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
10761	2024-12-19	EEG-Based Machine Learning Models to Evaluate Haptic Delay: Should We Label Data Based on Self-Reporting or Physical Stimulation? 2023 Oct-Dec, IEEE transactions on haptics IF:2.4Q2 DOI:10.1109/TOH.2023.3270666 PMID:37126610	研究论文	本文探讨了基于EEG数据的机器学习模型在评估触觉延迟时，使用自我报告标签与物理刺激标签的比较	首次系统研究了在评估触觉体验时，使用自我报告标签与物理刺激标签对机器学习模型性能的影响	研究结果仅适用于触觉延迟这一特定触觉体验，不能推广到其他触觉体验	探讨在评估触觉体验时，使用自我报告标签与物理刺激标签哪种方法更有效	触觉延迟的评估	机器学习	NA	EEG	机器学习模型和深度学习模型	EEG数据	NA
10762	2024-12-18	Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study 2025-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04733-0 PMID:38937291	研究论文	开发了一种基于全身低剂量CT（WBLDCT）的深度学习模型，用于预测多发性骨髓瘤（MM）患者的细胞遗传学异常	首次利用深度学习模型从全身低剂量CT扫描中预测多发性骨髓瘤患者的细胞遗传学风险	研究样本量相对较小，且仅限于新诊断的多发性骨髓瘤患者	开发和验证一种深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常	新诊断的多发性骨髓瘤患者	计算机视觉	多发性骨髓瘤	深度学习	深度学习模型	图像	151名多发性骨髓瘤患者
10763	2024-12-18	Recent advancements and future directions in automatic swallowing analysis via videofluoroscopy: A review 2025-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108505 PMID:39579458	综述	本文综述了通过视频荧光吞咽研究（VFSS）进行自动吞咽分析的最新进展和未来方向	利用计算机视觉、模式识别和深度学习技术，提供了新的范式来探索和提取VFSS记录中的信息	本文主要集中在图像处理技术在自动吞咽分析中的应用，未涵盖其他可能的技术方法	展示当前VFSS分析中的挑战，并提供未来开发更准确和临床可解释算法的见解	视频荧光吞咽研究（VFSS）记录中的解剖结构检测、食团对比分割和运动事件识别	计算机视觉	NA	计算机视觉、深度学习	深度学习模型	视频	46项研究
10764	2024-12-18	Smartwatch ECG and artificial intelligence in detecting acute coronary syndrome compared to traditional 12-lead ECG 2025-Feb, International journal of cardiology. Heart & vasculature DOI:10.1016/j.ijcha.2024.101573 PMID:39687687	研究论文	本研究评估了基于智能手表的多通道、异步心电图（ECG）与人工智能（AI）系统结合用于诊断急性冠状动脉综合征（ACS）的可行性	本研究首次评估了基于智能手表的ECG与AI系统结合用于诊断ACS的可行性，并展示了其与传统12导联ECG相比的高诊断性能	本研究的样本量较小，且仅限于ACS患者和健康对照组，未来需要更大规模的研究来验证结果	评估基于智能手表的ECG与AI系统结合用于诊断ACS的可行性	急性冠状动脉综合征（ACS）患者和健康对照组	机器学习	心血管疾病	深度学习	AI-ECG工具	图像	56名ACS患者和15名健康参与者
10765	2024-12-18	Advancing Ki67 hotspot detection in breast cancer: a comparative analysis of automated digital image analysis algorithms 2025-Jan, Histopathology IF:3.9Q1 DOI:10.1111/his.15294 PMID:39104219	研究论文	本文比较了基于虚拟双染色（VDS）和深度学习（DL）的数字图像分析算法在乳腺癌Ki67热点检测和评分中的临床表现	深度学习（DL）算法在临床适用性上优于虚拟双染色（VDS）算法，因为它不依赖于幻灯片的虚拟对齐，并且与手动评分相关性更强	NA	提高Ki67热点检测和评分的准确性，以改善乳腺癌的临床评估	Ki67热点检测和评分在乳腺癌中的应用	数字病理学	乳腺癌	数字图像分析（DIA）	深度学习（DL）	图像	135例连续的浸润性乳腺癌组织样本
