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
14701	2024-10-02	Developments in Image Processing Using Deep Learning and Reinforcement Learning 2023-Sep-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9100207 PMID:37888314	review	本文综述了深度学习和强化学习在图像处理领域的最新进展和优化方案	本文讨论了图像处理应用中的主要改进和最新发展，并提出了未来研究方向	尽管取得了良好成果，但该领域仍面临许多挑战	探讨图像处理应用中的最新进展和未来研究方向	图像处理中的深度学习和强化学习技术	computer vision	NA	深度学习和强化学习	NA	image	NA
14702	2024-10-02	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	本文提出了一种自监督对比学习方法SMoCo，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展	本文首次将自监督对比学习应用于基于3D淀粉样蛋白PET预测轻度认知障碍向阿尔茨海默病的转化	本文仅在ADNI数据集上进行了验证，未来需要在更多数据集上进行验证	开发一种能够准确预测轻度认知障碍向阿尔茨海默病转化的深度学习模型	轻度认知障碍患者和3D淀粉样蛋白PET图像	计算机视觉	阿尔茨海默病	自监督对比学习	SMoCo	图像	ADNI数据集
14703	2024-10-02	Simultaneous estimation of gene regulatory network structure and RNA kinetics from single cell gene expression 2023-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558277 PMID:37790443	研究论文	本文开发了一种深度学习模型，通过单细胞RNA测序数据同时推断基因调控网络结构和RNA动力学参数	首次提出了一种能够同时推断基因调控网络结构和RNA动力学参数的深度学习模型，并展示了其在预测基因表达状态和模拟转录因子变化效果方面的优越性	NA	构建一个完整的、预测性的生物物理模型，用于描述基因表达调控	基因调控网络结构和RNA动力学参数	机器学习	NA	单细胞RNA测序	深度学习模型	基因表达数据	175,000个单细胞样本
14704	2024-10-02	Real-time face mask position recognition system based on MobileNet model 2023-Jun, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2023.100382 PMID:36743719	研究论文	本文开发并评估了一个基于MobileNet模型的实时口罩佩戴位置识别系统	提出了通过微调预训练的MobileNet模型来实现高精度的口罩佩戴位置识别，并开发了一个实时系统	未提及	开发一个能够自动识别口罩佩戴位置的系统，以确保人们在公共场所正确佩戴口罩	口罩佩戴位置的识别	计算机视觉	NA	深度学习	MobileNet	图像	391名不同年龄和性别的个体
14705	2024-10-02	COVID-19 CT ground-glass opacity segmentation based on attention mechanism threshold 2023-Mar, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104486 PMID:36505089	研究论文	本文提出了一种基于注意力机制阈值的新方法，用于准确分割COVID-19 CT图像中的磨玻璃影（GGO）	本文创新性地提出了一个包含注意力机制阈值、轮廓均衡和肺部分割（ACL）的框架，能够根据图像对比度自适应调整阈值参数，从而实现对低对比度GGO图像的准确分割	NA	解决COVID-19 CT图像中磨玻璃影（GGO）分割的挑战	COVID-19患者的CT图像中的磨玻璃影（GGO）	计算机视觉	COVID-19	注意力机制	NA	图像	四个COVID数据集
14706	2024-10-02	A review of the application of artificial intelligence to nuclear reactors: Where we are and what's next 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13883 PMID:36895398	综述	本文综述了人工智能在核反应堆中的应用现状及未来发展方向	提出了将领域知识与数据驱动方法结合以减少数据需求，并推广可解释人工智能技术以提高模型透明度和可靠性	数据问题和黑箱困境是阻碍人工智能与核反应堆技术进一步融合的主要障碍	探讨人工智能技术在提高核反应堆安全性和经济性方面的应用及未来发展方向	核反应堆的设计优化及运行维护	机器学习	NA	机器学习、深度学习、进化计算	NA	实验数据	NA
14707	2024-10-02	Exploring a global interpretation mechanism for deep learning networks when predicting sepsis 2023-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30091-3 PMID:36810645	研究论文	本研究通过一种新的机制解释深度学习模型在预测脓毒症时的全局解释机制，并识别出额外的临床特征	提出了一种新的全局解释机制来解释黑箱机器学习模型，并识别出与脓毒症相关的临床特征	识别出的特征中，有3个特征与临床特征有强相关性，但未被机制识别	通过新的解释机制识别脓毒症检测的额外临床特征，并提供机制的适当评估	脓毒症检测的临床特征和黑箱机器学习模型的解释机制	机器学习	脓毒症	长短期记忆网络（LSTM）	LSTM	生理数据	约40,000名重症监护病房（ICU）患者，40个生理变量
