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
17241	2024-09-02	Emotion Detection from EEG Signals Using Machine Deep Learning Models 2024-Aug-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080782 PMID:39199740	研究论文	本研究评估了使用机器学习和深度学习模型（特别是图卷积神经网络GCNN）对脑电图信号中的情绪（积极、消极和中性）进行分类的效果	本研究采用了图卷积神经网络GCNN，并在受试者依赖实验中达到了89.97%的平均准确率，显示出其在情绪检测中的潜力	尽管GCNN模型在情绪检测中表现出色，但其处理时间较长，这是由于算法固有的优化特性所致	评估机器学习和深度学习模型在脑电图信号情绪分类中的应用	脑电图信号中的情绪分类	机器学习	NA	脑电图(EEG)	图卷积神经网络(GCNN)	脑电图信号	使用了公开的SEED数据集（上海交通大学情绪脑电图数据集），通过中国情感电影的听觉和视觉刺激获得
17242	2024-09-02	Neural general circulation models for weather and climate 2024-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07744-y PMID:39039241	研究论文	本文介绍了一种结合可微分求解器和机器学习组件的神经环流模型（GCM），用于天气和气候预测	该模型能够在确定性天气、集合天气和气候预测方面与最佳的机器学习和物理基础方法相媲美，并提供了显著的计算节省	该模型在扩展到显著不同的未来气候方面存在局限	探索和预测地球系统的大规模物理模拟	天气和气候预测	机器学习	NA	深度学习	神经环流模型（GCM）	气象数据	NA
17243	2024-09-02	Evolution of Drug Development and Regulatory Affairs: The Demonstrated Power of Artificial Intelligence 2024-Aug, Clinical therapeutics IF:3.2Q2 DOI:10.1016/j.clinthera.2024.05.012 PMID:38981791	综述	本文通过叙述性综述探讨了人工智能在药物开发及其监管过程中的应用	本文首次系统地整理和阐明了人工智能在药物开发和监管过程中的实际应用	目前文献中关于人工智能实际应用的证据不足，需要监管机构进一步制定适当的指导方针	探讨人工智能在药物开发和监管过程中的作用和影响	人工智能技术在药物开发和监管流程中的应用	机器学习	NA	机器学习、深度学习、自然语言处理和机器人流程自动化	NA	NA	NA
17244	2024-08-07	Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence 2024-Aug, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102014 PMID:39089361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17245	2024-09-02	Deep learning applied to dose prediction in external radiation therapy: A narrative review 2024-Aug, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique IF:1.5Q3 DOI:10.1016/j.canrad.2024.03.005 PMID:39138047	综述	本文综述了深度学习在放射治疗剂量预测中的应用，描述了各种深度学习架构及其在体外放射治疗中的性能和未来发展	深度学习模型和架构的创新以及基于知识的个性化方法显著提高了剂量预测的准确性	NA	探讨深度学习在体外放射治疗中作为快速剂量计算或质量保证工具的应用	深度学习架构和模型在体外放射治疗中的应用	机器学习	NA	深度学习	CNN, LSTM, GAN, ...	NA	NA
17246	2024-09-02	High Prevalence of Artifacts in Optical Coherence Tomography With Adequate Signal Strength 2024-Aug-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.8.43 PMID:39196579	研究论文	本研究旨在调查具有可接受信号强度的光学相干断层扫描（OCT）图像中伪影的普遍性，并评估监督深度学习模型在提高OCT图像质量评估中的性能	研究展示了深度学习模型在准确分类OCT图像质量方面的潜力	仅依赖信号强度进行OCT图像质量评估存在局限性	调查OCT图像中伪影的普遍性并提高图像质量评估	4555张OCT图像，来自546名患者，每张图像信号强度≥6	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	4555张OCT图像，来自546名患者
17247	2024-09-02	Single-Trial Detection and Classification of Event-Related Optical Signals for a Brain-Computer Interface Application 2024-Aug-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080781 PMID:39199739	研究论文	本研究评估了神经网络方法在单次试验中对运动反应相关事件相关光学信号（EROS）的分类性能	首次探索了单次试验中EROS的分类能力，并展示了深度学习在具有高空间分辨率信号上的应用潜力	研究仅限于左右手反应的分类，且分类准确率平均为63%	评估神经网络方法在单次试验中对EROS的分类性能，以应用于脑机接口	事件相关光学信号（EROS）及其在脑机接口中的应用	脑机接口	NA	NA	卷积神经网络（CNN）	光学信号	高密度记录装置覆盖运动皮层的数据
