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
12641	2024-08-07	Linked color imaging with artificial intelligence improves the detection of early gastric cancer 2024-Aug-05, Digestive diseases (Basel, Switzerland) DOI:10.1159/000540728 PMID:39102801	研究论文	本研究开发了一种基于深度学习框架的计算机辅助检测系统（CADe），用于在白光成像（WLI）和链接彩色成像（LCI）模式下检测胃癌（GC），并比较了CADe与内镜医师的性能	CADe系统在LCI模式下检测胃癌的敏感性显著优于WLI模式，并且使用LCI的CADe敏感性显著高于使用LCI的专家内镜医师	NA	开发和评估一种计算机辅助检测系统（CADe），以提高早期胃癌的检测能力	胃癌（GC）的检测	计算机视觉	胃癌	深度学习	NA	图像	9021张图像来自385名患者，116个LCI和WLI视频来自110名患者
12642	2024-08-07	Heatmap-Based Active Shape Model for Landmark Detection in Lumbar X-ray Images 2024-Aug-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01210-x PMID:39103566	研究论文	本研究提出了一种基于热图的主动形状模型方法，用于提高腰椎X光图像中地标检测的鲁棒性	该方法结合了深度学习的图像分析能力和地标分布的统计形状约束，通过热图响应和主动形状模型来修正地标位置	NA	提高腰椎X光图像中地标检测的准确性和鲁棒性	腰椎X光图像中的地标检测	计算机视觉	NA	卷积神经网络	CNN	图像	3600张腰椎X光图像
12643	2024-08-07	The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review 2024-Aug-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01196-4 PMID:39097662	综述	本文通过系统回顾评估了医学领域中可信AI的数据质量框架，提出了METRIC框架。	提出了METRIC框架，这是一个专门针对医学训练数据的数据质量框架，包含15个意识维度，有助于减少偏见、增加鲁棒性、提高可解释性。	NA	探讨数据质量在医学深度学习应用中的重要性，并提出一个专门的数据质量框架。	医学领域的深度学习应用的数据质量。	机器学习	NA	深度学习	NA	数据集	从5408项研究中筛选出120项符合条件的记录。
12644	2024-08-07	Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning 2024-Aug-02, Communications engineering DOI:10.1038/s44172-024-00254-9 PMID:39095532	research paper	本文介绍了一种使用前视光学相干断层扫描（OCT）探头和深度学习技术进行自动肾癌活检引导的方法	开发了卷积神经网络用于组织识别，与传统的衰减系数方法相比，提供了更准确的癌预测	NA	旨在提高穿刺肾活检过程中的采样准确性	肾癌和正常肾组织的区分	digital pathology	肾癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	10个人类肾脏样本，其中9个为恶性肾癌，1个为良性嗜酸性瘤
12645	2024-08-07	Deep learning predicts the 1-year prognosis of pancreatic cancer patients using positive peritoneal washing cytology 2024-08-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67757-5 PMID:39095474	研究论文	本研究利用深度学习技术分析腹腔冲洗细胞学（CY）标本图像，预测胰腺癌患者的一年预后	首次使用Vision Transformer（ViT）和卷积神经网络（CNN）通过腹腔冲洗细胞学标本图像预测胰腺癌患者的一年预后	NA	探索深度学习在腹腔冲洗细胞学标本图像分析中的应用，以预测胰腺癌患者的一年生存率	胰腺癌患者的腹腔冲洗细胞学标本	计算机视觉	胰腺癌	深度学习	Vision Transformer（ViT）和卷积神经网络（CNN）	图像	88名胰腺癌患者的腹腔冲洗细胞学标本
12646	2024-08-07	Current genomic deep learning models display decreased performance in cell type-specific accessible regions 2024-Aug-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03335-2 PMID:39090688	研究论文	本文评估了在具有不同程度细胞类型特异性的染色质可及区域中，基因组深度学习模型的性能	发现基因组深度学习模型在细胞类型特异性可及区域的准确性降低，并提出了通过增加模型容量来提高性能的策略	改进参考序列预测并不总能提高变异效应预测的性能，需要新的策略来提高变异性能	评估基因组深度学习模型在细胞类型特异性染色质可及区域的性能	基因组深度学习模型在细胞类型特异性染色质可及区域的性能	机器学习	NA	深度学习	CNN	DNA序列	数千个输出（细胞类型和表观遗传标记）
12647	2024-08-07	An ensemble model for accurate prediction of key water quality parameters in river based on deep learning methods 2024-Aug, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121932 PMID:39043087	研究论文	本研究提出基于季节性和趋势分解（STL）方法的两种集成模型TNX和STNX，利用地理传感时间序列数据预测河流中的水质参数	本研究提出的集成模型TNX和STNX在短步长和长步长水质预测中相较于最佳基线深度学习模型分别提高了2.1%-6.1%和4.3%-22.0%的性能，STNX模型在短步长和长步长预测中分别比TNX模型提高了0.5%-2.4%和2.3%-5.7%的性能	模型解释结果显示，随着预测站点与输入站点距离的增加，七个特定监测站点的显著性降低	提高河流水质参数的短步长和长步长预测精度，并理解复杂空间信息对深度学习模型的影响	溶解氧、总磷和氨氮等水质参数	机器学习	NA	深度学习方法	集成模型（TNX和STNX）	地理传感时间序列数据	七个水质监测站点
