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
121	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
122	2024-08-08	Artificial Intelligence in Nutrients Science Research: A Review 2021-Jan-22, Nutrients IF:4.8Q1 DOI:10.3390/nu13020322 PMID:33499405	综述	本文分析了人工智能在营养科学研究中的当前应用	探讨了人工智能在食品成分研究、营养素生产和个性化营养支持系统开发中的应用	NA	分析人工智能在营养科学研究中的应用	人工智能在生物医学营养研究、临床营养研究和营养流行病学中的应用	计算机科学	NA	人工智能	人工神经网络 (ANN), 机器学习 (ML), 深度学习 (DL)	文本	399篇文献，最终筛选出55篇
123	2024-08-08	Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature 2021, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2021.624820 PMID:33643386	综述	本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用	深度学习技术如卷积神经网络（CNN）和其他神经网络在头颈部肿瘤的多组学图像分析中的应用	强调了这些技术的挑战和潜在问题	评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用	头颈部肿瘤的多组学数据	计算机视觉	头颈部肿瘤	深度学习（DL）	卷积神经网络（CNN）	图像	NA
124	2024-08-07	Disease Concept-Embedding Based on the Self-Supervised Method for Medical Information Extraction from Electronic Health Records and Disease Retrieval: Algorithm Development and Validation Study 2021-01-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/25113 PMID:33502324	研究论文	本研究开发并验证了一种基于自监督方法的疾病概念嵌入模型，用于从电子健康记录中提取医疗信息并进行疾病检索	提出了一种基于Transformer的模型，结合BERT和对比学习方法（DIM和SimCLR）进行疾病概念的无监督嵌入	使用较小的数据集或较少的无监督预训练方法会降低预测性能	创建一个模型从电子健康记录中提取概念嵌入，用于疾病模式检索和进一步分类任务	从电子健康记录中提取医疗信息并进行疾病检索	自然语言处理	NA	Transformer, BERT, DIM, SimCLR	Transformer	文本	1,040,989次急诊部门访问和305,897个样本
125	2024-08-07	Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients 2021-01-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20657-4 PMID:33504775	研究论文	本文通过整合深度学习CT扫描模型、生物学和临床变量来预测COVID-19患者的严重程度	构建了包含深度学习模型和五个临床生物学变量的多模态AI严重程度评分，显著提高了预测性能	深度学习模型提供的预后信息与其他严重程度标志物相关，导致AUC增加有限	识别COVID-19疾病严重程度的预测因子	COVID-19患者	机器学习	COVID-19	深度学习	神经网络	CT扫描图像	1003名冠状病毒感染患者
126	2024-08-07	Prediction of Alzheimer's disease-specific phospholipase c gamma-1 SNV by deep learning-based approach for high-throughput screening 2021-01-19, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2011250118 PMID:33397809	研究论文	本研究利用全基因组关联研究（GWAS）和基于深度学习的剪接预测工具，发现阿尔茨海默病（AD）特异性的单核苷酸变异（SNV）及磷脂酶c gamma-1基因的异常剪接	本研究结合计算和深度学习分析，首次预测了与AD相关的关键SNV，并展示了其在AD预测中的临床应用潜力	NA	旨在发现阿尔茨海默病特异性的单核苷酸变异及其对基因剪接的影响	阿尔茨海默病特异性的单核苷酸变异和磷脂酶c gamma-1基因的异常剪接	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	深度学习	基因序列	使用AD小鼠模型和人类基因序列进行训练和预测
127	2024-08-07	Assessing the Role of Pericardial Fat as a Biomarker Connected to Coronary Calcification-A Deep Learning Based Approach Using Fully Automated Body Composition Analysis 2021-Jan-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10020356 PMID:33477874	研究论文	本研究使用深度学习方法，通过全自动体成分分析评估心包脂肪作为冠状动脉钙化的生物标志物的角色	本研究首次证明了全自动脂肪组织分析在临床心脏CT中的可行性，并在大规模临床队列中确认了EAT和PAT的体积和密度与CACS无相关性	研究结果显示EAT和PAT的体积和密度与CACS无显著相关性，但未达到男性患者EAT衰减的显著性水平	探索全自动EAT和PAT量化在心血管风险分层中的潜在应用	966名具有中等Framingham风险评分的冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习网络	CT图像	966名患者
