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
14461	2024-10-06	Identifying pediatric heart murmurs and distinguishing innocent from pathologic using deep learning 2024-07, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102867 PMID:38723434	研究论文	开发了一种深度学习算法，用于对正常儿科心脏声音、无害杂音和病理性杂音进行多类别分类	提出了两种新颖的方法，即使用视觉变换器在马尔可夫转移场或Gramian角场图像表示上进行训练，并首次展示了儿科杂音的多类别分类	NA	开发一种能够区分正常儿科心脏声音、无害杂音和病理性杂音的深度学习算法	儿科心脏声音、无害杂音和病理性杂音	机器学习	心血管疾病	深度学习	视觉变换器 (Vision Transformer), 卷积神经网络 (ResNet-50)	音频	366个正常心脏声音，175个无害杂音，216个病理性杂音
14462	2024-10-06	Hematologic cancer diagnosis and classification using machine and deep learning: State-of-the-art techniques and emerging research directives 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102883 PMID:38657439	综述	本文综述了过去20年中使用机器学习和深度学习技术进行血液癌症诊断和分类的研究进展	本文总结了现有研究的优势和局限性，为该领域的研究人员提供了有价值的指导	本文主要基于已发表的研究进行综述，未提出新的技术或模型	评估和总结机器学习和深度学习在血液癌症诊断和分类中的应用	血液癌症的诊断和分类	机器学习	血液癌症	机器学习和深度学习	NA	图像	约57篇研究论文
14463	2024-10-06	Learning the cellular activity representation based on gene regulatory networks for prediction of tumor response to drugs 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102864 PMID:38640702	研究论文	本文提出了一种基于基因调控网络学习肿瘤细胞活性表示的方法，用于预测肿瘤对药物的反应	该方法通过整合基因调控网络的先验知识，模拟细胞生物系统，生成新的低维活性表示，从而提高预测性能	NA	预测肿瘤细胞对抗癌药物的反应，实现癌症精准医疗	肿瘤细胞对药物的反应	机器学习	NA	基因调控网络	深度学习模型	基因表达数据	NA
14464	2024-10-06	Improving multiple sclerosis lesion segmentation across clinical sites: A federated learning approach with noise-resilient training 2024-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102872 PMID:38701636	研究论文	本文探讨了在多发性硬化症（MS）病变分割中使用联邦学习框架和噪声鲁棒训练策略，以解决多临床站点数据隐私和标签噪声问题	提出了Decoupled Hard Label Correction (DHLC)和Centrally Enhanced Label Correction (CELC)策略，以提高模型在多站点数据上的鲁棒性和准确性	未提及具体的局限性	提高多发性硬化症病变分割的准确性和鲁棒性，以支持疾病进展的理解和治疗策略的制定	多发性硬化症病变分割模型	计算机视觉	神经系统疾病	联邦学习	深度学习模型	医学影像	涉及两个多站点数据集
14465	2024-10-06	Deep learning supported echocardiogram analysis: A comprehensive review 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102866 PMID:38593684	综述	本文综述了利用深度学习技术自动化分析经胸超声心动图并辅助临床判断的最新研究	系统地组织和分类了针对视图分类、图像质量增强和数据集、心脏结构分割和识别、心脏功能异常检测以及心脏功能量化的解决方案，并比较了不同深度学习方法的性能	当前研究存在泛化性问题，且对罕见心脏疾病的分析不足	分析利用深度学习技术自动化分析经胸超声心动图并辅助临床判断的最新研究	经胸超声心动图的自动化分析	计算机视觉	心血管疾病	深度学习	NA	图像	NA
14466	2024-10-06	Machine learning and deep learning-based approach to categorize Bengali comments on social networks using fused dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308862 PMID:39361557	研究论文	本文提出了一种基于机器学习和深度学习的方法，用于分类孟加拉语社交媒体评论，以检测网络欺凌行为	本文创新性地融合了两个数据集，生成了94,000条孟加拉语评论，并使用多种机器学习和深度学习模型进行分类，最终发现混合模型（MLP+SGD+LR）在多标签分类中表现最佳	本文未详细讨论数据集的来源和质量，以及模型在不同数据集上的泛化能力	旨在通过检测网络欺凌行为，保护心理健康和学术成就，创造一个无批评的在线环境	孟加拉语社交媒体评论	自然语言处理	NA	机器学习（ML）和自然语言处理技术	多层感知器（MLP）、K近邻（K-NN）、极端梯度提升（XGBoost）、自适应提升分类器（AdaBoost）、逻辑回归分类器（LR）、随机森林分类器（RF）、装袋分类器、随机梯度下降（SGD）、投票分类器、堆叠分类器、深度神经网络（DNN）、卷积神经网络（CNN）、卷积长短期记忆网络（C-LSTM）、双向长短期记忆网络（BiLSTM）	文本	94,000条孟加拉语评论
