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
22181	2024-08-05	Machine learning for the advancement of genome-scale metabolic modeling 2024-Sep, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2024.108400 PMID:38944218	综述	本文回顾了机器学习在基因组规模代谢建模中的应用与进展	整合不同学科工具和策略，探索生化现象，提升生物工程与生物医学应用	多学科方法论框架的发展主要是独立进行的，这限制了不同领域生物知识的结合	探讨整合多学科工具以提升基因组规模代谢建模的准确性和预测能力	主要研究机器学习与多组学数据在模型重建与分析中的作用	系统生物学	NA	机器学习，深度学习	基因组规模代谢模型(GEM)	组学数据，如转录组学和蛋白质组学	NA
22182	2024-08-05	Deep learning for temporomandibular joint arthropathies: A systematic review and meta-analysis 2024-Aug, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.13701 PMID:38757865	meta-analysis	本研究回顾了深度学习模型在颞下颌关节疾病诊断中的应用	该文章评估了深度学习模型在颞下颌关节疾病诊断的高灵敏度和特异性表现	该研究的局限性在于可能存在未被纳入的相关研究	本研究旨在系统评估深度学习在颞下颌关节疾病诊断中的有效性	研究对象是人类关节基础或关节病引起的颞下颌疾病	计算机视觉	NA	深度学习	NA	NA	21项符合条件的研究
22183	2024-08-05	Retina Fundus Photograph-Based Artificial Intelligence Algorithms in Medicine: A Systematic Review 2024-Aug, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-024-00981-4 PMID:38913289	综述	本文系统评估了人工智能在视网膜基金照影像中的应用研究	本研究展示了人工智能算法在解读视网膜图像方面的创新应用，具有较高的准确性	本文没有提及具体的算法性能比较或不同数据集的局限性	探讨人工智能在眼科及非眼科疾病中的应用	视网膜基金照影像	计算机视觉	心血管疾病	深度学习	NA	影像	大量临床与影像数据
22184	2024-08-05	Centimeter-Scale Tellurium Oxide Films for Artificial Optoelectronic Synapses with Broadband Responsiveness and Mechanical Flexibility 2024-Jul-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c04851 PMID:38950148	研究论文	本文介绍了一种由厘米级二氧化碲（TeO）薄膜组成的灵活光电子突触设备，能够检测并展示宽带波长的突触特性	该研究提出了利用光电子特性和机械灵活性的金属氧化物半导体人工突触，强调其在宽带神经形态计算中的应用潜力	未提及具体的测试条件和潜在的长期稳定性问题	探索灵活的光电子突触设备在神经形态计算中的应用	厘米级的二氧化碲薄膜及其光电子突触特性	神经形态计算	NA	光电子技术	NA	NA	NA
22185	2024-08-05	A deep learning approach to direct immunofluorescence pattern recognition in autoimmune bullous diseases 2024-Jul-16, The British journal of dermatology DOI:10.1093/bjd/ljae142 PMID:38581445	研究论文	本研究开发了AI算法，自动分类自身免疫性水疱病的直接免疫荧光模式	利用深度学习自动化分类直接免疫荧光模式，提升诊断准确性和效率	样本不平衡可能影响模型的训练效果，需要进一步优化数据处理	提高自身免疫性水疱病的诊断准确性和管理效率	怀疑患有自身免疫性水疱病的患者皮肤活检中的免疫荧光图像	计算机视觉	自身免疫性水疱病	深度学习	卷积神经网络 (CNN) 和 Swin Transformer	图像	训练集436张，测试集93张
22186	2024-08-05	Reaction Templates: Bridging Synthesis Knowledge and Artificial Intelligence 2024-Jul-16, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.4c00261 PMID:38924502	研究论文	本研究探讨了将反应模板集成到深度学习模型中的方法，以弥补合成知识和人工智能之间的差距	创新点在于通过反应模板将已知的合成知识整合到深度学习模型中，从而提升模型的可解释性和发展潜力	早期计算机程序依赖于手动编码规则，限制了可扩展性和适应性	研究如何将已知的合成知识与人工智能模型连接起来	研究对象包括化学反应模板及其在深度学习模型中的应用	化学研究	NA	深度学习	NA	化学反应数据库	NA
22187	2024-08-05	Fcg-Former: Identification of Functional Groups in FTIR Spectra Using Enhanced Transformer-Based Model 2024-Jul-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01622 PMID:39008658	研究论文	本研究提出了一种基于增强变压器模型的FTIR光谱功能组识别方法	采用自注意机制，通过深度学习模型提升功能组预测准确性	未提及具体的局限性	研究FTIR光谱中未知化合物的功能组识别方法	约8677个光谱数据集中的功能组	数字病理	NA	FTIR光谱	变压器模型	光谱	约8677个光谱
