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
30601	2024-08-07	Automated discovery of symbolic laws governing skill acquisition from naturally occurring data 2024-May, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00629-0 PMID:38811819	研究论文	本文旨在从大规模训练日志数据中发现技能学习的规律	开发了一种两阶段算法来解决不可观察的认知状态和搜索中的算法爆炸问题，并使用深度学习模型和符号回归算法来解析神经网络模型	NA	发现技能学习的规律	技能学习	机器学习	NA	深度学习模型，符号回归算法	深度学习模型	日志数据	大规模训练数据
30602	2024-08-07	From Pixels to Prognosis: A Narrative Review on Artificial Intelligence's Pioneering Role in Colorectal Carcinoma Histopathology 2024-Apr, Cureus DOI:10.7759/cureus.59171 PMID:38807833	综述	本文综述了人工智能在结直肠癌组织病理学中的开创性作用，包括其发展、技术和进展	人工智能算法，特别是机器学习和深度学习，革新了图像分析，有助于准确诊断和预后预测	挑战包括数据质量、可解释性和整合	探讨人工智能在结直肠癌组织病理学中的应用及其对未来肿瘤学研究和临床实践的影响	结直肠癌的组织病理学评估	数字病理学	结直肠癌	机器学习、深度学习	NA	图像	NA
30603	2024-08-07	DeepPPThermo: A Deep Learning Framework for Predicting Protein Thermostability Combining Protein-Level and Amino Acid-Level Features 2024-02, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0097 PMID:38100126	研究论文	提出了一种名为DeepPPThermo的深度学习框架，结合蛋白质级和氨基酸级特征预测蛋白质热稳定性	利用深度神经网络（DNN）和双向长短期记忆网络（Bi-LSTM）挖掘隐藏特征，并通过局部和全局注意力机制赋予多视角特征不同重要性	NA	研究如何有效利用多视角序列信息预测蛋白质热稳定性	热稳定性和中温性蛋白质的分类	机器学习	NA	深度学习	DNN, Bi-LSTM	序列信息	未具体说明
30604	2024-08-07	Survey of Denoising, Segmentation and Classification of Pancreatic Cancer Imaging 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230515090523 PMID:37189279	综述	本文综述了胰腺癌影像的去噪、分割和分类的不同方法	在分割方面，基于图谱的区域增长方法表现优于现有技术；在分类方面，深度学习方法优于其他方法	NA	探讨计算机辅助诊断系统在胰腺癌检测中的应用	胰腺癌影像的去噪、分割和分类	计算机视觉	胰腺癌	计算机辅助诊断系统（CADs）	深度学习	影像	NA
30605	2024-08-07	A Comprehensive Review on MRI-based Knee Joint Segmentation and Analysis Techniques 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230515090557 PMID:37189281	综述	本文综述了基于MRI的膝关节分割与分析技术	介绍了近年来基于深度学习的全自动分割方法，这些方法不仅比传统技术提供更好的结果，还开辟了医学影像研究的新领域	NA	旨在介绍不同科学文章中发表的膝关节骨、软骨和半月板的全自动和半自动分割方法	膝关节骨、软骨和半月板的分割	医学影像	骨关节炎	MRI	深度学习	图像	NA
30606	2024-08-07	Deep Learning-reconstructed Parallel Accelerated Imaging for Knee MRI 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230524151816 PMID:37226797	研究论文	本研究比较了深度学习（DL）重建的并行加速成像技术在膝关节MRI中的图像质量	使用深度学习技术重建的并行加速成像技术在膝关节MRI中显著降低了噪声，同时保持了图像的锐度和诊断质量	研究仅限于膝关节MRI，且样本量相对较小	比较深度学习重建的并行加速成像技术与传统技术在膝关节MRI中的图像质量	44个膝关节MRI扫描，来自38名成年患者	计算机视觉	NA	深度学习（DL）重建的并行加速成像技术	NA	图像	44个膝关节MRI扫描，38名成年患者
30607	2024-08-07	Image Quality Improvement of Low-dose Abdominal CT using Deep Learning Image Reconstruction Compared with the Second Generation Iterative Reconstruction 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230525104809 PMID:37231764	研究论文	本研究探讨了深度学习图像重建（DLIR）在降低辐射剂量的情况下，是否能提高腹部CT图像质量，并与第二代自适应统计迭代重建（ASiR-V）进行比较	DLIR算法在提高图像对比度噪声比（CNR）、图像质量、主观噪声和病变显著性方面表现优于ASiR-V	本研究为回顾性研究，样本量有限，且仅比较了同一供应商的不同型号扫描仪	确定DLIR是否能在降低辐射剂量的同时提供更好的图像质量	腹部CT图像质量及辐射剂量	计算机视觉	NA	深度学习图像重建	DLIR	图像	102名患者
