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
14381	2024-10-08	Causality-inspired crop pest recognition based on Decoupled Feature Learning 2024-Nov, Pest management science IF:3.8Q1 DOI:10.1002/ps.8314 PMID:39022822	研究论文	本文提出了一种基于解耦特征学习的因果关系启发式作物害虫识别框架	利用因果推断技术处理训练数据集偏差，通过分类置信度构建不同的训练域，并使用中心三重损失学习类核心特征	NA	提高作物害虫识别的准确性和可靠性	作物害虫	计算机视觉	NA	深度学习	解耦特征学习框架	图像	在Li、DFSPD和IP102数据集上分别进行了测试
14382	2024-10-08	Prediction of surgery-first approach orthognathic surgery using deep learning models 2024-Nov, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2024.05.003 PMID:38821731	研究论文	本研究利用深度学习模型预测正颌手术中手术优先方法的治疗方式，并评估其临床准确性	深度学习为加速工作流程、自动化辅助决策和个性化治疗计划提供了新方法	NA	利用深度学习预测正颌手术中手术优先方法的治疗方式	正颌手术患者	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	228名骨性III类错颌患者
14383	2024-10-08	Deep Variational Network Toward Blind Image Restoration 2024-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3365745 PMID:38349822	研究论文	本文提出了一种新的盲图像恢复方法，结合了经典模型方法和深度学习方法的优点	构建了一个通用的贝叶斯生成模型来描述盲图像恢复中的退化过程，并设计了一种变分推断算法，将所有期望的后验分布参数化为深度神经网络	NA	旨在解决盲图像恢复问题，并结合经典模型方法和深度学习方法的优点	盲图像恢复中的图像退化和恢复过程	计算机视觉	NA	变分推断算法	深度神经网络	图像	NA
14384	2024-10-08	Joint segmentation of tumors in 3D PET-CT images with a network fusing multi-view and multi-modal information 2024-Oct-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7f1b PMID:39317235	研究论文	本文提出了一种用于3D PET-CT图像中肿瘤联合分割的深度学习算法	提出了多视图信息增强和多模态特征融合网络（MIEMFF-Net），结合动态多模态融合策略和多视图信息增强策略，有效利用PET和CT图像的代谢和解剖信息	未提及	解决现有方法在PET-CT图像肿瘤分割中忽略多模态和多视图信息的问题	3D PET-CT图像中的肿瘤	计算机视觉	软组织肉瘤	深度学习	MIEMFF-Net	图像	Soft Tissue Sarcomas数据集和AutoPET数据集
14385	2024-10-08	An adaptive weight ensemble approach to forecast influenza activity in an irregular seasonality context 2024-Oct-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52504-1 PMID:39366942	研究论文	本文开发了一种自适应权重集成方法，用于预测香港等热带和亚热带地区的不规则季节性流感活动	提出了自适应权重混合集成模型（AWBE），动态更新模型贡献，显著提高了预测准确性	NA	开发和比较不同模型在预测流感活动中的表现，特别是在不规则季节性的地区	香港地区的流感活动	机器学习	流感	NA	集成模型	时间序列数据	32次流行病，时间跨度为1998年至2019年
14386	2024-10-08	Meta-learning for real-world class incremental learning: a transformer-based approach 2024-Oct-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71125-8 PMID:39367098	研究论文	本文提出了一种基于Transformer的元学习方法，用于解决现实世界中的类增量学习问题	本文的创新点在于将元学习应用于类增量学习，并提出了一种基于Transformer的聚合函数，能够在不重新训练的情况下完成任务	NA	本文的研究目的是将元学习应用于更贴近现实世界的类增量学习问题	本文的研究对象是类增量学习问题	自然语言处理	NA	元学习	Transformer	文本	NA
14387	2024-10-08	Advanced mathematical modeling of mitigating security threats in smart grids through deep ensemble model 2024-Oct-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74733-6 PMID:39367158	研究论文	研究通过深度集成模型进行高级数学建模，以减轻智能电网中的安全威胁	提出了一种基于山羚优化和深度集成学习的入侵检测技术（MGODEL-ID），用于智能电网环境中的入侵检测	NA	开发一种新的入侵检测技术，以提高智能电网对网络攻击的可靠性和韧性	智能电网中的安全威胁和入侵检测	机器学习	NA	深度学习	深度集成模型	网络数据	NA
