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
22641	2024-08-05	Deep Learning Enabled SERS Identification of Gaseous Molecules on Flexible Plasmonic MOF Nanowire Films 2024-02-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c02519 PMID:38299870	研究论文	本文介绍了一种基于柔性金属有机框架薄膜的气体分子SERS检测技术	该研究利用深度学习和柔性纸基表面增强拉曼光谱技术实现了对低密度高速气体分子的准确识别	研究主要集中在气体分析的实验室环境中，实际应用场景可能存在环境干扰	探索表面增强拉曼光谱在气体分析中的应用，特别是在非侵入性结直肠癌筛查中的潜力	研究气体生物标志物的SERS检测，尤其是与结直肠癌相关的气体分子	数字病理	结直肠癌	表面增强拉曼光谱（SERS）	人工神经网络	光谱数据	使用了多种气体分析物的混合样本，具体样本数量未明确指定
22642	2024-08-05	A Deep Learning Framework for Predicting Patient Decannulation on Extracorporeal Membrane Oxygenation Devices: Development and Model Analysis Study 2024-Feb-02, JMIR biomedical engineering DOI:10.2196/48497 PMID:38875691	研究论文	本研究开发了一个基于深度学习的模型，帮助临床医生判断是否应将患者从VV-ECMO上切离。	本研究首次提出了CEVVO模型，它结合了离散临床信息和ECMO设备的连续数据，以预测VV-ECMO患者的离管成功率。	虽然模型的逐患者预测能力可能不足以直接应用于临床，但患者风险分类系统显示出更大的潜力。	研究旨在协助临床医生做出患者是否应离开ECMO的决策。	研究对象为在哥伦比亚大学欧文医学中心接受VV-ECMO支持的118名患者。	机器学习	呼吸系统疾病	深度学习	长短时记忆网络 (LSTM)	临床数据	118名患者
22643	2024-08-05	Synergistic Integration of Machine Learning with Microstructure/Composition-Designed SnO2 and WO3 Breath Sensors 2024-01-26, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.3c01814 PMID:38207118	研究论文	提出了一种高性能半导体金属氧化物气体传感策略，以实现基于传感器的高效疾病预测	创新性地将机器学习方法与SnO-和WO基传感器组成的互补传感器阵列相结合	在相同组中的传感器单独应用时，将会面临较差的辨别能力	研究高性能气体传感器的疾病预测能力	使用SnO-和WO基传感器及神经网络算法来测量气体混合物	数字病理学	肠易激综合症	机器学习	深度神经网络（DNN）和卷积神经网络（CNN）	数值数据和图像数据	使用六个传感器进行实验
22644	2024-08-05	AI and Knowledge-Based Method for Rational Design of Escherichia coli Sigma70 Promoters 2024-01-19, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.3c00578 PMID:38176073	研究论文	本文开发了一种人工智能和知识驱动的方法用于合理设计大肠杆菌sigma70启动子	提出一种将人工智能与已有深度学习模型结合的新的启动子设计方法	缺乏对其他类型启动子的验证和全面性比较	旨在通过合理设计sigma70启动子来增强重组蛋白的表达	研究对象主要是sigma70启动子及其在不同蛋白表达中的应用	数字病理学	NA	高通量筛选(HTS)	深度学习模型	NA	NA
22645	2024-08-05	Effects of wind speed and wind direction on crop yield forecasting using dynamic time warping and an ensembled learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.16538 PMID:38881862	研究论文	本文探讨风速和风向对腰果作物产量预测的影响，采用动态时间规整和集成学习模型。	提出了一种结合LSTM和随机森林的集成模型，并利用动态时间规整来评估时空数据的相似性。	未提及数据样本的多样性与广泛性，可能影响模型的普适性。	研究风速和风向对腰果产量预测的影响，并改进预测模型。	研究对象为加纳博诺地区的腰果作物及其风速和风向数据。	机器学习	NA	动态时间规整 (DTW)	长短期记忆网络 (LSTM) 和随机森林 (RF)	时空数据	NA
22646	2024-08-05	Explainable Deep Learning Model for Predicting Serious Adverse Events in Hospitalized Geriatric Patients Within 72 Hours 2024, Clinical interventions in aging IF:3.5Q2 DOI:10.2147/CIA.S460562 PMID:38883992	研究论文	本文开发了一种可解释的深度学习模型，以预测住院老年患者在72小时内发生的不良事件	该研究开发了一种可解释的深度学习模型，能够在72小时内准确预测老年患者的不良事件	该研究使用的回顾性数据可能受限于数据收集的准确性和完整性	研究的目的是提高对老年患者住院期间发生的不良事件的预测能力	研究对象为非创伤性老年患者，这些患者在急诊科就诊并住入普通病房	数字病理	老年疾病	深度学习	深度前馈神经网络	回顾性数据	共纳入127,268名患者
22647	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）
22648	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
22649	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
22650	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
22651	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
22652	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
22653	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
22654	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
22655	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
22656	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
22657	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
22658	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
22659	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
22660	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