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
11421	2024-12-17	Classifying histopathological growth patterns for resected colorectal liver metastasis with a deep learning analysis 2024-Oct-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zrae127 PMID:39471410	研究论文	本研究开发并验证了一种深度学习算法，用于区分结直肠癌肝转移的纤维化和非纤维化组织病理学生长模式	本研究首次使用神经图像压缩技术来自动分类结直肠癌肝转移的组织病理学生长模式	本研究仅在两个机构的数据集上进行了验证，可能需要进一步的多中心验证	开发一种高效、客观且自动化的组织病理学生长模式评分方法，以帮助其在日常实践和研究中的应用	结直肠癌肝转移的组织病理学生长模式	数字病理学	结直肠癌	深度学习	神经图像压缩	图像	开发集包括932名患者的3641张全切片图像，验证集包括870张全切片图像
11422	2024-12-17	Automatic kidney stone identification: an adaptive feature-weighted LSTM model based on urine and blood routine analysis 2024-Oct-14, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-024-01644-6 PMID:39402276	研究论文	本研究利用尿常规和血常规检测指标构建深度学习模型，用于早期识别肾结石	提出了基于LSTM的自适应特征加权模型，用于早期肾结石的识别，并与其他模型进行了比较	研究仅使用了单个医院的回顾性数据，样本量有限，可能存在偏倚	利用常规尿液和血液检测指标构建深度学习模型，早期识别肾结石	肾结石患者和健康人群的尿常规和血常规数据	机器学习	泌尿系统疾病	深度学习	LSTM	文本	2360人，包括1130名肾结石患者和1230名健康受试者
11423	2024-12-17	A brief survey on human activity recognition using motor imagery of EEG signals 2024-Oct, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2415089 PMID:39425602	综述	本文综述了基于运动想象（MI）和脑电图（EEG）信号的人类活动识别（HAR）方法	本文总结了现有的基于MI-EEG信号的HAR方法，并讨论了研究中的空白和局限性	本文主要讨论了现有技术的局限性，并指出了未来研究的方向	探讨基于MI-EEG信号的HAR方法及其挑战	基于MI-EEG信号的人类活动识别方法	机器学习	NA	脑电图（EEG）	机器学习（ML）和深度学习（DL）模型	信号	50篇研究文章
11424	2024-12-17	Segmentation and classification of brain tumor using Taylor fire hawk optimization enabled deep learning approach 2024-Oct, Electromagnetic biology and medicine IF:1.6Q4 DOI:10.1080/15368378.2024.2421202 PMID:39514821	研究论文	本文提出了一种基于Taylor Fire Hawk优化（TFHO）的深度学习方法，用于脑肿瘤的分割和分类	本文创新性地将Taylor系列与Fire Hawk优化器（FHO）结合，形成TFHO，用于脑肿瘤的分割和分类	NA	旨在提高脑肿瘤的早期诊断和准确分类	脑肿瘤	计算机视觉	NA	深度学习	DenseNet	图像	NA
11425	2024-12-17	Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72111-3_11 PMID:39677326	研究论文	本文提出了一种新的2.5D跨切片注意力模型，结合证据关键损失，用于在MR图像中进行不确定性感知的前列腺癌检测	创新点包括引入2.5D跨切片注意力模型，利用全局和局部信息，并结合证据关键损失进行证据深度学习，以提高前列腺癌检测的性能和不确定性估计	NA	旨在改进基于深度学习的前列腺癌检测模型，特别是通过引入不确定性估计来辅助临床决策	前列腺癌的MR图像检测	计算机视觉	前列腺癌	深度学习	2.5D跨切片注意力模型	图像	两个不同数据集
11426	2024-12-17	Subject-level spinal osteoporotic fracture prediction combining deep learning vertebral outputs and limited demographic data 2024-Sep-10, Archives of osteoporosis IF:3.1Q1 DOI:10.1007/s11657-024-01433-z PMID:39256211	研究论文	本文提出了一种结合深度学习椎体骨折评分和有限人口统计数据的方法，用于预测脊柱骨质疏松性骨折	本文的创新点在于将深度学习椎体骨折评分与人口统计数据结合，实现了对脊柱骨质疏松性骨折的高精度预测	本文的局限性在于仅使用了有限的人口统计数据，可能无法全面反映个体的骨折风险	本文的研究目的是开发一种自动化筛查方法，用于预测脊柱骨质疏松性骨折	本文的研究对象是脊柱骨质疏松性骨折的预测	计算机视觉	骨质疏松症	卷积神经网络	卷积神经网络	图像	大量放射影像数据
11427	2024-12-17	Enhancing accuracy and interpretability of multi-steps water demand prediction through prior knowledge integration in neural network architecture 2024-Sep-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100247 PMID:39678433	研究论文	本文提出了一种新的城市用水需求预测神经网络（UWDFNet），通过整合领域特定的先验知识来提高预测的准确性和可解释性	创新性地将水供应管理中的领域特定先验知识纳入神经网络结构设计，并验证了模型学习到的知识与先验知识的一致性	未提及具体的局限性	提高多步用水需求预测模型的准确性和可解释性	城市用水需求预测	机器学习	NA	神经网络	神经网络	数值数据	未提及具体样本数量