17248	2024-09-02	Deep Learning-Based Real-Time Organ Localization and Transit Time Estimation in Wireless Capsule Endoscopy 2024-Jul-31, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12081704 PMID:39200169	研究论文	本研究提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的新模型，用于无线胶囊内窥镜（WCE）中的器官定位和传输时间估计	该模型通过分析多帧图像并结合时间信息，即使在视觉信息有限的情况下也能保持高性能	NA	提高无线胶囊内窥镜在胃肠道疾病诊断中的准确性和效率	胃、小肠和大肠的定位及传输时间估计	机器学习	胃肠道疾病	卷积神经网络（CNN）和长短期记忆网络（LSTM）	CNN和LSTM	图像	126名患者的2,395,932张图像
17249	2024-09-02	Deep Learning Techniques for the Dermoscopic Differential Diagnosis of Benign/Malignant Melanocytic Skin Lesions: From the Past to the Present 2024-Jul-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080758 PMID:39199716	综述	本文综述了深度学习技术在皮肤镜下良恶性黑色素细胞皮肤病变鉴别诊断中的应用	深度学习模型在特异性方面比临床医生有显著提高，平均特异性为84.87%，而人类为64.24%	未来的深度学习模型应基于包含皮肤镜图像、相关临床和病史数据的大型数据集，并在临床实践中进行前瞻性测试和与医生的充分比较	旨在筛选科学文献中深度学习技术在皮肤镜下黑色素瘤/痣鉴别诊断的应用，并提供人工智能术语的全面解释	深度学习技术在皮肤癌诊断中的应用	机器学习	皮肤癌	深度学习	卷积神经网络（CNN）/深度卷积神经网络（DCNN）	图像	筛选了近2000条记录，选择了54项研究进行分析
17250	2024-09-02	Efficient Extraction of Coronary Artery Vessels from Computed Tomography Angiography Images Using ResUnet and Vesselness 2024-Jul-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11080759 PMID:39199717	research paper	本研究提出了一种结合血管增强、心脏感兴趣区域提取和ResUNet深度学习方法的结构化方法，用于从CTA图像中准确高效地分割冠状动脉	该方法通过血管增强和心脏ROI提取显著提高了分割过程的准确性和效率，同时ResUNet能够捕捉局部和全局特征	NA	实现冠状动脉从CTA图像中的准确和高效分割，以辅助心血管疾病的诊断和治疗	冠状动脉的分割	computer vision	心血管疾病	ResUNet	CNN	image	NA
17251	2024-09-02	Wearable Data From Subjects Playing Super Mario, Taking University Exams, or Performing Physical Exercise Help Detect Acute Mood Disorder Episodes via Self-Supervised Learning: Prospective, Exploratory, Observational Study 2024-Jul-17, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/55094 PMID:39018100	研究论文	本文通过自监督学习方法，利用穿戴设备收集的参与超级玛丽游戏、大学考试或进行体育锻炼的受试者数据，探索性地检测急性情绪障碍发作	本文克服了数据瓶颈，利用自监督学习技术，通过未标记数据预训练模型，提高了急性情绪障碍发作的检测准确性	研究仅使用了161名受试者的数据，且依赖于特定的穿戴设备和预处理流程	旨在通过自监督学习方法提高穿戴设备数据在情绪障碍检测中的应用	穿戴设备收集的数据以及自监督学习模型的性能	机器学习	情绪障碍	自监督学习	Transformer	穿戴设备数据	161名受试者
17252	2024-09-02	Deep learning model based on endoscopic images predicting treatment response in locally advanced rectal cancer undergo neoadjuvant chemoradiotherapy: a multicenter study 2024-Jul-13, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05876-2 PMID:39001926	研究论文	本研究旨在开发一种基于内镜图像的深度学习模型，用于预测局部晚期直肠癌患者在接受新辅助放化疗后的治疗反应	本研究首次使用深度学习模型基于内镜图像预测局部晚期直肠癌患者的新辅助放化疗反应	NA	开发一种基于内镜图像的深度学习模型，用于预测局部晚期直肠癌患者的新辅助放化疗反应	局部晚期直肠癌患者的新辅助放化疗反应	机器学习	直肠癌	深度学习	深度学习模型	图像	来自两家中国医疗中心的患者的术前内镜图像
17253	2024-09-02	Using artificial intelligence and deep learning to optimise the selection of adult congenital heart disease patients in S-ICD screening 2024 Jul-Aug, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2024.06.003 PMID:38871179	研究论文	本文利用深度学习方法优化成年先天性心脏病患者在S-ICD筛查中的选择	提出了一种新的深度学习模型，用于更长时间段内筛选S-ICD合格患者，以更好地描述T:R比率，减少T波过度感知和不当电击的风险	NA	优化成年先天性心脏病患者在S-ICD筛查中的选择	成年先天性心脏病患者和正常对照组	机器学习	先天性心脏病	深度学习	深度学习模型	心电图数据	13名患者（年龄37.4 ± 7.89岁，61.5%为男性，6名先天性心脏病患者和7名对照组）
