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
13001	2024-08-07	Different scaling of linear models and deep learning in UKBiobank brain images versus machine-learning datasets 2020-08-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-18037-z PMID:32843633	研究论文	本文系统地评估了深度学习、核模型和线性模型在UKBiobank脑部图像数据集上的性能，并与传统的机器学习数据集进行了比较	研究发现，在UKBiobank脑部图像数据集中，简单的线性模型在年龄和性别预测任务上与复杂的深度学习模型表现相当	深度学习和核学习方法在预测典型脑部扫描的常见表型时，其非线性优势未能得到充分利用	探讨不同类型的机器学习模型在不同数据集上的性能表现	UKBiobank脑部图像数据集以及MNIST和Zalando Fashion数据集	机器学习	NA	深度学习	线性模型、核模型、深度学习模型	图像	样本量达到约10,000名受试者时，线性模型的性能仍在提升
13002	2024-08-07	Deep-learning-based image quality enhancement of compressed sensing magnetic resonance imaging of vessel wall: comparison of self-supervised and unsupervised approaches 2020-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-69932-w PMID:32811848	研究论文	本文比较了基于自监督学习和无监督学习的深度学习算法在压缩感知磁共振成像（MRI）图像质量增强中的应用	提出了两种适用于非像素对齐临床数据集的深度学习去噪算法：自监督学习和无监督学习	自监督学习在图像噪声和信噪比方面优于无监督学习，但在放射组学特征可重复性方面不如无监督学习	研究如何通过深度学习技术提高压缩感知MRI的图像质量，以减少扫描时间并提高诊断准确性	颅内血管壁的高分辨率质子密度加权MRI图像	计算机视觉	NA	压缩感知MRI	深度学习	图像	NA
13003	2024-08-07	Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets 2020-08-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-17971-2 PMID:32796848	研究论文	本文展示了使用多国数据集训练的深度学习算法在胸部CT扫描中检测COVID-19肺炎的能力	利用AI技术在多国患者数据集上训练的深度学习算法，能够高准确度地区分COVID-19肺炎与其他肺炎	文章未提及具体的局限性	开发和验证用于胸部CT扫描中快速评估和区分COVID-19肺炎的AI算法	COVID-19肺炎的检测与区分	计算机视觉	COVID-19	深度学习	深度学习算法	图像	训练集包含1280名患者，独立测试集包含1337名患者
13004	2024-08-07	The Advent of Generative Chemistry 2020-Aug-13, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.0c00088 PMID:32832015	综述	本文综述了生成对抗网络（GANs）和强化学习（RL）在药物分子设计中的应用及其在生成具有所需性质的新分子方面的最新进展	介绍了GANs和RL在药物分子设计中的应用，旨在更有效地利用数据和更好地探索化学空间	讨论了生成化学这一新兴领域的当前局限性和挑战	回顾生成具有所需性质的新分子的最新进展，并探讨相关技术的应用	生成对抗网络（GANs）、强化学习（RL）及相关技术在药物分子设计中的应用	机器学习	NA	生成对抗网络（GANs）、强化学习（RL）	GAN	分子数据	NA
13005	2024-08-07	Melanoma Diagnosis Using Deep Learning and Fuzzy Logic 2020-Aug-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10080577 PMID:32784837	研究论文	本文提出了一种基于深度学习的YOLO算法，结合模糊逻辑用于从皮肤镜和数字图像中检测黑色素瘤	本文引入了图论的最小生成树概念和L型模糊数近似方法进行两阶段分割，并在特征提取过程中提取实际受影响的病变区域	NA	开发一种更快速且计算有效的系统用于检测黑色素瘤	黑色素瘤的检测	计算机视觉	皮肤癌	深度卷积神经网络(DCNNs)	YOLO	图像	20250张图像
13006	2024-08-07	Semantic Deep Learning: Prior Knowledge and a Type of Four-Term Embedding Analogy to Acquire Treatments for Well-Known Diseases 2020-Aug-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/16948 PMID:32759099	研究论文	本研究通过语义深度学习方法，利用先验知识和四项式嵌入类比，系统地提取疾病治疗陈述	本研究采用了一种新的四项式嵌入类比方法，不同于传统的成对类比，并利用先验知识进行推理	研究中使用的数据集规模相对较小，且需要进一步的人工验证	旨在通过语义深度学习方法，系统地从生物医学文献中提取基于证据的疾病治疗陈述	疾病治疗陈述的提取和验证	自然语言处理	NA	连续词袋模型（CBOW）和跳字模型（Skip-gram）嵌入	深度学习模型	文本	423K n-grams 从 PubMed 系统评价子集（PMSB 数据集）中提取