11428	2024-12-17	Deep learning microstructure estimation of developing brains from diffusion MRI: A newborn and fetal study 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103186 PMID:38701657	研究论文	本文提出了一种基于深度学习的方法，通过少量扩散加权测量来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	本文的创新点在于使用深度学习方法，通过仅六个扩散加权测量来估计FOD，相比传统方法和现有的深度学习方法，取得了更好的结果	本文指出扩散加权磁共振成像（dMRI）在探测发育中大脑微结构时存在固有的局限性	研究目的是开发一种新的深度学习方法，用于从有限的扩散加权磁共振成像数据中估计发育中大脑的纤维方向分布函数	研究对象是新生儿和胎儿的大脑白质	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	涉及两个临床外部数据集的新生儿和胎儿样本
11429	2024-12-17	The utility of artificial intelligence in identifying radiological evidence of lung cancer and pulmonary tuberculosis in a high-burden tuberculosis setting 2024-05-31, South African medical journal = Suid-Afrikaanse tydskrif vir geneeskunde DOI:10.7196/SAMJ.2024.v114i6.1846 PMID:39041503	研究论文	评估qXR软件在识别高负担结核病环境中肺部影像中肺癌和肺结核的效用	利用人工智能（AI）和深度学习（DL）系统检测肺部疾病的影像学变化，特别是在资源有限的医疗系统中	研究样本量有限，且仅在一家三级医疗机构进行	评估qXR软件在检测肺部影像中肺癌或肺结核的效用	382张胸部X光片，包括127张肺癌、144张肺结核和111张正常影像	计算机视觉	肺结核	深度学习（DL）	NA	影像	382张胸部X光片
11430	2024-12-17	Deep learning for cross-region streamflow and flood forecasting at a global scale 2024-May-06, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2024.100617 PMID:39677966	研究论文	本文提出了一种名为编码器-解码器双层长短期记忆网络（ED-DLSTM）的混合深度学习模型，用于全球范围内的跨区域径流和洪水预报	本文的创新点在于提出了ED-DLSTM模型，该模型结合了深度学习和传统水文模型的优点，能够有效处理全球范围内（包括有测站和无测站）的流域径流预报问题，并通过空间属性编码模块增强了模型的跨区域能力	本文的局限性在于未详细讨论模型的计算复杂度和实际应用中的计算资源需求	研究目的是解决全球范围内径流和洪水预报的挑战，特别是在无测站流域中的应用	研究对象包括全球范围内的2000多个有测站流域和160个无测站流域	机器学习	NA	深度学习	编码器-解码器双层长短期记忆网络（ED-DLSTM）	历史数据	超过2000个有测站流域和160个无测站流域
11431	2024-12-17	On-demand Doppler-offset beamforming with intelligent spatiotemporal metasurfaces 2024-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0569 PMID:39679235	研究论文	本文介绍了一种基于深度学习的时空超表面技术，用于在高速移动场景中自动和自适应地消除多普勒效应	提出了深度学习辅助的时空超表面，能够自动和自适应地消除高速移动场景中的多普勒效应，并展示了在微波实验中实现多普勒偏移波束成形的能力	NA	解决高速移动场景中多普勒效应对通信服务质量的影响	时空超表面在高速移动场景中的应用	机器学习	NA	深度学习	神经网络	电磁波	NA
11432	2024-12-17	External validation of a deep learning model for predicting bone mineral density on chest radiographs 2024-Mar-13, Archives of osteoporosis IF:3.1Q1 DOI:10.1007/s11657-024-01372-9 PMID:38472499	研究论文	本文开发并验证了一种用于在胸部X光片上预测骨密度的深度学习模型	提出了一个新的深度学习模型用于预测骨密度，并通过外部验证展示了其临床应用潜力	NA	开发和验证一种在胸部X光片上预测骨密度的深度学习模型	骨密度预测	计算机视觉	NA	深度学习	深度学习模型	图像	NA
11433	2024-12-17	Self-supervised learning-based cervical cytology for the triage of HPV-positive women in resource-limited settings and low-data regime 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107809 PMID:38113684	研究论文	本文提出了一种基于自监督学习的宫颈细胞学方法，用于资源有限和数据匮乏环境下HPV阳性女性的筛查	提出了Cervical Cell Copy-Pasting（CP）作为有效的数据增强方法，并展示了其在多种下游任务中的性能提升	实验仅基于内部数据集，可能限制了方法的普适性	开发一种适用于资源有限环境的深度学习辅助宫颈细胞学诊断方法	HPV阳性女性的宫颈细胞学筛查	数字病理学	宫颈癌	自监督学习	NA	图像	使用了基于低成本技术获取的液基细胞学宫颈涂片图像
