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
15261	2024-09-28	Scoping Meta-Review of Methods Used to Assess Artificial Intelligence-Based Medical Devices for Heart Failure 2023-Sep-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101109 PMID:37892839	meta-analysis	本文对用于评估基于人工智能的心力衰竭医疗设备的方法进行了范围综述	本文首次系统地综述了评估基于人工智能的心力衰竭医疗设备的方法，填补了现有健康技术评估流程中对AI/ML-based MDs评估方法的空白	本文主要依赖于已发表的综述，可能存在选择偏倚；且未涵盖所有地区和时间段的研究	旨在收集和分析现有文献中用于评估基于人工智能的心力衰竭医疗设备的方法	基于人工智能的心力衰竭医疗设备及其评估方法	机器学习	心血管疾病	深度学习	NA	电子健康记录和注册数据	21篇综述，主要来自北美和欧洲
15262	2024-09-28	Prediction of Adverse Events Risk in Patients with Comorbid Post- Traumatic Stress Disorder and Alcohol Use Disorder Using Electronic Medical Records by Deep Learning Models 2023-Sep-18, Research square DOI:10.21203/rs.3.rs-3299369/v1 PMID:37790550	研究论文	本文使用电子病历和深度学习模型预测患有创伤后应激障碍和酒精使用障碍患者的多种不良事件风险	开发了DeepBiomarker2模型，通过整合多模态信息（实验室检测、药物、合并症和社会决定因素）来提高预测准确性	NA	预测患有创伤后应激障碍和酒精使用障碍患者的多种不良事件风险	患有创伤后应激障碍和酒精使用障碍的患者	机器学习	精神障碍	深度学习	DeepBiomarker2	电子病历	5565名患者
15263	2024-09-28	A systematic overview of dental methods for age assessment in living individuals: from traditional to artificial intelligence-based approaches 2023-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-023-02960-z PMID:37055627	综述	本文系统回顾了过去六年中使用牙科X光图像进行年龄估计的方法，从传统方法到基于人工智能的方法	自动化的深度学习方法在性能、成本和适应新人群方面表现出显著优势	传统方法在某些手动年龄估计中存在明显的过高或过低估计倾向	分析过去六年中牙科X光图像年龄估计方法的应用情况	牙科X光图像的年龄估计方法	计算机视觉	NA	深度学习	NA	图像	共检索到613篇研究，其中286篇符合纳入标准
15264	2024-09-28	Motivation for using data-driven algorithms in research: A review of machine learning solutions for image analysis of micrographs in neuroscience 2023-06-20, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlad040 PMID:37244652	综述	本文综述了机器学习在神经科学中用于显微图像分析的应用及其潜力和局限性	本文探讨了深度学习模型在显微镜图像查看器中的集成，降低了使用新算法的门槛	对于不熟悉机器学习算法的研究人员，陡峭的学习曲线可能阻碍这些方法在其工作流程中的成功实施	探讨机器学习在神经科学中的应用及其潜力和局限性，并提供选择合适框架的指导	机器学习算法在神经科学显微图像分析中的应用	计算机视觉	NA	机器学习	深度学习	图像	NA
15265	2024-09-28	SnapEnsemFS: a snapshot ensembling-based deep feature selection model for colorectal cancer histological analysis 2023-06-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36921-8 PMID:37336964	研究论文	提出了一种基于快照集成学习的深度特征选择模型，用于结直肠癌的组织学分析	采用快照集成方法从卷积神经网络模型的倒数第二层提取深度特征，并通过粒子群优化进行特征降维和分类	NA	开发一种自动化的计算机辅助检测框架，用于结直肠癌的早期诊断	结直肠癌的组织学图像	计算机视觉	结直肠癌	卷积神经网络 (CNN)	CNN	图像	使用公开的结直肠癌组织学数据集进行五折交叉验证
15266	2024-09-28	Evidence-driven spatiotemporal COVID-19 hospitalization prediction with Ising dynamics 2023-05-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38756-3 PMID:37248229	研究论文	本文开发了一种基于Ising动力学的深度学习模型HOIST，用于预测COVID-19疫情期间的住院人数	提出了一种基于Ising动力学的深度学习模型HOIST，用于提取和利用空间关系，并模拟现实世界临床证据的复杂影响	NA	准确预测COVID-19疫情期间的住院人数	COVID-19疫情期间的住院人数	机器学习	COVID-19	Ising动力学	深度学习模型	保险索赔数据、人口普查信息、医院资源使用数据	2299个美国县
