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
16481	2024-09-16	Ten years after ImageNet: a 360° perspective on artificial intelligence 2023-Mar, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221414 PMID:36998769	研究论文	本文回顾了自神经网络复兴以来的十年间人工智能（AI）的发展，探讨了监督学习、深度学习、强化学习等技术的进展及其社会影响	本文提出了对人工智能的全面视角，涵盖了监督学习、自监督学习、生成模型、图神经网络等新兴技术的应用，并讨论了AI技术带来的社会问题	文章指出深度神经网络模型的可解释性问题，以及AI技术可能带来的社会不公平和技术鸿沟	回顾和分析过去十年人工智能的发展，探讨其技术进步和社会影响	人工智能技术及其社会影响	机器学习	NA	深度学习	神经网络	NA	NA
16482	2024-09-16	Sample Size Analysis for Machine Learning Clinical Validation Studies 2023-Feb-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11030685 PMID:36979665	研究论文	本文介绍了一种用于机器学习临床验证研究的样本量分析方法	提出了一个开源工具SSAML，用于确定机器学习模型临床验证研究的样本量估计	NA	开发一种标准工具，用于确定机器学习模型临床验证研究的样本量估计	机器学习模型的临床验证研究	机器学习	NA	NA	NA	NA	在三个已发表的模型中进行了测试，包括脑龄预测死亡率、COVID住院风险预测和癫痫风险预测
16483	2024-09-16	Deep learning enabled multi-organ segmentation of mouse embryos 2023-02-15, Biology open IF:1.8Q3 DOI:10.1242/bio.059698 PMID:36802342	研究论文	本文介绍了一种基于深度学习的开源工具MEMOS，用于小鼠胚胎的多器官分割	开发了一种名为MEMOS的工具，能够在单个应用程序中估计50个解剖结构的分割，并支持手动审查、编辑和分析	NA	开发一种易于使用的工具，减少小鼠胚胎图像分割所需的计算资源和人力	小鼠胚胎的多器官分割	计算机视觉	NA	深度学习	NA	3D图像	涉及Cbx4敲除小鼠品系
16484	2024-09-16	Detection and classification of lung diseases for pneumonia and Covid-19 using machine and deep learning techniques 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-021-03464-7 PMID:34567277	研究论文	本文提出了一种用于从胸部X光图像中检测和分类肺炎和Covid-19的新框架	提出了一个包含数据集获取、图像质量增强、自适应和准确的感兴趣区域（ROI）估计、特征提取和疾病预测的框架，并设计了一种改进的区域生长技术用于ROI提取	未提及具体限制	开发一种准确检测和分类肺炎和Covid-19的方法	肺炎和Covid-19的胸部X光图像	计算机视觉	肺部疾病	机器学习和深度学习技术	人工神经网络（ANN）、支持向量机（SVM）、K近邻（KNN）、集成分类器、深度学习分类器、循环神经网络（RNN）与长短期记忆（LSTM）	图像	使用了两个公开的胸部X光图像数据集
16485	2024-09-16	LSTM Network Integrated with Particle Filter for Predicting the Bus Passenger Traffic 2023, Journal of signal processing systems DOI:10.1007/s11265-022-01831-x PMID:36687374	研究论文	本文结合深度学习和贝叶斯滤波技术，提出了一种集成粒子滤波与LSTM网络的模型，用于有效预测公交乘客流量	本文创新地将粒子滤波与LSTM网络结合，以提取马尔可夫行为并实现时间序列预测	实验结果表明，尽管模型在小训练数据集下表现良好，但其性能可能受限于数据集的大小	研究目的是开发一种能够准确预测公交乘客流量的模型，以优化公交调度	研究对象是公交乘客流量及其时间序列特征	机器学习	NA	LSTM网络，粒子滤波	LSTM	时间序列数据	用于预测未来三十天乘客流量的数据
16486	2024-09-16	Epoch and accuracy based empirical study for cardiac MRI segmentation using deep learning technique 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14939 PMID:36974136	研究论文	本文研究了基于深度学习技术的心脏MRI分割任务中，训练轮数（epoch）与准确率之间的关系	本文建立了超参数训练轮数与准确率之间的关系，并优化了卷积神经网络模型以提高分割准确率	NA	研究心脏MRI图像分割任务中，训练轮数对模型准确率的影响	心脏MRI图像的分割	计算机视觉	心血管疾病	深度学习技术	卷积神经网络（CNN）	图像	NA
16487	2024-09-16	Exploring interpretability in deep learning prediction of successful ablation therapy for atrial fibrillation 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1054401 PMID:36998987	研究论文	研究探讨了深度学习在预测房颤消融治疗成功率中的可解释性，并评估了左心房中是否使用了致心律失常区域	首次探索了深度学习模型在预测房颤消融治疗成功率中的可解释性，并验证了模型是否利用了MRI图像中的结构特征来识别致心律失常区域	研究仅使用了MRI衍生的2D左心房组织模型，未来需要进一步验证在真实临床环境中的应用	提高房颤消融治疗的成功率，并确保深度学习模型的预测结果具有临床可解释性	房颤及其消融治疗的成功率预测	机器学习	心血管疾病	深度学习	深度学习模型	图像	187个MRI衍生的2D左心房组织模型
