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
1101	2024-09-26	Inferring gene regulatory network from single-cell transcriptomes with graph autoencoder model 2023-09, PLoS genetics IF:4.0Q1 DOI:10.1371/journal.pgen.1010942 PMID:37703293	研究论文	提出了一种基于图自编码器的深度学习模型DeepRIG，用于从单细胞转录组数据中推断基因调控网络	DeepRIG模型通过构建先验调控图并利用图自编码器嵌入全局调控信息，能够准确重建基因调控网络并优于现有方法	NA	推断单细胞转录组数据中的基因调控网络	基因调控网络	机器学习	NA	单细胞RNA测序	图自编码器	转录组数据	人类外周血单核细胞和三阴性乳腺癌样本
1102	2024-09-26	Advancing Naturalistic Affective Science with Deep Learning 2023-Sep, Affective science IF:2.1Q2 DOI:10.1007/s42761-023-00215-z PMID:37744976	综述	本文综述了深度学习在推进自然情感科学中的应用	引入深度学习方法来解决传统情感研究中的挑战，如量化自然行为、选择和操纵自然刺激以及建模自然情感过程	深度学习方法本身存在局限性，可能需要避免或缓解	推进更自然的情感科学研究	情感行为的不同渠道，包括面部表情、身体姿势、语音韵律和语言	自然语言处理	NA	深度学习	NA	行为数据	NA
1103	2024-09-26	Trends in the application of remote sensing in blue carbon science 2023-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.10559 PMID:37745789	研究论文	本文探讨了遥感技术在蓝碳科学中的应用趋势	本文通过文献计量分析评估了1990年至2022年6月间发表的2193篇论文，揭示了研究重点随时间的变化	需要增加对海草、盐沼和大型藻类的研究，整合技术，增加遥感技术在碳核算方法和信用体系中的应用，并加强国家间的合作和资源共享	评估蓝碳生态系统（如红树林、盐沼和海草）的现状、损失和增益，以支持气候政策制定	红树林、盐沼、海草等蓝碳生态系统	遥感	NA	遥感技术，包括光学卫星Landsat、LiDAR、无人机和声学传感器	机器学习和深度学习算法	遥感图像	2193篇已发表的论文
1104	2024-09-26	Deep learning-based model detects atrial septal defects from electrocardiography: a cross-sectional multicenter hospital-based study 2023-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2023.102141 PMID:37753448	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于从12导联心电图（ECG）中检测房间隔缺损（ASD），并在多中心医院进行横断面研究	本文的创新点在于利用深度学习技术，特别是卷积神经网络，从常规的12导联心电图中自动检测房间隔缺损，从而提高诊断的敏感性和特异性	本文的局限性在于样本选择可能存在偏倚，且未详细讨论模型的泛化能力在不同人群中的表现	本研究旨在通过开发和验证一种基于深度学习的模型，提高房间隔缺损的早期检测和诊断准确性	本研究的对象是从三所医院收集的671,201份12导联心电图，涉及80,947名患者	机器学习	心血管疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	心电图（ECG）	671,201份心电图，涉及80,947名患者
1105	2024-09-26	Predicting Individual Patient Platelet Demand in a Large Tertiary Care Hospital Using Machine Learning 2023-Aug, Transfusion medicine and hemotherapy : offizielles Organ der Deutschen Gesellschaft fur Transfusionsmedizin und Immunhamatologie IF:1.9Q4 DOI:10.1159/000528428 PMID:37767277	研究论文	本文研究了使用机器学习方法预测大型三级医院中单个患者的血小板需求	本文首次引入了基于AI的患者个体血小板需求预测方法	模型的敏感性表现不佳，需要进一步改进	评估多模态数据以预测患者在3天内的血小板输注需求	25,190名患者的数据，包括血小板输注数量、血小板计数、药物、急性血小板疾病、手术、年龄、性别和住院时间	机器学习	NA	机器学习	NA	多模态数据	25,190名患者（42%女性，58%男性）
1106	2024-09-26	Deep learning based automated epidermal growth factor receptor and anaplastic lymphoma kinase status prediction of brain metastasis in non-small cell lung cancer 2023, Exploration of targeted anti-tumor therapy DOI:10.37349/etat.2023.00158 PMID:37745691	研究论文	研究使用深度学习算法对非小细胞肺癌脑转移的表皮生长因子受体和间变性淋巴瘤激酶状态进行分类	首次使用卷积神经网络Efficient Net模型对脑转移的EGFR和ALK状态进行分类，并与基于语义特征的分类方法进行比较	研究样本量较小，且仅使用了MRI序列数据	探讨开发深度学习算法对非小细胞肺癌脑转移的EGFR和ALK状态进行分类的可行性	非小细胞肺癌脑转移患者的EGFR和ALK状态	计算机视觉	肺癌	MRI	CNN	图像	117名患者，其中33名EGFR阳性，43名ALK阳性，41名无突变
