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
10801	2024-12-14	Phenotyping COVID-19 respiratory failure in spontaneously breathing patients with AI on lung CT-scan 2024-08-05, Critical care (London, England) DOI:10.1186/s13054-024-05046-3 PMID:39103945	研究论文	本研究利用深度学习技术分析肺部CT扫描图像，结合临床和实验室数据，对COVID-19呼吸衰竭患者的自发呼吸进行亚型分类	本研究首次将深度学习技术应用于肺部CT扫描图像的自动分析，结合临床和实验室数据，识别COVID-19呼吸衰竭患者的不同亚型	本研究为多中心观察性队列研究，样本量有限，且结果需进一步验证	通过整合肺部CT数据和临床数据，识别COVID-19呼吸衰竭患者的不同亚型	自发呼吸的COVID-19呼吸衰竭患者	计算机视觉	呼吸系统疾病	深度学习	NA	图像	559名患者
10802	2024-12-14	Context-Specific Stress Causes Compartmentalized SARM1 Activation and Local Degeneration in Cortical Neurons 2024-Jun-12, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.2424-23.2024 PMID:38692735	研究论文	研究了不同应激源对皮质神经元中SARM1激活和局部退化的影响	揭示了SARM1激活在不同应激源下具有特定神经元分区的限制性，并展示了SARM1介导的死亡信号依赖于损伤类型和细胞应激源	研究主要集中在小鼠和人类诱导多能干细胞衍生的皮质神经元，未涉及其他类型的神经元	探讨SARM1在不同应激源下的激活模式及其对神经元退化的影响	小鼠和人类诱导多能干细胞衍生的皮质神经元	NA	NA	深度学习评分算法	深度学习模型	图像	混合性别的小鼠皮质神经元和男性人类诱导多能干细胞衍生的皮质神经元
10803	2024-12-14	NOISe: Nuclei-Aware Osteoclast Instance Segmentation for Mouse-to-Human Domain Transfer 2024-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops DOI:10.1109/cvprw63382.2024.00686 PMID:39659628	研究论文	本文提出了一种新的深度学习实例分割方法，用于自动化小鼠和人类破骨细胞的实例分割任务	首次实现了破骨细胞的完全自动化实例分割，并提出了一种基于破骨细胞独特生物学的核感知破骨细胞实例分割训练策略	NA	开发一种自动化方法来替代人工破骨细胞图像分析，以加速骨质疏松症研究	小鼠和人类的破骨细胞	计算机视觉	骨质疏松症	深度学习	实例分割模型	图像	约2 × 10个专家标注的小鼠破骨细胞掩码
10804	2024-12-14	Systematic Review of Emotion Detection with Computer Vision and Deep Learning 2024-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s24113484 PMID:38894274	综述	本文对使用深度学习和计算机视觉进行面部和姿态情绪识别的研究进行了系统性综述	提出了一个分类法，描述了用于情绪检测的表情类型、测试环境、当前相关的深度学习方法以及使用的数据集	未明确分类混合和增强模型	对使用深度学习方法和计算机视觉进行面部和姿态情绪识别的研究进行系统性综述	面部和姿态情绪识别	计算机视觉	NA	深度学习	卷积神经网络（CNN）、区域卷积神经网络（R-CNN）、视觉变换器（ViT）、其他神经网络（NNs）	图像	分析了77篇来自不同来源的论文
10805	2024-12-14	Unsupervised deep representation learning enables phenotype discovery for genetic association studies of brain imaging 2024-04-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06096-7 PMID:38580839	研究论文	本文提出了一种使用无监督深度表示学习来推导脑成像表型的方法，并进行了全基因组关联研究	本文创新性地使用无监督深度学习方法推导出无偏、可遗传且可解释的脑成像表型，这些表型在先前的研究中未被报道	本文的局限性在于仅使用了UK Biobank的数据集，未来研究可以扩展到其他数据集以验证结果的普适性	研究目的是通过无监督深度学习方法推导出新的脑成像表型，并进行全基因组关联研究以理解脑结构的遗传基础	研究对象是UK Biobank参与者的T1和T2-FLAIR脑MRI数据	计算机视觉	NA	无监督深度表示学习	3D卷积自编码器	图像	6130名UK Biobank参与者的T1或T2-FLAIR脑MRI数据，以及22,880名发现队列和12,359/11,265名T1/T2复制队列的参与者
