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
12721	2024-11-27	An ergonomic evaluation using a deep learning approach for assessing postural risks in a virtual reality-based smart manufacturing context 2024-Nov, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2349757 PMID:38742363	研究论文	本研究提出了一种集成的人体工程学评估方法，用于在基于虚拟现实的智能制造环境中识别不安全姿势	利用计算机视觉和深度学习卷积神经网络方法识别身体关键点的质心位移，以识别不安全姿势	未提及	评估智能制造环境中工业工作中的姿势风险	不安全姿势和姿势风险水平	计算机视觉	NA	深度学习	卷积神经网络	图像	未提及
12722	2024-11-27	Exploring the benefits and challenges of AI-driven large language models in gastroenterology: Think out of the box 2024-Nov, Biomedical papers of the Medical Faculty of the University Palacky, Olomouc, Czechoslovakia DOI:10.5507/bp.2024.027 PMID:39234774	研究论文	探讨人工智能驱动的大型语言模型在胃肠病学中的优势与挑战	介绍了大型语言模型如ChatGPT在胃肠病学中的潜在应用，包括诊断、治疗、教育和决策支持	存在AI能力有限、数据偏差、数据错误、安全和隐私问题以及实施成本等挑战	研究AI驱动的大型语言模型在胃肠病学中的应用及其潜在影响	大型语言模型在胃肠病学中的应用及其对诊断、治疗、教育和决策支持的影响	自然语言处理	胃肠病	大型语言模型	NA	文本	NA
12723	2024-11-27	Using deep learning and pretreatment EEG to predict response to sertraline, bupropion, and placebo 2024-Nov, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2024.09.002 PMID:39332081	研究论文	使用深度学习和治疗前脑电图预测对舍曲林、安非他酮和安慰剂的反应	提出了一种基于脑电图连接性的卷积神经网络方法，用于预测抗抑郁药物的反应	样本量较小，且仅限于特定的抗抑郁药物和安慰剂	开发一种基于脑电图的方法，用于预测抗抑郁药物治疗的反应	主要抑郁症患者的抗抑郁药物治疗反应	机器学习	精神疾病	脑电图	卷积神经网络	脑电图数据	105名舍曲林患者，119名安慰剂患者，35名安非他酮患者
12724	2024-11-27	Machine learning for air quality index (AQI) forecasting: shallow learning or deep learning? 2024-Nov, Environmental science and pollution research international DOI:10.1007/s11356-024-35404-1 PMID:39467867	研究论文	本研究使用多种机器学习模型（包括浅层学习和深度学习模型）预测空气质量指数（AQI），并比较其性能	本研究首次系统比较了浅层学习模型和深度学习模型在AQI预测中的表现，发现深度学习模型（尤其是CNN）在预测准确性上显著优于浅层学习模型	空气质量数据的监测不规律可能影响预测的稳健性，需要更一致的数据收集以确保污染水平的准确表示	分析和预测空气质量指数（AQI），并比较不同机器学习模型在AQI预测中的表现	空气质量指数（AQI）及其分类	机器学习	NA	机器学习	CNN, LSTM, GRU, RNN, ANN, RF, KNN, WKNN, SVM	数值数据	2013年3月至2022年2月期间Zabol的每日PM浓度和九个气象参数
12725	2024-11-27	Automated segmentation of soft X-ray tomography: native cellular structure with sub-micron resolution at high throughput for whole-cell quantitative imaging in yeast 2024-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.31.621371 PMID:39554159	研究论文	本文介绍了一种基于深度学习的自动分割管道，用于软X射线断层扫描（SXT）中细胞结构的分割和标记	利用深度学习技术实现了对细胞结构的高通量自动分割，提高了分割精度和分析效率	依赖于手动迭代细化来提高关键结构的分割准确性	开发一种高通量、高精度的细胞结构分割方法，用于定量分析细胞形态学特征	酵母细胞中的细胞体、细胞核、液泡和脂滴等结构	计算机视觉	NA	软X射线断层扫描（SXT）	深度学习	图像	数百个细胞，涵盖三种酵母菌株
12726	2024-11-27	Correlating Electrocardiograms with Echocardiographic Parameters in Hemodynamically-Significant Aortic Regurgitation Using Deep Learning 2024-Nov, Acta Cardiologica Sinica IF:1.8Q3 DOI:10.6515/ACS.202411_40(6).20240918B PMID:39582843	研究论文	本文研究了使用深度学习模型将心电图与主动脉瓣反流患者的超声心动图参数相关联	首次评估了基于深度学习的心电图模型预测与血流动力学显著的主动脉瓣反流相关的左心室重构参数的能力	研究是回顾性的，样本量有限，且仅限于特定患者群体	评估深度学习模型预测与主动脉瓣反流相关的左心室重构参数的能力	心电图与超声心动图参数的相关性	机器学习	心血管疾病	深度学习	ResNet	心电图	573名患者，1457份12导联心电图
