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
19481	2024-08-14	Automatic Identification of Hate Speech - A Case-Study of alt-Right YouTube Videos 2024, F1000Research DOI:10.12688/f1000research.147107.1 PMID:39131834	研究论文	本文研究了自动识别仇恨言论的方法，特别是针对alt-right YouTube视频的应用	提出了一种跨学科的混合方法，结合机器学习、深度学习和自然语言处理技术与传统的实证研究	自动识别或 moderation 仇恨言论无法适应间接象征意义的不断变化的背景	探讨自动识别仇恨言论的有效方法及其在alt-right YouTube视频中的应用	alt-right YouTube视频中的仇恨言论	自然语言处理	NA	机器学习, 深度学习, 自然语言处理 (NLP)	NA	视频	涉及alt-right YouTube视频的数据
19482	2024-08-14	XAI-TRIS: non-linear image benchmarks to quantify false positive post-hoc attribution of feature importance 2024, Machine learning IF:4.3Q2 DOI:10.1007/s10994-024-06574-3 PMID:39132312	研究论文	本文提出了一种名为XAI-TRIS的非线性图像基准，用于量化事后归因于特征重要性的假阳性	本文设计了基准数据集和新的定量指标，用于评估不同深度学习模型架构下的XAI方法的解释性能	本文指出流行的XAI方法在非线性问题上往往无法显著超越随机性能基线和边缘检测方法，且不同模型架构的解释结果差异大，易导致误解	验证和评估XAI方法的理论和实证性能	XAI方法在非线性分类问题中的解释性能	机器学习	NA	深度神经网络	CNN	图像	包含一个线性和三个不同非线性分类场景的基准数据集
19483	2024-08-14	Artificial Intelligence in Breast Imaging: Opportunities, Challenges, and Legal-Ethical Considerations 2023-Dec, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23360 PMID:39128072	综述	本文综述探讨了人工智能（AI）在乳腺影像中的变革性影响，特别是在全球乳腺癌病例增加的背景下	AI通过深度学习技术在改进诊断流程方面展现出潜力，能够处理大量数据和多维信息，推动乳腺癌研究的精准医学发展	AI的整合面临数据相关障碍、确保决策透明度和信任等挑战	探讨AI在乳腺影像中的应用及其法律和伦理考虑	人工智能在乳腺影像中的应用及其对乳腺癌诊断的影响	计算机视觉	乳腺癌	深度学习	NA	影像数据	NA
19484	2024-08-14	Non-Metastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Breast Cancer patients at Risk for Metastasis 2023-Apr-17, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.14.23288545 PMID:37131732	研究论文	本研究开发了一个深度学习框架，用于识别肥胖乳腺癌患者中非转移性腋窝淋巴结的形态学差异	首次使用深度学习框架分析肥胖乳腺癌患者中非转移性腋窝淋巴结的形态学和免疫表型差异	NA	探索肥胖乳腺癌患者中淋巴结脂肪组织与乳腺癌淋巴结转移之间的潜在机制	肥胖乳腺癌患者的非转移性腋窝淋巴结	数字病理学	乳腺癌	深度学习	NA	图像	具体样本数量未在摘要中提及
19485	2024-08-14	Performance of high-resolution CT for detection and discrimination tasks related to stenotic lesions - A phantom study using model observers 2023-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.16194 PMID:36583447	研究论文	本研究通过使用模型观察者对狭窄病变进行高分辨率CT检测和鉴别任务的性能进行了比较	使用高分辨率CT模式和正常分辨率模式在同一CT扫描仪上进行比较，并引入了深度学习算法AiCE以提高检测性能	研究仅限于使用模型观察者和特定的CT扫描仪，未涉及临床实际应用	评估高分辨率CT在检测和鉴别狭窄病变中的性能	狭窄病变模拟体	计算机视觉	心血管疾病	高分辨率CT扫描	非预白化模型观察者	图像	三个丙烯酸圆柱体，每个直径15.0厘米，厚度1.3厘米，包含一系列不同直径和狭窄严重程度的孔洞
19486	2024-08-14	Preoperative Prediction and Identification of Extracapsular Extension in Head and Neck Cancer Patients: Progress and Potential 2023-Feb, Cureus DOI:10.7759/cureus.34769 PMID:36909098	研究论文	本研究旨在展示术前识别头颈部癌症患者淋巴结外扩展的潜力和发展进展	开发了一种利用多层梯度映射引导的可解释网络架构的深度学习模型，并采用梯度加权类激活映射方法生成解剖区域的热图	热图结果对某些患者可能有用，但对其他患者可能会产生误导，需要进一步训练	术前识别头颈部癌症患者淋巴结外扩展	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	CNN	CT影像	NA
19487	2024-08-14	Machine Learning-Based Personalized Prediction of Hepatocellular Carcinoma Recurrence After Radiofrequency Ablation 2022, Gastro hep advances DOI:10.1016/j.gastha.2021.09.003 PMID:39129938	研究论文	本研究旨在开发一种机器学习模型，用于预测接受射频消融治疗后的肝细胞癌患者复发风险	开发了一种新的机器学习模型，用于个性化预测肝细胞癌复发风险，并能输出每个患者的个性化累积复发预测曲线	NA	开发机器学习模型以预测肝细胞癌复发风险	接受射频消融治疗的肝细胞癌患者	机器学习	肝细胞癌	射频消融	梯度提升决策树（GBDT）	临床数据	1778名患者
