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
19781	2024-08-09	Auto-Spikformer: Spikformer architecture search 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1372257 PMID:39108310	研究论文	本文提出了一种名为Auto-Spikformer的一次性脉冲Transformer架构搜索方法，旨在减少Spiking Neural Networks（SNNs）中的能量消耗	Auto-Spikformer通过扩展搜索空间包括Transformer架构和SNN内部参数，并采用权重纠缠、进化搜索和离散脉冲参数搜索（DSPS）方法，实现了子网性能的提升	NA	研究如何通过架构搜索方法减少Spiking Neural Networks中的能量消耗	Spiking Neural Networks（SNNs）及其架构	机器学习	NA	进化搜索、离散脉冲参数搜索（DSPS）	Spikformer	NA	NA
19782	2024-08-09	Improving image quality and in-stent restenosis diagnosis with high-resolution "double-low" coronary CT angiography in patients after percutaneous coronary intervention 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1330824 PMID:39108672	研究论文	本研究旨在探讨高分辨率、低剂量的冠状CT血管造影（CCTA）结合深度学习图像重建（DLIR）和第二代运动校正算法（SSF2）的图像质量及其对支架内再狭窄（ISR）的诊断准确性	采用高分辨率、低剂量的CCTA结合DLIR和SSF2算法，相比于标准剂量的CCTA和ASIR-V及SSF1算法，显著提高了图像质量和诊断性能	NA	研究高分辨率、低剂量CCTA的图像质量和诊断支架内再狭窄的准确性	接受经皮冠状动脉介入治疗（PCI）后疑似支架内再狭窄的患者	数字病理学	心血管疾病	冠状CT血管造影（CCTA）	深度学习图像重建（DLIR）	图像	105名患者，分为低剂量组（60名）和高剂量组（45名）
19783	2024-08-09	A robust ensemble deep learning framework for accurate diagnoses of tuberculosis from chest radiographs 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1391184 PMID:39109222	研究论文	本研究提出了一种基于胸部X光片的结核病诊断的鲁棒集成深度学习框架，包含43个不同模型，用于识别活动性结核病例及其临床亚型分类	该框架采用多种特征提取器和三种融合策略（投票、基于注意力或串联方法），在融合阶段进行最终分类，具有自我修正能力，提高了亚型识别的准确性	尽管模型在有限的数据集上表现良好，但数据集的大小可能限制了模型的泛化能力	提高结核病诊断的准确性，优化资源分配，支持临床决策	活动性结核病例及其临床亚型	机器学习	结核病	深度学习	集成模型	图像	包含915名活动性结核病患者和1276名健康对照者的去标识化数据集
19784	2024-08-09	From outputs to insights: a survey of rationalization approaches for explainable text classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1363531 PMID:39109323	综述	本文综述了文本分类中用于解释性的合理化方法的进展	本文首次全面概述了文本分类中合理化方法的发展，包括提取和抽象合理化的技术，以及评估机器生成合理化的指标	NA	探讨和促进文本分类中解释性方法的未来发展	文本分类中的合理化方法	自然语言处理	NA	NA	NA	文本	NA
19785	2024-08-09	LeafAI: query generator for clinical cohort discovery rivaling a human programmer 2023-11-17, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad149 PMID:37550244	研究论文	本文介绍了一种名为LeafAI的系统，该系统能够生成数据模型无关的查询，并提供复杂的临床试验资格标准的逻辑推理能力	LeafAI引入了一种新的方法，使用UMLS概念对数据库模式元素进行标记，以实现数据模型无关的查询创建	NA	开发一种能够生成数据模型无关查询并提供复杂临床试验资格标准逻辑推理能力的系统	临床数据库中的患者识别和临床试验资格标准的查询生成	自然语言处理	NA	混合深度学习和基于规则的模块	NA	文本	8个临床试验中的27,225名合格患者
19786	2024-08-09	Automated Segmentation of Optical Coherence Tomography Images of the Human Tympanic Membrane Using Deep Learning 2023-Sep, Algorithms IF:1.8Q2 DOI:10.3390/a16090445 PMID:39104565	研究论文	本文利用深度学习算法自动分割人耳鼓膜的光学相干断层扫描（OCT）图像	开发了一种基于卷积神经网络的深度学习算法，能够准确识别并分割耳鼓膜，提高图像可视化效果	未提及具体限制	改进数据分析和图像处理，使OCT医学影像成为耳鼻喉科领域便捷且可行的诊断工具	人耳鼓膜的OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	3D体积的人耳鼓膜图像