1107	2024-09-26	A review on deep learning applications in highly multiplexed tissue imaging data analysis 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1159381 PMID:37564726	综述	本文综述了深度学习在高度多重组织成像数据分析中的应用及其对肿瘤学的影响	本文强调了使用高度多重图像（空间蛋白质组数据）相对于单染色传统病理图像的优势，前者能够提供后者无法获得的深层机制洞察，即使借助可解释的人工智能	NA	探讨人工智能与空间组学技术结合在肿瘤学中的影响，特别是深度学习在生物医学图像分析中的应用	细胞分割、细胞表型识别、癌症预后和治疗预测	计算机视觉	肿瘤学	深度学习	NA	图像	NA
1108	2024-09-26	An approach to the diagnosis of lumbar disc herniation using deep learning models 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1247112 PMID:37731760	研究论文	本文研究了使用深度学习模型在磁共振成像（MRI）中诊断腰椎间盘突出（LDH）的方法	本文创新性地使用了YOLOv5、YOLOv6和YOLOv7模型来检测不同腰椎间盘区域的LDH，并比较了不同模型的性能	本文未详细讨论模型的泛化能力和在不同数据集上的表现	验证YOLO系列模型在MRI图像中检测LDH的有效性	腰椎间盘突出的检测	计算机视觉	腰椎间盘突出	深度学习	YOLOv5, YOLOv6, YOLOv7	图像	550个数据集，包括增强和非增强数据
1109	2024-09-26	A curated census of pathogenic and likely pathogenic UTR variants and evaluation of deep learning models for variant effect prediction 2023, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2023.1257550 PMID:37745687	研究论文	本文开发了一个高置信度的致病性和可能致病性UTR变异集，并评估了深度学习模型对变异效应预测的性能	本文首次系统地收集和评估了3'和5' UTR的致病性和可能致病性变异，并利用深度学习模型进行预测，验证了这些变异的致病性	本文的局限性在于仅使用了ClinVar数据库中的变异数据，可能存在数据偏差	评估深度学习模型对UTR变异效应预测的准确性，并提供一个高置信度的致病性和可能致病性UTR变异集	3'和5' UTR的致病性和可能致病性变异	数字病理学	罕见病	深度学习	深度学习模型	序列数据	295个3' UTR变异和188个5' UTR变异，其中26个3' UTR变异和68个5' UTR变异被分类为致病性或可能致病性
1110	2024-09-26	Low-Latency Active Noise Control Using Attentive Recurrent Network 2023, IEEE/ACM transactions on audio, speech, and language processing DOI:10.1109/taslp.2023.3244528 PMID:37746522	研究论文	本文提出了一种使用注意力循环网络（ARN）的低延迟主动噪声控制（ANC）方法	引入了延迟补偿训练和改进的重叠相加方法，以减少深度ANC的算法延迟	NA	解决主动噪声控制中的低延迟问题	主动噪声控制系统	机器学习	NA	注意力循环网络（ARN）	循环神经网络（RNN）	音频信号	NA
1111	2024-09-25	Reporting Quality of Research Studies on AI Applications in Medical Images According to the CLAIM Guidelines in a Radiology Journal With a Strong Prominence in Asia 2023-12, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1027 PMID:38016678	研究论文	评估亚洲放射学期刊中应用深度学习的医学影像研究报告质量	使用CLAIM指南评估报告质量，并提供亚洲地区报告质量的见解	样本仅限于韩国放射学期刊，可能无法代表所有亚洲期刊	评估应用深度学习的医学影像研究的报告质量	38篇发表在韩国放射学期刊上的文章	计算机视觉	NA	深度学习	NA	医学影像	38篇文章