15267	2024-09-28	Dispersal inference from population genetic variation using a convolutional neural network 2023-05-26, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyad068 PMID:37052957	研究论文	本文介绍了一种利用地理分布的基因型数据和卷积神经网络来推断种群参数（即每代平均扩散距离）的工具	本文提出的方法在样本量较小的情况下表现优于现有方法，并且不依赖于地理坐标或局部种群密度信息	本文方法在某些物种中估计的扩散距离比标记重捕法计算的结果更大，可能是由于标记重捕研究覆盖的地理采样区域有限	开发一种新的工具，用于从基因变异数据中推断扩散距离	12种具有公开数据的物种的扩散距离	机器学习	NA	卷积神经网络	CNN	基因型数据	12种物种的公开数据
15268	2024-09-28	Using traditional machine learning and deep learning methods for on- and off-target prediction in CRISPR/Cas9: a review 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad131 PMID:37080758	综述	本文综述了传统机器学习和深度学习方法在CRISPR/Cas9系统中靶向和非靶向预测的应用	本文总结了当前在CRISPR/Cas9靶向和非靶向预测中使用的传统机器学习和深度学习模型的最新进展，并讨论了未来研究方向	本文未提供具体的实验数据或模型性能比较，主要集中在现有方法的综述和未来研究方向的讨论	探讨CRISPR/Cas9系统中靶向和非靶向预测的研究挑战和未来方向	CRISPR/Cas9系统的靶向和非靶向预测	机器学习	NA	CRISPR/Cas9	传统机器学习模型和深度学习神经网络	sgRNA-DNA序列	NA
15269	2024-09-28	EDLM: Ensemble Deep Learning Model to Detect Mutation for the Early Detection of Cholangiocarcinoma 2023-05-18, Genes IF:2.8Q2 DOI:10.3390/genes14051104 PMID:37239464	研究论文	开发了一种集成深度学习模型（EDLM）用于早期检测胆管癌	提出了一个由三种深度学习算法（LSTM、GRU和BLSTM）组成的集成深度学习模型，用于早期检测胆管癌	NA	早期检测胆管癌	胆管癌基因突变	机器学习	胆管癌	深度学习	集成模型（LSTM、GRU、BLSTM）	基因突变数据	516个人类样本，包含45个胆管癌基因中的672个突变
15270	2024-09-28	High-throughput deep learning variant effect prediction with Sequence UNET 2023-05-09, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02948-3 PMID:37161576	研究论文	本文介绍了一种名为Sequence UNET的高通量深度学习架构，用于从序列中分类和预测变异频率	提出了Sequence UNET，一种高度可扩展的深度学习架构，使用全卷积压缩/扩展架构的多尺度表示	未提及	开发一种可扩展的深度学习模型来预测变异效应	变异频率和致病性预测	机器学习	NA	深度学习	UNET	序列	分析了83亿个变异在904,134个蛋白质中
15271	2024-09-28	AIONER: all-in-one scheme-based biomedical named entity recognition using deep learning 2023-05-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad310 PMID:37171899	研究论文	提出了一种基于深度学习的全合一生物医学命名实体识别工具AIONER	引入了一种全合一方案，利用现有标注资源的外部数据来增强BioNER模型的准确性和稳定性	NA	提高生物医学命名实体识别的准确性和通用性	生物医学文本中的命名实体	自然语言处理	NA	深度学习	NA	文本	14个BioNER基准任务
15272	2024-09-28	A Perspective on Explanations of Molecular Prediction Models 2023-Apr-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c01235 PMID:36972469	综述	本文综述了可解释人工智能（XAI）在化学领域的应用，特别是解释深度学习（DL）模型及其预测的方法	介绍了化学反事实和描述符解释等XAI方法，展示了这些方法在解释DL预测和揭示结构-性质关系方面的潜力	NA	探讨XAI在化学领域中的应用，特别是解释DL模型及其预测的方法	化学领域的深度学习模型及其预测的解释方法	机器学习	NA	深度学习（DL）	深度学习模型	分子数据	NA
15273	2024-09-28	Retinal Disease Detection Using Deep Learning Techniques: A Comprehensive Review 2023-Apr-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9040084 PMID:37103235	综述	本文综述了使用深度学习技术进行视网膜疾病检测的研究进展	本文提出了未来研究方向，包括探索集成CNN架构在多类多标签任务中的潜力以及提高模型可解释性	本文未提供具体的研究数据或模型实现细节	评估当前深度学习技术在视网膜疾病检测和分级中的应用	视网膜疾病，包括青光眼、糖尿病视网膜病变、年龄相关性黄斑变性和多种视网膜疾病	计算机视觉	NA	深度卷积神经网络（DCNN）和视觉变换器（ViT）	CNN	图像	NA
