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
19541	2024-08-11	MCAS-GP: Deep Learning-Empowered Middle Cerebral Artery Segmentation and Gate Proposition 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3281776 PMID:37262115	研究论文	本文提出了一种基于深度学习的框架MCAS-GP，用于自动分割中脑动脉区域并检测相应的门位置	设计了一种新的可学习孔洞空间金字塔池化（LASPP）模块，并提出了一种新的评估指标——归属指数	NA	减少超声医师的工作量，提高中脑动脉Doppler评估的效率	中脑动脉的分割和门位置检测	数字医疗	NA	深度学习	LASPP	图像	构建了一个大规模的中脑动脉数据集，并与国际和平妇幼保健院合作
19542	2024-08-11	The concept of AI-assisted self-monitoring for skeletal malocclusion 2024 Jul-Sep, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241274511 PMID:39120929	研究论文	本研究利用深度学习技术，通过训练模型分析侧位照片，辅助自我监测骨骼错𬌗畸形	首次将深度学习应用于口腔医学中的自我健康管理，提高了筛查骨骼错𬌗畸形的准确性	NA	探索深度学习在骨骼错𬌗畸形筛查中的应用	骨骼错𬌗畸形患者	机器学习	骨骼错𬌗畸形	深度学习	CNN	图像	2109名新诊断患者
19543	2024-08-11	Machine-to-Machine Transfer Function in Deep Learning-Based Quantitative Ultrasound 2024-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3384815 PMID:38857123	研究论文	本文研究了一种机器到机器（M2M）转移函数方法，用于在基于深度学习的定量超声（QUS）中减少数据不匹配问题	引入了M2M转移函数，能够减少深度学习模型开发成本，并实现多源数据或扫描器的组合以及机器间的模型转移	文章未明确提及具体的局限性	探索并改进基于深度学习的定量超声中的数据匹配问题	研究M2M转移函数在不同超声扫描器和探头间的应用效果	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	使用了SonixOne和Verasonics两种机器，配备L9-4和L11-5两种探头进行数据采集
19544	2024-08-11	Using an interpretable deep learning model for the prediction of riverine suspended sediment load 2024-May, Environmental science and pollution research international DOI:10.1007/s11356-024-33290-1 PMID:38656723	研究论文	本研究开发了一种基于深度学习和Shapley加性解释技术的可解释模型，用于预测河流系统中的悬浮沉积物负荷	本研究的创新点在于开发了一种可解释的深度学习模型，并应用Shapley加性解释技术来解释模型的输出	NA	研究目的是开发一种可解释的深度学习模型，用于预测河流系统中的悬浮沉积物负荷	研究对象是Taleghan河流域的每日悬浮沉积物负荷预测	机器学习	NA	深度学习	密集深度神经网络(DDNN), 长短期记忆(LSTM), 门控循环单元(GRU), 简单循环神经网络(RNN)	河流流量和降雨数据	Taleghan河流域的每日数据
19545	2024-08-11	Quantifying the scale of erosion along major coastal aquifers of Pakistan using geospatial and machine learning approaches 2024-May, Environmental science and pollution research international DOI:10.1007/s11356-024-33296-9 PMID:38662291	研究论文	本研究使用地理空间和机器学习方法量化巴基斯坦主要沿海含水层的侵蚀规模	本研究结合数据融合和深度学习图像分割架构，提出了一种新的侵蚀和淤积评估方法	NA	监测巴基斯坦主要沿海含水层的侵蚀情况，并提出解决方案	巴基斯坦的沿海含水层	机器学习	NA	图像分割	U-Net with EfficientNet backbone	图像	涉及多个地点，包括Sandspit、Indus delta、Sonmiani、Miani Hor、Bhuri creek、east Phitii creek、Waddi creek、Tummi creek和East Khalri creek
19546	2024-08-11	Machine Learning Approaches for Dementia Detection Through Speech and Gait Analysis: A Systematic Literature Review 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-231459 PMID:38848181	综述	本文通过系统文献综述，总结了基于机器学习的非侵入性方法在通过语音和步态分析进行痴呆预测中的应用	综述强调了机器学习，特别是非侵入性方法在早期预测痴呆中的潜力	NA	总结当前基于机器学习的痴呆预测方法，特别是非侵入性方法	痴呆的早期预测	机器学习	痴呆	支持向量机、深度学习	支持向量机、深度学习模型	语音、步态数据	40篇相关研究论文
19547	2024-08-11	A new protocol for multispecies bacterial infections in zebrafish and their monitoring through automated image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304827 PMID:39116043	研究论文	本文开发了一种新的多物种细菌感染协议，并利用自动化图像分析技术监测斑马鱼内耳结构中的感染情况	首次为斑马鱼模型建立了多物种细菌感染协议，并开发了基于深度学习的图像分析管道，用于自动分割内耳结构和量化病原体频率	NA	解决斑马鱼模型中缺乏多物种感染协议和合适的图像分析管道的问题	斑马鱼内耳结构中的单物种和多物种细菌感染	数字病理学	NA	深度学习	CNN	图像	使用铜绿假单胞菌、鲍曼不动杆菌和肺炎克雷伯菌三种难以治疗的ESKAPE病原体进行实验