10766	2024-12-12	Application of deep learning algorithms in classification and localization of implant cutout for the postoperative hip 2025-01, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04692-6 PMID:38771507	研究论文	本研究探讨了使用卷积神经网络在骨盆前后位X光片上检测和定位植入物切出的可行性	首次使用深度学习算法进行植入物切出的分类和定位	对象检测模型在假阳性预测中产生了较多错误结果	验证深度学习算法在骨盆X光片上检测和定位植入物切出的可行性	骨盆前后位X光片上的植入物切出	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	40191张骨盆X光片
10767	2024-12-18	Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation 2025-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240206 PMID:39565222	研究论文	本文评估并比较了不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行了比较	本文的创新点在于使用深度学习模型，特别是小型二维卷积神经网络（2D CNN），在不需要手动分割病变的情况下，区分良性和恶性乳腺肿瘤	本文的局限性在于研究是回顾性的，且样本量相对较小	研究目的是评估和比较不同人工智能模型在扩散加权成像中区分良性和恶性乳腺肿瘤的性能	研究对象是良性和恶性乳腺肿瘤的扩散加权成像数据	计算机视觉	乳腺癌	扩散加权成像（DWI）	卷积神经网络（CNN）	图像	334个乳腺病变，来自293名患者
10768	2024-12-18	Long-term, automated stool monitoring using a novel smart toilet: A feasibility study 2025-Jan, Neurogastroenterology and motility IF:3.5Q2 DOI:10.1111/nmo.14954 PMID:39486001	研究论文	本文展示了一种新型智能马桶用于长期自动收集粪便图像数据的可行性，并评估了基于计算机视觉的分析方法来根据布里斯托粪便形式量表（BSFS）评估粪便形式	本文提出了一种新型智能马桶系统，能够长期自动收集粪便图像数据，并通过深度学习分割和数学定义的手工特征进行计算机视觉分析，以量化粪便的形态学属性	研究样本量较小，仅涉及六名健康志愿者，且研究时间相对较短	验证长期自动粪便形式监测的可行性和准确性	粪便形式的长期自动监测	计算机视觉	NA	深度学习分割	NA	图像	六名健康志愿者，共记录了474次排便图像
10769	2024-12-18	Application of a deep learning algorithm for the diagnosis of HCC 2025-Jan, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2024.101219 PMID:39687602	研究论文	本文开发并验证了一种深度学习算法，用于通过CT影像诊断肝细胞癌（HCC）	本文首次应用时空3D卷积网络（ST3DCN）模型，通过薄层三相CT肝图像和相关临床信息进行HCC诊断，显著提高了诊断准确性	本文的局限性在于仅在特定患者群体中进行了验证，且依赖于特定的CT影像数据	研究目的是通过深度学习算法提高肝细胞癌的诊断准确性	研究对象为通过CT影像进行肝细胞癌诊断的患者	机器学习	肝癌	深度学习	时空3D卷积网络（ST3DCN）	图像	2,832名患者和4,305次CT观察
10770	2024-12-18	Deep learning model for diagnosis of venous thrombosis from lower extremity peripheral ultrasound imaging 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111318 PMID:39687013	研究论文	本研究旨在建立一个深度学习模型，用于通过下肢外周超声图像诊断深静脉血栓	本研究创新性地使用卷积神经网络（UNet和ResNet）进行图像分割，并开发了一个用户友好的应用程序，以便前线临床医生快速评估临床严重性并进行及时干预	NA	建立一个深度学习模型，用于通过超声图像诊断深静脉血栓	下肢外周超声图像中的深静脉血栓	计算机视觉	深静脉血栓	卷积神经网络	UNet, ResNet	图像	通过标准和便携式手持超声方法获得的静脉双工超声视频图像
