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
13301	2024-10-25	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本文提出了一种利用真实世界数据和人工智能方法开发预测性精准医学模型的新方法	本文创新性地利用电子健康记录中的真实世界数据，通过人工智能技术开发预测性精准医学模型，并比较了传统统计机器学习和深度学习算法在预测个体未来生化测试结果方面的性能	本文未明确提及具体的局限性	开发预测性精准医学模型，以实现现代医学的个性化目标	电子健康记录中的生化测试数据	机器学习	NA	统计机器学习、深度学习	传统统计机器学习算法、深度学习算法	电子健康记录数据	来自大型真实世界数据库的数据，用于预测15项生化测试的未来值
13302	2024-10-25	Development of AI-assisted microscopy frameworks through realistic simulation with pySTED 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00903-w PMID:39440349	研究论文	本文介绍了通过pySTED平台开发人工智能辅助显微镜框架的方法	提出了一个基于pySTED的现实模拟平台，用于开发和部署超分辨率显微镜的人工智能策略	NA	开发和优化人工智能辅助超分辨率显微镜系统	超分辨率显微镜图像的获取和分析	计算机视觉	NA	NA	深度神经网络	图像	NA
13303	2024-10-25	An integrated three-stream network model for discriminating fish feeding intensity using multi-feature analysis and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310356 PMID:39432511	研究论文	提出了一种集成三流网络模型，通过多特征分析和深度学习来区分鱼类摄食强度	结合计算机视觉技术和卷积神经网络，综合利用时间、空间和数据统计特征进行全面评估	依赖于特定场景和目标，缺乏普适性	实现精准投喂，减少饲料浪费和环境污染	鱼类摄食强度	计算机视觉	NA	计算机视觉技术	卷积神经网络（CNN）	图像	珍珠石斑鱼摄食图像
13304	2024-10-25	Usability of deep learning pipelines for 3D nuclei identification with Stardist and Cellpose 2022-12, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2022.203806 PMID:36029974	研究论文	比较了两种开源机器学习算法Cellpose和Stardist在3D荧光染色增殖细胞核识别中的应用	展示了图像分块和背景减除对两种算法的影响，并评估了它们的易用性和处理时间	未提及	评估Cellpose和Stardist在3D细胞分割中的适用性和性能	3D荧光染色增殖细胞核	计算机视觉	NA	机器学习	NA	图像	未提及
13305	2024-10-25	Effectiveness of cascading time series models based on meteorological factors in improving health risk prediction 2022-Feb, Environmental science and pollution research international DOI:10.1007/s11356-021-16372-2 PMID:34510340	研究论文	研究基于气象因素的时间序列模型在改善健康风险预测中的有效性	提出了一种新的混合模型CGCLM，结合了广义加性模型、CEEMDAN和LSTM网络，用于预测每日LRTI患者的入院情况	研究仅限于LRTI疾病，未涵盖其他类型的健康风险预测	探讨基于气象因素的时间序列预处理算法和深度学习方法在医院入院预测模型中的应用	研究对象为2003年至2019年间Panyu中央医院的46,089名LRTI患者及其相关的气象数据	机器学习	呼吸道感染	时间序列分析	LSTM	时间序列数据	46,089名LRTI患者和四项气象因素
13306	2024-10-25	Automating the assessment of biofouling in images using expert agreement as a gold standard 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-81011-2 PMID:33531525	研究论文	本文利用深度学习技术自动评估水下图像中的生物污损情况，并以专家共识作为金标准	首次应用深度学习模型自动分类水下检查图像中的生物污损，并验证了其与专家评估的一致性	研究仅限于水下检查图像的分类，未涉及其他类型的生物污损数据	开发一种自动化的方法来评估船舶外壳的生物污损情况，以降低成本和提高效率	水下检查图像中的生物污损	计算机视觉	NA	深度学习	深度学习模型	图像	超过10,000张水下检查图像，其中120张由三位专家标注
13307	2024-10-24	A spectral bias-error stepwise correction method of plasma image-spectrum fusion based on deep learning for improving the performance of LIBS 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126872 PMID:39276577	研究论文	提出了一种基于深度学习的等离子体图像-光谱融合的谱偏差-误差逐步校正方法，以提高激光诱导击穿光谱（LIBS）的性能	利用多维等离子体信息融合和物理模型与算法模型的结合，提出了一种新的谱偏差-误差逐步校正方法	NA	提高激光诱导击穿光谱（LIBS）在复杂检测条件下的稳定性	铝合金样品的光谱	机器学习	NA	激光诱导击穿光谱（LIBS）	深度学习	光谱数据	三种复杂检测条件下的铝合金样品