12727	2024-11-27	SCC-NET: segmentation of clinical cancer image for head and neck squamous cell carcinoma 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.065501 PMID:39583005	研究论文	本文提出了一种基于神经架构搜索-U-Net的改进模型SCC-Net，用于头颈部鳞状细胞癌的临床图像分割	引入了可学习的离散小波池化技术和通道注意力模块，结合CSPnet的跨阶段部分设计，提高了模型性能	NA	开发一种高效的深度学习模型用于头颈部鳞状细胞癌的图像分割	头颈部鳞状细胞癌的临床内窥镜图像	计算机视觉	头颈部鳞状细胞癌	深度学习	U-Net	图像	556张病理证实的鳞状细胞癌照片
12728	2024-11-27	Reconstructing the Tropical Pacific Upper Ocean Using Online Data Assimilation With a Deep Learning Model 2024-Nov, Journal of advances in modeling earth systems IF:4.4Q1 DOI:10.1029/2024MS004422 PMID:39583161	研究论文	本文使用基于Transformer架构的深度学习模型，在热带太平洋地区进行海洋上层重构，并与标准线性反演模型进行比较	本文提出了一种新的膨胀技术，通过添加来自后报实验的噪声来解决深度学习模型中的信号衰减问题	深度学习模型存在信号衰减问题，需要通过膨胀技术进行修正	研究深度学习模型在热带太平洋海洋上层重构中的应用，并评估其与传统模型的性能差异	热带太平洋地区的海洋上层结构	机器学习	NA	深度学习	Transformer	气候模型数据集	24个海表面温度观测数据
12729	2024-11-27	ENKIE: a package for predicting enzyme kinetic parameter values and their uncertainties 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae652 PMID:39495107	研究论文	本文介绍了一个名为ENKIE的软件包，用于预测酶动力学参数值及其不确定性	ENKIE使用贝叶斯多层次模型来预测KM和kcat参数的值和不确定性，其预测性能与使用序列和结构信息的深度学习方法相当	NA	开发一个工具，简化代谢的贝叶斯动力学模型的先验构建	酶动力学参数KM和kcat的预测	生物信息学	NA	贝叶斯多层次模型	贝叶斯多层次模型	酶动力学参数	NA
12730	2024-11-27	A recurrent neural network and parallel hidden Markov model algorithm to segment and detect heart murmurs in phonocardiograms 2024-Nov, PLOS digital health DOI:10.1371/journal.pdig.0000436 PMID:39585836	研究论文	提出了一种用于心音图中心脏杂音分割和检测的循环神经网络和并行隐马尔可夫模型算法	该算法结合了循环神经网络和隐半马尔可夫模型，能够同时进行信号分割和心脏杂音检测，避免了传统两阶段算法的需要	需要进一步在大规模和更具代表性的临床数据集上验证	提高心音图中心脏疾病检测的可及性和准确性	心音图中的心脏杂音	机器学习	心血管疾病	循环神经网络、隐半马尔可夫模型	循环神经网络、隐半马尔可夫模型	音频	NA
12731	2024-11-27	Deep Learning Assessment of Small Renal Masses 2024-Nov, Radiology IF:12.1Q1 DOI:10.1148/radiol.241619 PMID:39589240	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12732	2024-11-27	Application of multimodal deep learning and multi-instance learning fusion techniques in predicting STN-DBS outcomes for Parkinson's disease patients 2024-Oct, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics IF:5.6Q1 DOI:10.1016/j.neurot.2024.e00471 PMID:39419638	研究论文	本研究利用多模态深度学习和多实例学习融合技术预测帕金森病患者STN-DBS治疗效果	开发了一种新的2.5D深度学习方法，结合多切片表示提取详细的ROI特征，并通过多实例学习融合技术整合多个切片的预测结果，提升了模型性能	本研究为回顾性研究，样本量有限，未来需在前瞻性研究中验证模型效果	提高帕金森病患者STN-DBS治疗效果预测的准确性，支持个性化治疗计划	127名接受STN-DBS治疗的帕金森病患者	机器学习	帕金森病	多实例学习融合技术	深度学习模型	医学影像数据	127名帕金森病患者
12733	2024-11-27	The Role of Artificial Intelligence and Machine Learning in Cardiovascular Imaging and Diagnosis: Current Insights and Future Directions 2024-Oct, Cureus DOI:10.7759/cureus.72311 PMID:39583537	综述	本文综述了人工智能和机器学习在心血管影像和诊断中的应用现状及未来发展方向	人工智能和机器学习技术显著提升了心血管影像的诊断准确性和效率	NA	探讨人工智能和机器学习在心血管影像中的应用、优势、挑战及未来发展方向	心血管疾病诊断和影像分析	机器学习	心血管疾病	NA	卷积神经网络（CNN）	影像	NA
