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
16181	2024-09-21	Systematic bibliometric and visualized analysis of research hotspots and trends on the application of artificial intelligence in glaucoma from 2013 to 2022 2024, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2024.09.22 PMID:39296573	综述	对2013年至2022年间人工智能在青光眼领域的应用进行文献计量分析和可视化研究	通过CiteSpace和VOSviewer软件分析了不同国家、机构、作者和期刊的贡献及共现关系，揭示了该领域的研究热点和未来趋势	文章主要关注文献计量分析，未深入探讨具体技术细节和临床应用效果	全面了解人工智能在青光眼领域的研究现状，并识别未来研究的新方向	2013年至2022年间发表的关于人工智能在青光眼领域应用的英文文章	计算机视觉	眼科疾病	NA	NA	文本	750篇英文文章
16182	2024-09-21	Deep learning-based ultrasonographic classification of canine chronic kidney disease 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1443234 PMID:39296582	研究论文	本研究开发了一种基于深度学习的模型，用于通过超声图像对犬慢性肾病（CKD）进行分类，并评估其与兽医影像专家的诊断性能	首次尝试将人工智能应用于兽医超声诊断，并开发了一种基于卷积神经网络的对象检测算法来分类犬慢性肾病的IRIS阶段	多类分类的准确性较低，仅为0.46	开发和验证一种基于深度学习的模型，用于通过超声图像对犬慢性肾病进行分类，并评估其临床实用性	犬慢性肾病（CKD）的超声图像	机器学习	犬病	卷积神经网络（CNN）	CNN	图像	883张超声图像，来自198只狗
16183	2024-09-21	Deepfake: definitions, performance metrics and standards, datasets, and a meta-review 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1400024 PMID:39296632	综述	本文全面概述了深度伪造（deepfake）的概念，涵盖了定义、性能指标和标准、相关数据集等多个重要方面	本文提供了对深度伪造最全面的综述，包括对15篇相关综述论文的元分析	NA	全面了解和分析深度伪造的概念、性能指标、标准、数据集以及相关挑战和建议	深度伪造的定义、性能指标和标准、相关数据集以及相关综述论文	计算机视觉	NA	深度学习	NA	图像、视频、音频	15篇相关综述论文
16184	2024-09-21	Utilizing deep learning models in an intelligent spiral drawing classification system for Parkinson's disease classification 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1453743 PMID:39296906	研究论文	本文提出了一种利用深度学习模型进行智能螺旋绘图分类系统，用于帕金森病的分类	本文通过分析手绘螺旋图中的重要和独特特征，利用迁移学习模型（如VGG19、InceptionV3、ResNet50v2和DenseNet169）进行帕金森病的诊断	本文的研究样本量较小，未来需要扩大数据集并进一步优化迁移学习策略	开发一种高效准确的帕金森病分类系统，以改善患者的生活质量和早期治疗效果	手绘螺旋图和帕金森病	机器学习	神经退行性疾病	迁移学习	InceptionV3	图像	102个手绘螺旋图
16185	2024-09-21	A quantitative analysis of artificial intelligence research in cervical cancer: a bibliometric approach utilizing CiteSpace and VOSviewer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1431142 PMID:39296978	研究论文	本研究通过文献计量学方法，利用CiteSpace和VOSviewer分析了人工智能在宫颈癌研究中的应用趋势	首次系统性地评估了人工智能在宫颈癌研究中的作用，并指出了未来的研究方向	研究主要基于文献计量学方法，可能忽略了实际应用中的细节和挑战	评估人工智能在宫颈癌研究中的作用，并探讨其未来发展趋势	宫颈癌研究领域的文献和相关作者	机器学习	宫颈癌	文献计量学	NA	文本	分析了927篇文章，涉及5,299名作者和81个地区
16186	2024-09-21	Super-resolution reconstruction improves multishell diffusion: using radiomics to predict adult-type diffuse glioma IDH and grade 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1435204 PMID:39296980	研究论文	本文通过深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发和验证了预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	使用深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发了新的预测模型	高级扩散模型在诊断性能上并未优于简单扩散模型	提高多壳扩散图像的分辨率，并开发预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	成人弥漫性胶质瘤的IDH状态和2/3级肿瘤	计算机视觉	脑肿瘤	深度学习超分辨率重建	生成对抗网络	图像	90例成人弥漫性胶质瘤患者