12648	2024-08-07	Unsupervised deep learning enables real-time image registration of fast-scanning optical-resolution photoacoustic microscopy 2024-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100632 PMID:39100197	研究论文	开发了一种基于无监督深度学习的注册网络，用于实时图像恢复和注册	该方法能够实时纠正B扫描畸变产生的伪影，并消除相邻和重复图像之间的错位，与传统的基于强度的注册算法相比，计算吞吐量提高了50倍	NA	实现光学分辨率光声显微镜快速扫描图像的实时图像恢复和注册	光学分辨率光声显微镜快速扫描图像	计算机视觉	NA	光声显微镜	深度学习网络	图像	NA
12649	2024-08-07	Hybrid brain tumor classification of histopathology hyperspectral images by linear unmixing and an ensemble of deep neural networks 2024-Aug, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12084 PMID:39100499	研究论文	本文提出了一种混合方法，通过线性解混和深度神经网络集成对组织病理学高光谱图像中的脑肿瘤进行分类	该方法结合了线性解混进行特征提取和深度学习进行分类，实现了88%的平均准确率，减少了计算成本和推理时间	NA	研究目的是通过高光谱成像技术对脑组织样本进行肿瘤和非肿瘤的分类	研究对象是脑组织的组织病理学高光谱图像	数字病理学	脑肿瘤	高光谱成像	深度神经网络	图像	NA
12650	2024-08-07	A labelled dataset for rebar counting inspection on construction sites using unmanned aerial vehicles 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110720 PMID:39100779	研究论文	本文详细介绍了使用深度学习对象检测方法创建用于钢筋计数的标注数据集的过程	本文创新地应用了八种数据增强技术来增强训练数据，并创建了九个不同的数据集	NA	旨在通过无人机图像利用深度学习算法提高钢筋在钢筋混凝土结构中的检查准确性	钢筋计数	计算机视觉	NA	深度学习	对象检测	图像	数据集包含874张原始图像，分为训练集524张，验证集175张，测试集175张
12651	2024-08-07	NSTU-BDTAKA: An open dataset for Bangladeshi paper currency detection and recognition 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110701 PMID:39100771	research paper	本文介绍了一个名为'NSTU-BDTAKA'的开放数据集，专门用于孟加拉国纸币的同时检测和识别	该数据集不仅为纸币检测和识别提供基准，还促进了可应用于其他文化物品和对象的检测和识别方法的进步	NA	旨在促进纸币检测和识别模型的开发和评估	孟加拉国纸币（称为'Taka'）的检测和识别	computer vision	NA	图像处理技术、人工智能、深度学习	YOLOv5	image	检测子集包含3,111张高分辨率图像，识别子集包含28,875张图像
12652	2024-08-07	Letter to the editor: Magnetic resonance imaging-based radiomics and deep learning models for predicting lymph node metastasis of squamous cell carcinoma of the tongue 2024-08, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.03.015 PMID:38797626	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12653	2024-08-07	COVIDHealth: A novel labeled dataset and machine learning-based web application for classifying COVID-19 discourses on Twitter 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34103 PMID:39100452	研究论文	本文开发了一种基于机器学习的网络应用程序，用于自动分类Twitter上的COVID-19讨论	首次收集并标记了6,667条与COVID-19相关的推文，并开发了一个公开可访问的网络工具，用于公共卫生研究和实践	NA	解决缺乏标记Twitter数据的问题，实现对COVID-19讨论的主题分类	COVID-19相关的推文	机器学习	NA	机器学习算法和深度学习技术	CNN	文本	6,667条COVID-19相关的推文
12654	2024-08-07	Coordinate-aware three-dimensional neural network for lower extremity arterial stenosis classification in CT angiography 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34309 PMID:39100455	研究论文	本研究开发了一种基于坐标感知的三维深度神经网络的自动分类模型，用于评估下肢CT血管造影中的动脉狭窄程度	提出的坐标感知三维神经网络在准确性上比三维基线模型高出4-5%，比二维基线模型高出超过10%	NA	开发一种自动分类模型，用于评估下肢CT血管造影中的动脉狭窄程度	下肢动脉狭窄程度	计算机视觉	下肢动脉疾病	NA	三维神经网络	三维图像	277名患者，包含12,450个三维感兴趣区域补丁