14388	2024-10-08	Tabular deep learning: a comparative study applied to multi-task genome-wide prediction 2024-Oct-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05940-1 PMID:39367318	研究论文	本文比较了多种深度学习架构在多任务全基因组预测中的应用	首次系统性地比较了多种深度学习架构在表格数据上的表现，并应用于全基因组预测	实验仅限于特定的基因数据集，结果可能不适用于所有类型的基因数据	提高基因选择和疾病风险预测的准确性	多种深度学习架构在全基因组预测中的表现	机器学习	NA	深度学习	LassoNet	表格数据	三个多特征回归数据集和两个多类分类数据集
14389	2024-10-08	Leveraging explainable deep learning methodologies to elucidate the biological underpinnings of Huntington's disease using single-cell RNA sequencing data 2024-Oct-04, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10855-5 PMID:39367331	研究论文	利用可解释深度学习方法解析亨廷顿病生物学基础的单细胞RNA测序数据	使用残差神经网络（ResNet）模型有效模拟亨廷顿病细胞，并利用SHapley Additive exPlanations（SHAP）算法识别影响亨廷顿病预测的基因	测试集的F1分数为96.53%，仍有提升空间	阐明亨廷顿病病理学的潜在机制	亨廷顿病细胞与健康细胞的差异基因表达模式	机器学习	神经退行性疾病	单细胞RNA测序	残差神经网络（ResNet）	基因表达数据	NA
14390	2024-10-08	The power of deep learning in simplifying feature selection for hepatocellular carcinoma: a review 2024-Oct-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02682-1 PMID:39367397	综述	本文综述了深度学习技术在肝细胞癌（HCC）特征选择中的应用	深度学习技术在简化HCC特征选择过程中展示了显著的进步	将深度学习的潜力转化为临床现实仍面临挑战	综述深度学习模型和算法在HCC特征选择中的应用，并讨论其在临床实践中的潜力	肝细胞癌（HCC）的特征选择	机器学习	肝癌	深度学习	NA	NA	NA
14391	2024-10-06	Development of brain tumor radiogenomic classification using GAN-based augmentation of MRI slices in the newly released gazi brains dataset 2024-Oct-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02699-6 PMID:39367444	研究论文	本文提出使用StyleGANv2-ADA模型对脑部MRI切片进行数据增强，以提高脑肿瘤分类模型的性能	首次在Gazi Brains 2020数据集上使用StyleGANv2-ADA进行数据增强，显著提高了脑肿瘤分类的准确率	NA	提高脑肿瘤分类模型的准确性	脑肿瘤的分类	计算机视觉	脑肿瘤	StyleGANv2-ADA	GAN	图像	使用了Gazi Brains 2020、BRaTS 2021和Br35h数据集
14392	2024-10-08	Deep learning to estimate response of concurrent chemoradiotherapy in non-small-cell lung carcinoma 2024-Oct-04, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05708-4 PMID:39367461	研究论文	本文构建了一个深度学习模型，用于预测非小细胞肺癌患者在接受同步放化疗后的反应	首次使用深度学习模型预测非小细胞肺癌患者对同步放化疗的反应，并探索了相关的生物信号通路	NA	开发和验证一个深度学习模型，用于预测非小细胞肺癌患者在接受同步放化疗后的反应	非小细胞肺癌患者及其在接受同步放化疗后的反应	机器学习	肺癌	深度学习	ResNet50	图像	229名非小细胞肺癌患者
14393	2024-10-08	Artificial intelligence and telemedicine in epilepsy and EEG: A narrative review 2024-Oct, Seizure DOI:10.1016/j.seizure.2024.08.024 PMID:39222613	综述	本文综述了人工智能和远程医疗在癫痫和脑电图诊断与管理中的应用	人工智能通过机器学习和深度学习提高了脑电图解释和癫痫发作预测的准确性	技术应用受到设备兼容性、临床工作流程整合、数据偏差和数据可用性等限制	探讨人工智能和远程医疗在癫痫和脑电图护理中的应用及其对未来癫痫护理的影响	癫痫患者和脑电图数据	机器学习	癫痫	机器学习	卷积神经网络 (CNN)	脑电图 (EEG)	NA
14394	2024-10-08	Artificial intelligence-based differential diagnosis of orbital MALT lymphoma and IgG4 related ophthalmic disease using hematoxylin-eosin images 2024-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06501-1 PMID:38700592	研究论文	研究使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性	开发了一种基于深度学习的人工智能软件，能够区分IgG4相关眼病和眼眶MALT淋巴瘤	样本量较小，且仅限于IgG4相关眼病和眼眶MALT淋巴瘤的区分	探讨使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性	IgG4相关眼病和眼眶MALT淋巴瘤	数字病理学	淋巴瘤	深度学习	EVA	图像	127名患者，其中97名用于模型构建，30名用于模型评估
