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
19301	2024-08-18	A novel model for predicting postoperative liver metastasis in R0 resected pancreatic neuroendocrine tumors: integrating computational pathology and deep learning-radiomics 2024-Aug-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05449-4 PMID:39143624	研究论文	本文介绍了一种结合计算病理学和深度学习放射组学的新模型，用于预测胰腺神经内分泌肿瘤患者R0切除术后的肝转移	该模型通过整合临床、病理和影像特征，提高了对胰腺神经内分泌肿瘤患者术后肝转移的预测准确性	NA	开发一种新的预测模型，以更好地预测胰腺神经内分泌肿瘤患者术后肝转移	胰腺神经内分泌肿瘤患者术后肝转移的预测	数字病理学	胰腺神经内分泌肿瘤	深度学习放射组学	CNN	图像	163名胰腺神经内分泌肿瘤患者
19302	2024-08-18	Segmentation and characterization of macerated fibers and vessels using deep learning 2024-Aug-14, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01244-w PMID:39143615	研究论文	本文开发了一种自动深度学习分割方法，利用YOLOv8模型对微观图像中的浸解纤维和导管进行快速准确的分割和特征化	采用YOLOv8模型进行快速准确的细胞分割和特征化，并开发了一个用户友好的网络应用程序	NA	研究木材细胞的形态、大小和排列，以理解木材特性	浸解纤维和导管的形态特征	计算机视觉	NA	深度学习	YOLOv8	图像	分析了32,640 x 25,920像素的图像
19303	2024-08-18	Rapid Mold Detection in Chinese Herbal Medicine Using Enhanced Deep Learning Technology 2024-Aug, Journal of medicinal food IF:1.7Q4 DOI:10.1089/jmf.2024.k.0004 PMID:38919153	研究论文	本文提出了一种利用电子鼻技术和增强型深度学习技术快速准确检测中药材中霉菌污染的方法	引入了偏心时间卷积网络（ETCN）模型和随机共振（SR）技术，有效捕捉电子鼻数据的时空信息并消除噪声	NA	解决中药材加工和储存过程中霉菌污染导致的质量下降和功效降低问题	中药材中的霉菌污染	机器学习	NA	电子鼻技术	偏心时间卷积网络（ETCN）	电子鼻数据	八种传感器的数据
19304	2024-08-18	A transfer learning approach to identify Plasmodium in microscopic images 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012327 PMID:39102445	研究论文	本文通过迁移学习方法，利用预训练的深度学习模型来识别显微图像中的疟原虫	采用DenseNet201模型，通过迁移学习方法在显微图像中高效识别疟原虫，达到99.41%的AUC值	未来工作计划通过增加数据和开发用户友好的界面来扩展该方法的应用	旨在通过计算机辅助诊断（CAD）场景中的自动识别方法来改善疟疾的诊断	研究对象为显微图像中的疟原虫	计算机视觉	疟疾	迁移学习	DenseNet201	图像	6222个感兴趣区域（ROI），其中6002个来自Broad Bioimage Benchmark Collection（BBBC），220个本地采集
19305	2024-08-18	Reliable estimation of tree branch lengths using deep neural networks 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012337 PMID:39102450	研究论文	本研究探讨了使用深度学习框架在固定树形结构上从多序列比对或其表示中估计分支长度的可能性	深度学习方法在某些难以估计的分支长度参数空间区域表现出优越性能，特别是在估计与远缘物种相关的长分支时	NA	探索机器学习模型预测分支长度的可能性，以提高系统发育推断的准确性和计算效率	系统发育树中的分支长度	机器学习	NA	深度学习	深度神经网络	多序列比对	NA
19306	2024-08-18	Development of a CT-Based comprehensive model combining clinical, radiomics with deep learning for differentiating pulmonary metastases from noncalcified pulmonary hamartomas: a retrospective cohort study 2024-Aug-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001593 PMID:38759692	研究论文	本研究开发了一种结合临床特征、放射组学和深度学习的综合模型，用于区分肺转移瘤和非钙化肺错构瘤	本研究首次将临床特征、放射组学和深度学习相结合，构建了一个综合模型，用于区分肺转移瘤和非钙化肺错构瘤	本研究为回顾性研究，且样本主要来自两家医院，可能存在一定的偏倚	评估一种结合临床特征、放射组学和深度学习的综合模型在区分肺转移瘤和非钙化肺错构瘤中的诊断效能	肺转移瘤和非钙化肺错构瘤的区分	数字病理学	肺部疾病	深度学习	综合模型	影像数据	256名来自中国人民解放军总医院第一医学中心的病人和85名来自上海长海医院的病人