30608	2024-08-07	A Novel Approach to the Technique of Lung Region Segmentation Based on a Deep Learning Model to Diagnose COVID-19 X-ray Images 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056271185231121074341 PMID:38389381	研究论文	本文提出了一种基于深度学习模型的肺部区域分割新技术，用于诊断COVID-19的X光图像	提出了一种名为FocusNet的新型深度网络，用于精确分割胸部X光片中的肺部区域，并通过ResNet18分类网络提高分类准确性	NA	开发一种深度学习模型，准确分类胸部X光图像，特别是肺部区域，以提高COVID-19和肺炎诊断的效率和准确性	胸部X光图像中的肺部区域	计算机视觉	COVID-19	深度学习	FocusNet, ResNet18	图像	评估了正常人、COVID-19患者和肺炎患者的肺部区域
30609	2024-08-07	Factors associated with interobserver variation amongst pathologists in the diagnosis of endometrial hyperplasia: A systematic review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302252 PMID:38683770	综述	本综述旨在识别影响病理学家在诊断子宫内膜增生（EH）中观察者间变异性的特定病理学家因素	识别了一些新颖的工作实践，如对核异型性的“程度”进行分级以及采用半自动定量图像分析/深度学习模型等客观诊断方法	尽管强调了病理学家特定因素和工作实践对准确诊断EH的影响，但相关研究数量较少	旨在识别影响病理学家在诊断子宫内膜增生中观察者间变异性的特定病理学家因素	病理学家在诊断子宫内膜增生中的观察者间变异性	数字病理学	妇科疾病	NA	深度学习模型	图像	八项研究
30610	2024-08-07	Super-resolution based Nodule Localization in Thyroid Ultrasound Images through Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056269264240408080443 PMID:38766836	研究论文	本文提出了一种基于深度学习的超分辨率方法来自动定位甲状腺超声图像中的结节	使用超分辨率单图像重建和深度学习技术，该方法在准确性和质量上优于最新的技术	NA	开发一种自动化的方法来识别甲状腺超声图像中的结节	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	Adam分类器	图像	NA
30611	2024-08-07	Building and validating an artificial intelligence model to identify tracheobronchopathia osteochondroplastica by using bronchoscopic images 2024 Jan-Dec, Therapeutic advances in respiratory disease IF:3.3Q2 DOI:10.1177/17534666241253694 PMID:38803144	研究论文	本文构建并验证了一种人工智能模型，用于通过支气管镜图像识别气管支气管骨软骨成形术	开发了一种基于支气管镜图像的人工智能模型，能够区分气管支气管骨软骨成形术与其他多结节气道疾病	NA	构建一个人工智能模型，用于通过支气管镜图像区分气管支气管骨软骨成形术与其他多结节气道疾病	气管支气管骨软骨成形术（TO）与其他多结节气道疾病	机器学习	NA	卷积神经网络（CNN）	EfficientNet	图像	201名多结节气道疾病患者和213名无任何气道病变患者，共使用了2183张多结节病变支气管镜图像和1733张无气道病变图像进行深度学习
30612	2024-08-07	Fuzzy ensemble of fined tuned BERT models for domain-specific sentiment analysis of software engineering dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300279 PMID:38805433	研究论文	本文提出了一种基于深度学习和微调BERT模型的混合技术，用于软件工程领域的特定情感分析	引入模糊逻辑集合多个微调BERT模型，提高了对中性情感的预测准确性，并覆盖了现有工具的局限	NA	开发适用于软件工程领域的特定情感分析工具	软件工程领域的社区问答数据集	自然语言处理	NA	深度学习	BERT模型（包括Bert-Base, Bert-Large, Bert-LSTM, Bert-GRU, Bert-CNN）	文本	使用了四个公开的基准数据集：Stack Overflow, JavaLib, Jira, 和 Code Review
30613	2024-08-07	Deep learning for identifying bee species from images of wings and pinned specimens 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303383 PMID:38805521	研究论文	本文研究了使用深度学习技术从蜜蜂翅膀和标本图像中识别蜜蜂物种的方法	本文展示了计算机视觉在分类较小、难以识别的蜜蜂物种方面的潜力，这些物种在众包数据集中代表性不足	NA	评估深度学习分类模型在更具挑战性的蜜蜂分类中的表现	蜜蜂物种的识别	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	20种和18种蜜蜂物种分别来自6个和4个属