19548	2024-08-11	Fruit-In-Sight: A deep learning-based framework for secondary metabolite class prediction using fruit and leaf images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308708 PMID:39116159	研究论文	本研究开发了一种基于深度学习的框架，利用水果和叶片图像预测次级代谢物的浓度类别	本研究首次使用水果和叶片图像，通过深度学习模型预测次级代谢物的浓度类别，无需昂贵的实验室设备和繁琐的分析程序	研究仅限于从野生生长在0.6百万平方公里内的楝树中收集的1045个水果和叶片样本	验证是否可以通过水果和叶片图像的深度学习模型预测代谢物的浓度类别	楝树的水果和叶片	机器学习	NA	深度学习	YOLOv5, GoogLeNet, InceptionNet, EfficientNet_B0, Resnext_50, Resnet18, SqueezeNet	图像	1045个水果和叶片样本
19549	2024-08-11	Chicken swarm optimization modelling for cognitive radio networks using deep belief network-enabled spectrum sensing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305987 PMID:39116190	研究论文	本研究提出了一种新的认知无线网络频谱感知技术（SST-CRN），利用深度信念网络（DBN）和鸡群算法（CSA）进行非线性阈值设定，以提高频谱效率和网络韧性	本研究通过结合DBN的深度学习能力和CSO的自然启发算法，创建了一个协同框架，使CRN能够自主探索和分配频谱，具有惊人的准确性	未来的研究可能需要改进CSO算法，以更好地优化频谱感知过程，增强DBN感知技术的可靠性	提高认知无线网络的频谱效率和韧性	认知无线网络中的频谱感知技术	机器学习	NA	深度信念网络（DBN）	卷积神经网络（CNN）	频谱数据	预收集的数据集用于离线训练DBN模型
19550	2024-08-11	Determination of the rat estrous cycle vased on EfficientNet 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1434991 PMID:39119352	研究论文	本研究利用EfficientNet模型通过深度学习技术自动识别雌性大鼠的发情周期	提出了一种基于EfficientNet模型的自动化识别方法，通过系统地调整网络深度、宽度和图像分辨率来优化性能	未来工作需要在大规模数据集上进一步验证并整合到实验流程中	提高实验效率并减少在识别发情周期中的人为误差	雌性大鼠的发情周期	生物医学研究	NA	深度学习	EfficientNet	生理数据	大量雌性大鼠的生理数据
19551	2024-08-11	Integrating multi-modal remote sensing, deep learning, and attention mechanisms for yield prediction in plant breeding experiments 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1408047 PMID:39119495	研究论文	本研究探索并评估了使用堆叠LSTM的深度学习网络架构在季节末玉米粒产量预测中的潜力，并通过适应这些网络以更好地利用远程 sensing 数据的多模态特性来扩展其能力	本研究首次探讨了使用高光谱和LiDAR无人机时间序列数据在深度学习网络中解释/解读植物生长阶段，并使用注意力机制的后期融合模态预测地块级玉米粒产量的方法	NA	探索和评估深度学习网络架构在玉米产量预测中的应用，并扩展其对多模态远程 sensing 数据的适应能力	玉米产量预测	机器学习	NA	深度学习	LSTM	高光谱图像、LiDAR点云、环境数据	NA
19552	2024-08-11	Automated machine learning models for nonalcoholic fatty liver disease assessed by controlled attenuation parameter from the NHANES 2017-2020 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272535 PMID:39119551	研究论文	本研究旨在评估自动化机器学习（AutoML）在基于国家健康和营养检查调查（NHANES）数据库中使用控制衰减参数（CAP）识别非酒精性脂肪肝病（NAFLD）的有效性	开发了一种基于XGBoost模型的自动化机器学习方法，用于更有效地评估NAFLD的存在，并创建了一个R Shiny网络应用程序，展示了AutoML在临床研究和实践中的潜力	NA	评估自动化机器学习在识别非酒精性脂肪肝病中的有效性	非酒精性脂肪肝病（NAFLD）的识别	机器学习	非酒精性脂肪肝病	自动化机器学习（AutoML）	XGBoost	数据库	4177名参与者（非NAFLD 3167 vs NAFLD 1010）
19553	2024-08-11	Automated identification of thrombectomy amenable vessel occlusion on computed tomography angiography using deep learning 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1442025 PMID:39119560	研究论文	开发并验证了一种全自动深度学习算法，用于在计算机断层扫描血管造影（CTA）中检测大血管闭塞（LVO）	使用U-Net进行血管分割，并应用EfficientNetV2预测血栓切除适应性血管闭塞（TAVO）	对于孤立的M2-MCA闭塞，诊断性能有所降低	开发和验证一种全自动算法，用于在CTA中识别TAVO	急性缺血性卒中患者的CTA图像	计算机视觉	脑血管疾病	深度学习	U-Net, EfficientNetV2	图像	2045名患者用于模型开发，64名和313名患者用于外部验证