10806	2024-12-14	VespAI: a deep learning-based system for the detection of invasive hornets 2024-04-03, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-05979-z PMID:38570722	研究论文	本文介绍了一种基于深度学习的自动化系统VespAI，用于快速检测入侵的黄蜂Vespa velutina	VespAI系统结合了标准化的监测站与深度YOLOv5s架构和ResNet骨干网络，通过端到端的定制管道进行训练，实现了实时检测黄蜂并发送图像警报	NA	开发一种高效的自动化系统，用于早期检测和控制入侵黄蜂的扩散	入侵黄蜂Vespa velutina	计算机视觉	NA	深度学习	YOLOv5s, ResNet	图像	NA
10807	2024-12-14	Convolutional neural network deep learning model accurately detects rectal cancer in endoanal ultrasounds 2024-Apr-01, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-02917-3 PMID:38561492	研究论文	本研究开发并验证了一种基于深度学习的卷积神经网络模型，用于在非专业医疗中心通过内镜超声准确检测直肠癌	本研究首次在非专业医疗中心环境中应用深度学习模型，通过内镜超声提高直肠癌检测的准确性和敏感性	研究样本量较小，仅使用了294张图像，可能影响模型的泛化能力	开发和验证一种深度学习模型，以提高非专业医疗中心通过内镜超声检测直肠癌的准确性	直肠癌的检测	计算机视觉	直肠癌	深度学习	卷积神经网络	图像	294张内镜超声图像
10808	2024-12-14	Deep learning for automated segmentation in radiotherapy: a narrative review 2024-Jan-23, The British journal of radiology DOI:10.1093/bjr/tqad018 PMID:38263838	综述	本文对深度学习技术在放射治疗计划中的自动分割应用进行了描述性综述	本文总结了U-net作为最常用的卷积神经网络架构在放射治疗计划中的应用	大多数研究缺乏外部验证，且缺乏统一的评估指标	探讨深度学习技术在放射治疗计划中自动分割的应用	脑部、头颈部、肺部、腹部和盆腔癌症的图像分割	机器学习	NA	深度学习	卷积神经网络（CNN）	图像	涉及多个临床子站点，但具体样本量未提及
10809	2024-12-14	Unveiling the economic potential of sports industry in China: A data driven analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310131 PMID:39264965	研究论文	本文通过采用深度学习算法和数据挖掘方法，分析了中国体育产业的经济动态，并提出了一个专门的经济模型来量化其经济效益	本文首次采用深度学习和数据挖掘技术构建了一个经济模拟框架，专门针对体育产业的复杂动态	NA	填补体育产业经济效益量化方面的研究空白	中国体育产业的经济动态	机器学习	NA	数据挖掘	深度学习算法	数据	2012年至2022年的体育产业数据
10810	2024-12-14	A review on optimization of Wilms tumour management using radiomics 2024-Jan, BJR open DOI:10.1093/bjro/tzae034 PMID:39483333	综述	本文综述了放射组学在Wilms肿瘤管理中的应用及其在诊断、预后和治疗中的潜力	放射组学作为一种人工智能工具，能够提取肿瘤形态学和分期信息，为Wilms肿瘤的管理提供了新的方法	目前仍需进一步研究和验证，以提高算法的准确性、可重复性和可靠性	探讨放射组学在Wilms肿瘤管理中的应用及其未来在自动化辅助治疗中的潜力	Wilms肿瘤及其在诊断、预后和治疗中的应用	机器学习	儿科肿瘤	放射组学	深度学习	图像	NA