12734	2024-11-27	Three-Dimensional Dense Reconstruction: A Review of Algorithms and Datasets 2024-Sep-10, Sensors (Basel, Switzerland) DOI:10.3390/s24185861 PMID:39338606	综述	本文综述了三维密集重建的算法和数据集	讨论了深度学习方法在三维密集重建中的应用	动态或复杂环境下的三维重建仍是一个未解决的挑战	全面概述经典的三维密集重建技术及其在深度学习中的应用	三维密集重建算法和数据集	计算机视觉	NA	深度学习	NA	图像	NA
12735	2024-11-27	Imputing Single-Cell Protein Abundance in Multiplex Tissue Imaging 2024-Jul-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.05.570058 PMID:38106203	研究论文	本文探讨了如何利用机器学习方法在多重组织成像数据中推断单细胞蛋白质丰度	本文首次展示了利用机器学习方法在单细胞水平上推断蛋白质丰度的可行性，并展示了如何通过结合细胞空间信息显著提高推断结果	本文仅在乳腺癌队列数据上进行了验证，未来需要在更多类型的组织和疾病中进行验证	探讨机器学习方法在多重组织成像数据中推断单细胞蛋白质丰度的可行性	单细胞蛋白质丰度	机器学习	乳腺癌	机器学习	正则化线性回归、梯度提升回归树、深度学习自编码器	图像	乳腺癌队列数据
12736	2024-11-27	Investigating chiral morphogenesis of gold using generative cellular automata 2024-Jul, Nature materials IF:37.2Q1 DOI:10.1038/s41563-024-01889-x PMID:38693448	研究论文	本文通过训练基于细胞自动机的人工神经网络，研究了金纳米颗粒的同手性形态生成机制	本文首次通过深度学习方法解释了金纳米颗粒的同手性形态生成过程，并预测了一种前所未有的交叉路径和相应的形态	NA	研究金纳米颗粒的同手性形态生成机制	金纳米颗粒的同手性形态生成	机器学习	NA	细胞自动机	人工神经网络	实验结果	NA
12737	2024-11-27	Predicting Glaucoma Surgical Outcomes Using Neural Networks and Machine Learning on Electronic Health Records 2024-Jun-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.6.15 PMID:38904612	研究论文	开发机器学习和深度学习模型以预测青光眼手术结果	利用电子健康记录中的结构化数据，通过机器学习和深度学习算法预测青光眼手术结果	预测性能在不同结果（如眼压、额外手术需求和药物需求）上存在差异	开发预测青光眼手术结果的机器学习和深度学习模型	青光眼手术及其术后结果	机器学习	青光眼	机器学习、深度学习	随机森林、深度学习模型	电子健康记录	2398例青光眼手术，涉及1571名患者
12738	2024-11-27	Real-time Continuous Blood Pressure Estimation with Contact-free Bedseismogram 2024-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications DOI:10.1109/icc51166.2024.10622995 PMID:39583890	研究论文	本文介绍了一种名为BedDot的非接触式床载连续血压监测传感器	BedDot是首个非接触式且床载的连续血压监测传感器，使用地震传感器避免了外部可穿戴设备和物理接触，同时避免了与摄像头或雷达等技术相关的隐私或辐射问题	NA	开发一种非侵入性的解决方案，用于在睡眠期间监测血压并评估心血管健康	连续血压监测	NA	心血管疾病	AI算法	深度学习模型	时间序列信号	超过75名参与者
12739	2024-11-27	Use of Deep Learning to Evaluate Tumor Microenvironmental Features for Prediction of Colon Cancer Recurrence 2024-May-23, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0031 PMID:38709069	研究论文	使用深度学习评估肿瘤微环境特征以预测结肠癌复发	利用深度学习量化肿瘤形态特征，增强患者在DNA错配修复（MMR）组中的风险分层，并预测结肠癌复发	NA	研究肿瘤形态特征与结肠癌复发之间的关系	结肠癌患者的肿瘤形态特征	机器学习	结肠癌	深度学习	NA	图像	402例切除的III期结肠癌样本（191例d-MMR，189例p-MMR），以及一个独立验证队列（176例d-MMR，1,094例p-MMR）
12740	2024-11-27	Prediction Models for Glaucoma in a Multicenter Electronic Health Records Consortium: The Sight Outcomes Research Collaborative 2024 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100445 PMID:38317869	研究论文	本研究旨在利用多中心电子健康记录数据，开发和评估用于预测青光眼进展的机器学习模型	本研究首次在多中心电子健康记录数据上开发和评估了用于预测青光眼进展的机器学习模型，提高了模型的泛化能力	研究需要进一步探讨受保护类别特征（如种族或性别）对模型性能和公平性的影响	开发和评估用于预测青光眼进展的机器学习模型	青光眼患者及其手术需求	机器学习	青光眼	机器学习	XGBoost, 随机森林, 惩罚性逻辑回归	电子健康记录数据	36,548名青光眼患者