16187	2024-09-21	Detecting common coccinellids found in sorghum using deep learning models 2023-06-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36738-5 PMID:37328502	研究论文	本文开发并训练了深度学习模型，用于检测和分类高粱中常见的瓢虫	首次开发了用于高粱中瓢虫检测和分类的深度学习模型	NA	开发自动化技术以检测和分类高粱中的瓢虫，减少对杀虫剂的依赖	高粱中常见的七种瓢虫	计算机视觉	NA	深度学习	Faster R-CNN, YOLOv5, YOLOv7	图像	从iNaturalist项目中提取的图像
16188	2024-09-21	Detecting stress caused by nitrogen deficit using deep learning techniques applied on plant electrophysiological data 2023-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36683-3 PMID:37316610	研究论文	本文利用深度学习技术分析植物电生理数据，检测由氮缺乏引起的植物应激反应	本文首次将深度学习技术应用于植物电生理记录中识别植物应激反应，无需预先计算特征，自动学习分类目标	NA	检测由氮缺乏引起的植物应激反应	16株在典型生产条件下生长的番茄植物的电生理数据	机器学习	NA	深度学习	NA	电生理数据	16株番茄植物
16189	2024-09-21	Bayesian interpolation with deep linear networks 2023-Jun-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2301345120 PMID:37252994	研究论文	本文研究了深度、宽度和数据集大小对模型质量的联合影响，并给出了线性网络在特定条件下的完整解决方案	提出了一个新的有效深度概念，并展示了无限深度线性网络在数据无关先验下的最优预测能力	研究仅限于输出维度为一的线性网络，并使用零噪声贝叶斯推断和均方误差作为负对数似然	探讨神经网络深度、宽度和数据集大小对模型质量的联合影响	线性网络在特定条件下的预测后验和贝叶斯模型证据	机器学习	NA	贝叶斯推断	线性网络	数值数据	NA
16190	2024-09-21	An end-to-end deep learning method for protein side-chain packing and inverse folding 2023-06-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2216438120 PMID:37253017	研究论文	提出了一种端到端的深度学习方法AttnPacker，用于蛋白质侧链包装和逆折叠	AttnPacker直接利用骨架3D几何结构同时计算所有侧链坐标，无需依赖离散的旋转异构体库或进行昂贵的构象搜索和采样步骤，显著提高了计算效率	NA	解决蛋白质侧链包装问题，提高蛋白质结构预测、优化和设计的速度和准确性	蛋白质侧链构象	机器学习	NA	深度学习	NA	蛋白质结构数据	CASP13和CASP14中的天然和非天然蛋白质骨架
16191	2024-09-21	Variation in foraging activity influences area-restricted search behaviour by bottlenose dolphins 2023-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221613 PMID:37325592	研究论文	研究了宽吻海豚的区域限制搜索行为与其觅食活动之间的关系	利用被动声学监测和基于深度学习的技术，首次提供了宽吻海豚区域限制搜索行为的一个驱动因素的实证证据	研究仅限于特定种群的宽吻海豚，且依赖于特定的声学数据	探讨区域限制搜索行为在海洋系统中的驱动因素	宽吻海豚的区域限制搜索行为及其与觅食活动的关系	NA	NA	被动声学监测	卷积神经网络	声学数据	特定种群的宽吻海豚
16192	2024-09-21	Quantitative characterization of zebrafish development based on multiple classifications using Mueller matrix OCT 2023-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.488614 PMID:37342688	研究论文	本文提出了一种基于Mueller矩阵光学相干断层扫描（Mueller matrix OCT）和深度学习的非侵入性方法，用于定量分析斑马鱼多个器官在其生长过程中的发育情况	结合Mueller矩阵OCT和深度学习技术，首次实现了对斑马鱼多个器官发育过程的定量分析	NA	开发一种非侵入性的方法，用于定量分析斑马鱼多个器官在其生长过程中的发育情况	斑马鱼的多个器官，包括身体、眼睛、脊柱、卵黄囊和游泳膀胱	生物医学工程	NA	Mueller矩阵光学相干断层扫描（Mueller matrix OCT）	U-Net网络	三维图像	从第1天到第19天的斑马鱼胚胎
16193	2024-09-21	Prediction of clinicopathological features, multi-omics events and prognosis based on digital pathology and deep learning in HR+/HER2- breast cancer 2023-May-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-23-445 PMID:37324098	研究论文	本研究利用深度学习技术，基于数字病理图像预测HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	首次在HR+/HER2-乳腺癌中应用深度学习模型预测治疗靶点和预后	研究样本量有限，且仅基于单一中心的病理图像数据	开发基于深度学习的模型，预测HR+/HER2-乳腺癌患者的临床病理特征、多组学特征及预后	HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	数字病理学	乳腺癌	深度学习	深度学习模型	病理图像	421例HR+/HER2-乳腺癌患者