19488	2024-08-14	Deep Learning for Automatic Identification and Characterization of the Bleeding Potential of Enteric Protruding Lesions in Capsule Endoscopy 2022, Gastro hep advances DOI:10.1016/j.gastha.2022.04.008 PMID:39131843	研究论文	本文开发了一种基于卷积神经网络（CNN）的算法，用于自动检测和表征胶囊内镜中的小肠突出性病变及其出血潜力	本文首次开发了一种基于CNN的算法，能够自动检测和表征小肠突出性病变的多样性形态，并评估其出血潜力	NA	开发一种自动检测小肠突出性病变的算法，以提高胶囊内镜的诊断效率	小肠突出性病变	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	2565名患者的21,320张胶囊内镜图像
19489	2024-08-14	Protein structure prediction by AlphaFold2: are attention and symmetries all you need? 2021-Aug-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798321007531 PMID:34342271	研究论文	本文探讨了AlphaFold2在蛋白质结构预测中的应用，特别是其使用注意力机制、对称性和端到端可微性框架的关键特征	AlphaFold2利用深度学习技术，通过注意力机制和Transformer模型捕捉长程依赖关系，以及利用对称性原则在三维空间中推理蛋白质结构，展示了深度学习在结构预测中的强大能力	文章讨论了AlphaFold2不明确依赖物理原则进行结构预测的潜在影响，暗示了可能存在的局限性	研究蛋白质结构预测的新方法，特别是深度学习在生物信息学中的应用	蛋白质的3D结构及其从初级序列中的计算预测	生物信息学	NA	深度学习	Transformer	蛋白质序列数据	NA
19490	2024-08-14	Deep Learning Method to Accelerate Discovery of Hybrid Polymer-Graphene Composites 2021-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-94085-9 PMID:34301976	research paper	本文开发了一种基于电子结构计算和大数据挖掘的多学科综合方法，用于设计吸附在石墨烯和二氧化硅上的混合聚合物。	本文利用密度泛函理论和机器学习结合神经网络和统计分析，创新性地设计了基于少量简单分子构建块的1D/2D聚合物。	NA	旨在通过理解纳米尺度分子间相互作用，从底层设计分子器件。	研究对象为吸附在石墨烯和二氧化硅上的聚合物薄层的界面编码性质。	machine learning	NA	密度泛函理论 (DFT), 机器学习 (ML)	神经网络 (NN)	NA	少量简单分子构建块
19491	2024-08-14	Neural-ODE for pharmacokinetics modeling and its advantage to alternative machine learning models in predicting new dosing regimens 2021-Jul-23, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102804 PMID:34308294	研究论文	本文提出了一种基于神经常微分方程（neural-ODE）的深度学习方法，用于预测个体患者的药代动力学（PK），并测试了其在不同给药方案下的泛化能力	首次将神经常微分方程应用于药代动力学建模，并在预测未测试的给药方案时表现出更高的准确性	NA	开发一种新的深度学习方法，以提高药代动力学模型在不同给药方案下的预测准确性	药代动力学模型及其在不同给药方案下的预测能力	机器学习	NA	neural-ODE	neural-ODE	数据	使用了两种不同治疗方案的药代动力学数据
19492	2024-08-14	Genomic Selection for End-Use Quality and Processing Traits in Soft White Winter Wheat Breeding Program with Machine and Deep Learning Models 2021-Jul-20, Biology DOI:10.3390/biology10070689 PMID:34356544	研究论文	研究利用机器学习和深度学习模型预测软白冬小麦育种计划中的终端使用质量和加工特性	本研究首次探索了机器学习和深度学习模型在冬小麦育种中预测十四种终端使用质量特性的潜力，发现深度学习模型在所有预测场景中优于传统的岭回归最佳线性无偏预测（RRBLUP）和贝叶斯模型	研究仅在两个地点（Pullman和Lind, WA, USA）进行了五年（2015-19）的筛选，可能需要更多地点和更长时间的验证	旨在提高小麦育种计划中终端使用质量和加工特性的预测准确性	软白冬小麦的终端使用质量和加工特性	机器学习	NA	机器学习和深度学习	卷积神经网络（CNN）和多层感知器（MLP）	基因组数据	666个小麦基因型
19493	2024-08-14	Identification of Neurodegenerative Diseases Based on Vertical Ground Reaction Force Classification Using Time-Frequency Spectrogram and Deep Learning Neural Network Features 2021-Jul-08, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11070902 PMID:34356136	研究论文	本研究开发了一种基于深度学习方法的新型识别算法，用于根据垂直地面反作用力（vGRF）信号分类神经退行性疾病（NDDs）	本研究通过将时间域vGRF信号转换为时间-频率谱图，并利用连续小波变换（CWT）和主成分分析（PCA）进行特征增强，创新地提高了NDDs的分类准确性	NA	帮助医生在早期检测NDDs，制定有效的治疗计划，并监测疾病进展	神经退行性疾病（NDDs）的分类	机器学习	神经退行性疾病	连续小波变换（CWT），主成分分析（PCA）	卷积神经网络（CNN）	时间-频率谱图	五分钟的垂直地面反作用力信号被分为10、30和60秒的连续时间窗口