10771	2024-12-18	A Deep Learning Based Framework to Identify Undocumented Orphaned Oil and Gas Wells from Historical Maps: A Case Study for California and Oklahoma 2024-Dec-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c04413 PMID:39629830	研究论文	本文开发了一种基于深度学习的框架，用于从历史地图中识别未记录的孤立油气井，并在加利福尼亚州和俄克拉荷马州的四个县进行了案例研究	本文创新性地利用了最先进的计算机视觉神经网络模型U-Net，通过检测地理参考历史地形图中的油气井符号来识别潜在的未记录孤立油气井	本文的局限性在于仅在加利福尼亚州和俄克拉荷马州的四个县进行了验证，未来需要进一步扩展到全美范围	本文的研究目的是开发一种方法来识别未记录的孤立油气井，以减少其对环境和公共健康的潜在危害	本文的研究对象是未记录的孤立油气井及其在历史地图中的位置	计算机视觉	NA	计算机视觉神经网络模型	U-Net	地图	在加利福尼亚州和俄克拉荷马州的四个县中，发现了1301个潜在的未记录孤立油气井，覆盖面积超过40,000平方公里
10772	2024-12-18	Bimodal PET/MRI generative reconstruction based on VAE architectures 2024-Dec-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9133 PMID:39527911	研究论文	本研究探索了在深度学习框架下基于变分自编码器（VAE）架构的正电子发射断层扫描（PET）/磁共振成像（MRI）联合重建方法	提出了基于VAE约束与交替方向乘子法（ADMM）优化技术的新方法，并探索了三种VAE架构以确定两种模态的最佳潜在表示	未提及具体限制	开发一种新的PET/MRI联合重建方法，以提高重建质量，特别是在短采集时间下的表现	脑部PET/MRI数据	计算机视觉	NA	变分自编码器（VAE），交替方向乘子法（ADMM）	VAE	图像	脑部PET/MRI数据集
10773	2024-12-18	Novel approach for Arabic fake news classification using embedding from large language features with CNN-LSTM ensemble model and explainable AI 2024-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82111-5 PMID:39681596	研究论文	本文提出了一种基于ELMo词嵌入和CNN-LSTM集成模型的新方法，用于阿拉伯语假新闻分类，并结合可解释AI技术进行分析	本文的创新点在于提出了一种结合ELMo词嵌入和CNN-LSTM集成模型的投票框架，并引入了LIME可解释AI技术，显著提高了分类性能和模型可解释性	本文未提及具体的局限性	研究目的是提高阿拉伯语假新闻检测的准确性和可解释性	研究对象是阿拉伯语假新闻文本	自然语言处理	NA	ELMo词嵌入，LIME可解释AI技术	CNN-LSTM集成模型	文本	NA
10774	2024-12-18	Thermoelectric Material Performance (zT) Predictions with Machine Learning 2024-Dec-16, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c19149 PMID:39686715	研究论文	本文利用机器学习和深度学习模型，基于大量实验数据集预测热电材料性能	开发了一种可解释的模型，能够在大规模实验数据集上预测热电材料性能，并直接预测复杂的热电性能	预测结果与实验结果存在偏差，可能由文献误差、合成路线不同、晶体形态和粒径密度差异等因素引起	利用机器学习模型预测热电材料的性能	热电材料及其性能	机器学习	NA	机器学习，深度学习，密度泛函理论（DFT）	NA	实验数据，晶体学数据	约160,000个数据点
10775	2024-12-18	Screening and evaluation of diabetic retinopathy via a deep learning network model: A prospective study 2024-Dec-15, World journal of diabetes IF:4.2Q1 DOI:10.4239/wjd.v15.i12.2302 PMID:39676804	研究论文	本文评估了一种基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	本文利用基于注意力机制的深度学习网络模型，显著提高了糖尿病视网膜病变的筛查准确性和效率	本文的研究对象仅限于18-70岁的永久居民，且样本量相对较小	评估基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果	糖尿病视网膜病变在自然人群和糖尿病患者中的筛查效果	计算机视觉	糖尿病	深度学习	注意力机制网络模型	图像	474名参与者，共948张眼底图像