30614	2024-08-07	Corrigendum: Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1421603 PMID:38813378	correction	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
30615	2024-08-07	Live-cell imaging in the deep learning era 2023-12, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2023.102271 PMID:37897927	研究论文	本文探讨了深度学习在活细胞成像中的应用及其对关键任务的辅助作用	介绍了深度学习在活细胞成像中的新应用，包括漂移校正、去噪、超分辨率成像、人工标记、跟踪和时间序列分析	NA	探讨深度学习在活细胞成像中的应用及其对关键任务的辅助作用	活细胞成像技术及其数据分析	计算机视觉	NA	深度学习	NA	图像	NA
30616	2024-08-07	RGC-Net: An Automatic Reconstruction and Quantification Algorithm for Retinal Ganglion Cells Based on Deep Learning 2023-05-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.5.7 PMID:37140906	研究论文	本文开发了一种基于深度学习的视网膜神经节细胞自动重建和量化算法RGC-Net	RGC-Net能够自动分割视网膜神经节细胞的轴突和细胞体，提供了一种比手动分析更高效和快速的新工具	NA	开发一种基于深度学习的全自动重建和量化视网膜神经节细胞的算法	视网膜神经节细胞的轴突和细胞体	计算机视觉	NA	深度学习	CNN	图像	166个视网膜神经节细胞扫描图像，其中132个用于训练，34个用于测试
30617	2024-08-07	Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1217037 PMID:37711738	研究论文	本研究比较了传统放射组学特征的机器学习与深度学习放射组学在预测头颈部鳞状细胞癌患者治疗结果中的应用	结合临床数据、放射组学特征和医学图像与深度学习模型，实现了高性能和跨机构通用性	临床和放射组学数据的特征选择导致过拟合和较差的跨机构通用性	评估传统放射组学和深度学习放射组学在预测头颈部鳞状细胞癌患者总体生存和无病生存中的效果	头颈部鳞状细胞癌患者的治疗结果	机器学习	头颈部鳞状细胞癌	放射组学	卷积神经网络	图像	238名头颈部鳞状细胞癌患者
30618	2024-08-07	Using deep learning method to identify left ventricular hypertrophy on echocardiography 2022-Apr, The international journal of cardiovascular imaging DOI:10.1007/s10554-021-02461-3 PMID:34757566	研究论文	本研究旨在开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚（LVH）	引入了ResNet和U-net++模型，分别用于分类和分割任务，并成功构建了一个集成框架，能够自动分类四种情况（正常、HCM、CA和HHD）	NA	开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚	左心室肥厚（LVH）及其潜在病因	机器学习	心血管疾病	深度学习	ResNet, U-net++	图像	1610份经胸超声心动图，包括724名患者（189名高血压性心脏病，218名肥厚型心肌病，58名心脏淀粉样变性，以及259名对照组）
30619	2024-08-07	Antibody-supervised deep learning for quantification of tumor-infiltrating immune cells in hematoxylin and eosin stained breast cancer samples 2016, Journal of pathology informatics DOI:10.4103/2153-3539.189703 PMID:27688929	研究论文	本研究提出并评估了一种基于抗体引导注释和深度学习的方法，用于量化苏木精和伊红（H&E）染色乳腺癌样本中的肿瘤浸润免疫细胞	本研究首次采用抗体引导注释和深度学习技术，通过H&E染色样本量化肿瘤浸润免疫细胞，提高了量化过程的客观性和准确性	NA	开发一种客观且准确的方法来量化乳腺癌样本中的肿瘤浸润免疫细胞	乳腺癌患者的肿瘤样本	数字病理学	乳腺癌	H&E染色	卷积神经网络（CNN）	图像	20名乳腺癌患者的肿瘤样本，123,442个标记的超像素
30620	2024-08-07	The combination of deep learning and pseudo-MS image improves the applicability of metabolomics to congenital heart defect prenatal screening 2024-Aug-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126109 PMID:38648686	研究论文	本研究通过代谢组学分析，结合深度学习和伪MS图像，建立了用于胎儿先天性心脏病（FCHD）产前筛查的诊断模型。	本研究首次将深度学习与伪MS图像结合，用于提高代谢组学在胎儿先天性心脏病产前筛查中的适用性。	研究样本量较小，需要进一步扩大样本量以验证模型的泛化能力。	探索母体中胎儿先天性心脏病的代谢改变，并建立有效的诊断模型。	母体中胎儿先天性心脏病的代谢标志物及诊断模型。	机器学习	先天性心脏病	超高效液相色谱-质谱/质谱（UPLC-MS/MS）	卷积神经网络（CNN）	伪MS图像	两批孕妇，共36种显著改变的代谢物