22188	2024-08-05	Predicting wheat yield from 2001 to 2020 in Hebei Province at county and pixel levels based on synthesized time series images of Landsat and MODIS 2024-Jul-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67109-3 PMID:39003342	研究论文	该研究利用合成的Landsat和MODIS时间序列图像预测河北省的小麦产量	结合深度学习与不同的植被指数及气候数据构建小麦产量预测模型，且采用LSTM算法和NIRv的组合取得最佳预测效果	在图像质量和预测变量选择方面仍存在一定局限	构建高精度的小麦产量预测模型以确保粮食安全	河北省的小麦产量	数字农业	NA	深度学习	长短期记忆网络 (LSTM)	遥感数据	使用了2001年至2020年的合成影像数据
22189	2024-08-05	Uncertainty quantification for probabilistic machine learning in earth observation using conformal prediction 2024-Jul-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65954-w PMID:39003341	研究论文	本文探讨了在地球观测数据中应用保形预测进行不确定性量化的方法	引入保形预测方法，提供统计上有效的预测区域，同时支持任意机器学习模型和数据分布	目前的开放实现需要将大量地球观测数据移动到算法中	量化地球观测数据中的不确定性，以提高数据可靠性	对地球观测数据集进行审查，评估不确定性信息的集成程度	机器学习	NA	NA	NA	地球观测数据	审查了多种地球观测数据集，发现只有22.5%的数据集包含不确定性信息
22190	2024-08-05	Development of a deep-learning algorithm for age estimation on CT images of the vertebral column 2024-Jul, Legal medicine (Tokyo, Japan) DOI:10.1016/j.legalmed.2024.102444 PMID:38604090	研究论文	本文开发了一种用于脊柱CT图像年龄估计的深度学习算法，评估其准确性	该算法通过改进的VGG16回归分析和袋装技术提高了年龄估计的准确性	研究主要集中在脊柱CT图像，可能无法普遍适用其他部位的年龄估计	提高尸体年龄估计的准确性，特别是在老年尸体中	涉及140名患者的脊柱CT数据，包括每个年龄十年的CT数据	计算机视觉	NA	深度学习	VGG16	图像	1,120个CT数据，219具尸体
22191	2024-08-05	CURE: A deep learning framework pre-trained on large-scale patient data for treatment effect estimation 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100973 PMID:39005483	研究论文	本文提出了一种针对治疗效果估计的新框架CURE，旨在利用观察数据进行 causal treatment effect estimation。	CURE通过在大规模未标记患者数据上进行预训练，并在标记患者数据上进行微调，引入了一种新的序列编码方法来嵌入纵向患者数据，提升了治疗效果估计的准确性。	未能详细介绍模型在不同患者特征和背景下的适应性及扩展性。	研究治疗效果估计的优化方法，提高在有限标记数据条件下的效能。	涉及大规模未标记患者数据和标记患者数据的治疗效果估计。	机器学习	NA	NA	NA	观察数据	在四个下游治疗效果估计任务中进行了评估，样本量未具体说明
22192	2024-08-05	Reducing overconfident errors in molecular property classification using Posterior Network 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100991 PMID:39005492	研究论文	该文章提出了一种利用后验网络在分子属性分类中减少过度自信错误的方法	替换Softmax函数为正态化流，以增强模型在分子属性分类中的不确定性估计能力	在某些真实世界的应用中，模型的效果可能受到数据质量和样本多样性的影响	提高分子属性分类中不确定性估计的准确性，特别是在药物开发过程中	评估了不同场景下的分子属性分类，包括合成数据集的模拟实验和ADMET预测	机器学习	NA	正态化流	后验网络	合成数据集和ADMET预测数据	NA
22193	2024-08-05	Large pre-trained models for treatment effect estimation: Are we there yet? 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101005 PMID:39005493	研究论文	本文探讨了利用深度学习进行因果推断和治疗效果估计的潜力	提出了一种新的预训练和微调框架CURE，专门用于治疗效果估计	NA	研究因果推断中的治疗效果估计方法	大型患者数据	机器学习	NA	深度学习	NA	患者数据	NA
22194	2024-08-05	Early warning of atrial fibrillation using deep learning 2024-Jun-14, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100970 PMID:39005489	研究论文	本文介绍了一种深度学习模型，可以在房颤发作前平均预测30.8分钟的时间	开发了一种名为WARN的深度卷积神经网络模型，能够实现高准确性和F1分数的早期房颤预测	本研究的模型在测试中使用了额外的患者样本，可能限制了其广泛适用性	旨在通过深度学习技术提前警报房颤的发作	基于280名患者的24小时Holter心电图数据进行模型训练和验证	机器学习	心血管疾病	深度学习	深度卷积神经网络	心电图数据	280名患者用于训练和验证，70名额外患者用于测试
