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
22421	2024-08-05	Multimodal Brain Tumor Classification Using Convolutional Tumnet Architecture 2024, Behavioural neurology IF:2.7Q2 DOI:10.1155/2024/4678554 PMID:38882177	研究论文	本研究提出了一种基于深度学习的脑肿瘤多模态融合影像分类和分割方法	提出了一种新的Tumnet技术，通过三种不同的像素级融合方法来处理MRI和CT影像，以提高脑肿瘤分类的准确性	没有提及样本来源和外部验证，可能限制了结果的广泛适用性	提高脑肿瘤的诊断和治疗效果	308片脑膜瘤和肉瘤的MRI和CT图像	数字病理	脑癌	深度学习	卷积神经网络 (CNN)	图像	869片影像切片（308片和561片）
22422	2024-08-05	WilsonGenAI a deep learning approach to classify pathogenic variants in Wilson Disease 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303787 PMID:38758754	研究论文	该文章介绍了一种深度学习方法用于分类与威尔逊病相关的致病变异。	本研究利用机器学习算法为ATP7B基因的遗传变异提供了自动分类工具，能够处理大量变异的数据。	本研究仅限于ATP7B基因的变异分类，可能不适用于其他基因变异的分类。	旨在通过深度学习技术分类与威尔逊病相关的遗传变异。	主要研究对象为ATP7B基因的致病变异。	机器学习	威尔逊病	下一代测序（NGS）	TabNet和XGBoost	遗传变异数据	两个高置信度的数据集，包括手动注释和ACMG & AMP分类的变异
22423	2024-08-05	An End-to-End CRSwNP Prediction with Multichannel ResNet on Computed Tomography 2024, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/2024/4960630 PMID:38883273	研究论文	本文提出一种结合多角度鼻窦计算机断层扫描图像和人工智能的方法，用于预测慢性鼻窦炎伴鼻息肉的亚型	提出多通道特征自适应融合模型，以提升对CT图像中重要鼻窦信息的关注度，增强检测精度	未提及具体的局限性	研究精准医学在慢性鼻窦炎伴鼻息肉中的应用，通过准确预测亚型以改善治疗效果	192名慢性鼻窦炎伴鼻息肉患者的22,265张CT图像	计算机视觉	慢性鼻窦炎	人工智能(AI)	多通道神经网络	图像	192名患者的22,265张CT图像
22424	2024-08-05	A Comprehensive Evaluation of Generalizability of Deep Learning-Based Hi-C Resolution Improvement Methods 2023-12-29, Genes IF:2.8Q2 DOI:10.3390/genes15010054 PMID:38254945	研究论文	本研究评估了现有Hi-C分辨率提升方法的可泛化性。	提出了一个框架Hi-CY，使用多种评估指标比较现有的Hi-C分辨率提升方法，并强调了现有方法在稀疏Hi-C数据集上的性能不足。	现有深度学习方法在实验生成的稀疏Hi-C数据集上泛化能力差，性能降低高达57%。	研究Hi-C分辨率提升方法的可泛化性，并识别改进的方向。	评估七个实验生成的低分辨率Hi-C数据集，分析不同稀疏程度的读取情况。	机器学习	NA	Hi-C	深度学习方法	Hi-C数据集	七个实验生成的低分辨率Hi-C数据集
22425	2024-08-05	Machine Learning to Advance Human Genome-Wide Association Studies 2023-12-25, Genes IF:2.8Q2 DOI:10.3390/genes15010034 PMID:38254924	综述	本文综述了机器学习在对人类基因组广泛关联研究中的应用	本文创新性在于介绍了机器学习在分配人类遗传位点与健康结果之间的应用，强调了新工具的整合	文章中提到的方法和工具在应用方面的优势和挑战，但未深入探讨具体的实践案例	探讨机器学习在遗传流行病学研究中的应用进展与潜力	主要讨论人类基因组与健康结果之间的关系	机器学习	NA	机器学习，包括深度学习和增强学习	NA	遗传变异数据	NA
22426	2024-08-05	A Triboelectric Sensor with Double Bubble Structure Applied in a High Security Double Lock System 2023-12-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01574 PMID:38063342	研究论文	提出了一种集成了双气泡结构的摩擦电传感器的高安全性双锁系统	创新点在于将摩擦电纳米发电机与深度学习模型结合，使用双气泡结构提高灵敏度	未提及实际应用中的长期稳定性和耐用性	设计一种具有更高安全性能的智能锁系统	聚焦于摩擦电传感器和深度学习模型的集成应用	数字病理学	NA	摩擦电纳米发电机	长短期记忆网络	生理信号	实验中使用了识别四种典型呼吸信号的样本
22427	2024-08-05	The Evolution of Artificial Intelligence in Biomedicine: Bibliometric Analysis 2023-Dec-19, JMIR AI DOI:10.2196/45770 PMID:38875563	研究论文	本研究探讨了生物医学领域中人工智能技术的演变和未来趋势。	提出了背景增强预测方法，提升了回归模型的预测效果。	研究可能局限于已发表文献的数据，未能覆盖所有相关领域。	预测不同生物医学领域中人工智能技术的未来发展趋势。	分析与人工智能和生物医学交叉领域相关的文献。	计算机视觉	NA	回归模型	背景增强预测模型	文献数据	从PubMed数据库中收集的大量相关文章
