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
24201	2024-08-07	Tongue feature recognition to monitor rehabilitation: deep neural network with visual attention mechanism 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1392513 PMID:38784768	研究论文	本文开发了一种新的深度学习架构，专门用于分析和分类舌头特征，包括颜色、形状和舌苔	提出的方法解决了基于VGG或ResNet等传统架构的大尺寸问题，从而缓解了过拟合问题	NA	旨在推动舌头特征识别技术的发展，最终实现更精确的诊断和更好的患者康复	舌头特征的分析和分类	计算机视觉	NA	深度学习	CNN	图像	NA
24202	2024-08-07	Wearable sensors in patient acuity assessment in critical care 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1386728 PMID:38784909	研究论文	本文探讨了在重症监护环境中使用可穿戴传感器数据与电子健康记录（EHR）中的临床数据相结合，以更精确地评估患者病情严重程度的方法。	本研究首次将可穿戴传感器数据与临床数据结合，通过深度学习模型提高了病情严重程度评估的精确度、敏感性和F1分数。	NA	研究目的是通过整合可穿戴传感器数据和临床数据，改进重症监护环境中患者病情严重程度的评估。	研究对象包括87名佩戴手腕加速度计的患者，以及他们的临床数据。	机器学习	NA	加速度计	深度神经网络模型（VGG, ResNet, MobileNet, SqueezeNet, 自定义Transformer网络）	加速度计数据，临床数据	87名患者
24203	2024-08-07	Multiple sampling schemes and deep learning improve active learning performance in drug-drug interaction information retrieval analysis from the literature 2023-05-30, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-023-00287-7 PMID:37248476	研究论文	本文首次研究了主动学习在药物-药物相互作用信息检索分析中的应用，并通过多种采样方案和深度学习算法提高了分析效率	首次将主动学习应用于药物-药物相互作用信息检索分析，并设计了随机负采样和正采样方法以提高分析效率	NA	提高药物-药物相互作用信息从文献中的检索分析效率	药物-药物相互作用信息检索分析	自然语言处理	NA	主动学习	支持向量机, 深度学习	文本	PubMed摘要被分为筛选池和未筛选池，具体样本数量未提及
24204	2024-08-07	Deep learning on graphs for multi-omics classification of COPD 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284563 PMID:37083575	研究论文	本研究利用卷积图神经网络（ConvGNN）结合蛋白质相互作用（PPI）网络和多组学数据，开发了一种慢性阻塞性肺疾病（COPD）分类预测模型	首次使用AhGlasso算法重建COPD相关的PPI网络，并扩展ConvGNN方法以整合PPI、蛋白质组学和转录组学数据，提高了分类准确性	深度神经网络模型，尤其是图神经网络，在决策过程中难以解释，难以识别对预测贡献最大的特征	开发一种结合PPI网络信息和多组学数据的深度学习方法，用于提高COPD的分类准确性	COPD相关的PPI网络、蛋白质组学和转录组学数据	机器学习	慢性阻塞性肺疾病	卷积图神经网络（ConvGNN）	卷积图神经网络（ConvGNN）	蛋白质相互作用网络、蛋白质组学数据、转录组学数据	包括COPD病例和对照组的独立转录组学数据集
24205	2024-08-07	Two fully automated data-driven 3D whole-breast segmentation strategies in MRI for MR-based breast density using image registration and U-Net with a focus on reproducibility 2022-Oct-11, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-022-00121-4 PMID:36219359	研究论文	本研究开发了两种基于图像配准和3D U-Net的全自动数据驱动3D全乳房分割策略，用于MRI中的乳腺密度测量，重点关注可重复性	提出的图像配准和深度学习全乳房分割方法在乳腺密度测量中表现出高度的准确性和可靠性，优于先前开发的算法和手动分割方法	NA	开发一种高度可重复且准确的乳腺密度测量算法	乳腺MRI图像的全乳房分割	数字病理学	乳腺癌	图像配准，3D U-Net	U-Net	图像	三个来自两个临床试验的志愿者数据集
24206	2024-08-07	Genomics transformer for diagnosing Parkinson's disease 2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi56158.2022.9926815 PMID:36824448	研究论文	本文介绍了一种基于transformer编码器的新模型，用于根据基因型数据对帕金森病（PD）患者和健康对照者进行分类	该模型能够有效建模复杂的全局特征交互，并通过学习到的注意力分数提高可解释性	NA	旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性，提高帕金森病的诊断能力	帕金森病患者和健康对照者的基因型数据	机器学习	帕金森病	NA	transformer	基因型数据	NA