22195	2024-08-05	Evaluating synthetic neuroimaging data augmentation for automatic brain tumour segmentation with a deep fully-convolutional network 2024-Jun, IBRO neuroscience reports IF:2.0Q3 DOI:10.1016/j.ibneur.2023.12.002 PMID:39007088	研究论文	本研究开发了一种神经影像合成技术，以增强用于自动胶质瘤分割的训练数据	利用StyleGAN2-ada生成流体衰减反转恢复（FLAIR）磁共振图像及相应的胶质瘤分割掩膜，创新性地进行数据增强	合成数据增强仅带来了边际性的改进，且开发合成图像生成管道的计算成本较高	开发智能系统以自动化胶质瘤的评估和分割	2751个真实训练数据和对应的590个验证集及588个测试集用于评估U-net模型	数字病理学	胶质瘤	StyleGAN2-ada	U-net	图像	2751个真实数据和1000个合成数据，共14轮
22196	2024-08-05	Segond Fractures Can Be Identified With Excellent Accuracy Utilizing Deep Learning on Anteroposterior Knee Radiographs 2024-Jun, Arthroscopy, sports medicine, and rehabilitation DOI:10.1016/j.asmr.2024.100940 PMID:39006790	研究论文	本研究开发了一种深度学习模型用于检测前后向膝关节X光片中的Segond骨折	提出了一种深度学习方法，用于准确识别Segond骨折，并在表现上超越了专业人类观察者	测试集样本量较小，仅324张膝关节X光片，可能影响结果的普适性	研究深度学习在前后向膝关节X光片上识别Segond骨折的应用	319张前后向膝关节X光片，特别关注Segond骨折的识别	计算机视觉	膝关节损伤	深度学习	未提供具体模型类型	图像	324张膝关节X光片
22197	2024-08-05	Insight into Automatic Image Diagnosis of Ear Conditions Based on Optimized Deep Learning Approach 2024-Apr, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03422-8 PMID:38097895	研究论文	这篇文章提出了一种基于优化深度学习的方法用于耳部疾病的自动图像诊断	本文创新性地使用了贝叶斯超参数优化与CNN架构相结合，提高了耳部疾病自动诊断的准确性	文章没有提及该方法在真实临床环境中的应用限制	研究旨在改善耳部疾病的自动诊断方法	研究对象为615张耳部内窥镜图像，分类为正常、耳膜硬化、耳垢堵塞和慢性中耳炎	计算机视觉	耳部疾病	CNN	CNN	图像	616张耳部内窥镜图像用于训练，264张用于测试
22198	2024-08-05	A systematic review on deep learning-based automated cancer diagnosis models 2024-03, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18144 PMID:38426930	综述	本文提供了关于基于深度学习的癌症自动诊断模型的系统评价	本文分析了2016年至2022年期间的最新研究，比较了不同类型的深度学习模型在癌症早期诊断中的应用	讨论了现有基于深度学习的自动癌症诊断模型的各种不足之处	评估基于深度学习的癌症自动诊断模型的有效性	重点关注乳腺癌、肺癌、肝癌、脑癌和宫颈癌等五大类癌症	深度学习	癌症	深度学习	卷积神经网络	NA	NA
22199	2024-08-05	Autologous Transplantation Tooth Guide Design Based on Deep Learning 2024-03, Journal of oral and maxillofacial surgery : official journal of the American Association of Oral and Maxillofacial Surgeons IF:2.3Q2 DOI:10.1016/j.joms.2023.09.014 PMID:37832596	研究论文	本文探讨了基于深度学习的自体牙移植手术引导设计的可行性	提出了一种替代传统设计流程的深度学习驱动的自体牙移植引导设计方案	该研究基于回顾性横断面设计，可能存在选择偏差	评估使用深度学习技术进行自体牙移植引导设计的可行性	79个来自广州市医学大学医院的CBCT图像	计算机视觉	NA	深度学习	NA	图像	79个CBCT图像和5070个感兴趣区域图像
22200	2024-08-05	COVLIAS 3.0: cloud-based quantized hybrid UNet3+ deep learning for COVID-19 lesion detection in lung computed tomography 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1304483 PMID:39006802	研究论文	本文提出了基于云的量化混合UNet3+深度学习模型用于COVID-19病灶检测。	提出了两种新型的云端量化深度学习UNet3+混合模型，利用全尺度跳跃连接提高检测能力。	研究未提及具体在临床环境中的应用和验证。	提高COVID-19患者CT扫描中病灶检测的准确性。	使用3500个CT扫描的注释数据训练SDL和HDL模型。	计算机视觉	肺癌	深度学习	UNet3+、VGG-UNet3+、ResNet-UNet3+	CT图像	3500个CT扫描用于训练，500个CT扫描用于测试