19494	2024-08-14	Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review 2021-07-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20708 PMID:34255646	综述	本文综述了将患者数据整合到基于卷积神经网络的皮肤癌分类中的研究进展	探讨了整合图像特征和患者数据对基于CNN的皮肤癌图像分类性能的影响	关于个体患者数据如何具体增强分类性能，尤其是在多类别分类问题中，仍不明确	评估不同类型的患者数据、非图像数据的编码和合并方式，以及整合对分类器性能的影响	皮肤癌分类	计算机视觉	皮肤癌	卷积神经网络(CNN)	CNN	图像	11篇符合条件的出版物
19495	2024-08-14	Determining Chess Game State from an Image 2021-Jun-02, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060094 PMID:39080882	研究论文	本文提出了一种新的国际象棋棋盘状态识别系统，结合传统计算机视觉技术和深度学习，通过合成的大型3D模型数据集进行训练，实现了从图像中准确识别棋盘配置	本文提出的系统通过结合传统计算机视觉技术和深度学习，实现了对棋盘状态的高精度识别，并且能够适应未见过的棋盘设置	当前方法受限于缺乏大型数据集，并且无法适应未见过的棋盘设置	帮助业余棋手通过自动计算机分析提高棋艺，无需手动输入棋子	从图像中识别国际象棋棋盘的配置	计算机视觉	NA	RANSAC算法，卷积神经网络	CNN	图像	合成的大型3D模型数据集，比现有数据集大一个数量级
19496	2024-08-14	Automated coronary calcium scoring using deep learning with multicenter external validation 2021-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00460-1 PMID:34075194	研究论文	本文介绍了使用深度学习模型自动进行冠状动脉钙化评分的方法，并在多中心外部数据集上进行了验证	提出了两种深度学习模型，能够自动对冠状动脉钙化进行评分，适用于专门的冠状CT检查和常规非门控胸部CT检查	当前临床实践中，冠状动脉钙化评分的实施存在一些限制，如缺乏保险覆盖、需要昂贵的CT设备、专门的成像协议和认证的3D成像实验室等	开发一种自动化的冠状动脉钙化评分方法，以提高筛查效率和早期预防干预的可能性	冠状动脉钙化评分	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包括341个样本，测试集包括42个斯坦福样本和46个MESA样本，外部验证集包括303个样本
19497	2024-08-14	Lessons Learned from the COVID-19 Pandemic: Emphasizing the Emerging Role and Perspectives from Artificial Intelligence, Mobile Health, and Digital Laboratory Medicine 2021-Jun, EJIFCC PMID:34421492	研究论文	本文探讨了人工智能、移动健康和数字实验室医学在COVID-19大流行中的应用和挑战	文章强调了人工智能在疫情预防和控制中的重要作用，以及移动健康和物联网技术的应用	NA	研究旨在评估和应用人工智能、移动健康和数字实验室医学技术在COVID-19大流行中的作用	COVID-19大流行中的人工智能、移动健康和数字实验室医学技术	机器学习	NA	人工智能	机器学习	NA	NA
19498	2024-08-14	Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus 2021-02-01, Journal of neurosurgery. Pediatrics DOI:10.3171/2020.6.PEDS20251 PMID:33260138	研究论文	本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中	该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速	NA	开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策	200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算	计算机视觉	儿童脑积水	深度学习	编码器-解码器卷积神经网络	T2加权MRI图像	200名阻塞性脑积水儿童和199名对照组
19499	2024-08-14	An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models 2021, Journal of healthcare engineering DOI:10.1155/2021/8113403 PMID:34326979	研究论文	本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别	本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误	研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一	提高皮肤病学图像的质量和分类准确性，以辅助诊断	七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌	计算机视觉	皮肤疾病	遗传算法（GA）	卷积神经网络（CNN）	图像	涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85%
19500	2024-08-14	Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram 2018-12-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aaf339 PMID:30524025	研究论文	本研究使用心电图（ECG）中的节拍检测、时频域中的心肺耦合以及深度卷积神经网络（CNN）来分类睡眠阶段	提出的基于ECG的睡眠阶段分类方法在非脑电图数据上取得了最高报告结果，并使用了比先前研究大十倍的数据集	NA	从单导联心电图中分类睡眠阶段	睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠和非快速眼动深睡眠）	机器学习	NA	深度卷积神经网络（CNN）	CNN	心电图（ECG）数据	使用了MIT-BIH多导睡眠图数据库（SLPDB）、PhysioNet/计算心脏病学挑战2018数据库（CinC2018）和睡眠心脏健康研究（SHHS）数据库