128	2024-08-07	Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids 2021-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.8.S1.014501 PMID:33415179	研究论文	本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者	采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者	NA	开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者	COVID-19患者接受激素治疗的胸部CT扫描	计算机视觉	COVID-19	迁移学习	VGG19网络	CT扫描图像	NA
129	2024-08-07	Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration 2021-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.408573 PMID:33520392	研究论文	本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性	提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性	深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法	开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究	多模态视网膜图像的注册	计算机视觉	年龄相关性黄斑变性	深度学习	CNN	图像	大规模临床数据
130	2024-08-07	Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech 2021, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2021.623607 PMID:33613269	研究论文	本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类	提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用	现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现	早期检测阿尔茨海默病痴呆	从自发言语中检测阿尔茨海默病痴呆	自然语言处理	阿尔茨海默病	CNN-LSTM架构	CNN-LSTM, Speech-GRU	自发言语	使用ADReSS数据集
131	2024-08-06	Deep Learning for Anterior Segment Optical Coherence Tomography to Predict the Presence of Plateau Iris 2021-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.1.7 PMID:33505774	研究论文	本研究评估了深度学习前房角膜光学相干断层扫描在预测平台虹膜中的诊断性能	创新点在于开发了一种基于深度学习的AS-OCT平台虹膜预测模型	研究局限性包括样本量相对较小且仅限于特定疾病类型	研究旨在评估深度学习模型在预测平台虹膜中的有效性	研究对象为142名患有原发性闭角病的患者的179只眼睛	医学影像学	原发性闭角病	光学相干断层扫描（OCT）	深度学习算法	图像	179只眼睛，来自142名患者，使用了2500幅训练图像和160幅测试图像
132	2024-08-06	A National US Survey of Pediatric Emergency Department Coronavirus Pandemic Preparedness 2021-Jan-01, Pediatric emergency care IF:1.2Q3 DOI:10.1097/PEC.0000000000002307 PMID:33394945	研究论文	本文旨在描述美国多样化的儿科急诊科在新冠疫情期间的准备工作。	本研究提供了对儿科急诊科在COVID-19疫情初期实施的准备工作和培训创新的深入了解。	本研究的调查样本仅来自35所医院中的25所，可能无法全面代表所有儿科急诊科的准备情况。	阐明美国儿科急诊科对COVID-19疫情的应对准备工作。	涉及美国的多家儿科急诊科及其医疗主任。	数字病理学	NA	调查问卷	NA	文本	35家医院中的25家参与调查
133	2024-08-07	Attention-based multi-scale features fusion for unobtrusive atrial fibrillation detection using ballistocardiogram signal 2021-Jan-28, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00848-w PMID:33509212	研究论文	本文提出了一种基于注意力的多尺度特征融合方法，用于使用球肌电图信号进行无创心房颤动检测	首次研究了BCG的相空间轨迹，并结合1-D形态特征和2-D节奏特征，通过CNN网络提高了AF检测的鲁棒性	NA	研究如何通过深度学习方法准确筛查日常生活中的心房颤动	心房颤动检测	机器学习	心血管疾病	BCG信号	CNN, Bi-LSTM	信号	2000个BCG信号段，来自59名患有阵发性心房颤动的志愿者