10811	2024-12-14	MLR-predictor: a versatile and efficient computational framework for multi-label requirements classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1481581 PMID:39664103	研究论文	提出了一种名为MLR-Predictor的多标签需求分类计算框架，通过创新的OkapiBM25模型和逻辑回归分类器，实现了高效的需求分类	MLR-Predictor使用OkapiBM25模型将需求文本转换为统计向量，并将多标签分类问题转换为多类分类问题，显著提高了分类性能	NA	开发一种高效的多标签需求分类方法，以提高软件开发的成功率	多标签需求分类问题	机器学习	NA	OkapiBM25模型，逻辑回归分类器	逻辑回归	文本	三个公开基准需求分类数据集
10812	2024-12-14	Detecting and localizing cervical lesions in colposcopic images with deep semantic feature mining 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1423782 PMID:39664173	研究论文	本研究探讨了利用深度语义特征从阴道镜图像中检测和定位宫颈病变的可能性	提出了一个基于分割的深度学习架构，结合图像分割和分类的两阶段决策模型，并使用迁移学习创建了针对阴道镜图像的特征提取器，通过注意力机制增强多尺度数据的精确分割	未提及具体的局限性	研究利用人工智能模型通过深度语义特征检测和定位宫颈病变	宫颈病变在阴道镜图像中的检测和定位	计算机视觉	妇科疾病	深度学习	深度解码网络	图像	未提及具体样本数量
10813	2024-12-14	Deep-Learning-Based Radiomics to Predict Surgical Risk Factors for Lumbar Disc Herniation in Young Patients: A Multicenter Study 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S493302 PMID:39664265	研究论文	本研究开发并验证了一种基于深度学习的放射组学模型，用于预测年轻患者腰椎间盘突出症的手术风险因素	本研究创新性地结合了临床特征和深度学习放射组学特征，开发了一种深度学习放射组学列线图（DLRN），显著提高了预测手术风险因素的准确性	本研究为回顾性分析，样本来自两家医疗中心，可能存在选择偏倚	开发并验证一种能够预测年轻患者腰椎间盘突出症手术风险因素的深度学习放射组学模型，以辅助临床医生识别手术候选者，缓解症状并改善预后	年轻患者的腰椎间盘突出症手术风险因素	机器学习	腰椎间盘突出症	放射组学	支持向量机（SVM）	图像	来自两家医疗中心的年轻患者
10814	2024-12-14	Prediction of Human Papillomavirus-Host Oncoprotein Interactions Using Deep Learning 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241304666 PMID:39664297	研究论文	本研究开发了一种深度学习模型，用于预测人乳头瘤病毒（HPV）与宿主癌蛋白之间的相互作用	本研究首次使用深度学习模型预测HPV与宿主蛋白的相互作用，相比传统方法更高效	本研究的局限性在于仅使用了Eckhardt等人的数据集，可能存在数据偏差	开发一种高效的计算模型来预测HPV与宿主蛋白的相互作用	HPV 31和18的E6和E7蛋白与宿主癌蛋白AKT、IQGAP1和MMP16的相互作用	机器学习	宫颈癌	深度学习	RNN	蛋白质相互作用数据	使用了Eckhardt等人提供的HPV与宿主蛋白相互作用数据
10815	2024-12-14	Language task-based fMRI analysis using machine learning and deep learning 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1495181 PMID:39664795	研究论文	本研究探讨了使用机器学习和深度学习算法对基于任务的语言功能磁共振成像（fMRI）数据进行分类，以识别与语言相关的大脑区域	本研究首次将机器学习和深度学习方法应用于基于任务的语言fMRI数据分析，特别是针对非结构化fMRI范式的语言区域识别	本研究的样本量较小，且仅使用了七种任务范式，可能限制了结果的普适性	研究目的是评估不同机器学习和深度学习算法在基于任务的语言fMRI数据分类中的有效性	研究对象是基于任务的语言fMRI数据，用于识别与语言相关的大脑区域	机器学习	NA	功能磁共振成像（fMRI）	机器学习（ML）和深度学习（DL）	时间序列	26名个体