13308	2024-10-24	Rapid and accurate identification of Gastrodia elata Blume species based on FTIR and NIR spectroscopy combined with chemometric methods 2025-Jan-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126910 PMID:39305761	研究论文	研究利用傅里叶变换红外光谱（FTIR）和近红外光谱（NIR）结合化学计量学方法，快速准确地识别天麻（Gastrodia elata Blume）的不同品种	采用深度学习模型ResNet，无需复杂的谱图预处理，实现了100%的训练和测试集准确率，外部验证集也达到高准确率	外部验证集基于NIR的分类错误仅有一例，未出现过度拟合	有效识别天麻的不同品种，具有重要的理论和实践意义	天麻的不同品种及其活性成分含量	机器学习	NA	傅里叶变换红外光谱（FTIR），近红外光谱（NIR）	ResNet	光谱数据	三种天麻品种
13309	2024-10-24	A Computational Framework for Intraoperative Pupil Analysis in Cataract Surgery 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100597 PMID:39435136	研究论文	本研究开发并验证了一种用于白内障手术中瞳孔分析的计算框架	提出了一种创新的计算框架，结合深度学习技术自动评估瞳孔形态变化，并能检测和补偿瞳孔遮挡	研究基于回顾性手术视频分析，未来需在实际手术中进一步验证	开发和验证一种自动评估白内障手术中瞳孔形态变化的计算框架	白内障手术中的瞳孔分析	计算机视觉	NA	深度学习	特征金字塔网络模型	视频	5700张手术视频帧，来自190例白内障手术
13310	2024-10-24	Microbial community dynamics in different floc size aggregates during nitrogen removal process upgrading in a full-scale landfill leachate treatment plant 2024-Dec, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131484 PMID:39277056	研究论文	研究了在垃圾渗滤液处理厂升级过程中，不同絮凝体大小对微生物群落动态和氮去除效率的影响	使用16S rRNA基因测序和深度学习模型（卷积神经网络）预测氮去除效率，揭示了微生物群落动态和相互作用	NA	优化垃圾渗滤液处理厂的氮去除过程，并理解基于絮凝体大小的微生物群落动态	不同絮凝体大小的微生物群落及其在氮去除过程中的作用	环境科学	NA	16S rRNA基因测序	卷积神经网络 (CNN)	微生物群落数据	NA
13311	2024-10-24	Analysis of data of COVID lockdown period: Comorbidity and fatality rates in a few districts of Assam, India 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110974 PMID:39429747	研究论文	分析印度阿萨姆邦几个地区在COVID封锁期间的数据，研究共病和死亡率	使用机器学习和深度学习方法分析患者数据，识别高风险个体，以个性化治疗计划	仅限于阿萨姆邦的数据，样本量相对较小	填补COVID-19疫情期间共病和死亡率数据的空白，改善患者护理	COVID-19住院患者的共病和死亡率	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	患者数据	5329名住院的SARS-CoV-2患者
13312	2024-10-24	Psychological disorder detection: A multimodal approach using a transformer-based hybrid model 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102976 PMID:39430783	研究论文	本文提出了一种基于Transformer的混合模型，用于通过多模态数据检测心理障碍，特别是抑郁症	本文的创新点在于使用多模态数据（如语音特征和语言内容）结合Transformer模型来提高心理障碍的识别准确性	NA	本文的研究目的是改进心理障碍，特别是抑郁症的识别方法	本文的研究对象是心理障碍，特别是抑郁症	自然语言处理	心理障碍	Transformer	混合模型	多模态数据（语音特征和语言内容）	NA
13313	2024-10-24	An optimized two stage U-Net approach for segmentation of pancreas and pancreatic tumor 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102995 PMID:39435045	研究论文	本文提出了一种优化的两阶段U-Net模型，用于胰腺和胰腺肿瘤的分割	引入了结合灰狼优化算法和边境牧羊犬优化算法的混合优化技术，提高了分割效果	NA	开发自动化分割方法以解决胰腺和胰腺肿瘤分割的挑战	胰腺和胰腺肿瘤	计算机视觉	胰腺癌	灰狼优化算法和边境牧羊犬优化算法	U-Net	图像	NA