134	2024-08-07	Clustered embedding using deep learning to analyze urban mobility based on complex transportation data 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249318 PMID:33878114	研究论文	本文提出了一种基于深度学习的分析城市交通模式的新方法，通过聚类和嵌入技术捕捉城市居民移动模式的隐含意义	本文创新性地结合了聚类和嵌入技术，有效分析了复杂的城市移动模式，提高了预测准确性	NA	研究目的是通过深度学习技术分析城市移动模式，预测交通流量和公共交通使用情况	研究对象是城市居民的移动模式及其时空特征	机器学习	NA	深度学习	NA	交通数据	150万市民的交通数据
135	2024-08-07	The phase space of meaning model of psychopathology: A computer simulation modelling study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249320 PMID:33901183	研究论文	本研究通过计算机模拟实验，测试了Harmonium模型的一个核心观点，即精神病理学可以被概念化为由于认知过程的调节不良，并在计算层面上模拟了意义相空间（PSM）的概念。	提出了一个基于符号学、具身化和精神分析概念的p因子的新概念化模型——Harmonium模型，并提供了该构造的计算解释。	研究讨论了其局限性和进一步的研究方向，但具体局限性未在摘要中详细说明。	测试Harmonium模型的核心观点，并通过计算机模拟探索精神病理学的认知过程。	精神病理学的认知过程及其在计算模型中的表现。	机器学习	NA	深度学习模型	神经网络	模拟数据	未在摘要中明确提及具体样本数量
136	2024-08-07	Deep learning-based prediction of future growth potential of technologies 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252753 PMID:34086769	研究论文	本文基于元知识（包括引用、摘要、领域代码等文本信息）利用深度学习算法构建模型，预测技术的未来增长潜力，并探讨不同形式元知识在预测中的适用性	本文创新地利用元知识结合深度学习算法来预测技术的未来增长潜力	NA	研究如何利用研究论文中的元知识预测技术的未来增长潜力	技术的未来增长潜力	机器学习	NA	深度学习算法	NA	文本	NA
137	2024-08-07	Crop yield prediction integrating genotype and weather variables using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252402 PMID:34138872	研究论文	本文利用北美统一大豆试验的性能记录，构建了一个基于长短期记忆（LSTM）循环神经网络的模型，结合系谱相关性和每周天气参数，预测多个环境中的基因型响应，以提高作物产量预测的准确性。	本文提出的模型在作物产量预测方面优于其他机器学习模型，并开发了一种时间注意机制，增强了LSTM模型的可解释性。	NA	提高作物产量预测的准确性，为农业育种和应对气候变化提供科学支持。	大豆作物的产量预测。	机器学习	NA	长短期记忆（LSTM）循环神经网络	LSTM	性能记录和天气参数	北美统一大豆试验的性能记录
138	2024-08-07	A simple and robust method for automating analysis of naïve and regenerating peripheral nerves 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0248323 PMID:34234376	研究论文	本文评估了开源深度学习程序AxonDeepSeg在不同制备方法的外周神经光镜图像中进行轴突组织形态测量的鲁棒性	AxonDeepSeg无需重新训练算法，能够适当地识别幼稚和再生神经之间的关键差异，并适用于不同的外周神经光镜图像制备方法	手动和自动AxonDeepSeg轴突计数在再生神经上显示出中等的一致性，且在轴突直径、髓鞘厚度和g比率测量上存在小但一致的差异	评估AxonDeepSeg在外周神经轴突组织形态测量中的鲁棒性	幼稚和再生的大鼠正中神经横截面的光镜图像	计算机视觉	NA	深度学习	CNN	图像	幼稚和再生的大鼠正中神经横截面
139	2024-08-07	The predictive skill of convolutional neural networks models for disease forecasting 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254319 PMID:34242349	研究论文	本文研究了一维卷积神经网络（CNN）模型在流行病学预测中的应用	本文采用一维时间卷积层作为主要构建块的两种神经网络——时间卷积网络和简单神经注意元学习器，用于流行病学预测，并发现其预测技能与普通RNN相当，有时甚至更优	NA	研究CNN模型在流行病学预测中的有效性	一维卷积神经网络模型在流行病学预测中的应用	机器学习	NA	卷积神经网络（CNN）	CNN	数据	2010-2019年美国流感数据
140	2024-08-07	Efficient, high-performance semantic segmentation using multi-scale feature extraction 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0255397 PMID:34411138	研究论文	本文介绍了一种名为MoNet的高效神经网络分割算法，利用多尺度图像特征进行优化	MoNet算法在保持与比较架构相匹配的分割性能的同时，提供了更好的样本外泛化性能，并且在独立验证集上优于更大的架构	NA	开发适用于资源受限环境的高效深度学习架构，并评估其在联邦学习应用中的适用性	胰腺分割和脑肿瘤分割	计算机视觉	NA	多尺度特征提取	U-Net类似架构	图像	NA