14395	2024-10-08	Evaluating a Natural Language Processing-Driven, AI-Assisted International Classification of Diseases, 10th Revision, Clinical Modification, Coding System for Diagnosis Related Groups in a Real Hospital Environment: Algorithm Development and Validation Study 2024-Sep-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58278 PMID:39302714	研究论文	评估基于自然语言处理和人工智能的国际疾病分类第10版临床修改版编码系统在实际医院环境中的算法开发和验证	开发了一种基于自然语言处理和深度学习模型的AI辅助编码系统，用于自动确定诊断和代码，以提高编码效率和准确性	研究仅在一家医院进行，样本量有限，可能影响结果的普适性	评估基于自然语言处理的AI辅助编码系统在实际医院环境中自动确定诊断和代码的可行性	国际疾病分类第10版临床修改版编码系统在诊断相关分组中的应用	自然语言处理	NA	自然语言处理	GPT-2	文本	使用高雄医学大学中和纪念医院2019年4月至2020年12月的患者出院总结作为参考数据集，以及2023年2月至4月的实际医院数据
14396	2024-10-08	Neural Conversational Agent for Weight Loss Counseling: Protocol for an Implementation and Feasibility Study 2024-Sep-20, JMIR research protocols IF:1.4Q3 DOI:10.2196/60361 PMID:39303273	研究论文	本文探讨了使用基于大型语言模型（LLM）的神经对话代理NAOMI进行体重管理咨询的可行性研究	本文首次提出使用基于LLM的神经对话代理NAOMI进行体重管理咨询，旨在克服传统咨询师培训成本高和时间长的限制	研究尚未完成，数据收集预计在2025年5月结束，目前无法评估其长期效果和广泛应用的可行性	探索使用神经对话代理NAOMI进行体重管理咨询的可行性，并测试其接受度和使用性	超重和肥胖患者，招募自初级保健诊所	机器学习	肥胖	深度学习	大型语言模型（LLM）	文本	10名18-65岁超重或肥胖患者（BMI≥25.0且≤39.9）
14397	2024-10-08	A systematic review of deep learning-based spinal bone lesion detection in medical images 2024-Sep, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241263066 PMID:39033391	综述	本文系统回顾了基于深度学习的医学图像中脊柱骨病变检测的研究进展	本文不仅描述了这些模型在脊柱骨恶性病变识别中的诊断性能和不同方法，还指出了当前缺乏标准化方法和报告的问题	大多数研究存在重大局限性，如模型统计和数据获取报告不足、缺乏外部验证数据集以及可能的偏倚注释	探讨深度学习模型在脊柱骨病变检测中的应用及其局限性	脊柱骨病变及其在医学图像中的检测	计算机视觉	NA	深度学习	NA	图像	14项研究
14398	2024-10-08	Enhancing schizophrenia phenotype prediction from genotype data through knowledge-driven deep neural network models 2024-Sep, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2024.110910 PMID:39111546	研究论文	本文探讨了利用深度学习模型设计来提高从基因型数据预测精神分裂症表型的方法	引入了一种创新的三步方法，利用神经网络的能力有效处理基因相互作用，并通过知识驱动的深度神经网络模型增强预测能力	NA	提高从基因型数据预测精神分裂症表型的准确性	精神分裂症的基因型数据	机器学习	精神疾病	深度学习	神经网络	基因型数据	NA
14399	2024-10-08	Recurrent Inference Machine for Medical Image Registration 2024-Jun-19, ArXiv PMID:39371087	研究论文	本文提出了一种名为Recurrent Inference Image Registration (RIIR)网络的新型图像配准方法，旨在提高配准精度和数据效率	RIIR通过元学习的方式迭代地解决配准问题，结合隐式正则化和显式梯度输入，学习优化更新规则，从而提高配准精度和数据效率	NA	提高医学图像配准的精度和数据效率	脑部MRI和定量心脏MRI数据集	计算机视觉	NA	深度学习	RNN	图像	使用5%的训练数据进行实验
14400	2024-10-08	Location-based Radiology Report-Guided Semi-supervised Learning for Prostate Cancer Detection 2024-Jun-18, ArXiv PMID:39371085	研究论文	提出了一种基于放射报告中的病变位置信息指导的半监督学习方法，用于前列腺癌的检测	利用放射报告中自动提取的病变位置信息，通过半监督学习方法减少对标注图像的依赖，从而降低标注负担	NA	提高计算机辅助前列腺癌在MRI上的检测效果	前列腺癌的检测	计算机视觉	前列腺癌	半监督学习	NA	图像	NA