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
22161	2024-08-05	A Review for Artificial Intelligence Based Protein Subcellular Localization 2024-Mar-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040409 PMID:38672426	review	本文回顾了基于人工智能的蛋白质亚细胞定位方法最新进展	文章的创新点在于整合了三种典型的基于人工智能的定位方法，并讨论了该领域的未来方向	文章未深入探讨具体的实验验证和实际应用案例	研究人工智能在蛋白质亚细胞定位中的应用与发展	主要研究各种类型的蛋白质定位方法	生物信息学	癌症、阿尔茨海默病	人工智能，机器学习	深度学习	序列、知识、图像	NA
22162	2024-08-05	Histopathology-based breast cancer prediction using deep learning methods for healthcare applications 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1300997 PMID:38894870	研究论文	本研究使用深度学习方法分析乳腺癌的组织病理学图像，以提高自动诊断的准确性	该论文提出了一种结合超分辨率生成对抗网络 (SRGAN) 和补丁式特征提取的创新方法，显著提高了乳腺癌的分类准确性	研究依赖于特定的公共数据集，可能影响结果的广泛适用性	研究旨在通过深度学习提高乳腺癌的自动诊断准确性	研究对象包括BreakHis和侵袭性导管癌 (IDC) 数据集中的组织病理学图像	数字病理学	乳腺癌	超分辨率生成对抗网络 (SRGAN) 和长短期记忆网络 (LSTM)	Inception V3 和 Resnet-50	图像	使用了BreakHis和IDC数据集中的组织病理学图像
22163	2024-08-05	A comprehensive approach for osteoporosis detection through chest CT analysis and bone turnover markers: harnessing radiomics and deep learning techniques 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1296047 PMID:38894742	研究论文	本研究评估了利用放射组学、深度学习和迁移学习方法分析胸部CT扫描的可能性	结合放射组学和深度学习技术，同时考虑骨转换标志物进行骨质疏松症的筛查	骨转换标志物可能对骨质疏松症筛查并非必要	评估胸部CT扫描和骨转换标志物在骨质疏松症筛查中的应用	488名接受胸部CT和骨密度检测的患者	数字病理学	骨质疏松症	放射组学，深度学习	2D和3D深度学习模型, 2D和3D迁移学习模型	医学影像	488名患者
22164	2024-08-05	The potential of the transformer-based survival analysis model, SurvTrace, for predicting recurrent cardiovascular events and stratifying high-risk patients with ischemic heart disease 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304423 PMID:38889124	研究论文	本研究评估了基于Transformer的生存分析模型SurvTrace在预测复发心血管事件及高风险缺血性心脏病患者分层中的准确性	该研究利用最先进的深度学习方法Transformer进行生存分析，展示了其在心血管事件预测中的优势	本研究的局限在于仅基于特定医院的患者数据，可能影响结果的普遍适用性	本研究的目的是评估SurvTrace模型在预测复发心血管事件及高风险患者中的准确性	研究对象为2005年至2019年在东京大学医院接受经皮冠状动脉介入的心血管患者	计算机视觉	心血管疾病	Transformer	NA	数据集	总共3938个病例，其中394个作为测试数据集，3544个用于模型训练
22165	2024-08-05	A high-accuracy lightweight network model for X-ray image diagnosis: A case study of COVID detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303049 PMID:38889106	研究论文	本研究提出了一种高精度轻量级网络模型用于X光图像诊断，专注于COVID-19检测。	本研究采用了MobileNetV3作为基础架构，并通过引入密集块、过渡层、标签平滑损失和类别加权等创新方法，显著提高了模型的分类准确性，同时减少了参数数量。	该研究未提及实验证据的外部验证和应用范围的广泛性，可能限制了其通用性。	研究旨在开发一种快速可靠的X光图像诊断方法，以应对COVID-19病情的快速传播。	主要研究对象为COVID-19患者的X光影像。	计算机视觉	COVID-19	深度学习	MobileNetV3	图像	使用公开可获取的数据库进行验证，样本数量未具体说明
22166	2024-08-05	Exploring deep learning radiomics for classifying osteoporotic vertebral fractures in X-ray images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1370838 PMID:38606087	研究论文	本文开发并验证了一种深度学习放射组学模型，用于预测骨质疏松椎体骨折的分类	创新点在于使用深度学习放射组学模型，从X光图像中提取特征，以分类骨质疏松椎体骨折	该研究尚未讨论模型在不同种族或年龄组的适用性	研究旨在利用X光图像预测骨质疏松椎体骨折的分类	研究对象包括942名患者，检查1076个椎骨	医学影像处理	骨质疏松病	深度学习放射组学	ResNet-50	图像	942名患者，1076个椎骨的X光图像
