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
19881	2024-08-07	Automated detection of cerebral microbleeds in MR images: A two-stage deep learning approach 2020, NeuroImage. Clinical DOI:10.1016/j.nicl.2020.102464 PMID:33395960	研究论文	本文提出了一种两阶段深度学习方法，用于在磁共振图像中自动检测脑微出血	该方法结合了基于区域的YOLO阶段用于潜在脑微出血候选检测和三维卷积神经网络（3D-CNN）阶段用于减少假阳性	研究仅使用了高和低平面分辨率的数据进行训练和评估	开发一种有效的自动检测脑微出血的方法	脑微出血的自动检测	计算机视觉	脑血管疾病	深度学习	YOLO, 3D-CNN	图像	72名受试者包含188个脑微出血和107名受试者包含572个脑微出血
19882	2024-08-07	Toward a clinical text encoder: pretraining for clinical natural language processing with applications to substance misuse 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz072 PMID:31233140	研究论文	本文旨在开发用于临床自然语言处理的临床文本编码器，并通过预训练方法在账单代码数据上进行实验，以提高在多种表型任务中的性能	探索了多种神经编码器架构，并通过预训练账单代码数据来解决临床自然语言处理中获取大型数据集的难题	讨论了预训练方法的潜在局限性	开发能够将临床文本编码为可用于多种表型任务的表示的算法	临床文本编码器及其在临床文本分类任务中的应用	自然语言处理	NA	深度学习方法	神经编码器	文本	大量账单代码数据
19883	2024-08-07	Cohort selection for clinical trials using deep learning models 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz139 PMID:31532478	研究论文	本文探讨了使用深度学习模型进行临床试验队列选择的任务，评估了几种深度学习架构的性能	研究了全连接前馈层对不同深度学习架构性能的影响	数据集规模有限，结果没有统计显著性	评估几种深度学习架构在临床试验队列选择任务中的表现	临床试验队列选择	自然语言处理	NA	深度学习	CNN, RNN, CNN-RNN混合架构	文本	数据集规模有限
19884	2024-08-07	DBN Structure Design Algorithm for Different Datasets Based on Information Entropy and Reconstruction Error 2018-Dec-04, Entropy (Basel, Switzerland) DOI:10.3390/e20120927 PMID:33266651	研究论文	本文提出了一种基于信息熵和重构误差的深度信念网络（DBN）结构设计算法	该算法创新性地结合了网络深度和节点数量，并同时对其进行优化	NA	旨在为不同数据集设计合适的DBN结构	DBN的结构设计	机器学习	NA	深度学习技术	深度信念网络（DBN）	图像	使用了三个公共数据集（MNIST, Cifar-10 和 Cifar-100）
19885	2024-08-07	High-fidelity phenotyping: richness and freedom from bias 2018-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocx110 PMID:29040596	研究论文	本文探讨了电子健康记录表型分析的丰富性和偏差减少	提出从二元分配转向更丰富的表征研究，并探索新的时间方向和抽象表征，包括深度学习	健康护理过程产生的偏差被视为噪音，未被明确研究	研究如何提高电子健康记录表型分析的保真度，包括丰富性和减少偏差	电子健康记录数据及其在表型分析中的应用	生物医学信息学	NA	深度学习	NA	电子健康记录数据	NA
19886	2024-08-04	Reinforced Labels: Multi-Agent Deep Reinforcement Learning for Point-Feature Label Placement 2024-Sep, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3313729 PMID:37695975	研究论文	本文介绍了将强化学习应用于标签放置，这是一项在数据可视化中寻求最佳标签位置的复杂任务	提出了一种新的点特征标签放置方法，利用多智能体深度强化学习来学习标签放置策略，这是首个基于机器学习的标签方法	计算时间增加使得该方法比人类专家设计的方法更慢	研究深度强化学习在数据可视化标签放置中的应用	标签放置策略的学习	机器学习	NA	强化学习（RL）	多智能体深度强化学习	文本注释	进行了一项用户研究来评估参与者的主观表现，具体样本数量未给出
19887	2024-08-04	Smart laser Sintering: Deep Learning-Powered powder bed fusion 3D printing in precision medicine 2024-Aug-15, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124440 PMID:38972521	研究论文	本文介绍了一种深度学习模型，以提高药物载体的选择性激光烧结打印可行性	这是该领域首次开发可解释且经过不确定性优化的深度学习模型，用于预测药物载体的可打印性	SLS技术尚未为制药生产而设计，且需要耗时的试错适应过程	研究旨在利用深度学习优化选择性激光烧结在个性化医学中药物打印的可行性	研究对象为药物和聚合物材料，目的是预测药物载体的印刷可行性	数字医学	NA	选择性激光烧结（SLS）	深度学习模型	NA	NA