13314	2024-10-24	Large language models and their applications in bioinformatics 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.031 PMID:39435343	综述	本文综述了大型语言模型（LLMs）在生物信息学中的应用及其对生命科学领域的潜在影响	LLMs通过复杂的深度学习架构和大量的参数，显著提升了自然语言处理能力，并在生物信息学中展现出巨大潜力	NA	探讨LLMs在生物信息学中的应用及其对生命科学领域的潜在影响	大型语言模型及其在基因组学、蛋白质组学和个性化医学中的应用	自然语言处理	NA	NA	Transformer	文本	NA
13315	2024-10-24	Towards objective and systematic evaluation of bias in artificial intelligence for medical imaging 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae165 PMID:38942737	研究论文	本文介绍了一种用于系统性和客观性评估医学影像中人工智能模型偏差的分析框架	提出了一个用于系统性评估医学影像中AI模型偏差的分析框架，并展示了其在深度学习模型中的应用	仅限于使用合成神经影像数据进行分析，未涵盖所有真实世界中的偏差来源	开发一种方法来客观和系统地评估医学影像中AI模型的偏差	医学影像中的AI模型偏差	计算机视觉	NA	NA	卷积神经网络（CNN）	合成神经影像	NA
13316	2024-10-24	Deep learning assisted quantitative analysis of Aβ and microglia in patients with idiopathic normal pressure hydrocephalus in relation to cognitive outcome 2024-Nov-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae083 PMID:39101555	研究论文	本文开发了一个自动化分析平台，用于量化特发性正常压力脑积水（iNPH）患者皮质活检中的Aβ负荷和反应性小胶质细胞，并评估其与认知结果的关联	利用深度学习技术自动分析Aβ负荷和反应性小胶质细胞，并评估其与认知结果的关联	研究样本量有限，且仅限于特发性正常压力脑积水患者	研究Aβ积累和神经炎症与特发性正常压力脑积水患者认知结果的关系	特发性正常压力脑积水患者的皮质活检样本	计算机视觉	脑积水	深度学习	深度学习模型	图像	120例特发性正常压力脑积水患者的皮质活检样本
13317	2024-10-24	Generative AI in orthopedics: an explainable deep few-shot image augmentation pipeline for plain knee radiographs and Kellgren-Lawrence grading 2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae246 PMID:39311859	研究论文	本文提出了一种可解释的深度少样本图像增强管道，用于生成膝关节X光片并进行Kellgren-Lawrence分级	首次提出了一种深度少样本图像增强管道，通过合成膝关节X光片来解决大规模标准化真实图像缺失的问题	尽管生成的合成图像具有高保真度，但在KL分级分类中的Cohen's Kappa和准确率仍有提升空间	开发一种创新的计算策略，用于生成高质量的合成膝关节X光片，并用于膝关节骨关节炎的Kellgren-Lawrence分级分类	膝关节X光片和Kellgren-Lawrence分级	计算机视觉	骨关节炎	深度少样本图像增强	NA	图像	86,000张合成膝关节X光片
13318	2024-10-24	Origin of unique electronic structures of single-atom alloys unraveled by interpretable deep learning 2024-Oct-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0232141 PMID:39435835	研究论文	通过可解释的深度学习揭示单原子合金独特电子结构的来源	结合紧束缚矩理论和图神经网络，准确描述了过渡金属和贵金属位点在扰动下的局部电子结构，强调了原子间轨道耦合和原位轨道共振的复杂相互作用	NA	揭示单原子合金独特电子结构的来源	单原子合金的电子结构	机器学习	NA	图神经网络	图神经网络	电子结构数据	NA
13319	2024-10-24	Autonomous Scanning Tunneling Microscopy Imaging via Deep Learning 2024-Oct-23, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c11674 PMID:39382312	研究论文	本研究开发了一种基于深度学习的自主扫描隧道显微镜（STM）框架，实现了STM的自主操作	首次将深度学习技术应用于STM的自主操作，包括实时图像质量评估、裸露表面识别和自主探针调节	NA	开发一种自主STM框架，减少人工干预，提高测量效率和准确性	扫描隧道显微镜的操作和数据分析	计算机视觉	NA	扫描隧道显微镜	卷积神经网络（CNN）、U-net模型、深度Q学习网络（DQN）	图像	在约1.9 μm的区域内进行了48小时的连续测量
13320	2024-10-24	Artificial intelligence performance in testing microfluidics for point-of-care 2024-Oct-22, Lab on a chip IF:6.1Q2 DOI:10.1039/d4lc00671b PMID:39360887	研究论文	本文比较了不同AI模型在微流控通道中检测气泡的性能	首次系统比较了多种机器学习和深度学习模型在微流控气泡检测中的应用	仅限于两类分类问题，未涉及多类分类或其他微流控应用	评估AI在微流控点对点诊断中的应用潜力	微流控通道中的气泡检测	机器学习	NA	微流控技术	随机森林、DenseNet169	图像	单通道微流控系统，包含3D透明物体（气泡）