10776	2024-12-18	Deep learning model combined with computed tomography features to preoperatively predicting the risk stratification of gastrointestinal stromal tumors 2024-Dec-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v16.i12.4663 PMID:39678791	研究论文	本文研究了结合深度学习模型和计算机断层扫描特征来术前预测胃肠道间质瘤的风险分层	本文开发了一种结合深度学习模型和常规计算机断层扫描数据的模型，用于术前预测胃肠道间质瘤的风险分层，显示出优于单一深度学习模型的性能	本文的局限性在于仅使用了回顾性分析的数据，且样本量相对较小	评估深度学习模型结合计算机断层扫描特征在预测胃肠道间质瘤风险分层中的应用	胃肠道间质瘤患者的术前风险分层	机器学习	胃肠道间质瘤	计算机断层扫描	卷积神经网络	图像	551名胃肠道间质瘤患者
10777	2024-12-18	Cultivation strategies of English thinking ability in the environment of Internet of Things 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39515 PMID:39687130	研究论文	研究旨在拓宽英语学习者的视野并解决英语思维培养不足的问题，通过设计LSNN推荐模型来缓解数据稀疏性	提出了Local Similar Convolutional Neural Network (LSNN)推荐模型，通过添加调整层到卷积神经网络(CNN)中，缓解数据稀疏性问题	未提及具体限制	拓宽英语学习者的视野并解决英语思维培养不足的问题	英语学习者的思维能力	机器学习	NA	卷积神经网络(CNN)	Local Similar Convolutional Neural Network (LSNN)	数据	相关数据
10778	2024-12-18	Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39327 PMID:39687145	研究论文	本研究整合了10种机器学习算法，开发了一种免疫相关的机器学习特征（IRMLS），并基于病理图像创建了一个深度学习模型来检测IRMLS亚型，用于预测膀胱癌的预后和评估免疫微环境	首次通过整合多种机器学习算法和深度学习模型，开发了IRMLS特征，用于预测膀胱癌的预后和评估免疫微环境，并验证了其作为独立预后因子的有效性	研究仅基于病理图像和已有的数据集，未涉及其他类型的数据或更广泛的临床验证	开发和验证一种基于机器学习的分子特征，用于预测膀胱癌的预后和评估免疫微环境，指导个性化精准治疗	膀胱癌患者的预后和免疫微环境	机器学习	膀胱癌	机器学习算法和深度学习模型	深度学习模型	病理图像	未明确具体样本数量
10779	2024-12-18	Effective identification of Alzheimer's disease in mouse models via deep learning and motion analysis 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39353 PMID:39687151	研究论文	本文开发了一种基于深度学习和运动分析的无标记运动分析系统（MMAS），用于Morris水迷宫测试中阿尔茨海默病小鼠模型的有效识别	创新点在于使用深度学习技术开发了无标记运动分析系统（MMAS），并通过该系统识别出阿尔茨海默病小鼠的单侧头部转向和尾部摆动偏好，其准确性高于传统行为参数	NA	研究目的是提高阿尔茨海默病小鼠模型的识别效果、敏感性和可解释性	研究对象是阿尔茨海默病小鼠模型和野生型小鼠	机器学习	阿尔茨海默病	深度学习	NA	视频	NA
10780	2024-12-18	scVAG: Unified single-cell clustering via variational-autoencoder integration with Graph Attention Autoencoder 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40732 PMID:39687165	研究论文	本文提出了一种名为scVAG的深度学习框架，结合变分自编码器（VAE）和图注意力自编码器（GATE），用于增强单细胞RNA测序数据的聚类	scVAG通过集成VAE和GATE，实现了更灵活的潜在空间编码，取代了传统的线性主成分分析（PCA）方法，适用于非线性降维	NA	提高单细胞RNA测序数据聚类的准确性和解释性	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	变分自编码器（VAE）和图注意力自编码器（GATE）	数据矩阵	20个数据集