11434	2024-12-17	MSDSE: Predicting drug-side effects based on multi-scale features and deep multi-structure neural network 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107812 PMID:38091725	研究论文	提出了一种基于多尺度特征和深度多结构神经网络的药物副作用预测模型MSDSE	MSDSE综合考虑了药物的多尺度特征，包括SMILES序列的词嵌入、子结构分子指纹和化学结构图嵌入，并通过双层通道策略从局部到全局学习多模态特征	NA	开发一种适用于早期药物副作用筛选的深度学习框架	药物副作用的预测	机器学习	NA	深度学习	卷积神经网络、多头自注意力机制	文本、图	基准数据集
11435	2024-12-17	AttCON: With better MSAs and attention mechanism for accurate protein contact map prediction 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107822 PMID:38091726	研究论文	本文提出了一种改进的蛋白质接触图预测算法AttCON，结合了改进的多序列比对生成算法DeepMSA+和基于注意力机制的深度学习模型	提出了DeepMSA+算法用于生成蛋白质多序列比对，并构建基于共进化信息和序列信息的特征表示；引入了参数无关的注意力模块，并使用Focal Loss函数解决数据不平衡问题；开发了加权评估指标W score，特别关注中程和长程接触预测的精度	未提及具体局限性	提高蛋白质接触图预测的准确性	蛋白质接触图预测	机器学习	NA	多序列比对	深度学习模型	序列	使用了CASP11到CASP15的数据集
11436	2024-12-17	Beyond human in neurosurgical exams: ChatGPT's success in the Turkish neurosurgical society proficiency board exams 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107807 PMID:38091727	研究论文	本研究比较了ChatGPT在土耳其神经外科协会熟练度委员会考试中的表现与实际考生的表现，并分析了其回答错误的问题类型及其回答质量	ChatGPT在考试中的表现优于实际考生，且其回答的清晰度与问题难度无关	未提及	评估ChatGPT在神经外科考试中的表现	ChatGPT在土耳其神经外科协会熟练度委员会考试中的表现	自然语言处理	NA	深度学习	Chat Generative Pre-Trained Transformer (ChatGPT)	文本	260名考生和523个问题
11437	2024-12-17	Generating bulk RNA-Seq gene expression data based on generative deep learning models and utilizing it for data augmentation 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107828 PMID:38101117	研究论文	本研究利用生成式深度学习模型生成批量RNA-Seq基因表达数据，并将其用于数据增强	首次使用生成对抗网络（GAN）和扩散模型（DM）生成高质量的批量RNA-Seq基因表达数据，并通过数据增强显著提升了分类模型的性能	未提及具体的局限性	开发一种基于生成式深度学习模型的方法，用于生成高质量的批量RNA-Seq基因表达数据，以增强下游任务的性能和可靠性	批量RNA-Seq基因表达数据	机器学习	NA	RNA-Seq	生成对抗网络（GAN）、扩散模型（DM）	基因表达数据	使用了迄今为止最大的数据集进行模型训练
11438	2024-12-17	Pancreatic cancer pathology image segmentation with channel and spatial long-range dependencies 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107844 PMID:38103482	研究论文	本文提出了一种用于胰腺癌病理图像分割的通道和空间自注意力模块，以有效捕捉长距离特征依赖	引入了通道和空间自注意力模块，能够高效捕捉通道和空间上的长距离特征依赖，并提出了重新加权的交叉熵损失来缓解长尾分布对性能的影响	未提及	提高胰腺癌病理图像分割的准确性，以辅助病理学家实现更好的治疗效果	胰腺癌病理图像	数字病理学	胰腺癌	深度学习	自注意力机制	图像	使用了PCPI数据集和GlaS挑战数据集
11439	2024-12-17	Medical image identification methods: A review 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107777 PMID:38104516	综述	本文综述了医学图像识别方法，分析和总结了机器学习、深度学习、卷积神经网络、迁移学习等技术在医学图像分析中的应用	强调了不同方法在医学图像分析中的最新进展和贡献，并总结了不同应用场景下的应用	未具体讨论每种方法的局限性	提供医学图像识别方法的全面概述，并探讨未来研究方向	医学图像识别方法及其在不同医学图像分析任务中的应用	计算机视觉	NA	机器学习、深度学习、卷积神经网络、迁移学习	卷积神经网络	图像	NA
11440	2024-12-17	A deep learning model for Alzheimer's disease diagnosis based on patient clinical records 2024-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.107814 PMID:38113682	研究论文	本文提出了一种基于患者临床记录的深度学习模型，用于阿尔茨海默病（AD）的诊断	本文的创新点在于使用深度学习模型对AD风险因素进行分类，以减少误诊的影响	本文未详细说明所使用的重平衡方法和模型调优的具体细节	开发一种使用痴呆患者临床数据的深度学习模型，用于分类是否患有AD	痴呆患者的临床记录	机器学习	阿尔茨海默病	深度学习	神经网络模型	文本	未具体说明样本数量