13007	2024-08-07	Feature Selection for Health Care Costs Prediction Using Weighted Evidential Regression 2020-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s20164392 PMID:32781680	研究论文	本文提出了一种基于加权证据回归的特征选择方法，用于预测医疗保健成本，并允许结果的解释	该方法结合了证据回归和k-近邻算法，能够在保持预测准确性的同时提供结果的解释性	NA	开发一种既能够达到黑盒方法预测准确性，又允许结果解释的医疗成本预测方法	医疗保健成本预测及其影响因素	机器学习	NA	证据回归（EVREG）	回归模型	医疗记录	使用了Tsuyama Chuo Hospital从2013年到2018年的日本健康记录
13008	2024-08-07	Real-Time Detection of Railway Track Component via One-Stage Deep Learning Networks 2020-Aug-03, Sensors (Basel, Switzerland) DOI:10.3390/s20154325 PMID:32756365	research paper	本文提出了一系列单阶段深度学习方法，用于实时检测铁路轨道关键部件，如轨道、螺栓和夹子。	采用YOLOv2模型，实现了93%的平均精度均值（mAP）和35张图像每秒（IPS）的检测速度。	较大的输入尺寸虽然提高了检测精度，但增加了推理时间。	提高铁路轨道检查的准确性和速度。	铁路轨道的关键部件，包括轨道、螺栓和夹子。	computer vision	NA	深度学习	YOLOv2, FPN	image	NA
13009	2024-08-07	Current Status and Future Perspectives of Artificial Intelligence in Magnetic Resonance Breast Imaging 2020, Contrast media & molecular imaging DOI:10.1155/2020/6805710 PMID:32934610	综述	本文综述了人工智能（AI）和深度学习（DL）在乳腺磁共振成像（MRI）中的当前状态和未来展望	强调了开发用于精准医学的定量影像生物标志物的重要性，以及乳腺MRI和DL在此方面的潜力	讨论了DL在乳腺MRI应用中的未来挑战	提供AI在乳腺MRI中当前状态和未来展望的全面图景	乳腺MRI中的AI和DL应用	计算机视觉	NA	深度学习	DL	影像	NA
13010	2024-08-07	A Deep Network Model on Dynamic Functional Connectivity With Applications to Gender Classification and Intelligence Prediction 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00881 PMID:33013292	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习模型，用于捕捉功能连接序列的时空特征，并应用于性别分类和智力预测任务	该模型能够同时捕捉功能连接序列的时空特征，并在性别分类和智力预测任务中显著优于先前报告的模型	NA	研究动态功能脑网络的动态特性与个体行为和认知特征之间的关系	功能脑网络的动态特性	机器学习	NA	fMRI	CNN 和 LSTM	功能连接序列	1,050 名参与者（人类连接组计划）
13011	2024-08-07	Using deep learning to probe the neural code for images in primary visual cortex 2019-04-01, Journal of vision IF:2.0Q2 DOI:10.1167/19.4.29 PMID:31026016	研究论文	本研究利用深度卷积神经网络预测初级视觉皮层（V1）神经元对自然图像刺激的放电率	本研究首次使用深度卷积神经网络预测V1神经元对自然图像刺激的放电率，并发现预测结果与实际放电率高度相关	研究仅限于预测V1神经元的放电率，未涉及更深层次的视觉信息处理机制	旨在填补对V1如何编码图像的理解中的重要空白	初级视觉皮层（V1）神经元对自然图像刺激的响应	计算机视觉	NA	深度学习	CNN	图像	355个神经元
13012	2024-08-04	Machine learning for high-precision simulation of dissolved organic matter in sewer: Overcoming data restrictions with generative adversarial networks 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174469 PMID:38972419	研究论文	本研究建立了一种新框架，结合生成对抗网络和机器学习模型，以提高污水中溶解有机物转化过程的模拟精度	提出了一种整合生成对抗网络算法与机器学习模型的框架，以克服数据限制带来的缺陷	模型的准确性受到数据限制的限制	研究污水中溶解有机物的转化过程及其管理策略	污水中的溶解有机物的转化过程	机器学习	NA	生成对抗网络	集成模型	虚拟数据集	1000个样本
13013	2024-08-04	Spatiotemporal changes of urban vacant land and its distribution patterns in shrinking cities on the globe 2024-Oct-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174424 PMID:38969133	研究论文	研究确定了497个全球收缩城市中的城市空置土地（UVL）及其时空特征	使用手动标记和深度学习识别UVL，揭示其分布模式及时空变化	仅分析了2016年至2021年间的UVL，可能未涵盖其他时间段的变化	识别UVL并分析其在收缩城市中的时空特征	497个全球收缩城市的城市空置土地	城市规划	NA	深度学习	NA	地理空间数据	497个城市