19554	2024-08-11	Artificial Intelligence in Stroke Imaging: A Comprehensive Review 2023-Dec-29, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2023.23347 PMID:39109827	综述	本文全面回顾了人工智能在脑卒中影像学中的应用	介绍了多种人工智能方法在脑卒中管理中的应用，包括经典机器学习工具和深度学习模型	构建无偏模型需要收集大量、多样且高质量的数据，并确保训练和测试数据分布相似	探讨人工智能技术在脑卒中影像学中的应用及其对临床实践的影响	脑卒中影像学及其在临床管理中的应用	计算机视觉	脑血管疾病	NA	支持向量机、随机森林、逻辑回归、线性判别分析、卷积神经网络、循环神经网络、自编码器、U-Net	医学图像	NA
19555	2024-08-11	Performance of alternative manual and automated deep learning segmentation techniques for the prediction of benign and malignant lung nodules 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044006 PMID:37564098	研究论文	本文评估了放射性活检（RB）、最佳拟合边界框（BB）和基于深度学习的分割方法no-new-U-Net（nnU-Net）与标准全手动（FM）分割方法在预测良性与恶性肺结节方面的性能。	本文引入了基于深度学习的分割方法nnU-Net，并与传统的放射性活检和最佳拟合边界框方法进行了比较。	需要进一步验证RB方法的效率，并且深度学习分割方法的性能与FM和BB方法相似。	评估不同分割技术在预测肺结节良恶性方面的性能。	肺结节的分割技术和预测模型。	计算机视觉	肺部疾病	CT扫描	nnU-Net	影像数据	188个CT扫描数据
19556	2024-08-11	Visual analysis of image-guided radiation therapy based on bibliometrics: A review 2023-Feb-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000032989 PMID:36827068	综述	本研究利用文献计量方法，分析了1987年至2021年间Web of Science收录的6407篇关于图像引导放射治疗（IGRT）的论文，揭示了IGRT的研究现状、热点和发展趋势	首次对IGRT研究进行全面的文献计量分析，展示了该领域的研究成熟度和成果	NA	揭示图像引导放射治疗的研究现状和未来趋势	图像引导放射治疗技术及其相关研究	医学影像	NA	文献计量方法	NA	文本	6407篇论文
19557	2024-08-11	Medical education and training within congenital cardiology: current global status and future directions in a post COVID-19 world 2022-Feb, Cardiology in the young IF:0.9Q3 DOI:10.1017/S1047951121001645 PMID:33843546	综述	本文综述了先天性心脏病学领域内医学教育和培训的当前状态及未来发展方向，特别是在后COVID-19时代。	提出了将可信专业活动作为解决能力框架与临床实践之间差距的方案，并探讨了利用技术创新学习改善教育的可能性。	不同地区能力框架的不一致性以及将这些框架与临床实践结合的挑战仍然存在。	探讨和改进先天性心脏病学领域的医学教育和培训方法。	先天性心脏病学领域的医学教育及培训方法。	NA	先天性心脏病	NA	NA	NA	NA
19558	2024-08-11	Super.FELT: supervised feature extraction learning using triplet loss for drug response prediction with multi-omics data 2021-May-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04146-z PMID:34034645	研究论文	本研究提出了一种名为Super.FELT的新方法，利用三元组损失的监督特征提取学习来预测药物反应，并有效降低多组学数据的高维度	Super.FELT通过三个阶段（特征选择、特征编码和药物反应二分类）实现了比其他方法更好的性能，特别是在PDX和TCGA的外部验证中	NA	开发一种新的方法，利用监督深度学习模型有效降低多组学数据的高维度，以提高药物反应预测的准确性	使用多组学数据（包括突变、拷贝数变异和基因表达）来预测药物反应	机器学习	NA	三元组损失	监督深度学习模型	多组学数据	使用了来自GDSC、CCLE、CTRP、PDX和TCGA的数据集
19559	2024-08-11	Deep learning for large scale MRI-based morphological phenotyping of osteoarthritis 2021-05-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90292-6 PMID:34035386	研究论文	本研究利用深度学习技术对大规模MRI数据进行基于形态学的骨关节炎表型分类	首次使用卷积神经网络对膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型进行分类，并评估其与骨关节炎发生和发展的关联	NA	旨在通过MRI图像的形态学表型分类，预测骨关节炎的未来发生情况，从而改进治疗药物的纳入标准和疗效	膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型	机器学习	骨关节炎	卷积神经网络	CNN	图像	4791名参与者的膝关节MRI数据
19560	2024-08-11	Understanding Public Perceptions of COVID-19 Contact Tracing Apps: Artificial Intelligence-Enabled Social Media Analysis 2021-05-17, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26618 PMID:33939622	研究论文	本研究通过人工智能驱动的社交媒体分析，探讨了英国公众对COVID-19接触追踪应用的看法	采用混合规则集成的模型，结合了先进的基于词典规则和深度学习方法	NA	探索人工智能驱动的社交媒体分析在理解公众对COVID-19接触追踪应用看法方面的适用性	公众对COVID-19接触追踪应用的态度	自然语言处理	NA	人工智能	混合规则集成模型	文本	超过10,000条相关社交媒体帖子