19307	2024-08-18	The McMaster Health Information Research Unit: Over a Quarter-Century of Health Informatics Supporting Evidence-Based Medicine 2024-Jul-31, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58764 PMID:39083765	研究论文	本文回顾了麦克马斯特健康信息研究单元（HiRU）在支持循证医学（EBM）方面超过25年的发展历程	介绍了HiRU在早期通过数字健康信息学教授临床医生使用调制解调器和电话线搜索MEDLINE，以及后来引入临床查询验证搜索过滤器和应用机器学习、深度学习及大型语言模型（LLMs）来提高搜索精确度的创新方法	NA	探讨健康信息学在过去25多年中支持证据搜索和检索过程的演变，以及LLMs和负责任的人工智能的角色	健康信息学在循证医学中的应用	自然语言处理	NA	机器学习, 深度学习, 大型语言模型（LLMs）	大型语言模型（LLMs）	文本	每年近100万篇文章添加到PubMed
19308	2024-08-18	Global research of artificial intelligence in eyelid diseases: A bibliometric analysis 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34979 PMID:39148986	meta-analysis	本研究使用文献计量方法对全球人工智能在眼睑疾病领域的研究进行综述	分析了过去二十年该领域的发展趋势，并指出了最近三年的快速发展阶段	尽管该领域在最近三年迅速发展，但仍存在研究空白	生成全球人工智能在眼睑疾病研究领域的概述	人工智能在眼睑疾病的研究	NA	NA	文献计量分析	NA	文献	98篇相关出版物
19309	2024-08-18	Semi-supervised learning with flexible threshold for non-intrusive load monitoring 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34457 PMID:39148998	研究论文	本文提出了一种结合一致性正则化和伪标签的半监督学习方法，用于在有限标记数据和大量未标记数据的情况下进行非侵入式负载监测中的设备识别	该方法通过灵活调整不同设备的阈值，以适应不同设备类别的学习难度，从而提高识别性能	NA	旨在解决非侵入式负载监测中监督学习模型需要大量标注数据的问题	非侵入式负载监测中的设备识别	机器学习	NA	NA	NA	数据	使用了公开可用的数据集
19310	2024-08-18	Integrating ensemble and machine learning models for early prediction of pneumonia mortality using laboratory tests 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34525 PMID:39149016	研究论文	本研究旨在开发一种基于实验室检测结果的早期预测肺炎死亡率的AI模型	本研究首次将集成模型与机器学习技术结合，用于肺炎死亡率的早期预测，并强调了实验室检测数据在AI医疗研究中的重要性	NA	开发一种早期预测肺炎死亡率的AI模型	肺炎患者的实验室检测结果和基本临床信息	机器学习	肺炎	机器学习模型（XGBoost, CatBoost, LGBM）和深度学习方法（多层感知器MLP）	集成模型	实验室检测数据	80,940个数据实例
19311	2024-08-18	NCME-Net: Nuclear cataract mask encoder network for intelligent grading using self-supervised learning from anterior segment photographs 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34726 PMID:39149020	研究论文	本文提出了一种名为NCME-Net的混合模型，用于通过自监督学习对前段照片进行核性白内障严重程度的四分类分析	NCME-Net利用自监督预训练，无需昂贵的数据标注，并能跨越领域差异，提高了诊断准确性	NA	解决智能分级核性白内障严重程度的挑战	核性白内障的严重程度分级	计算机视觉	眼科疾病	自监督学习	混合模型	图像	792张核性白内障图像，分为训练集533张，验证集139张，测试集100张
19312	2024-08-18	Artificial intelligence in pediatric airway - A scoping review 2024 Jul-Sep, Saudi journal of anaesthesia IF:1.3Q3 DOI:10.4103/sja.sja_110_24 PMID:39149736	综述	本文是一篇范围综述，评估了人工智能在儿科麻醉领域，特别是儿科气道管理中的应用	NA	NA	评估人工智能在儿科麻醉中的应用	儿科气道管理	计算机视觉	NA	机器学习, 神经网络, 深度学习, 机器人技术	NA	NA	所有18岁以下的儿童研究均被包括和评估
19313	2024-08-18	Identifying prey capture events of a free-ranging marine predator using bio-logger data and deep learning 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240271 PMID:39100157	研究论文	本文开发了一种新方法，利用三轴加速度和深度数据通过深度学习神经网络量化帽带企鹅的捕食率，并通过动物携带的视频进行验证	本文创新性地使用深度学习算法处理生物记录传感器产生的大量数据，以稳健估计潜水海洋捕食者的捕食事件	NA	开发一种创新方法来估计潜水海洋捕食者的猎物消耗量	帽带企鹅及其捕食行为	机器学习	NA	深度学习	CNN 和 V-Net	加速度和深度数据	41只帽带企鹅