22428	2024-08-05	Machine Learning for the Prediction of Procedural Case Durations Developed Using a Large Multicenter Database: Algorithm Development and Validation Study 2023-Sep-08, JMIR AI DOI:10.2196/44909 PMID:38875567	研究论文	该研究开发并验证了一个可在多个中心间扩展的机器学习算法，用于预测手术案例的持续时间	提出了基于机器学习的非线性模型，用于精确预测手术时间，提供了与传统线性回归模型相比显著的预测改进	研究可能受限于所使用的数据集的特性，无法涵盖所有可能影响手术时长的变量	旨在提高手术时间预测的准确性，以优化手术室资源和人员配置	分析来自13家医院的1177893个手术案例数据	机器学习	NA	深度学习，梯度提升，集成机器学习模型	梯度提升机	周期性数据	1177893个手术案例
22429	2024-08-05	A Trainable Open-Source Machine Learning Accelerometer Activity Recognition Toolbox: Deep Learning Approach 2023-Jun-08, JMIR AI DOI:10.2196/42337 PMID:38875548	研究论文	本研究开发了一种准确、可训练的开源手机活动追踪工具箱。	提出了一种开放源代码的深度学习加速器活动识别工具，能够适应新行为的检测。	维度自适应神经架构模型在测试自有数据时准确性大幅下降至26%。	解决当前活动追踪器在科学应用中动作判别准确性不足的问题。	使用加速度计和陀螺仪数据识别不同类别的活动。	机器学习	NA	深度学习	维度自适应神经架构模型	加速度计和陀螺仪数据	6种不同的行为，包含来自自身记录的数据和MotionSense数据
22430	2024-08-05	Natural Language Processing for Clinical Laboratory Data Repository Systems: Implementation and Evaluation for Respiratory Viruses 2023-Jun-06, JMIR AI DOI:10.2196/44835 PMID:38875570	研究论文	本文探讨了自然语言处理技术在临床实验室数据中的应用，评估了其在呼吸病毒信息提取中的可行性	提出了一种基于深度学习的自然语言处理模型，以替代耗时且资源密集的手工规则工具	模型性能在不同病毒类别和类型间存在差异，且在检测到的病毒案例中的表现较差	研究自然语言处理模型在实验室报告信息提取中的可行性	省级实验室报告中的文本数据，涵盖14种呼吸病毒及其亚型	自然语言处理	呼吸道病毒感染	深度学习	层次多标签分类器	文本	87,500份独特的实验室报告
22431	2024-08-05	Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing 2023-Jun-01, JMIR AI DOI:10.2196/44537 PMID:38875565	研究论文	本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征	创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征	样本仅限于肺癌患者，可能不具备更广泛适应性	旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析	本研究对象为13,216名肺癌患者的放射学记录	自然语言处理	肺癌	深度学习，NLP	双向长短期记忆模型	文本	涉及13,216名肺癌患者的放射学记录
22432	2024-08-05	Few-Shot Learning for Clinical Natural Language Processing Using Siamese Neural Networks: Algorithm Development and Validation Study 2023-May-04, JMIR AI DOI:10.2196/44293 PMID:38875537	研究论文	本研究提出并评估了基于Siamese神经网络的少样本临床自然语言处理方法	文章创新性地将Siamese神经网络应用于临床自然语言处理任务的少样本学习	文中未详细探讨SNN在其他临床NLP任务中的表现，文献支持有限	旨在提出并评估基于SNN的少样本临床自然语言处理方法	研究对象为临床句子分类任务	自然语言处理	NA	Siamese神经网络	SNN	文本	NA
22433	2024-08-05	Deep Learning to Detect Pancreatic Cystic Lesions on Abdominal Computed Tomography Scans: Development and Validation Study 2023-Mar-17, JMIR AI DOI:10.2196/40702 PMID:38875547	研究论文	本研究开发和验证了一种用于自动检测胰腺囊性损伤的人工深度神经网络	研究中使用了一种基于注意力门U-Net架构的算法，提高了胰腺囊性损伤的检测率	研究主要基于335个样本，可能对不同类型的CT扫描结果的普适性有限	本研究旨在通过深度学习技术提高胰腺囊性损伤的早期检测率	研究对象包括335个腹部CT扫描的病例，其中297个病例被诊断为胰腺囊性损伤	计算机视觉	胰腺癌	深度学习	注意力门U-Net	图像	335个腹部CT扫描样本