10816	2024-12-14	Deep learning based landmark detection for measuring hock and knee angles in sows 2024, Translational animal science IF:1.3Q3 DOI:10.1093/tas/txad033 PMID:39664862	研究论文	本文提出了一种基于深度学习的视觉方法，用于自动从母猪图像中确定跗关节和膝关节角度	本文创新性地使用深度学习模型来自动检测母猪图像中的关键身体标志，并通过三角公式计算跗关节和膝关节角度，实现了自动化测量	NA	开发一种自动化的方法来测量母猪的跗关节和膝关节角度，以优化母猪繁殖单元的管理	母猪的跗关节和膝关节角度	计算机视觉	NA	深度学习	深度学习模型	图像	NA
10817	2024-12-14	Development of a deep learning model for automatic detection of narrowed intervertebral disc space sites in caudal thoracic and lumbar lateral X-ray images of dogs 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1453765 PMID:39664893	研究论文	本研究开发了一种深度学习模型，用于自动检测狗的胸腰椎侧位X光片中椎间盘空间狭窄的部位	首次使用大核一维卷积神经网络量化椎间盘空间距离并检测狭窄部位	样本量相对较小，且仅限于胸腰椎侧位X光片	开发一种自动检测狗椎间盘空间狭窄的深度学习模型，辅助椎间盘疾病的初步筛查和病变定位	狗的胸腰椎侧位X光片中的椎间盘空间狭窄	计算机视觉	犬科疾病	深度学习	一维卷积神经网络	图像	241张胸腰椎侧位X光片，来自142只狗
10818	2024-12-14	AppleLeafNet: a lightweight and efficient deep learning framework for diagnosing apple leaf diseases 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1502314 PMID:39665107	研究论文	本文设计了一种轻量级深度学习框架AppleLeafNet，用于诊断苹果叶病害	提出了一种轻量级深度学习模型，通过两阶段框架实现苹果叶健康状况和病害的分类，相比其他预训练模型具有更少的可学习参数	未提及具体的研究局限性	开发一种高效的深度学习框架，用于准确识别苹果叶病害	苹果叶的健康状况和病害类型	计算机视觉	NA	深度学习	深度学习模型	图像	使用了一个在线可用的数据集进行验证
10819	2024-12-14	Interpretable Diabetic Retinopathy Diagnosis Based on Biomarker Activation Map 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3290541 PMID:37405891	研究论文	本文介绍了一种基于生成对抗学习的生物标志物激活图（BAM）框架，用于解释基于光学相干断层扫描（OCT）和其血管造影（OCTA）的糖尿病视网膜病变（DR）自动诊断	提出了一个新颖的生物标志物激活图（BAM）框架，通过生成对抗学习使分类器的决策过程可解释	NA	开发一种可解释的糖尿病视网膜病变诊断方法，帮助临床医生验证和理解分类器的决策	糖尿病视网膜病变（DR）的自动诊断	机器学习	糖尿病视网膜病变	生成对抗学习	生成对抗网络（GAN）	图像	456个黄斑扫描数据
10820	2024-12-14	A Novel Approach Analysing the Dynamic Brain Functional Connectivity for Improved MCI Detection 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3294511 PMID:37436866	研究论文	本研究提出了一种新的动态脑功能连接分析方法，用于改进轻度认知障碍的检测	本研究提出了几种新的特征用于动态脑功能连接分析，并展示了其在轻度认知障碍检测中的优越性能	本研究未详细讨论所提出方法在计算效率和可解释性方面的改进	探索动态脑功能连接分析中几种新特征的可行性，以实现可靠的轻度认知障碍检测	健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的动态脑功能连接	机器学习	老年疾病	功能磁共振成像	支持向量机	图像	包含健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的公共静息态功能磁共振成像数据集