24207	2024-08-07	Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2022-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-021-01162-7 PMID:34837159	研究论文	本研究旨在使用超声诊断设备实现二维和亚像素位移的高空间分辨率检测	本研究开发了一种利用超声图像和输出位移分布的深度学习网络，通过修改FlowNet2网络结构并使用超声图像模拟开发训练数据集，实现了高空间分辨率和亚像素位移检测	NA	实现二维和亚像素位移的高空间分辨率检测	使用超声诊断设备进行位移检测	机器学习	NA	深度学习	FlowNet2	图像	使用了模拟超声图像和肝脏超声图像进行评估
24208	2024-08-07	Prediction of protein self-interactions using stacked long short-term memory from protein sequences information 2018-12-21, BMC systems biology DOI:10.1186/s12918-018-0647-x PMID:30577794	研究论文	本文开发了一种基于堆叠长短期记忆（SLSTM）神经网络的深度学习模型，用于预测蛋白质自相互作用	首次应用深度学习方法预测蛋白质自相互作用，并结合Zernike矩（ZMs）和位置特异性权重矩阵（PSWM）进行特征提取	NA	开发一种高效的计算方法来预测蛋白质自相互作用，以弥补传统实验方法的不足	蛋白质自相互作用	机器学习	NA	深度学习	SLSTM	序列	使用了酵母和人类蛋白质自相互作用数据集
24209	2024-08-07	Automatic seizure detection using three-dimensional CNN based on multi-channel EEG 2018-12-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-018-0693-8 PMID:30526571	研究论文	本文提出了一种基于多通道脑电图（EEG）的三维卷积神经网络（CNN）来自动检测癫痫发作	首次尝试应用三维CNN从EEG中检测癫痫发作，提供了一种从多通道EEG信号中同时学习模式的新方法	NA	旨在提供一个有效的自动癫痫发作检测系统	多通道EEG信号	机器学习	癫痫	三维卷积神经网络（3D CNN）	CNN	脑电图（EEG）数据	13名患者的EEG数据
24210	2024-08-07	Application and progress of artificial intelligence in radiation therapy dose prediction 2024-Jul, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2024.100792 PMID:38779524	综述	本文综述了人工智能在放射治疗剂量预测中的应用和进展，特别是深度学习的进展	人工智能在放射治疗中的应用提高了剂量预测的准确性和效率	由于参与者和机构之间的知识和经验差异，预测的剂量常常不一致	探讨人工智能在放射治疗剂量预测中的应用和进展	放射治疗中的剂量预测	机器学习	NA	深度学习	DL	NA	NA
24211	2024-08-07	Is Risk-Stratifying Patients with Colorectal Cancer Using a Deep Learning-Based Prognostic Biomarker Cost-Effective? 2024-Jun, PharmacoEconomics IF:4.4Q1 DOI:10.1007/s40273-024-01371-1 PMID:38584239	研究论文	研究使用基于深度学习的预测生物标志物Histotyping对结直肠癌患者进行风险分层的经济效益	开发了基于深度学习的预测方法Histotyping，用于结直肠癌患者的治疗前风险分层	NA	评估基于深度学习的预测方法Histotyping在挪威医疗系统中的成本效益	结直肠癌II期和III期患者	机器学习	结直肠癌	深度学习	NA	NA	NA
24212	2024-08-07	Automatic classification of spinal osteosarcoma and giant cell tumor of bone using optimized DenseNet 2024-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100606 PMID:38778836	研究论文	本研究旨在探索一种优化的深度学习模型，用于自动分类脊柱骨肉瘤和大细胞骨肿瘤	研究采用了具有自注意力机制的优化DenseNet模型，并结合Gradient-weighted Class Activation Mapping (Grad-CAM)技术，提高了分类准确性和特征提取能力	未来研究将集中在扩展数据集和改进算法上，以增强模型在不同临床环境中的适用性	提供一种可靠的方法，用于在医学影像中区分脊柱骨肉瘤和大细胞骨肿瘤	脊柱骨肉瘤和大细胞骨肿瘤的自动分类	计算机视觉	骨肿瘤	Gradient-weighted Class Activation Mapping (Grad-CAM)	DenseNet	图像	未具体说明样本数量
24213	2024-08-07	Spatial distance between tumor and lymphocyte can predict the survival of patients with resectable lung adenocarcinoma 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30779 PMID:38779006	研究论文	本研究探讨了肿瘤与淋巴细胞之间的空间距离与可切除肺腺癌患者预后预测的关系	提出了一种基于H&E染色全切片图像的深度学习驱动工作流程，自动分割肿瘤区域内的不同细胞类型，并量化肿瘤细胞与淋巴细胞之间的空间距离	NA	探索肿瘤细胞与淋巴细胞之间的空间距离与肺腺癌患者预后预测的关系	可切除的肺腺癌患者	数字病理学	肺腺癌	H&E染色	HoVer-Net	图像	发现集276例，验证集139例和115例
24214	2024-08-07	Performance assessment of the effective core potentials under the fermionic neural network: First and second row elements 2024-May-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0207853 PMID:38785290	研究论文	本文评估了在费米神经网络下有效核心势（ECP）的表现，特别是针对第一和第二行的元素	首次全面评估了ECP在费米神经网络下的性能，并比较了两种新构建的ECP表（ccECP和eCEPP）的性能	全电子计算的高精度受到缺乏相对论效应和某些较重元素中数值不稳定性的限制	填补费米神经网络下ECP性能评估的空白，并探索其在未来改进费米神经网络中的潜在方向	第一和第二行的元素的原子、光谱和分子性质	机器学习	NA	神经网络	费米神经网络（FermiNet）	原子、分子数据	第一和第二行的元素