19888	2024-08-04	Development of a diagnostic support system for the fibrosis of nonalcoholic fatty liver disease using artificial intelligence and deep learning 2024-Aug, The Kaohsiung journal of medical sciences DOI:10.1002/kjm2.12850 PMID:38819013	研究论文	本研究开发了一个基于人工智能和深度学习的自动化诊断支持系统，用于评价非酒精性脂肪肝病的肝纤维化。	本研究提出了SMART AI-PATHO，这是泰国首个用于NAFLD肝组织分级的人工智能诊断工具，具备满意的性能。	样本规模相对较小，未来需要在更大样本上进行测试以提高准确性。	本研究旨在开发一种自动评估方法，以分析非酒精性脂肪肝病中的脂肪和纤维化。	研究对象为146名非酒精性脂肪肝病患者的核心活检样本。	人工智能	非酒精性脂肪肝病	人工智能、深度学习	NA	组织活检样本	146名参与者
19889	2024-08-04	EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models 2024-Aug, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5096 PMID:38979954	研究论文	本文提出了一种新的网络服务器EFG-CS，用于从氨基酸序列中预测化学位移	本研究首次证明生成AI蛋白模型能够预测接近实验模型的NMR化学位移	依赖于预测的蛋白质结构，可能对某些特殊情况没有足够的预测能力	本研究旨在提高从氨基酸序列和蛋白质结构预测NMR化学位移的准确性	主要研究对象为氨基酸序列及其对应的NMR化学位移	机器学习	NA	机器学习	图神经网络	化学位移数据	用于研究的样本数量及其类型未提供
19890	2024-08-04	Predicting Emission Wavelengths in Benzobisoxazole-Based OLEDs with Gradient Boosted Ensemble Models 2024-Aug-01, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c00077 PMID:39008894	研究论文	本文展示了使用梯度增强集成模型准确预测基于苯并噁唑的荧光发射器的发射波长	首次使用基于全交叉分子和其组成片段分子的机器学习模型进行发射波长预测，且准确性与最先进的深度学习模型相当	样本量较小，仅有50个分子，可能限制模型的泛化能力	预测苯并噁唑基OLED的发射波长	50个苯并噁唑基荧光发射分子	机器学习	NA	密度泛函理论（DFT）	梯度增强模型	化学分子数据	50个分子
19891	2024-08-04	Machine and deep learning algorithms for classifying different types of dementia: A literature review 2024-Aug-01, Applied neuropsychology. Adult DOI:10.1080/23279095.2024.2382823 PMID:39087520	文献综述	这篇文章讨论了使用机器学习和深度学习算法在不同类型痴呆症分类中的应用	比较和对比了不同的机器学习算法在痴呆症诊断中的优势和局限性	过分依赖机器学习和深度学习技术可能不够充分，需进一步证据支持	探讨机器学习和深度学习算法在痴呆症早期识别和治疗中的应用	讨论阿尔茨海默病、额颞叶痴呆、路易体痴呆和血管性痴呆	机器学习	痴呆症	机器学习	支持向量机、人工神经网络、决策树、随机森林	NA	NA
19892	2024-08-04	Efficient Deep Model Ensemble Framework for Drug-Target Interaction Prediction 2024-Aug-01, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c01509 PMID:39038219	研究论文	提出了一种简单高效的药物-靶点相互作用预测模型EADTN。	创新的特征适应技术和基于Shapley值的方法提高了模型的可靠性和可解释性。	目前的深度学习方法在预测性能和假阴性方面存在不足。	准确预测药物-靶点相互作用，以促进药物开发。	药物与靶点之间的相互作用。	机器学习	NA	NA	集成模型	数据集	NA
19893	2024-08-04	The digital revolution in pathology: Towards a smarter approach to research and treatment 2024-Aug, Tumori DOI:10.1177/03008916241231035 PMID:38606831	综述	这篇综述文章介绍了人工智能在肿瘤学中的应用与挑战	文章结构清晰，系统性地介绍了人工智能的基础知识及其在临床研究和医疗中的应用	没有深入探讨某些特定AI工具的实际临床效果和应用限制	旨在为研究人员、临床医生和政策制定者提供有关在肿瘤学中采用人工智能的信息与指导	研究对象包括人工智能在肿瘤学中的应用，特别是诊断影像和病理学	人工智能	肿瘤	NA	专家系统、经典机器学习与深度学习	NA	NA
19894	2024-08-04	Hierarchical multi-task deep learning-assisted construction of human gut microbiota reactive oxygen species-scavenging enzymes database 2024-Jul-30, mSphere IF:3.7Q2 DOI:10.1128/msphere.00346-24 PMID:38995053	研究论文	本研究建立了人类肠道微生物群反应性氧种清除酶数据库	提出了一种系统工作流程，并采用分层多任务深度学习方法创建新数据库	目前数据库的应用和验证尚未详尽探讨	理解氧化应激机制并制定应对与“肠-脏器轴”相关疾病的策略	人类肠道微生物群中的反应性氧种清除酶	数字病理学	NA	深度学习	多任务深度学习	数据库	7,689个条目