22434	2024-08-05	Developing an Inpatient Electronic Medical Record Phenotype for Hospital-Acquired Pressure Injuries: Case Study Using Natural Language Processing Models 2023-Mar-08, JMIR AI DOI:10.2196/41264 PMID:38875552	研究论文	本文通过自然语言处理应用于电子病历，旨在更准确及时地识别医院获得性压疮（HAPI）	提出了基于电子病历的表型算法，证明其在检测HAPI方面比单独使用ICD-10-CA算法更有效	研究仅限于特定的医院和样本，可能不适用于其他环境	展示电子病历基础的表型算法在HAPI检测上的优势	在2015年至2018年期间，通过临床试验识别的HAPI患者	自然语言处理	NA	自然语言处理 (NLP)	随机森林 (RF), 极端梯度提升 (XGBoost), 深度学习模型	文本	280名患者，其中97名患者在研究期间出现HAPI
22435	2024-08-05	Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study 2023-Jan-12, JMIR AI DOI:10.2196/40843 PMID:38875539	研究论文	本研究探讨了在法国建立国家创伤观察站的可行性，比较了几种自动语言处理方法的性能。	使用了经过法语语料预训练并在306,368条未标记临床笔记上进行自监督学习的GPTanam模型，展示了最佳性能。	需要进一步改进以扩展缩写和多输出多类分类。	研究在法国建立综合且实时的创伤观察站的可行性。	通过对69110条与创伤相关的临床笔记进行多类分类的研究。	自然语言处理	NA	深度学习，变换器模型	变换器模型	文本	69110条临床笔记
22436	2024-08-05	A novel deep learning model using dosimetric and clinical information for grade 4 radiotherapy-induced lymphopenia prediction 2020-02-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab63b6 PMID:31851954	研究论文	该文提出了一种新颖的混合深度学习模型，以提高对四级放疗引起的淋巴细胞减少症的预测能力	创新点在于采用了双输入通道的混合深度学习模型，分别处理剂量参数和临床信息，并将其整合以进行最终预测	样本大小限制在505名患者用于训练，216名患者用于测试，可能影响结果的广泛适用性	旨在提高对放疗引起的四级淋巴细胞减少症的预测准确性	涉及的研究对象为接受放疗的患者	机器学习	NA	深度学习	双向长短时记忆网络和多层感知器	临床信息和剂量参数	505名患者用于训练，216名患者用于测试
22437	2024-08-05	Time-series cardiovascular risk factors and receipt of screening for breast, cervical, and colon cancer: The Guideline Advantage 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0236836 PMID:32790674	研究论文	本研究探讨了心血管健康指标与癌症筛查之间的关系	首次使用长短期记忆网络（LSTM）预测癌症筛查的接受情况，并量化筛查前后心血管健康的变化	研究依赖于电子健康记录数据，可能存在数据不完整或不准确的问题	理解癌症筛查的风险因素及其对心血管健康的影响	362,533名患者的癌症筛查及心血管健康指标	数字病理学	心血管疾病	LSTM	LSTM	电子健康记录数据	362,533名患者
22438	2024-08-05	A knowledge-aware deep learning model for landslide susceptibility assessment in Hong Kong 2024-Sep-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173557 PMID:38806128	研究论文	本文提出了一种知识感知的深度学习模型，用于评估香港的滑坡易发性。	将滑坡先验知识与深度学习模型相结合，提高了模型的可转移性和稳定性。	在滑坡发生之前，只有少数滑坡显示检测到的运动，大多数滑坡是自发发生的，缺乏前兆运动。	研究旨在提高滑坡预测模型的准确性和稳定性。	研究对象为香港地区的滑坡发生情况及其影响因素。	数字病理学	NA	深度学习	变分自编码器	地形、地质、气候等相关数据	NA
22439	2024-08-05	Convolutional neural networks combined with classification algorithms for the diagnosis of periodontitis 2024-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00739-5 PMID:38393548	研究论文	本文旨在开发一种结合卷积神经网络和分类算法的深度学习模型，以帮助牙医快速准确地诊断牙周炎的阶段	本文创新性地将多种CNN模型与分类算法结合，提高了牙周炎诊断的准确性和效率	未提及本文可能的局限性	提高牙周炎的诊断效率和准确率	牙周炎的阶段诊断	计算机视觉	口腔疾病	卷积神经网络（CNN）	Alexnet, VGG16, ResNet18	影像（根尖放射线照相）和临床数据	未提供具体样本数量
22440	2024-08-05	Artificial intelligence for caries detection: a novel diagnostic tool using deep learning algorithms 2024-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-024-00741-x PMID:38498223	研究论文	本文旨在利用深度学习算法开发一种自动检测牙齿龋齿的评估工具	提出了一种名为ResNet+SAM的新型诊断模型，能够自动检测牙齿龋齿，并在性能上优于传统的CNN模型	文章未提及具体的算法训练细节或潜在的进一步验证	开发一种用于自动检测牙齿龋齿的工具	使用4278幅经医学专家注释的根尖X光照片来训练和验证模型	计算机视觉	NA	卷积神经网络	ResNet+SAM	图像	4278幅根尖X光照片