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
10901	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
10902	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
10903	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
10904	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
10905	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
10906	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
10907	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
10908	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
10909	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
10910	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
10911	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
10912	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
10913	2024-12-18	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Dec-09, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13376 PMID:39651611	研究论文	本研究比较了五种荧光显微技术在成像紧密排列的细胞内细菌微菌落时的分辨能力	本研究首次将3D-STED显微技术与深度学习软件Cellpose结合，用于分析细胞内细菌的三维形状和大小	本研究仅比较了五种显微技术，未涵盖所有可能的超分辨率显微技术	比较不同超分辨率显微技术在成像紧密排列的细胞内细菌微菌落时的优缺点	细胞内细菌Orientia tsutsugamushi (Ot)的微菌落	生物显微技术	NA	荧光显微技术（标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM、STED）	深度学习模型（Cellpose）	图像	不同哺乳动物细胞系中培养的Orientia tsutsugamushi (Ot)细菌
10914	2024-12-18	Contrastive Clustering-Based Patient Normalization to Improve Automated In Vivo Oral Cancer Diagnosis from Multispectral Autofluorescence Lifetime Images 2024-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16234120 PMID:39682305	研究论文	本文提出了一种基于对比聚类的患者归一化方法，用于改进从多光谱自体荧光寿命图像中自动诊断口腔癌	本文的创新点在于提出了一种基于对比学习的预训练方法，使网络能够在不需要参考样本的情况下进行患者归一化，并使用多任务框架减少过拟合	本文的局限性在于其方法是为特定的成像模式设计的，可能需要进一步验证其在其他非传统成像模式中的适用性	本文的研究目的是改进从多光谱自体荧光寿命图像中自动诊断口腔癌的准确性	本文的研究对象是多光谱自体荧光寿命图像中的口腔癌诊断	计算机视觉	口腔癌	多光谱自体荧光寿命成像	神经网络	图像	67名患者
10915	2024-12-18	Comprehensive Insights into Artificial Intelligence for Dental Lesion Detection: A Systematic Review 2024-Dec-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232768 PMID:39682676	综述	本文对人工智能在牙科病变检测中的应用进行了系统的综述	本文总结了当前深度学习模型在不同成像技术中检测牙科病变的最新方法，并提出了针对现有挑战的可能解决方案	本文的局限性在于其为综述性质，未提出新的模型或技术	探讨人工智能在牙科病变检测中的应用现状及未来发展	牙科病变检测中的深度学习模型及数据增强技术	计算机视觉	NA	深度学习	U-Net, AlexNet, YOLOv8	图像	29项主要研究
10916	2024-12-18	Discovery of a Small Molecule with an Inhibitory Role for RAB11 2024-Dec-09, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms252313224 PMID:39684933	研究论文	本文通过计算筛选和实验验证相结合的方法，发现了一种能够抑制RAB11的小分子化合物	首次发现了一种能够抑制RAB11的小分子化合物，并通过计算筛选和实验验证相结合的方法进行了验证	研究仅限于体外实验和计算筛选，尚未进行体内实验和临床验证	发现能够抑制RAB11的小分子化合物，以期为治疗RAB11相关疾病提供新的途径	RAB11蛋白及其在细胞过程中的作用	NA	NA	深度学习	NA	化合物	94个候选化合物，其中9个通过体外平台验证
10917	2024-12-18	Comprehensive Investigation of Machine Learning and Deep Learning Networks for Identifying Multispecies Tomato Insect Images 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237858 PMID:39686395	研究论文	本文研究了使用卷积神经网络（CNN）对多物种番茄害虫图像进行分类，并比较了不同优化器对分类性能的影响	本文创新性地比较了多种优化器在番茄害虫图像分类任务中的表现，并验证了RMSprop和Nadam优化器在CNN中的有效性	本文未详细讨论数据集的多样性和可能存在的偏差，以及模型在实际应用中的泛化能力	探索和比较不同优化器在番茄害虫图像分类任务中的性能，为农业图像分析提供指导	多物种番茄害虫图像的分类	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	4263张包含八种常见番茄害虫的图像
10918	2024-12-18	Plant Stress Detection Using a Three-Dimensional Analysis from a Single RGB Image 2024-Dec-09, Sensors (Basel, Switzerland) DOI:10.3390/s24237860 PMID:39686397	研究论文	本文提出了一种基于单张RGB图像进行3D重建和深度学习的方法，用于植物应激检测	本文的创新点在于使用单张RGB图像进行3D重建，并通过深度神经网络进行植物应激检测，相比2D分类方法在精确度、召回率和F1分数上均有显著提升	NA	开发一种无需专业人员或侵入性技术即可进行植物应激检测的方法	植物应激检测	计算机视觉	NA	3D重建，深度学习	深度神经网络（DNN）	图像	NA
10919	2024-12-18	Machine and Deep Learning Models for Hypoxemia Severity Triage in CBRNE Emergencies 2024-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232763 PMID:39682671	研究论文	本研究开发了机器学习模型，用于在化学、生物、放射、核和爆炸（CBRNE）紧急情况下预测低氧血症的严重程度	本研究首次在CBRNE紧急情况下使用机器学习模型进行低氧血症严重程度的预测，并比较了树模型和序列模型的性能	本研究主要基于MIMIC-III和IV数据集，未来需要引入多医院数据集以提高模型的广泛适用性	开发和评估机器学习模型在CBRNE紧急情况下预测低氧血症严重程度的有效性	低氧血症的严重程度预测	机器学习	NA	机器学习模型	XGBoost, LightGBM, CatBoost, Random Forests, Voting Classifier, LSTM, GRU	生理数据	MIMIC-III和IV数据集
10920	2024-12-18	Assessing Patient Health Dynamics by Comparative CT Analysis: An Automatic Approach to Organ and Body Feature Evaluation 2024-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14232760 PMID:39682668	研究论文	本文介绍了一种名为RadTA的自动化框架，用于从时间序列CT体积中分析定量影像生物标志物（QIBs），以评估患者健康动态	RadTA框架的创新之处在于其自动化命令行界面、简化的图像分割、全面的特征提取和强大的评估机制，以及使用TotalSegmentator和Body Composition Analysis（BCA）模型进行精确的解剖结构分割	NA	开发一种自动化工具，帮助医学专家在没有深度学习专业知识的情况下进行复杂的放射组学分析	时间序列CT体积中的定量影像生物标志物（QIBs）	数字病理学	NA	放射组学	TotalSegmentator和Body Composition Analysis（BCA）	图像	使用HNSCC-3DCT-RT数据集，包括接受放射治疗的患者CT扫描