16488	2024-09-16	Novel methods for elucidating modality importance in multimodal electrophysiology classifiers 2023, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2023.1123376 PMID:37006636	研究论文	本文研究了多模态电生理分类器中模态重要性的新方法	提出了两种新的局部多模态可解释性方法，并首次将这些方法应用于电生理分析	NA	提高多模态电生理分类器的可解释性，促进个性化医疗的发展	自动睡眠阶段分类中的脑电图、眼电图和肌电图数据	机器学习	NA	NA	卷积神经网络	时间序列数据	NA
16489	2024-09-16	An integrated pre-clerkship curriculum to build cognitive medical schema: It's not just about the content 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1148916 PMID:37008016	研究论文	本文介绍了一种综合性的预实习课程，旨在通过建立认知医学模式来提升学习者的临床表现	该课程设计超越了传统的内容教学，考虑了学习者特征、教师和资源等非内容设计元素，并采用了基于案例的方法和团队教学模式	虽然该模型可以应用于其他项目设置，但需要考虑特定环境和学习者的内容和非内容元素	开发一种预实习课程，消除学科界限，增强学习者在实习和早期临床表现中的能力	预实习课程的设计和实施，以及其对学习者临床推理能力的影响	医学教育	NA	NA	NA	NA	NA
16490	2024-09-16	Towards smart diagnostic methods for COVID-19: Review of deep learning for medical imaging 2022 Nov-Dec, IPEM-translation DOI:10.1016/j.ipemt.2022.100008 PMID:36312890	综述	本文综述了2020年1月至2021年10月期间，使用深度学习技术对COVID-19患者进行CT和X光胸片诊断的研究	本文总结了现有研究中的模型技术细节，并讨论了使用深度学习技术进行COVID-19智能诊断的挑战	现有模型的临床应用效果需要进一步验证	探讨深度学习在COVID-19诊断中的应用，并提出改进建议	COVID-19患者的CT和X光胸片	计算机视觉	COVID-19	深度学习	NA	图像	NA
16491	2024-09-16	Deep learning and social network analysis elucidate drivers of HIV transmission in a high-incidence cohort of people who inject drugs 2022-Oct-21, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abf0158 PMID:36260674	研究论文	本文通过深度学习和社交网络分析揭示了注射毒品人群中HIV传播的驱动因素，并识别出最佳干预点	利用图神经网络（GNNs）进行社区检测，揭示了HIV传播与注射场所之间的关联，并提出了针对性的干预策略	研究样本仅限于印度新德里的注射毒品人群，可能限制了结果的普适性	理解并对抗注射毒品人群中的HIV传播	注射毒品人群及其社交和空间网络	机器学习	HIV	图神经网络（GNNs）	图神经网络（GNNs）	社交网络数据	2512名注射毒品人群
16492	2024-09-16	Deep learning-based molecular dynamics simulation for structure-based drug design against SARS-CoV-2 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.09.002 PMID:36091720	综述	本文综述了基于深度学习和分子动力学模拟的结构药物设计方法在SARS-CoV-2中的最新进展	本文介绍了深度学习和基于深度学习的分子动力学模拟在结构药物设计中的应用，解决了蛋白质结构和结合预测、药物虚拟筛选、分子对接和复合物演化等问题	本文主要讨论了当前方法的挑战和未来方向，未提供具体的实验数据或模型评估	探讨深度学习和分子动力学模拟在SARS-CoV-2结构药物设计中的应用	SARS-CoV-2的蛋白质结构和药物设计	机器学习	COVID-19	分子动力学模拟	深度神经网络	蛋白质结构	NA
16493	2024-09-16	Future stem cell analysis: progress and challenges towards state-of-the art approaches in automated cells analysis 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.14513 PMID:36573241	综述	本文综述了从细胞发现到最先进方法的细胞和干细胞分析方法	探讨了当前技术在减少劳动强度、成本效益和降低错误率方面的潜力	未详细讨论具体的技术实现和实验验证	提供细胞和干细胞分析方法的概述，并探讨自动化分析的潜力	细胞和干细胞的分析方法	数字病理学	NA	人工智能和深度学习	NA	图像	NA
16494	2024-09-15	Transcranial ultrafast ultrasound Doppler imaging: A phantom study 2024-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2024.107430 PMID:39173276	研究论文	本文提出了一种结合深度学习与射线理论的畸变校正方法，用于实现经颅平面波成像和超快多普勒成像	提出了结合深度学习与射线理论的畸变校正方法，显著提高了经颅超声多普勒成像的质量和准确性	仅通过仿真实验验证了方法的有效性，尚未在临床环境中进行验证	开发一种新的方法来提高经颅超声多普勒成像的质量和准确性	颅内血流速度和方向的量化	医学影像	NA	超声多普勒成像	深度学习模型	图像	使用了一个中心频率为6.25 MHz、128个元素、间距为0.3 mm的线性阵列进行仿真实验