19895	2024-08-04	Artificial intelligence assisted ultrasound for the non-invasive prediction of axillary lymph node metastasis in breast cancer 2024-Jul-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12619-6 PMID:39075447	研究论文	本研究开发了一种人工智能辅助的超声系统用于非侵入性预测乳腺癌患者的腋下淋巴结转移	创新点在于使用深度学习模型与人工智能辅助技术相结合，为乳腺癌提供非侵入性的淋巴结状态评估方法	研究局限于回顾性研究，且样本量相对较小	本研究的目的在于开发一种非侵入性的方法，以有效预测乳腺癌患者的腋下淋巴结转移	研究对象为266名在北京协和医学院医院接受腺体生检和腋下淋巴结切除的乳腺癌患者	计算机视觉	乳腺癌	深度学习	DeepLabV3+ 和卷积神经网络	超声图像	266名乳腺癌患者
19896	2024-08-04	Single-cell hdWGCNA reveals metastatic protective macrophages and development of deep learning model in uveal melanoma 2024-Jul-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05421-2 PMID:39075441	研究论文	本研究揭示了与转移性保护性巨噬细胞相关的关键基因及其在虹膜黑色素瘤中的作用	首次使用单细胞RNA测序和深度学习模型分析巨噬细胞亚群与转移性肿瘤之间的关系	转移机制及其对预后的影响仍未完全理解	探讨虹膜黑色素瘤的转移机制及巨噬细胞在其中的作用	虹膜黑色素瘤的转移性和原发性癌症患者的巨噬细胞亚群	数字病理学	虹膜黑色素瘤	单细胞RNA测序	卷积神经网络（CNN）	基因表达数据	NA
19897	2024-08-04	Origami single-end capacitive sensing for continuous shape estimation of morphing structures 2024-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67149-9 PMID:39075071	研究论文	本文提出了一种新颖的单端变形电容传感方法FxC，用于形状追踪。	与其他折纸电容器不同，FxC仅使用每个通道的单个导电板，直接改变导电板的几何形状。	NA	研究如何通过电容信号实时估计变形结构的几何形状。	采用折纸结构及其结合的电容传感器进行形状追踪。	NA	NA	电容传感	深度神经网络	信号	多个折叠模式的实验结果，包括Accordion, Chevron, Sunray和V-Fold模式
19898	2024-08-04	Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01345-x PMID:39030496	研究论文	本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测	结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性	未提及具体的限制	提高医学影像中肺癌检测的诊断准确性	利用统一格式的数据集进行肺癌影像分类	计算机视觉	肺癌	深度学习	集成模型	影像	IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明
19899	2024-08-04	Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66812-5 PMID:39013934	研究论文	本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。	引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。	缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息	旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。	基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。	机器学习	NA	深度学习	NA	电子健康记录	使用了MIMIC-IV数据库中的患者数据
19900	2024-08-04	Deep learning pose detection model for sow locomotion 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62151-7 PMID:39013897	研究论文	本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。	提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。	当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。	开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。	母猪，特别是不同跛行评分的个体。	计算机视觉	NA	深度学习	LEAP架构	视频	使用了来自不同跛行评分母猪的视频图像数据库