16194	2024-09-21	Rapid protein stability prediction using deep learning representations 2023-05-15, eLife IF:6.4Q1 DOI:10.7554/eLife.82593 PMID:37184062	研究论文	本文介绍了一种利用深度学习表示快速准确预测蛋白质稳定性的方法RaSP	RaSP方法在蛋白质稳定性预测方面与基于生物物理学的方法表现相当，并且能够在不到一秒的时间内完成饱和突变稳定性预测	NA	开发一种快速准确的蛋白质稳定性预测方法	人类蛋白质组的单氨基酸变化及其在人类群体中的变异	机器学习	NA	深度学习	NA	蛋白质结构数据	约2.3亿个稳定性变化，涉及人类蛋白质组中的几乎所有单氨基酸变化
16195	2024-09-21	DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction 2023-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.12.024 PMID:37332394	研究论文	本文提出了一种用于密集预测任务的深度扩张卷积神经网络DDCNet	通过在深层网络中使用扩张卷积层，实现了更大的有效感受野和更高的空间特征分辨率，同时减少了可训练参数的数量	NA	设计一种能够在保持高空间特征分辨率的同时提供更大感受野的网络架构	密集像素匹配问题，如光流和视差估计	计算机视觉	NA	扩张卷积	CNN	图像	NA
16196	2024-09-21	Exploiting multi-granularity visual features for retinal layer segmentation in human eyes 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1191803 PMID:37324431	研究论文	本文提出了一种基于ConvNeXt的端到端视网膜层分割网络，利用多粒度视觉特征进行精确分割	引入了新的深度高效注意力模块和多尺度结构，保留更多特征图细节	NA	提高视网膜层边界分割的准确性，辅助早期眼科疾病的检测	人眼视网膜层的分割	计算机视觉	NA	ConvNeXt	ConvNeXt	图像	206张健康人眼视网膜图像（NR206数据集）
16197	2024-09-21	Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1195923 PMID:37333009	研究论文	本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区	首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区	样本量较小，仅包括51名疼痛患者和20名健康对照	探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用	骨关节炎慢性疼痛患者和健康对照的脑区	计算机视觉	骨关节炎	fMRI	CNN	图像	51名疼痛患者和20名健康对照
16198	2024-09-21	A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.15408 PMID:37334122	研究论文	本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应	首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应	仅限于使用苏木精-伊红染色图像进行分类	开发一种多分类算法，用于预测直肠癌新辅助治疗的反应	直肠癌新辅助治疗的病理反应	数字病理学	直肠癌	NA	残差神经网络 (ResNet)	图像	NA
16199	2024-09-21	A novel framework based on deep learning for COVID-19 diagnosis from X-ray images 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1375 PMID:37346600	研究论文	本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测	本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断	本文未详细讨论模型的泛化能力和在不同数据集上的表现	设计一种高精度的深度神经网络，用于在线识别医学图像	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	涉及不同类型的肺炎数据
16200	2024-09-21	Deep Relation Learning for Regression and Its Application to Brain Age Estimation 2022-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3161739 PMID:35320092	研究论文	本文提出了一种用于回归任务的深度关系学习方法，并将其应用于脑龄估计	本文创新性地提出了四种非线性关系（累积关系、相对关系、最大关系和最小关系），并通过一个包含特征提取和关系回归的两部分深度神经网络同时学习这些关系	NA	研究目的是通过学习输入图像对之间的关系来改进时间回归任务的性能	研究对象是脑龄估计任务	计算机视觉	NA	卷积神经网络和Transformer	深度神经网络	图像	6049名年龄在0-97岁之间的受试者