15274	2024-09-28	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文综述了Transformer模型在医学影像领域的应用现状，并探讨了其未来发展方向	本文通过对比Transformer和卷积神经网络（CNN）的关键特性，系统地组织了Transformer在医学影像中的应用，帮助读者更好地理解这些方法背后的原理	NA	探讨Transformer模型在医学影像领域的应用现状及未来发展方向	Transformer模型在医学影像中的应用，包括图像分割、识别、检测、配准、重建、增强等	计算机视觉	NA	Transformer	Transformer	图像	NA
15275	2024-09-28	Applying a GAN-based classifier to improve transcriptome-based prognostication in breast cancer 2023-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011035 PMID:37011102	研究论文	本文提出了一种基于生成对抗网络（GAN）的分类器，用于改善乳腺癌患者的转录组学预后	本文创新性地使用了一种包含梯度惩罚的Wasserstein生成对抗网络（GAN）和嵌入式辅助分类器的数据增强管道，以克服omics数据集中变量数量远超患者数量的挑战	NA	开发一种能够基于全转录组数据对乳腺癌患者进行风险分层的稳健分类器	乳腺癌患者	机器学习	乳腺癌	生成对抗网络（GAN）	生成对抗网络（GAN）	转录组数据	1244名患者（METABRIC乳腺癌队列）
15276	2024-09-28	Deep Learning in MRI-guided Radiation Therapy: A Systematic Review 2023-Mar-30, ArXiv PMID:36994167	综述	系统性回顾了深度学习在MRI引导放射治疗中的应用	NA	NA	回顾深度学习在MRI引导放射治疗中的应用，并讨论其临床意义和未来方向	MRI引导放射治疗中的深度学习应用	机器学习	NA	MRI	NA	NA	NA
15277	2024-09-28	MediNet: transfer learning approach with MediNet medical visual database 2023-Mar-20, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-14831-1 PMID:37362724	研究论文	本文提出了一种基于MediNet医学视觉数据库的迁移学习方法，并使用多种深度学习算法进行预训练和分类应用	本文提出了MediNet，一个包含10类医学图像的新视觉数据集，并使用多种深度学习算法进行迁移学习，提高了分类准确率	本文未详细讨论数据集的构建过程和数据质量问题	研究如何通过迁移学习提高医学图像分类的准确率	医学图像分类问题，包括胸部X光片、糖尿病视网膜病变和Covid-19数据集	计算机视觉	NA	迁移学习	AlexNet, VGG19-BN, Inception V3, DenseNet 121, ResNet 101, EfficientNet B0, Nested-LSTM + CNN, RdiNet	图像	MediNet数据集包含10类医学图像，具体样本数量未明确说明
15278	2024-09-28	AD-Syn-Net: systematic identification of Alzheimer's disease-associated mutation and co-mutation vulnerabilities via deep learning 2023-03-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad030 PMID:36752347	研究论文	本文构建了一个大规模的阿尔茨海默病（AD）突变和共突变框架，并提出了基于深度学习的模型来系统地识别与AD相关的突变和共突变脆弱性	本文提出了名为Deep-SMCI和Deep-CMCI的深度学习模型，能够基于基因突变和共突变谱有效预测认知障碍	NA	系统地识别与阿尔茨海默病相关的风险突变	阿尔茨海默病相关的基因突变和共突变	机器学习	阿尔茨海默病	深度学习	全连接层	基因突变和共突变数据	大规模数据集
15279	2024-09-28	Machine learning in metastatic cancer research: Potentials, possibilities, and prospects 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2023.03.046 PMID:37077177	综述	本文综述了经典机器学习和深度学习在转移性癌症研究中的应用	本文指出了现有模型在临床试验数据中由于样本多样性不足可能导致泛化能力被高估的问题	深度学习模型的黑箱性质和高计算成本是其主要局限	探讨机器学习和深度学习在转移性癌症研究中的潜力和前景	转移性癌症的早期检测、生物标志物识别和治疗选择	机器学习	癌症	深度学习	NA	图像	临床试验数据中的样本多样性不足
15280	2024-09-28	Deep Convolutional Neural Networks for Detecting COVID-19 Using Medical Images: A Survey 2023, New generation computing IF:2.0Q2 DOI:10.1007/s00354-023-00213-6 PMID:37229176	综述	本文综述了2020年1月至2022年9月期间使用深度学习模型进行COVID-19检测的研究	本文比较了不同深度学习方法在COVID-19检测中的应用，并提供了该领域的未来发展方向	NA	探讨深度学习在COVID-19检测中的应用	COVID-19检测	计算机视觉	COVID-19	深度学习	CNN	图像	NA