19787	2024-08-08	Corrigendum to 'OPUS-Rota4: a gradient-based protein side-chain modeling framework assisted by deep learning-based predictors' 2022-09-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac189 PMID:35580857	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19788	2024-08-09	DeepMapi: a Fully Automatic Registration Method for Mesoscopic Optical Brain Images Using Convolutional Neural Networks 2021-04, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-020-09483-7 PMID:32754778	研究论文	提出了一种基于深度学习的全自动注册方法DeepMapi，用于将介观光学脑图像与脑图谱对齐	使用自反馈策略处理不平衡训练集问题，并采用双层级网络捕捉大范围和小范围的形变	NA	开发一种全自动的脑图像注册方法，以提高处理复杂神经解剖结构的效率	介观光学脑图像的自动注册	计算机视觉	NA	卷积神经网络	CNN	图像	包括光学和MRI图像的一组基准图像
19789	2024-08-09	Evaluation of lung involvement in COVID-19 pneumonia based on ultrasound images 2021-Mar-20, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00863-x PMID:33743707	研究论文	本研究旨在基于深度学习建立一个评估COVID-19肺炎肺部受累程度的模型	提出了一种结合多模态通道和感受野注意网络与ResNeXt的新型网络（MCRFNet），用于自动融合浅层特征并确定不同通道及其相应领域的重要性	NA	建立一个基于深度学习的肺部受累评估模型	COVID-19肺炎患者的肺部超声图像	计算机视觉	COVID-19	深度学习	MCRFNet	超声图像	104名患者的多中心和多模态超声数据
19790	2024-08-09	Stacked LSTM based deep recurrent neural network with kalman smoothing for blood glucose prediction 2021-03-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01462-5 PMID:33726723	研究论文	本文提出了一种基于堆叠长短期记忆（LSTM）的深度循环神经网络模型，结合卡尔曼平滑技术，用于预测血糖水平，特别考虑了传感器故障问题	本文创新地使用了堆叠LSTM的深度循环神经网络模型，并结合卡尔曼平滑技术来校正由于传感器错误导致的CGM读数不准确问题	NA	旨在提高血糖预测的准确性，从而改善人工胰腺和胰岛素输注系统在1型糖尿病管理中的性能	1型糖尿病患者的血糖管理	机器学习	糖尿病	卡尔曼平滑技术	堆叠LSTM的深度循环神经网络	生理信息数据	包含六名不同患者八周数据的OhioT1DM（2018）数据集
19791	2024-08-09	Classification of Hemodynamics Scenarios from a Public Radar Dataset Using a Deep Learning Approach 2021-Mar-06, Sensors (Basel, Switzerland) DOI:10.3390/s21051836 PMID:33800716	研究论文	本文研究了使用深度学习方法从公共雷达数据集中分类五种复杂血流动力学场景的可能性	本文展示了雷达传感技术在监测复杂血流动力学场景方面的潜力，超越了传统的心率和呼吸率监测	NA	探索使用非接触式传感器（如雷达）监测复杂血流动力学场景的可行性	五种复杂血流动力学场景（静息、模拟窒息、瓦尔萨尔瓦动作、倾斜台上的倾斜上和倾斜下）	机器学习	NA	深度学习	神经网络	时间域和频率域数据	使用了公共雷达和接触输入信号的数据集
19792	2024-08-09	Using artificial intelligence to assist radiologists in distinguishing COVID-19 from other pulmonary infections 2021, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-200735 PMID:33164982	研究论文	本研究开发了一种基于深度学习算法的AI模型，使用ResUNet网络，评估放射科医生在有无AI辅助下区分COVID-19与其他肺部感染的能力	本研究首次使用ResUNet网络的深度学习模型，显著提高了放射科医生在区分COVID-19与其他肺部感染的准确性和敏感性	研究仅使用了694个病例和111,066张CT扫描图像，样本量可能不足以完全代表所有病例	开发和验证一种AI模型，以提高放射科医生在CT扫描中区分COVID-19与其他肺部感染的能力	COVID-19感染的肺炎患者与其他肺部感染患者	计算机视觉	COVID-19	深度学习算法	ResUNet	图像	694个病例，包括118个COVID-19感染的肺炎病例和576个其他肺部感染病例
19793	2024-08-09	Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review 2021, Journal of healthcare engineering DOI:10.1155/2021/6677314 PMID:33747419	综述	本文通过系统综述方法，探讨了利用深度学习模型在放射学模式下检测和诊断COVID-19的现状	深度学习模型提供了准确且高效的系统，显著提高了敏感性和特异性值	NA	旨在解决COVID-19早期检测和诊断的主要挑战，并提高诊断准确性	COVID-19的放射学图像	机器学习	COVID-19	深度学习	深度学习模型	图像	37篇文章作为研究样本
19794	2024-08-09	Comparison of machine learning and deep learning techniques in promoter prediction across diverse species 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.365 PMID:33817015	研究论文	本文比较了机器学习和深度学习技术在不同物种中预测基因启动子的效果	使用频率基础的标记化（FBT）进行数据预处理，减少了输入维度并缩短了训练时间，同时保持了分类的敏感性和特异性	NA	研究机器学习和深度学习模型在基因启动子预测中的应用	酵母、植物和人类的基因组序列	机器学习	NA	一维卷积神经网络（CNN）、长短期记忆（LSTM）和随机森林（RF）分类器	CNN、LSTM、RF	基因组序列	涉及酵母、植物和人类三种不同的真核生物