14708	2024-10-02	A systematic review of machine learning techniques for stance detection and its applications 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08285-7 PMID:36743664	综述	本文系统回顾了用于立场检测及其应用的机器学习技术	本文提出了一个六维分类法，用于分类和分析立场检测相关的研究，并指出了深度学习模型中自注意力机制的广泛应用	尽管机器学习模型在立场检测领域显示出潜力，但在现实世界中的应用仍然有限	回顾和分析用于立场检测的机器学习技术及其应用	立场检测及其相关应用	自然语言处理	NA	机器学习	深度学习模型	文本	96项主要研究
14709	2024-10-02	Cross-sectional Ct distributions from qPCR tests can provide an early warning signal for the spread of COVID-19 in communities 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1185720 PMID:37841738	研究论文	本研究利用qPCR测试中的Ct值分布来改进COVID-19预测模型，以提前预警社区中的疫情传播	开发了一种基于Ct值的预测模型，能够比传统的基于病例数的模型更早地预测疫情波峰	需要进一步验证模型在不同地区和时间段的适用性	改进COVID-19预测模型，提前预警疫情波峰	COVID-19疫情传播的早期预警	机器学习	COVID-19	qPCR	深度学习模型	Ct值	2020年8月至2022年1月期间在Northeastern University收集的PCR数据
14710	2024-10-02	Computational methods for in situ structural studies with cryogenic electron tomography 2023, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2023.1135013 PMID:37868346	综述	本文综述了低温电子断层扫描（cryo-ET）中用于原位结构研究的计算方法，包括数据处理流程、经典数学模型和深度学习方法	本文总结了经典数学模型和深度学习方法在cryo-ET重建过程中的应用，并讨论了当前的局限性和未来展望	低温电子断层扫描中的低信噪比和缺失楔形区域是重建过程中的主要挑战	提高cryo-ET数据集的三维高分辨率结构重建	低温电子断层扫描数据处理流程和重建方法	计算机视觉	NA	低温电子断层扫描（cryo-ET）	深度学习	图像	NA
14711	2024-10-02	Prediction of transient and permanent protein interactions using AI methods 2023, Bioinformation DOI:10.6026/97320630019749 PMID:37885791	研究论文	本文利用人工智能方法预测蛋白质的瞬时和永久相互作用	本文开发了五种监督机器学习模型和一种人工神经网络深度学习方法来预测蛋白质的瞬时和永久相互作用，并分析了影响这些相互作用的关键物理化学和几何特征	本文未提及具体的局限性	理解蛋白质相互作用的细节，发现抑制剂，并了解蛋白质相互作用的性质和功能	蛋白质-蛋白质相互作用（PPIs）的瞬时和永久分类	机器学习	NA	监督机器学习，人工神经网络	k-NN，其他四种未明确提及的监督机器学习模型	蛋白质-蛋白质复合物的物理化学、几何和结构特征	402个蛋白质-蛋白质复合物
14712	2024-10-02	Permafrost viremia and immune tweening 2023, Bioinformation DOI:10.6026/97320630019685 PMID:37885785	研究论文	本文探讨了深度学习模型在理解和管理由永久冻土融化释放的古老和新病毒物种引起的免疫反应中的作用	提出了深度学习模型在免疫监控中的新应用，特别是在处理由永久冻土融化释放的病毒物种方面	NA	研究深度学习模型在免疫监控中的应用，特别是在处理由永久冻土融化释放的病毒物种方面	免疫系统对永久冻土融化释放的病毒物种的反应	机器学习	NA	深度学习	深度学习模型	复杂数据	NA
14713	2024-10-02	Mapping the landscape of artificial intelligence in skin cancer research: a bibliometric analysis 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1222426 PMID:37901316	研究论文	本文通过文献计量分析方法，探讨了人工智能在皮肤癌研究中的应用现状和发展趋势	本文首次采用文献计量分析方法，系统梳理了人工智能在皮肤癌诊断中的研究进展和热点领域	目前大多数人工智能在皮肤癌诊断领域的研究仍处于可行性研究阶段，尚未在临床实践中取得显著进展	揭示人工智能在皮肤癌诊断中的研究进展、关注领域和新兴趋势	人工智能在皮肤癌诊断中的应用	机器学习	皮肤癌	文献计量分析	NA	文献	512篇论文
14714	2024-10-02	Autonomous Binarized Focal Loss Enhanced Model Compression Design Using Tensor Train Decomposition 2022-Oct-14, Micromachines IF:3.0Q2 DOI:10.3390/mi13101738 PMID:36296093	研究论文	本文提出了一种基于张量列车分解的自主二值化焦点损失增强模型压缩设计方法	本文创新性地提出了自主二值化焦点损失增强模型压缩（ABFLMC）模型，解决了模型压缩过程中的类别不平衡问题，并引入了动态难度项以提高性能和降低复杂度	NA	旨在提高深度学习模型在目标检测任务中的性能，同时降低计算和功耗需求	深度学习模型在目标检测任务中的应用	机器学习	NA	张量列车分解	ABFLMC	NA	NA