22167	2024-08-05	Small target tea bud detection based on improved YOLOv5 in complex background 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1393138 PMID:38887461	研究论文	该研究提出了一种基于改进YOLOv5的小目标茶芽检测方法	使用注意力机制和轻量级卷积方法，提高了茶芽检测的准确性和速度	现有检测方法在复杂背景下仍然存在局限	实现智能茶芽采摘的准确和快速茶芽检测	茶芽	计算机视觉	NA	YOLOv5, SPPF, GSConv	NA	图像	NA
22168	2024-08-05	Enhancing surgical decision-making in NEC with ResNet18: a deep learning approach to predict the need for surgery through x-ray image analysis 2024, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2024.1405780 PMID:38895195	研究论文	该文章探讨了使用ResNet18深度学习模型分析X光图像以优化新生儿坏死性小肠炎手术决策。	该研究首次将深度学习应用于新生儿坏死性小肠炎的影像分析，以预测是否需要手术。	研究仅基于回顾性分析，样本数量和时间范围可能影响结果的普遍性。	本研究旨在通过分析床边X光图像来优化新生儿坏死性小肠炎的手术决策。	研究对象为263例被诊断为坏死性小肠炎的婴儿，分为手术组和非手术组。	计算机视觉	新生儿坏死性小肠炎	深度学习	ResNet18	X光图像	263例新生儿坏死性小肠炎患者的X光图像
22169	2024-08-05	Application and progress of artificial intelligence technology in the segmentation of hyperreflective foci in OCT images for ophthalmic disease research 2024, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2024.06.20 PMID:38895690	综述	本文综述了人工智能技术在OCT图像中对高反射焦点的分割在眼科疾病研究中的应用与进展	文章创新地探讨了AI技术在生物标志物分析中的应用，提升了对眼科疾病的早期筛查和诊断精度	文章未具体阐述AI技术在不同眼科疾病应用中的局限性	研究人工智能在眼科疾病高反射焦点的分割与分析中的应用潜力	瞄准高反射焦点及其在眼科疾病中的生物标志物角色	计算机视觉	年龄相关性黄斑变性，糖尿病性视网膜水肿，视网膜静脉阻塞	机器学习，深度学习	NA	光学相干断层扫描图像	NA
22170	2024-08-05	DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images 2023-Nov-13, Research square DOI:10.21203/rs.3.rs-3585882/v1 PMID:38014176	研究论文	本文提出了一种深度学习方法DeepN4，用于纠正T1加权MRI图像中的偏差场	本文创新地将深度学习应用于N4ITK偏差场校正，提供了一种便携灵活且完全可微分的方法	研究可能受限于训练数据集的多样性和深度学习模型的复杂性	研究旨在改进T1加权MRI图像的偏差场校正方法	该研究对象为72台不同扫描仪和不同年龄范围的8个独立队列的T1w MRI图像	数字病理学	NA	深度学习	深度神经网络	医学图像	72台扫描仪，8个独立队列
22171	2024-08-05	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	本文介绍了一种基于脑萎缩模式的轻度认知障碍（MCI）亚型分类方法	提出了一种仅基于脑萎缩的亚型分类方法，与传统的基于认知测量的方法相比有更好的有效性	缺乏对于其他潜在影响因素的考虑，如遗传背景和环境因素	研究轻度认知障碍（MCI）患者的异质性并准确分类亚型	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	深度学习	深度学习模型	MRI图像	NA
22172	2024-08-05	Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05341-z PMID:33864509	position paper	本文概述了现代机器学习基础的人工智能在多模态心血管成像中的应用	提出了将机器学习算法应用于心血管成像的新策略	人类对数据集的解释、量化和整合能力有限	提供现代基于机器学习的人工智能的基本概念和应用概述	心血管疾病患者的诊断和预后	机器学习	心血管疾病	核医学成像、CT	深度学习	影像	NA
22173	2024-08-05	Decoding COVID-19 pneumonia: comparison of deep learning and radiomics CT image signatures 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05075-4 PMID:33094432	研究论文	本研究比较深度学习和放射组学CT影像特征，以解码COVID-19肺炎的影像特征	首次结合深度学习和放射组学框架提取COVID-19肺炎相关的影像特征	回顾性研究设计可能存在选择偏倚，样本来自于有限的几个医院	比较不同的特征工程和深度学习方法，揭示COVID-19肺炎的CT影像特征	266名COVID-19及其他病毒性肺炎患者的临床和CT影像数据	计算机视觉	COVID-19肺炎	深度学习，放射组学	双向对抗网络	影像	266名患者（93例COVID-19阳性，91例COVID-19阴性）