14467	2024-10-06	Design of image segmentation model based on residual connection and feature fusion 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309434 PMID:39361568	研究论文	提出了一种基于残差连接和特征融合的图像分割模型，通过实验验证了其在复杂场景中的有效性	利用残差连接的深度特征提取能力和特征融合的多尺度特征整合能力，解决了传统图像分割中的背景复杂性和信息丢失问题	NA	改进图像分割技术，使其在复杂场景和多尺度目标图像中表现更好	图像分割模型在复杂场景中的应用	计算机视觉	NA	卷积神经网络	残差连接和特征融合模型	图像	在ISPRS Vaihingen数据集和Caltech UCSD Birds200数据集上进行了实验
14468	2024-10-06	Video-audio neural network ensemble for comprehensive screening of autism spectrum disorder in young children 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308388 PMID:39361665	研究论文	本文利用视频和音频特征的神经网络集成模型，对1至5岁儿童进行自闭症谱系障碍的全面筛查	本文采用多模态方法，结合视频和音频特征的神经网络，提高了自闭症谱系障碍筛查的准确性和特异性	本文样本量较小，仅涉及160名儿童	本文旨在开发一种早期自动化筛查自闭症谱系障碍的方法	本文的研究对象是1至5岁的儿童	机器学习	自闭症谱系障碍	神经网络	神经网络集成模型	视频和音频	160名1至5岁儿童
14469	2024-10-06	Hyperspectral imaging and artificial intelligence enhance remote phenotyping of grapevine rootstock influence on whole vine photosynthesis 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1409821 PMID:39363918	研究论文	研究利用高光谱成像和人工智能技术预测葡萄根系对整株植物光合作用的影响	结合高光谱成像和人工智能技术，首次在冠层水平上预测光合作用关键参数，提高了筛选效率	研究仅限于特定品种和根系组合，未涵盖所有可能的葡萄品种和根系类型	克服传统测量光合作用参数的时间和成本限制，提高筛选效率	葡萄根系对整株植物光合作用的影响	机器学习	NA	高光谱成像	1D-卷积神经网络 (CNN)	光谱数据	两个生长季的数据，包括'Marquette'嫁接到五个商业根系和'Marquette'嫁接到'Marquette'的样本
14470	2024-10-06	Deep learning-based multimodal image analysis predicts bone cement leakage during percutaneous kyphoplasty: protocol for model development, and validation by prospective and external datasets 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1479187 PMID:39364028	研究论文	本文开发并验证了一种基于深度学习的多模态图像分析模型，用于预测经皮椎体成形术中的骨水泥渗漏	本文创新性地使用深度学习模型直接分析术前CT和MRI图像，以准确预测骨水泥渗漏的发生和分类	本文的局限性在于使用了回顾性数据进行模型训练和验证，未来需要更多前瞻性和跨中心的外部数据进行进一步验证	研究目的是开发一种智能方法，通过分析术前影像预测经皮椎体成形术中的骨水泥渗漏，以改善临床结果	研究对象是患有骨质疏松性椎体压缩性骨折的患者	计算机视觉	骨骼疾病	深度学习	深度学习模型	图像	包括回顾性内部数据集、前瞻性内部数据集和跨中心外部数据集
14471	2024-10-06	Data-driven classification and explainable-AI in the field of lung imaging 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1393758 PMID:39364222	综述	本文综述了在肺部影像领域中使用数据驱动分类和可解释人工智能（XAI）的最新研究进展	本文强调了基于迁移学习的卷积神经网络（CNN）和集成模型/特征在肺部疾病分类中的优越性能，并探讨了XAI技术在机器和深度学习模型中的重要性	NA	探讨和比较不同机器学习技术在肺部疾病分类中的应用，特别是肺炎分析	肺部疾病，特别是肺炎的分类	计算机视觉	肺部疾病	卷积神经网络（CNN）、集成方法、迁移学习	卷积神经网络（CNN）	图像	NA
14472	2024-10-06	Target-based deep learning network surveillance of non-contrast computed tomography for small infarct core of acute ischemic stroke 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1477811 PMID:39364421	研究论文	本研究旨在构建一个基于非增强CT图像自动识别急性缺血性卒中（AIS）小梗死核心的模型	开发了一种改进的基于目标的深度学习模型YOLOv5，用于在CT图像上检测梗死，特别是在小梗死核心的识别上表现更好	研究为回顾性研究，样本量有限，且仅限于特定时间段内的AIS患者	快速诊断急性缺血性卒中，以实现积极的治疗效果和预后	急性缺血性卒中患者的小梗死核心	计算机视觉	脑血管疾病	深度学习	YOLOv5	图像	共纳入584例AIS患者，最终275例符合条件
14473	2024-10-06	Visual Enhancement and Semantic Segmentation of Murine Tissue Scans with Pulsed THz Spectroscopy 2023-Feb, Proceedings. IEEE International Conference on Semantic Computing DOI:10.1109/ICSC56153.2023.00018 PMID:39360127	研究论文	本文探讨了使用脉冲太赫兹光谱技术对小鼠组织扫描进行视觉增强和语义分割的应用	引入了两阶段管道，使用无监督图像到图像翻译网络和监督分割网络，以解决传统深度学习方法在太赫兹成像中的低分辨率和缺乏专家标记图像的问题	依赖于合成太赫兹扫描，可能存在与实际数据的差异	提高太赫兹成像技术在医学图像中的应用效果，特别是对切除的乳腺癌组织的分割和分类	小鼠切除的乳腺癌组织	计算机视觉	乳腺癌	脉冲太赫兹光谱技术	无监督图像到图像翻译网络和监督分割网络	图像	NA