13014	2024-08-04	Artificial Intelligence in Metabolomics: A Current Review 2024-Sep, Trends in analytical chemistry : TRAC DOI:10.1016/j.trac.2024.117852 PMID:39071116	综述	本文提供了人工智能在代谢组学研究中的方法和应用的最新概述	讨论了人工智能在代谢组学各个方面成功应用的研究，为这一领域的迅速发展提供了新的视角	尽管存在一些限制和挑战，但尚未详细列出具体的限制事项	研究代谢组学与人工智能结合的潜力，以增强人类健康	代谢产物的分析、数据预处理、生物标志物发现、预测建模及多组学数据整合	数字病理学	NA	机器学习和深度学习	NA	大数据集	包含数百到数千个代谢物
13015	2024-08-04	Integrated machine learning and deep learning for predicting diabetic nephropathy model construction, validation, and interpretability 2024-Aug, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03735-1 PMID:38393509	研究论文	构建了一种用于辅助诊断糖尿病肾病的风险预测模型	结合了机器学习和深度学习算法以构建和验证预测模型	未提及具体的样本和疾病的多样性对模型影响的限制	探索利用机器学习算法构建糖尿病肾病的风险预测模型	糖尿病肾病患者的数据	机器学习	糖尿病肾病	机器学习	随机森林	数据集	NA
13016	2024-08-04	Forecasting daily total pollen concentrations on a global scale 2024-Aug, Allergy IF:12.6Q1 DOI:10.1111/all.16227 PMID:38995241	研究论文	本研究使用CatBoost和深度学习模型预测全球范围内的每日总花粉浓度	提出了利用深度学习模型和CatBoost进行全球花粉浓度预测的新方法	预测效果在不同城市之间差异较大，部分城市的预测准确性较低	加强全球尺度花粉浓度的预测能力	涵盖五大洲23个城市的每日总花粉浓度	机器学习	NA	CatBoost，深度学习	NA	气象数据，花粉浓度数据	23个城市
13017	2024-08-04	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-Jul-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	本研究提出了一种不需要标定的运动意象脑机接口的方法，使用VGG卷积神经网络和WGAN。	提出了一种利用深度学习和WGAN生成合成谱图像的校准-free方法来增强跨主体的运动意象EEG分类性能。	研究中未提及的限制因素	提高运动意象EEG分类的准确性，使之更适合实际应用。	使用记录的运动意象EEG信号进行分类和数据增强。	计算机视觉	NA	EEG, WGAN	VGG-CNN	EEG谱图像	使用了BCI竞赛IV-2B, IV-2 A, 和IV-1基准数据集进行评估
13018	2024-08-05	Advancements in prognostic markers and predictive models for intracerebral hemorrhage: from serum biomarkers to artificial intelligence models 2024-Jul-31, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02635-2 PMID:39083096	研究论文	该文章讨论了颅内出血（ICH）预后标志物和预测模型的最新进展	创新点在于结合了血清sestrin2和人工智能模型，显著提高了对ICH预后的预测能力	文章未提及特定的样本量和研究局限性	旨在提高颅内出血的预后评估和管理	主要研究血清sestrin2和AI模型在ICH中的应用	机器学习	脑卒中	深度学习，机器学习	随机森林	生物标志物，影像学数据	NA
13019	2024-08-05	Utilising deep learning networks to classify ZEB2 expression images in cervical cancer 2024-Jul-30, British journal of hospital medicine (London, England : 2005) DOI:10.12968/hmed.2024.0156 PMID:39078889	研究论文	本研究提出了一种混合深度学习系统，用于基于ZEB2表达对宫颈癌图像进行分类	集成了多种卷积神经网络模型（EfficientNet、DenseNet和InceptionNet）并采用梯度加权类激活映射（Grad-CAM）技术来提高模型决策的可解释性	未来的工作将集中在提高模型的准确性以及探索其对其他癌症类型的适用性	研究开发一种有效且可解释的深度学习模型，以提高宫颈癌的早期诊断能力	宫颈癌图像及其中的ZEB2表达水平	计算机视觉	宫颈癌	深度学习	卷积神经网络	图像	649张注释图像
13020	2024-08-05	AutoCorNN: An Unsupervised Physics-Aware Deep Learning Model for Geometric Distortion Correction of Brain MRI Images Towards MR-Only Stereotactic Radiosurgery 2024-Jul-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01171-1 PMID:39080159	研究论文	提出了一种名为AutoCorNN的无监督物理意识深度学习模型，用于纠正脑MRI图像的几何失真。	AutoCorNN结合了2D卷积编码器-解码器神经网络与MRI信号生成的前向物理模型，提供了一种新颖的无监督纠正方法。	局限性在于模型训练和部署过程中无需真实图像作为参考，因此可能影响部分图像质量。	研究旨在提高立体定向放射外科对脑MRI图像几何失真的纠正精度。	研究对象包括318名参与MPI-Leipzig Mind-Brain-Body数据集的受试者和242名患者的前庭神经瘤-SEG数据集。	数字病理学	NA	深度学习	2D卷积神经网络	图像	560个样本（318个受试者和242名患者）