网络（CNN）	图像、剂量分布信息、靶区结构及风险脏器信息	NA
22160	2024-08-05	Super-resolution of diffusion-weighted images using space-customized learning model 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-248037 PMID:38759065	研究论文	本研究开发了一种端到端的深度学习网络，以提高扩散加权成像（DWI）的空间分辨率	提出了一种空间定制的深度学习方法，结合了卷积神经网络和图卷积网络，以改善DWI的图像质量	对高维和非欧几何的DWI应用仍然具有挑战性	研究旨在通过后处理提高DWI的空间分辨率	本研究对象为扩散加权成像（DWI）	计算机视觉	NA	深度学习	CNN和GCNN	图像	在人体连接组项目中评估