17254	2024-09-02	Exploring high-quality microbial genomes by assembling short-reads with long-range connectivity 2024-May-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49060-z PMID:38821971	研究论文	本文开发了一种名为Pangaea的生物信息学方法，利用短读长序列的远程连接性来增强元基因组装，以生成高质量的微生物基因组	Pangaea利用深度学习基础的读长分箱算法和多阈值算法策略，提高了高、中丰度微生物基因组的组装质量，并能生成完整的环状元基因组装基因组	NA	开发一种成本效益高的方法，利用短读长序列的远程连接性生成高质量的微生物基因组	微生物基因组	生物信息学	NA	短读长序列组装	深度学习	序列数据	模拟数据、模拟社区和人类肠道元基因组
17255	2024-09-02	Automated detection of retinal exudates and drusen in ultra-widefield fundus images based on deep learning 2022-08, Eye (London, England) DOI:10.1038/s41433-021-01715-7 PMID:34345030	研究论文	本文开发并评估了一种基于深度学习的系统，用于在超广角眼底图像中自动检测视网膜渗出物和玻璃膜疣	使用超广角眼底图像和深度学习技术自动检测视网膜渗出物和玻璃膜疣，提高了检测效率和准确性	NA	开发和评估一种深度学习系统，用于自动检测超广角眼底图像中的视网膜渗出物和玻璃膜疣	视网膜渗出物和玻璃膜疣的自动检测	计算机视觉	眼科疾病	深度学习	NA	图像	26,409张超广角眼底图像，来自14,994名受试者
17256	2024-09-02	Outcome Prediction in Patients with Severe Traumatic Brain Injury Using Deep Learning from Head CT Scans 2022-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.212181 PMID:35471108	研究论文	本文开发并评估了一种结合头部CT扫描深度学习和临床信息的预测模型，用于预测严重创伤性脑损伤（sTBI）后的长期预后	采用迁移学习和课程学习应用于卷积神经网络，结合临床信息形成综合融合模型，提高了预测性能	在外部TRACK-TBI测试中，影像模型和融合模型在预测不良预后方面表现不如IMPACT模型	开发和评估一种预测严重创伤性脑损伤后长期预后的模型	严重创伤性脑损伤患者	机器学习	创伤性脑损伤	深度学习	卷积神经网络	图像	内部测试集537名患者，外部TRACK-TBI研究220名患者
17257	2024-09-02	Real-time echocardiography image analysis and quantification of cardiac indices 2022-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102438 PMID:35868819	研究论文	本文提出了一种基于深度学习的实时超声心动图图像分析和心脏指数量化系统	使用自监督的特定模态表示和一种新颖的三边注意力网络（TaNet）进行实时心脏区域分割	NA	旨在通过深度学习技术改善临床实践中超声心动图的实时分析和量化	超声心动图图像的质量评估、视图分类、心脏区域分割及诊断指数的量化	计算机视觉	NA	深度学习	三边注意力网络（TaNet）	图像	使用了四个超声心动图数据集进行评估
17258	2024-09-02	Deep learning-based defects detection of certain aero-engine blades and vanes with DDSC-YOLOv5s 2022-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17340-7 PMID:35906368	研究论文	本文通过引入可变形卷积网络和深度可分离卷积优化YOLOv5s结构，提高航空发动机叶片和导叶缺陷检测的准确性和效率	采用可变形卷积网络增强特征图对形状差异的适应性，使用深度可分离卷积提高特征提取效率，并通过k-means聚类优化锚框大小	研究强调了DDSC-YOLOv5s在扩大规模发动机缺陷检测中的应用潜力，但未来仍需进一步增强	实现航空发动机缺陷的智能检测，提高飞行安全性和降低维护成本	航空发动机叶片和导叶的缺陷检测	计算机视觉	NA	可变形卷积网络，深度可分离卷积	YOLOv5s	图像	未具体说明样本数量
17259	2024-09-02	Automatic scoring of COVID-19 severity in X-ray imaging based on a novel deep learning workflow 2022-07-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15013-z PMID:35896761	研究论文	本研究提出了一种用于肺部疾病分割和评分的新型深度学习工作流程，该流程继承了放射科医生和临床医生对X光图像上肺部疾病的定量、定性和视觉评估	提出的算法在平均绝对误差（MAE）方面显著优于现有的COVID-19算法，且计算效率更高	NA	开发一种准确、高效且多功能的肺部疾病分割和评分方法，特别适用于COVID-19，并具有更广泛的潜在应用	COVID-19患者的X光图像以及无肺部病理患者的X光图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, MA-Net	图像	580名COVID-19患者和784名无肺部病理患者
17260	2024-09-02	A process mining- deep learning approach to predict survival in a cohort of hospitalized COVID-19 patients 2022-07-25, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01934-2 PMID:35879715	研究论文	本文开发了一种结合过程挖掘和深度学习的方法，用于预测住院COVID-19患者的生存率，并在入院后的前72小时内每6小时更新一次预测。	首次将过程挖掘技术应用于COVID-19患者的预测，并结合深度学习模型，利用时间信息提高预测准确性。	NA	开发一种新的模型，通过结合过程挖掘和深度学习技术，提高对住院COVID-19患者生存率的预测准确性。	住院COVID-19患者的生存率预测	机器学习	COVID-19	过程挖掘/深度学习	深度学习模型	临床数据	NA