19795	2024-08-09	De novo prediction of cancer-associated T cell receptors for noninvasive cancer detection 2020-08-19, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.aaz3738 PMID:32817363	研究论文	本文开发了一种名为DeepCAT的深度学习方法，用于从头预测与癌症相关的T细胞受体（TCRs），并验证了其在癌症诊断中的应用	首次使用深度学习方法DeepCAT进行癌症相关TCRs的从头预测，为无创癌症检测提供新途径	NA	开发一种新的深度学习方法，用于早期癌症的无创检测	癌症相关的T细胞受体（TCRs）	机器学习	NA	深度学习	深度学习模型	TCR序列	超过250名癌症患者和600名健康个体的血液TCR序列
19796	2024-08-09	Automatic Hip Fracture Identification and Functional Subclassification with Deep Learning 2020-Mar, Radiology. Artificial intelligence DOI:10.1148/ryai.2020190023 PMID:33937815	研究论文	研究使用深度学习自动识别和分类髋部骨折的可行性	开发了一种深度学习模型，能够自动识别和分类髋部骨折，其性能达到专家水平，并能辅助提高人类观察者的表现	NA	探索使用深度学习自动识别和分类髋部骨折的可行性，以减少诊断错误和缩短手术时间	髋部和骨盆X光片	计算机视觉	NA	深度学习	Densely Connected Convolutional Neural Network (DenseNet)	图像	1118项研究的髋部和骨盆X光片，3026个髋部被标记
19797	2024-08-09	Imaging Advances in Chronic Obstructive Pulmonary Disease. Insights from the Genetic Epidemiology of Chronic Obstructive Pulmonary Disease (COPDGene) Study 2019-02-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.201807-1351SO PMID:30304637	综述	本文总结了COPDGene研究中影像学发现对慢性阻塞性肺病（COPD）理解的主要进展	介绍了通过影像学特征如早期间质性肺异常、肺气肿的视觉存在及模式等，对COPD发病机制和预后的新见解，以及使用深度学习进行COPD表型分型的研究	NA	旨在理解慢性阻塞性肺病的病因、进展和异质性	超过10,000名当前和曾经的吸烟者	数字病理学	慢性阻塞性肺病	计算机断层扫描	深度学习	影像数据	超过10,000名参与者
19798	2024-08-08	Strengths and limitations of web servers for the modeling of TCRpMHC complexes 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.028 PMID:39104710	研究论文	本文比较了三个流行的网络服务器（ImmuneScape、TCRpMHCmodels和TCRmodel2）在模拟TCRpMHC复合物结构方面的优缺点	研究采用了不同的建模策略，包括对接、同源建模和深度学习，并对这些方法的准确性进行了评估	研究仅限于人类MHC等位基因，并且依赖于已有的实验确定的晶体结构数据	评估和比较不同网络服务器在模拟TCRpMHC复合物结构方面的性能	TCRpMHC复合物的三维结构	生物信息学	NA	对接、同源建模、深度学习	NA	蛋白质结构	87个TCRpMHC复合物
19799	2024-08-08	Preeclampsia and its prediction: traditional versus contemporary predictive methods 2024-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians DOI:10.1080/14767058.2024.2388171 PMID:39107137	综述	本文综述了子痫前期的流行病学、病因、病理生理及风险因素，并重点讨论了人工智能深度学习技术在预测子痫前期中的新兴作用	人工智能模型在预测子痫前期方面展现出较高的准确性和价值，特别是在预测晚发型子痫前期方面表现出色	传统的子痫前期预测模型在敏感性和特异性方面存在显著局限，尤其是预测晚发型子痫前期的检出率仅为30%至50%	探讨人工智能深度学习技术在子痫前期预测中的应用，以提高预测方法的临床应用	子痫前期的预测方法及其在临床上的应用	机器学习	妊娠相关疾病	人工智能深度学习	AI模型	NA	NA
19800	2024-08-08	Artificial intelligence in musculoskeletal imaging: realistic clinical applications in the next decade 2024-Sep, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04684-6 PMID:38902420	综述	本文综述了深度学习在肌肉骨骼疾病检测中的应用，这些应用在未来十年内有潜力转化为常规临床实践	深度学习方法在骨折检测、儿童骨龄估计、骨测量计算及骨关节炎分级等方面显示出高诊断性能	深度学习方法在MRI上的肌肉骨骼疾病检测面临多任务、多类别检测的挑战，且由于不同扫描仪和脉冲序列导致的图像质量波动，其泛化能力受限	评估深度学习方法在肌肉骨骼疾病检测中的诊断性能，并探讨其在临床实践中的潜在益处	深度学习在肌肉骨骼疾病检测中的应用	计算机视觉	NA	深度学习	DL	图像	使用不同机构、不同成像参数和成像硬件获取的大量图像数据