24215	2024-08-07	Deep learning application to automated classification of recommendations made by hospital pharmacists during medication prescription review 2024-May-24, American journal of health-system pharmacy : AJHP : official journal of the American Society of Health-System Pharmacists IF:2.1Q3 DOI:10.1093/ajhp/zxae011 PMID:38294025	研究论文	本文研究了使用深度学习算法自动分类医院药师在药物处方审查过程中提出的改进治疗建议	开发了一种基于深度神经网络的自动分类系统，用于处理和分类大量的药师建议数据	分类准确率有待进一步提高，且需要更多的数据来验证和改进模型	提高药师建议数据的利用效率，以便更好地改进药物处方安全	药师在处方审查过程中提出的建议	机器学习	NA	深度学习	深度神经网络	文本	27,699个标记建议用于训练和评估分类器，4,460个预测用于验证
24216	2024-08-07	Preoperative evaluation of visceral pleural invasion in peripheral lung cancer utilizing deep learning technology 2024-May-23, Surgery today IF:1.7Q2 DOI:10.1007/s00595-024-02869-z PMID:38782767	研究论文	本研究旨在评估人工智能在利用高分辨率计算机断层扫描（HRCT）图像检测肺癌脏层胸膜侵犯（VPI）中的效率	本研究首次使用YOLOv4.0进行肿瘤定位，并应用EfficientNetv2进行VPI预测，展示了强大的诊断性能	研究为回顾性分析，且样本量有限，可能影响结果的普遍性	评估人工智能在肺癌脏层胸膜侵犯检测中的效率	472名I期非小细胞肺癌患者的术前HRCT图像	计算机视觉	肺癌	高分辨率计算机断层扫描（HRCT）	EfficientNetv2	图像	472名患者，500张CT图像
24217	2024-08-07	Cost-utility analysis of prenatal diagnosis of congenital cardiac diseases using deep learning 2024-May-22, Cost effectiveness and resource allocation : C/E IF:1.7Q3 DOI:10.1186/s12962-024-00550-3 PMID:38773527	研究论文	本文通过成本效用分析评估了使用深度学习技术进行产前超声诊断先天性心脏病的经济效益	本文首次采用深度学习辅助超声技术进行产前先天性心脏病的诊断，并通过成本效用分析评估其经济效益	研究基于特定地区的成本数据，可能不完全适用于其他地区	评估深度学习辅助超声技术在产前诊断先天性心脏病中的成本效用	深度学习辅助超声技术在产前诊断先天性心脏病中的应用	机器学习	先天性心脏疾病	深度学习	NA	超声数据	涉及560和659例出生婴儿
24218	2024-08-07	COVID‑19 detection from chest X-ray images using transfer learning 2024-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61693-0 PMID:38773161	研究论文	本文提出了一种基于深度学习的胸部X光图像分类框架，用于COVID-19的早期诊断	利用迁移学习技术，使用预训练的卷积神经网络模型VGG19和EfficientNetB0进行胸部X光图像分类	NA	开发一种辅助COVID-19早期诊断的深度学习框架	COVID-19的胸部X光图像	计算机视觉	COVID-19	迁移学习	CNN	图像	NA
24219	2024-08-07	Enhanced multi-class pathology lesion detection in gastric neoplasms using deep learning-based approach and validation 2024-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62494-1 PMID:38773274	research paper	本研究开发了一种新的卷积神经网络模型，用于检测和分类胃部病变，包括恶性、癌前和良性病变	该研究采用基于卷积神经网络的方法，显著提高了胃部病变的检测和分类准确性，并能准确估计胃癌的T分期	NA	开发和验证一种新的深度学习方法，用于检测和分类胃部病变	胃部病变，包括早期胃癌、进展期胃癌、胃异型增生、良性胃溃疡、良性息肉和良性糜烂	machine learning	胃癌	卷积神经网络	CNN	图像	10,181张白光内镜图像，来自2606名患者
24220	2024-08-07	Refining neural network algorithms for accurate brain tumor classification in MRI imagery 2024-May-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01285-6 PMID:38773391	研究论文	本研究通过使用卷积神经网络（CNN）改进神经网络算法，以提高MRI图像中脑肿瘤分类的准确性	引入了一种基于深度学习的模型，采用顺序CNN架构，显著提高了诊断准确率，并使用Grad-CAM可视化增强了模型的可解释性	NA	提高MRI图像中脑肿瘤诊断的准确性	脑肿瘤的分类	机器学习	脑肿瘤	卷积神经网络（CNN）	CNN	图像	测试数据集上的总体准确率达到98%，精确度、召回率和F1分数在97%到98%之间，ROC-AUC在99%到100%之间