12655	2024-08-07	Prediction method of human defecation based on informer audio data augmentation and improved residual network 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34145 PMID:39100450	研究论文	本文提出了一种基于信息音频数据增强和改进残差网络的人类排便预测方法	提出了一种基于Informer模型的音频信号扩展数据算法，解决了实际收集肠鸣音困难导致的训练模型泛化能力差的问题	NA	旨在为残疾患者提供一种非侵入性的排便预测护理方法，以减少传统治疗方法带来的身体伤害和负面情绪	人类排便预测	机器学习	NA	小波域维纳滤波	1D-IResNet	音频	实验结果表明，提出的肠鸣音增强策略可以有效提高数据样本量并增加样本多样性
12656	2024-08-07	Exploring the roles of RNAs in chromatin architecture using deep learning 2024-Jul-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50573-w PMID:39075082	研究论文	本文提出了一种名为AkitaR的深度学习框架，利用基因组序列和全基因组RNA-DNA相互作用来研究染色质相关RNAs（caRNAs）在HFFc6细胞中基因组折叠的作用	首次通过深度学习框架AkitaR结合基因组序列和RNA-DNA相互作用来解析caRNAs在基因组折叠中的作用，并发现了新的可能调节染色质结构的非编码RNAs	NA	探索染色质相关RNAs在基因组三维组织中的作用	染色质相关RNAs（caRNAs）及其在HFFc6细胞中基因组折叠的作用	机器学习	NA	深度学习	深度学习框架	基因组序列和RNA-DNA相互作用数据	HFFc6细胞
12657	2024-08-07	Elucidating Microglial Heterogeneity and Functions in Alzheimer's Disease Using Single-cell Analysis and Convolutional Neural Network Disease Model Construction 2024-07-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67537-1 PMID:39068182	研究论文	本研究通过整合单细胞RNA测序、加权基因共表达网络分析和卷积神经网络模型，深入探讨了阿尔茨海默病中微胶质细胞的异质性和功能	本研究揭示了11种不同的微胶质细胞亚群，并发现了与阿尔茨海默病相关的关键基因和潜在治疗靶点，同时开发了基于卷积神经网络的诊断模型	NA	深入理解阿尔茨海默病中微胶质细胞的分子复杂性，并探索其作为治疗干预和诊断改进的潜在途径	阿尔茨海默病中的微胶质细胞	数字病理学	阿尔茨海默病	单细胞RNA测序（scRNA-seq）、加权基因共表达网络分析（WGCNA）	卷积神经网络（CNN）	基因表达数据	NA
12658	2024-08-07	Analysis of the integrated role of the Yangtze River Delta based on the industrial economic resilience of cities during COVID-19 2024-07-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68357-z PMID:39060630	研究论文	本研究分析了新冠疫情期间长江三角洲城市群的工业经济韧性及其对区域一体化战略实施效果的影响	利用经济和土地资源利用理论，通过工业用地作为工业经济发展的代表，采用UNet深度学习方法检测土地利用类型，研究了工业用地的变化和工业产值的空间分布	NA	探讨长江三角洲一体化战略在新冠疫情期间对城市发展的影响	长江三角洲的安徽芜湖、马鞍山和滁州三市	NA	NA	UNet深度学习方法	UNet	土地利用类型	安徽芜湖、马鞍山和滁州三市
12659	2024-08-07	A data-centric machine learning approach to improve prediction of glioma grades using low-imbalance TCGA data 2024-07-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68291-0 PMID:39060383	研究论文	本研究采用以数据为中心的机器学习方法，利用低不平衡的TCGA数据改进胶质瘤级别的预测	本研究通过标准化和过采样少数类来提高四种流行机器学习模型和两种分类器集成在低不平衡数据集上的预测性能	NA	评估以数据为中心的机器学习方法在预测胶质瘤级别中的潜在优势	胶质瘤级别的预测	机器学习	脑肿瘤	NA	机器学习模型和分类器集成	临床因素和分子生物标志物数据	低不平衡数据集
12660	2024-08-07	Hybrid framework for membrane protein type prediction based on the PSSM 2024-07-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68163-7 PMID:39060345	research paper	本研究提出了一种基于位置特异性评分矩阵（PSSM）的改进胶囊神经网络（ICNN）模型，并结合传统机器学习和深度学习的混合框架，用于预测膜蛋白类型	提出的混合框架结合了传统机器学习和深度学习方法，通过两级决策级特征融合和集成学习框架，提高了预测性能和泛化能力	NA	开发一种高效的计算方法来预测膜蛋白类型，以替代传统的生物力学实验	膜蛋白类型	machine learning	NA	PSSM	Capsule Neural Network (CNN)	protein sequence	41个基于PSSM的基准模型，Dataset1、Dataset2和Dataset3