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
12621	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
12622	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
12623	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
12624	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
12625	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
12626	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
12627	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
12628	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
12629	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
12630	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
12631	2024-12-14	Image-Decomposition-Enhanced Deep Learning for Detection of Rotor Cores in Cardiac Fibrillation 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3292383 PMID:37440380	研究论文	本研究开发了一种基于图像分解增强的深度学习框架，用于自动识别心房颤动中的转子核心	采用集成经验模态分解算法（EEMD）对原始图像进行分解，并将最具代表性的成分输入YOLO目标检测架构进行转子检测	NA	开发一种自动识别心房颤动中转子核心的深度学习框架	心房颤动中的转子核心	计算机视觉	心血管疾病	集成经验模态分解算法（EEMD）	YOLO	图像	来自双域模拟模型的模拟数据和从离体兔心中获取的光学映射数据
12632	2024-12-14	Location-Aware Encoding for Lesion Detection in 68Ga-DOTATATE Positron Emission Tomography Images 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3297249 PMID:37471190	研究论文	本文提出了一种新的单阶段病变检测方法，使用68Ga-DOTATATE正电子发射断层扫描（PET）图像进行病变检测	本文创新性地设计了一个可插拔的代码本学习模块，并将其集成到U-Net类似的神经网络中，以促进多尺度病变位置特定特征学习	NA	开发一种高效的单阶段病变检测方法，以提高神经内分泌肿瘤（NETs）患者的治疗效果	68Ga-DOTATATE PET图像中的病变检测	计算机视觉	神经内分泌肿瘤	深度学习	U-Net	图像	NA
12633	2024-12-14	A neural machine translation method based on split graph convolutional self-attention encoding 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1886 PMID:39669465	研究论文	提出了一种基于分割图卷积自注意力编码的神经机器翻译方法，以更好地利用句法依赖关系并降低模型复杂度	提出了基于分割图卷积自注意力编码（SGSE）的新方法，结合了分割自注意力网络和句法语义自注意力网络，有效利用了非欧几里得空间中的句法依赖关系	未提及具体的局限性	提高跨语言协作团队成员之间的沟通效率	跨语言协作团队中的沟通效率	自然语言处理	NA	神经机器翻译（NMT）	分割图卷积自注意力编码（SGSE）	文本	多个标准数据集以及涉及团队协作和企业管理场景的数据集
12634	2024-12-14	DraiNet: AI-driven decision support in pneumothorax and pleural effusion management 2023-Dec-27, Pediatric surgery international IF:1.5Q3 DOI:10.1007/s00383-023-05609-5 PMID:38151565	研究论文	本文介绍了DraiNet，一种用于检测儿童气胸和胸腔积液的深度学习模型，旨在辅助评估是否需要胸管引流	DraiNet通过结合深度学习算法和临床专业知识，提供了一个有价值的工具，用于非外科团队和急诊室医生在手术干预方面的决策支持	NA	开发一种AI驱动的决策支持工具，以增强在气胸和胸腔积液管理中的临床决策	儿童气胸和胸腔积液的检测	计算机视觉	气胸	深度学习	深度学习模型	CT扫描图像	多样化的儿童CT扫描数据集，由经验丰富的外科医生仔细标注
12635	2024-12-14	Flexible Gel-Free Multi-Modal Wireless Sensors With Edge Deep Learning for Detecting and Alerting Freezing of Gait Symptom 2023-10, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2023.3281596 PMID:37256796	研究论文	开发了一种灵活的无凝胶多模态无线传感器，结合边缘深度学习技术用于检测和预警帕金森病患者的步态冻结症状	提出了一个新颖的轻量级深度学习模型，并在低功耗微控制器上进行推理，实现了高检测灵敏度和特异性	需要进一步的临床实验来验证其在实际应用中的效果	开发一种能够检测和预警步态冻结症状的可穿戴传感器，以帮助帕金森病患者预防跌倒	帕金森病患者的步态冻结症状	机器学习	神经退行性疾病	深度学习	深度学习模型	多模态数据	NA
12636	2024-12-14	Novel Wearable HD-EMG Sensor With Shift-Robust Gesture Recognition Using Deep Learning 2023-10, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2023.3314053 PMID:37695958	研究论文	本文介绍了一种硬件-软件解决方案，通过使用深度学习提高肌电控制中手势识别的鲁棒性	提出了新型可穿戴64通道高密度肌电图（HD-EMG）传感器EMaGer，并结合卷积神经网络（CNN）和抗混叠CNN（AA-CNN）提出了阵列桶移数据增强（ABSDA）方法，以提高分类鲁棒性	NA	提高肌电控制中手势识别的鲁棒性	非截肢参与者的手势识别	机器学习	NA	高密度肌电图（HD-EMG）	卷积神经网络（CNN）	信号	12名非截肢参与者
12637	2024-12-14	Federated Learning in Risk Prediction: A Primer and Application to COVID-19-Associated Acute Kidney Injury 2023, Nephron IF:2.3Q2 DOI:10.1159/000525645 PMID:35835066	研究论文	本文介绍了联邦学习在风险预测中的应用，特别是针对COVID-19相关急性肾损伤的情况	联邦学习提供了一种替代单机构方法的功能性选择，同时避免了数据共享的陷阱	NA	展示联邦学习在COVID-19相关急性肾损伤风险预测中的应用	COVID-19相关急性肾损伤的风险预测	机器学习	急性肾损伤	联邦学习	NA	数据	NA
12638	2024-12-14	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本文开发并验证了一种基于深度学习模型的算法，用于在非洲通过视频监控结核病治疗中的药物依从性	本文首次在临床环境中评估了人工智能在药物依从性监测中的应用，并展示了其在资源有限的环境中的潜力	由于缺乏公开的特定药物摄入视频帧数据集，本文未进行外部验证	开发一种深度学习模型，用于简单二分类和确认结核病治疗中的药物依从性，以提高视频监控患者的效率	成年结核病患者在乌干达进行的视频观察疗法研究中的药物摄入视频图像	计算机视觉	结核病	深度学习	卷积神经网络	视频	861个视频图像，其中497个用于训练模型，405个为正样本，92个为负样本
12639	2024-12-14	KIT-LSTM: Knowledge-guided Time-aware LSTM for Continuous Clinical Risk Prediction 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9994931 PMID:37131483	研究论文	本文提出了一种名为KIT-LSTM的新方法，用于使用电子健康记录（EHR）进行连续的死亡率预测	KIT-LSTM通过引入两个时间感知门和一个知识感知门扩展了LSTM，以更好地建模EHR并解释结果	NA	精确和及时地预测患者的临床风险	急性肾损伤伴透析（AKI-D）患者的EHR数据	机器学习	NA	LSTM	KIT-LSTM	时间序列数据	NA
12640	2024-12-14	KGDAL: Knowledge Graph Guided Double Attention LSTM for Rolling Mortality Prediction for AKI-D Patients 2021-Aug, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3459930.3469513 PMID:34541583	研究论文	本文提出了一种名为KGDAL的知识图谱引导的双注意力LSTM模型，用于预测需要透析的急性肾损伤（AKI-D）重症患者的滚动死亡率	KGDAL模型通过构建基于知识图谱的二维注意力机制，在时间和特征空间中进行双重注意力处理，从而提高了预测性能	NA	提高需要透析的急性肾损伤重症患者的滚动死亡率预测准确性，并帮助医疗提供者做出及时决策	需要透析的急性肾损伤（AKI-D）重症患者	机器学习	急性肾损伤	知识图谱，深度学习	LSTM	电子健康记录（EHR）数据	两个大型医疗数据集