14715	2024-10-02	Mutual influence between language and perception in multi-agent communication games 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010658 PMID:36315590	研究论文	本文探讨了深度学习方法在多智能体通信游戏中语言与感知相互影响的研究	通过系统地操纵智能体的视觉表示和通信协议，分析了它们对语言和感知的影响，揭示了感知偏差如何塑造语义分类和交流内容	NA	研究语言与感知在多智能体通信游戏中的相互影响	发送者和接收者智能体在参考游戏中的语言和视觉表示	自然语言处理	NA	深度学习	深度神经网络	图像	NA
14716	2024-10-02	Deep learning-based breast cancer grading and survival analysis on whole-slide histopathology images 2022-09-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19112-9 PMID:36068311	研究论文	本文开发并评估了一种基于深度学习的乳腺癌分级模型，该模型能够处理全切片病理图像，并进行生存分析	本文首次提出了一种基于深度学习的乳腺癌分级模型，能够处理全切片病理图像，并进行生存分析	模型在调整临床病理特征和分子亚型分层后，危险比显示出趋势但失去了统计显著性	开发一种能够自动分级乳腺癌并进行生存分析的深度学习模型	年轻（<40岁）的浸润性乳腺癌患者及其肿瘤分级	数字病理学	乳腺癌	深度学习	深度学习模型	图像	706名年轻（<40岁）的浸润性乳腺癌患者
14717	2024-10-02	Retinal optical coherence tomography image analysis by a restricted Boltzmann machine 2022-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.458753 PMID:36187262	研究论文	本文提出了一种基于受限玻尔兹曼机（RBM）的无监督学习方法，用于视网膜光学相干断层扫描（OCT）图像的增强和异常分割	本文的创新点在于使用无监督学习方法进行OCT图像的增强和异常检测，无需参考图像，并通过RBM网络重建图像以提高对比度	本文的局限性在于未提及该方法在其他类型眼科疾病中的适用性	研究目的是开发一种无需大量训练数据的无监督学习方法，用于OCT图像的增强和异常检测	研究对象是视网膜OCT图像及其中的异常（如糖尿病性黄斑水肿中的高反射焦点）	计算机视觉	NA	光学相干断层扫描（OCT）	受限玻尔兹曼机（RBM）	图像	未明确提及样本数量
14718	2024-10-02	Can Generative Adversarial Networks help to overcome the limited data problem in segmentation? 2022-Aug, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2021.11.006 PMID:34930685	研究论文	研究探讨了在分割任务中使用生成对抗网络（GAN）是否能克服小数据集的问题	研究了在分割任务中使用GAN架构与传统U-Net网络的性能对比	实验结果显示，在分割任务中引入GAN并未显著提升性能	探讨GAN在分割任务中是否能提升小数据集的性能	男性骨盆的CT数据分割	计算机视觉	NA	生成对抗网络（GAN）	U-Net	图像	1到100名患者的数据集
14719	2024-10-02	Applied Machine Learning for Spine Surgeons: Predicting Outcome for Patients Undergoing Treatment for Lumbar Disc Herniation Using PRO Data 2022-Jun, Global spine journal IF:2.6Q1 DOI:10.1177/2192568220967643 PMID:33203255	研究论文	本研究使用机器学习模型预测腰椎间盘突出症患者手术后的1年随访结果，并与传统方法进行比较	本研究首次将多种机器学习模型应用于腰椎间盘突出症患者的预后预测，并展示了构建模型集合的可行性	机器学习模型并未表现出比传统模型更优越的性能，且不同模型的预测结果存在差异	开发和评估用于预测腰椎间盘突出症患者手术后1年随访结果的机器学习模型	接受腰椎间盘突出症手术治疗的患者	机器学习	腰椎间盘突出症	机器学习	深度学习、决策树、随机森林、提升树和支持向量机	患者报告的结果数据	包括16个独立变量的数据集，随机分为训练集、验证集和测试集，比例为50%/35%/15%
14720	2024-10-02	Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency 2022-05-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac678a PMID:35421855	研究论文	本文探讨了在放射肿瘤学中安全高效地实施机器学习的关键问题，特别是模型可解释性、可解释性和数据-模型依赖性	本文定义并详细阐述了可解释性、可解释性和数据-模型依赖性的核心概念，并提供了实际应用示例	本文主要集中在理论和概念层面的探讨，缺乏具体的实验验证和数据支持	研究如何在放射肿瘤学中安全高效地实施机器学习，并解决模型可解释性和数据-模型依赖性问题	放射肿瘤学中的机器学习模型及其在临床工作流程中的应用	机器学习	NA	NA	卷积神经网络	图像	NA