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
15161	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
15162	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
15163	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
15164	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
15165	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
15166	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
15167	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
15168	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
15169	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
15170	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
15171	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
15172	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
15173	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
15174	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%
15175	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
15176	2024-10-02	Fully automated image quality evaluation on patient CT: Multi-vendor and multi-reconstruction study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0271724 PMID:35857804	研究论文	本文提出了一种全自动的CT图像质量评估方法，用于多厂商和多重建算法的患者CT图像	首次提出了基于结构一致性特征（SCF）的全自动CT图像质量评估方法，能够量化噪声水平、结构清晰度和结构变化	研究仅限于特定类型的CT图像和重建算法，未涵盖所有可能的CT技术和场景	开发一种全自动的CT图像质量评估方法，以优化CT协议和降低辐射剂量	120名患者的CT图像，使用四种不同的CT扫描仪和三种重建算法	计算机视觉	NA	CT扫描	深度学习模型（DLM）	图像	120名患者的CT图像
15177	2024-10-02	A Deep Learning and Handcrafted Based Computationally Intelligent Technique for Effective COVID-19 Detection from X-ray/CT-scan Imaging 2022, Journal of grid computing IF:3.6Q1 DOI:10.1007/s10723-022-09615-0 PMID:35874855	研究论文	本文提出了一种基于深度学习和手工特征的计算智能技术，用于从X射线/CT扫描图像中有效检测COVID-19	本文的创新点在于采用了混合特征提取方法，结合了深度学习特征和手工特征，并使用ResNet101和DenseNet201模型进行特征提取	NA	开发一种高效的COVID-19分类系统，以帮助医生和科学界应对疫情	COVID-19的X射线/CT扫描图像	计算机视觉	COVID-19	深度学习	ResNet101, DenseNet201	图像	NA
15178	2024-10-02	Artificial Intelligence in Digital Pathology to Advance Cancer Immunotherapy 2022, 21st century pathology PMID:36282981	研究论文	本文总结了人工智能在数字病理学中的最新研究，并探讨了其在癌症免疫治疗生物标志物开发中的新兴范式和方向	本文探讨了人工智能在数字病理学中的应用，特别是深度学习技术，以自动化分析组织切片，并利用多重生物成像技术全面表征肿瘤微环境	本文主要为综述性质，未提供具体的研究数据或实验结果	探讨人工智能在数字病理学中的应用，以推动癌症免疫治疗生物标志物的开发	免疫检查点抑制剂（ICIs）在癌症治疗中的应用，特别是肺癌患者中ICIs单药治疗的临床效益	数字病理学	肺癌	人工智能（AI），特别是深度学习	深度学习	组织切片	NA
15179	2024-10-02	Accurate classification of lung nodules on CT images using the TransUnet 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.1060798 PMID:36544802	研究论文	本文提出了一种基于TransUnet的深度卷积神经网络技术，用于CT图像中肺结节的自动分类	本文创新性地结合了Transformer和Unet模型，通过全局自注意力建模和精确的肺结节定位，提高了肺结节分类的准确性	NA	开发一种自动化的方法来提高CT图像中肺结节的分类准确性	CT图像中的肺结节	计算机视觉	肺癌	深度卷积神经网络	TransUnet	图像	8474张CT图像，包括3259张良性图像和5215张肺结节图像
15180	2024-10-02	From a deep learning model back to the brain-Identifying regional predictors and their relation to aging 2020-08-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25011 PMID:32320123	研究论文	本文提出了一种深度学习框架，用于从结构磁共振成像扫描中预测生理年龄，并识别与年龄预测相关的脑区	开发了一种推理方案，通过结合多个受试者的解释图，创建基于人群而非个体特异性的地图，提高了解释图的可重复性	NA	研究脑龄预测及其与脑区衰老过程的关系	结构磁共振成像扫描数据和脑区衰老过程	计算机视觉	NA	卷积神经网络 (CNN)	卷积神经网络 (CNN)	图像	10,176名受试者