14474	2024-10-06	Transformer-based deep learning for predicting protein properties in the life sciences 2023-01-18, eLife IF:6.4Q1 DOI:10.7554/eLife.82819 PMID:36651724	综述	本文综述了基于Transformer模型的深度学习在生命科学中预测蛋白质特性的应用	Transformer模型在蛋白质特性预测中的应用带来了新的计算革命，显著改进了旧的预测结果	NA	探讨Transformer模型在蛋白质特性预测中的应用及其潜力	蛋白质特性预测，特别是后翻译修饰的预测	自然语言处理	NA	深度学习	Transformer	蛋白质序列	NA
14475	2024-10-06	From sequence to function through structure: Deep learning for protein design 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.014 PMID:36544476	研究论文	本文综述了深度学习在蛋白质设计中的最新进展，并提出了一种从生成序列到预测属性和网络可视化的实用流程	利用自然语言处理和计算机视觉技术，结合计算硬件的进步，从生物数据库中学习模式，用于蛋白质设计	蛋白质设计工具的实际应用复杂，需要进一步简化	探讨深度学习在蛋白质设计中的应用，提出实用流程并讨论挑战和机遇	蛋白质设计工具和流程	计算机视觉	NA	深度学习	NA	生物数据库	NA
14476	2024-10-06	Machine learning and deep learning approach for medical image analysis: diagnosis to detection 2022-Dec-24, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14305-w PMID:36588765	review	本文综述了机器学习和深度学习在医学图像分析中的应用，特别是从诊断到检测的过程	深度学习被认为是机器学习的增强技术，能够更高效地处理大量数据，并使用多层神经网络获取更多信息	机器学习在处理当前模态的大量数据时存在局限性	旨在系统综述机器学习和深度学习在多种疾病检测和分类中的应用	医学图像分析中的机器学习和深度学习方法	computer vision	NA	深度学习 (DL) 和机器学习 (ML)	多层神经网络	图像	40项主要研究，使用MRI数据集进行实验
14477	2024-10-06	PAN-cODE: COVID-19 forecasting using conditional latent ODEs 2022-11-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac160 PMID:36047844	研究论文	本文介绍了一种名为PAN-cODE的深度学习方法，用于预测COVID-19的每日感染和死亡人数	PAN-cODE使用深度条件潜在变量模型，能够基于不同的非药物干预措施生成不同的病例轨迹，并允许对训练期间未见过的地区进行病例估计	尽管使用了较少详细数据且训练过程完全自动化，PAN-cODE的性能与最先进的方法相当，但未提及具体的局限性	开发一种数据驱动的模型来预测COVID-19的传播，以支持政策决策	COVID-19的每日感染和死亡人数	机器学习	COVID-19	深度学习	条件潜在ODE模型	时间序列数据	未明确提及具体样本数量
14478	2024-10-06	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	研究使用深度学习预测COVID-19 mRNA疫苗降解	提出了两种混合深度神经网络模型GCN_GRU和GCN_CNN，并证明GCN_GRU模型在预测RNA降解方面表现更优	NA	研究是否可以使用混合深度学习模型预测RNA降解	COVID-19 mRNA疫苗的降解特性	机器学习	COVID-19	深度学习	GCN_GRU和GCN_CNN	RNA序列	NA
14479	2024-10-06	A Systematic Evaluation of Ensemble Learning Methods for Fine-Grained Semantic Segmentation of Tuberculosis-Consistent Lesions in Chest Radiographs 2022-Aug-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090413 PMID:36134959	研究论文	本文系统评估了集成学习方法在胸部X光片中结核病一致性病变细粒度语义分割中的应用	首次将集成学习应用于提高结核病一致性病变细粒度分割性能	NA	评估使用细粒度标注训练U-Net模型及其集成方法在结核病一致性病变语义分割中的效果	结核病一致性病变在胸部X光片中的细粒度语义分割	计算机视觉	肺结核	深度学习	U-Net	图像	NA
14480	2024-10-06	COVID-19 Diagnosis and Classification Using Radiological Imaging and Deep Learning Techniques: A Comparative Study 2022-Aug-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081880 PMID:36010231	研究论文	本文比较了使用放射影像和深度学习技术进行COVID-19诊断和分类的不同方法	利用胸部X光和CT扫描图像，结合人工智能和深度学习技术，开发自动化诊断系统	COVID图像数据有限，深度学习预测患者严重程度的准确性高于PCR检测等传统方法	研究如何利用放射影像和深度学习技术进行COVID-19的自动化诊断和分类	胸部X光和CT扫描图像，以及各种CNN模型	计算机视觉	COVID-19	深度学习	CNN	图像	多个数据集，具体样本数量未提及