22174	2024-08-05	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	本文提出了一种结合深度学习和新型超短回声时间（UTE）/多回声Dixon序列的MR基础衰减校正方法，以提高阿尔茨海默病的PET成像准确性	首次将深度学习与mUTE序列结合用于阿尔茨海默病的衰减校正，显示出优于传统方法的性能	研究样本数量相对较少，仅包括35名受试者，可能影响结果的普遍性	提高阿尔茨海默病中淀粉样蛋白和tau蛋白成像的衰减校正准确性	35名同时接受11C-PiB和18F-MK6240扫描的受试者	数字病理学	阿尔茨海默病	深度学习与超短回声时间（UTE）/多回声Dixon序列	深度学习模型	图像	35名受试者
22175	2024-08-05	An EM-based semi-supervised deep learning approach for semantic segmentation of histopathological images from radical prostatectomies 2018-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2018.08.003 PMID:30243216	研究论文	该论文提出了一种基于EM的半监督深度学习方法，用于从根治性前列腺切除术的组织病理图像中进行语义分割	文中通过期望最大化方法结合外部弱标记数据集，克服了完全标注数据集稀缺的问题	模型性能依赖于大量弱标记图像的生成，可能存在标记不一致性	研究旨在提高前列腺组织病理图像的语义分割性能	研究对象为135个完全标注和1800个弱标注的组织切片	数字病理学	前列腺癌	深度学习	NA	图像	135个完全标注切片和1800个弱标注切片
22176	2024-08-05	Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images 2018-04-03, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2018.03.086 PMID:29617659	研究论文	该文章展示了利用深度学习对病理图像中的肿瘤浸润淋巴细胞进行空间组织和分子相关性的映射	通过训练卷积神经网络对H&E图像进行计算染色，以获取肿瘤浸润淋巴细胞的映射，这在TCGA样本中是首次提出的	可能未能全面探索所有TCGA样本的多样性与局部空间结构的关联	研究肿瘤浸润淋巴细胞与肿瘤微环境的空间关系	分析13种TCGA肿瘤类型的肿瘤浸润淋巴细胞模式	数字病理学	NA	卷积神经网络	CNN	图像	13种TCGA肿瘤类型的样本
22177	2024-08-05	Deep learning models with optimized fluorescence spectroscopy to advance freshness of rainbow trout predicting under nonisothermal storage conditions 2024-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139774 PMID:38810453	研究论文	本研究建立了基于优化的激发-发射矩阵（EEM）的深度学习模型，以预测虹鳟鱼在非等温储存条件下的新鲜度变化	提出了一种基于优化的EEM数据的深度学习模型，用于预测虹鳟鱼的新鲜度	缺乏对不同储存条件的广泛验证	研究预测在非等温储存条件下虹鳟鱼的新鲜度	虹鳟鱼的新鲜度变化	机器学习	NA	优化的激发-发射矩阵（EEM）	长短期记忆网络（LSTM），卷积神经网络长短期记忆（CNN_LSTM），径向基函数神经网络（RBFNN）	光谱数据	NA
22178	2024-08-05	Deep learning assisted logic gates for real-time identification of natural tetracycline antibiotics 2024-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139705 PMID:38820637	研究论文	本研究提出了一种结合深度学习和多模式逻辑门的工具箱，用于实时识别自然四环素抗生素。	将深度学习、荧光和比色法相结合，实现了对四种自然四环素的实时识别，克服了传统平台的不足。	仅限于自然四环素抗生素的识别，未涵盖其他类型抗生素或复杂混合物的检测。	旨在提供一种新工具以实现四环素抗生素的实时识别和量化。	针对天然四种四环素抗生素进行实时识别，包括四氟环素、氧四环素、多西环素和氯四环素。	数字病理学	NA	荧光和比色法	深度学习模型	荧光数据和比色数据	NA
22179	2024-08-05	Harnessing the power of hybrid deep learning algorithm for the estimation of global horizontal irradiance 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173958 PMID:38871320	研究论文	本研究提出了一种整合卷积神经网络、长短时记忆和门控循环单元的混合模型用于全球水平辐射照度的估计。	提出的混合模型在全球水平辐射照度的预测中相较于单独模型具有更好的性能，显著降低了预测误差。	研究仅基于印度拉贾斯坦邦四个地区的数据进行，可能限制了模型在其他地理区域的适用性。	旨在提高全球水平辐射照度的估计准确性和适应性。	使用拉贾斯坦邦四个不同地区的太阳辐射数据进行研究。	机器学习	NA	CNN、LSTM、GRU	混合模型（CNN-LSTM-GRU）	时间序列数据	四个地区的太阳辐射数据
22180	2024-08-05	Advancements in remote sensing for active fire detection: A review of datasets and methods 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173273 PMID:38823698	综述	本研究全面且批判性地审查了自1975年以来遥感在火灾探测方面的进展	强调了机器学习，特别是深度学习技术在火灾探测中的日益重要性	NA	旨在为自然资源管理和环境保护提供有价值的资源	火灾探测的遥感数据集和对应的检测算法	计算机视觉	NA	遥感技术	深度学习	数据集	NA