19314	2024-08-18	Optimal sampling of spatial patterns improves deep learning-based early warning signals of critical transitions 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.231767 PMID:39100181	研究论文	本文开发了一种先进的机器学习工具包，称为空间早期预警信号网络（S-EWSNet），用于预测复杂时空系统中的关键转变类型。	通过最优采样策略（OSS）让深度神经网络学习潜在特征，提高了对关键转变类型的预测能力。	NA	解决预测关键转变类型（突然与平滑）的难题。	复杂时空系统中的关键转变类型。	机器学习	NA	机器学习	深度神经网络	时空数据	模拟和实证样本
19315	2024-08-18	How many specimens make a sufficient training set for automated three-dimensional feature extraction? 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240113 PMID:39100182	research paper	本研究探讨了用于自动化三维特征提取的深度学习模型所需的最小训练图像数量，并评估了数据增强对提高网络准确性的效果	本研究首次探讨了数据增强在三维图像特征提取中的应用，并揭示了其对提高模型准确性的潜力	研究主要集中在内部结构的体积和形状测量上，对于外部结构的挑战性较低	确定用于自动化三维特征提取的深度学习模型所需的最小训练图像数量	50个浮游有孔虫标本	computer vision	NA	deep learning	NA	three-dimensional images	50个浮游有孔虫标本
19316	2024-08-18	Semi-Supervised, Attention-Based Deep Learning for Predicting TMPRSS2:ERG Fusion Status in Prostate Cancer Using Whole Slide Images 2024-04-02, Molecular cancer research : MCR IF:4.1Q2 DOI:10.1158/1541-7786.MCR-23-0639 PMID:38284821	研究论文	本研究利用半监督的注意力机制深度学习方法，通过全切片图像预测前列腺癌中的TMPRSS2:ERG融合状态	本研究展示了深度学习在从常规可用的组织学切片中有效推断前列腺癌关键遗传改变方面的潜力	NA	探索深度学习在前列腺癌诊断中的应用	前列腺癌中的TMPRSS2:ERG融合状态	数字病理学	前列腺癌	深度学习	注意力机制	图像	NA
19317	2024-08-18	DeepDynaForecast: Phylogenetic-informed graph deep learning for epidemic transmission dynamic prediction 2024-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011351 PMID:38598563	研究论文	本文介绍了一种基于系统发育树的深度学习系统DeepDynaForecast，用于预测流行病传播动态	利用原始-对偶图学习结构和快捷多层聚合，适用于早期识别和预测高风险群体中的传播动态	NA	开发一种基于系统发育树的深度学习系统，用于预测流行病传播风险和模式	流行病传播动态	机器学习	NA	深度学习	图深度学习	系统发育树数据	使用佛罗里达州2012年至2020年的人类免疫缺陷病毒流行病大型数据集
19318	2024-08-18	FDB-Net: Fusion double branch network combining CNN and transformer for medical image segmentation 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230413 PMID:38848160	研究论文	本文提出了一种结合CNN和Transformer的双分支医学图像分割网络FDB-Net，通过使用包含gnConv块的CNN和包含Varied-Size Window Attention块的Transformer作为特征提取骨干网络，确保网络具有全局感受野以及获取目标局部细节特征的能力。	FDB-Net通过结合CNN和Transformer的双分支结构，克服了卷积操作受限的感受野和Transformer自注意力机制缺乏局部精细信息提取能力的局限。	NA	提高医学图像分割的性能	医学图像分割	计算机视觉	NA	CNN, Transformer	FDB-Net	图像	NA
19319	2024-08-18	Connectome-based schizophrenia prediction using structural connectivity - Deep Graph Neural Network(sc-DGNN) 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230426 PMID:38820060	研究论文	本研究利用结构连接深度图神经网络（sc-DGNN）模型，通过分析与精神分裂症相关的功能连接子网络，提高了对精神分裂症的预测准确性	提出了一种新的结构连接深度图神经网络（sc-DGNN）模型，该模型在预测精神分裂症相关的功能连接异常方面表现优于传统的机器学习和深度学习方法	NA	提高对脑部疾病问题的预测准确性	研究与精神分裂症相关的功能连接子网络和图结构	机器学习	精神分裂症	扩散磁共振成像（dMRI）	深度图神经网络（DGNN）	图像	88名受试者
19320	2024-08-18	A fusion of deep neural networks and game theory for retinal disease diagnosis with OCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-240027 PMID:38759091	研究论文	本文提出了一种结合深度神经网络和博弈论的混合模型GIGT，用于通过OCT图像诊断视网膜疾病	该方法结合了生成对抗网络（GANs）、Inception模型和博弈论，引入了一种战略和动态的诊断过程，提高了准确性和鲁棒性	NA	提高视网膜疾病诊断的准确性和可靠性	视网膜疾病	计算机视觉	视网膜疾病	生成对抗网络（GANs）	混合模型GIGT	图像	NA