16495	2024-09-15	DepressionEmo: A novel dataset for multilabel classification of depression emotions 2024-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.08.013 PMID:39214375	研究论文	本文介绍了一个名为DepressionEmo的新数据集，用于检测与抑郁症相关的8种情绪	提出了一个包含6037个Reddit用户长帖的新数据集DepressionEmo，用于多标签分类抑郁症情绪	尽管数据集在识别自杀意图方面表现良好，但其他情绪的F1 Macro值相对较低	研究抑郁症情绪的检测及其对个体的影响	抑郁症相关的8种情绪	自然语言处理	NA	文本分类	BERT, BART, GAN-BERT, T5	文本	6037个Reddit用户长帖
16496	2024-09-15	The improved integrated Exponential Smoothing based CNN-LSTM algorithm to forecast the day ahead electricity price 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102923 PMID:39263362	研究论文	提出了一种改进的基于指数平滑和CNN-LSTM的算法，用于预测次日电力价格	结合了指数平滑方法提取水平和季节性特征，以及CNN-LSTM模型处理时间序列中的复杂空间和时间依赖性	未提及具体限制	预测次日电力价格以支持短期电力市场参与者的准确竞价	次日电力价格	机器学习	NA	指数平滑、卷积神经网络（CNN）、长短期记忆网络（LSTM）	CNN-LSTM	时间序列	从印度能源交易所（IEX）收集的次日电力市场数据
16497	2024-09-15	Clinical applications of radiomics and deep learning in breast and lung cancer: A narrative literature review on current evidence and future perspectives 2024-Nov, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2024.104479 PMID:39151838	综述	本文综述了放射组学和深度学习在乳腺癌和肺癌中的临床应用现状及未来展望	本文总结了放射组学在高发癌症（乳腺癌和肺癌）中的应用证据，并讨论了放射组学方法的优缺点，提出了可能的解决方案和未来展望	放射组学在临床决策中的应用仍受限于数据可重复性和研究变异性，需要前瞻性验证和标准化	总结放射组学在乳腺癌和肺癌中的应用证据，并讨论其优缺点及未来发展方向	放射组学在乳腺癌和肺癌中的临床应用	机器学习	肺癌	放射组学	NA	影像	NA
16498	2024-09-15	Noninvasive Technologies for the Diagnosis of Squamous Cell Carcinoma: A Systematic Review and Meta-Analysis 2024-Nov, JID innovations : skin science from molecules to population health DOI:10.1016/j.xjidi.2024.100303 PMID:39263563	meta-analysis	本文通过系统综述和荟萃分析评估了非侵入性技术在皮肤鳞状细胞癌诊断中的性能	本文首次系统性地评估了多种非侵入性技术在皮肤鳞状细胞癌诊断中的性能，并探讨了深度学习在该领域的潜在应用	研究中缺乏标准化诊断标准，且深度学习研究较少，限制了进一步的应用	评估非侵入性技术在皮肤鳞状细胞癌早期诊断中的性能	皮肤鳞状细胞癌的非侵入性诊断技术	NA	皮肤鳞状细胞癌	高频超声、光学相干断层扫描、反射共聚焦显微镜	NA	临床诊断数据	1144名患者，224个皮肤鳞状细胞癌病变，1729个临床诊断
16499	2024-09-15	Image dataset for cattle biometric detection and analysis 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110835 PMID:39263231	研究论文	本文介绍了一个用于牛生物特征检测和分析的图像数据集	该数据集包含了72头霍林郭勒黄牛的侧面和背面图像，并附有详细的生物特征标注，可用于构建深度学习模型以实现自动化牲畜监测系统	NA	提高畜牧业管理效率和运营效果，促进农业智能化和可持续发展	霍林郭勒黄牛的生物特征	计算机视觉	NA	深度学习	NA	图像	72头霍林郭勒黄牛
16500	2024-09-15	Radiographic imaging and diagnosis of spinal bone tumors: AlexNet and ResNet for the classification of tumor malignancy 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100629 PMID:39257652	研究论文	研究探讨了放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用，特别是AlexNet和ResNet模型的应用	研究首次将AlexNet和ResNet模型应用于脊柱骨肿瘤的恶性分类，展示了深度学习和卷积神经网络在医学影像分析中的潜力	研究仅限于脊柱骨肿瘤的恶性分类，且样本量相对较小，未来需扩大样本量和研究范围	探索放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用	脊柱骨肿瘤的恶性分类	计算机视觉	NA	卷积神经网络 (CNN)	AlexNet, ResNet	图像	580名患者，1532张图像（679张良性肿瘤图像，853张恶性肿瘤图像）