1112	2024-09-25	Response to "Medical Statistics Unlock the Gateway to Further Research: Using Deep Learning to Predict CDKN2A/B Homozygous Deletion in Isocitrate Dehydrogenase-Mutant Astrocytoma" 2023-12, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0940 PMID:38016689	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1113	2024-09-25	Medical Statistics Unlock the Gateway to Further Research: Using Deep Learning to Predict CDKN2A/B Homozygous Deletion in Isocitrate Dehydrogenase-Mutant Astrocytoma 2023-12, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0925 PMID:38016690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1114	2024-09-25	Dataset of a parameterized U-bend flow for deep learning applications 2023-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109477 PMID:37645446	研究论文	本文介绍了一个包含10,000个U型弯曲流体流动和传热模拟的数据集，适用于深度学习应用	该数据集的独特之处在于每个形状可以通过三种不同的数据类型表示，包括设计参数和目标组合、五种不同分辨率的2D图像以及数值模拟的网格单元值	NA	提供一个全面的基准数据集，用于研究设计优化领域中的各种问题和方法	U型弯曲流体流动和传热模拟	计算流体动力学	NA	计算流体动力学方法	深度学习	设计参数、2D图像、数值模拟网格单元值	10,000个模拟样本
1115	2024-09-25	Deep learning assisted classification of spectral photoacoustic imaging of carotid plaques 2023-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2023.100544 PMID:37671317	研究论文	本文利用卷积神经网络（CNN）对颈动脉斑块的光谱光声成像（sPAI）进行分类	本文首次使用CNN对sPAI图像中的斑块成分进行分类，无需进行光通量或光谱校正	研究样本量较小，仅涉及九个颈动脉斑块	开发一种新的方法来准确分类颈动脉斑块的成分，以评估其易损性	颈动脉斑块的光谱光声成像	计算机视觉	心血管疾病	光谱光声成像（sPAI）	卷积神经网络（CNN）	图像	九个颈动脉斑块
1116	2024-09-25	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.13.557544 PMID:37745446	研究论文	本文研究了基于深度自编码器的行为模式识别在高维斑马鱼研究中优于传统统计方法	本文提出了使用半监督深度自编码器从无暴露的斑马鱼幼体行为数据中提取典型“正常”行为，并能识别出传统统计框架未捕捉到的多种化学物质引起的行为异常	NA	本文旨在开发一种先进的行为数据分析方法，以更好地理解和识别斑马鱼在暴露于有毒物质后的行为变化	斑马鱼幼体及其在暴露于纳米材料、芳香族化合物、全氟和多氟烷基物质（PFAS）等环境污染物后的行为变化	机器学习	NA	深度自编码器	深度自编码器	行为数据	大量斑马鱼幼体样本
1117	2024-09-25	B-factor prediction in proteins using a sequence-based deep learning model 2023-Sep-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100805 PMID:37720331	研究论文	本文开发了一种基于序列的深度学习模型，用于预测蛋白质中的B因子	该模型在2442个蛋白质上测试，比现有最先进模型高出30%	NA	开发一种能够准确预测蛋白质中B因子的深度学习模型	蛋白质中的B因子	机器学习	NA	深度学习	深度学习模型	序列	2442个蛋白质
1118	2024-09-25	Kernel-weighted contribution: a method of visual attribution for 3D deep learning segmentation in medical imaging 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.054001 PMID:37692092	研究论文	本文介绍了一种名为核加权贡献的视觉解释方法，用于三维医学图像分割模型的解释	核加权贡献方法专门为医学图像分割模型设计，通过评估每个激活图对预测分割的相对贡献来评估特征重要性	NA	解释深度学习模型在医学图像分割中的决策，以促进其在医疗领域的广泛应用	三维医学图像分割模型	计算机视觉	NA	NA	分割模型	图像	100个测试样本
1119	2024-09-25	Development and validation of convolutional neural network-based model to predict the risk of sentinel or non-sentinel lymph node metastasis in patients with breast cancer: a machine learning study 2023-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2023.102176 PMID:37662514	研究论文	开发并验证了一种基于卷积神经网络的模型，用于预测乳腺癌患者前哨淋巴结或非前哨淋巴结转移的风险	提出了一种基于卷积神经网络的模型，用于预测乳腺癌患者前哨淋巴结和非前哨淋巴结的转移风险，并展示了其在不同验证集中的良好表现	NA	开发并验证一种自动化的术前深度学习工具，用于预测乳腺癌患者前哨淋巴结和非前哨淋巴结的转移风险	乳腺癌患者的前哨淋巴结和非前哨淋巴结转移风险	机器学习	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	卷积神经网络（CNN）	图像	988名乳腺癌患者
1120	2024-09-25	Structure-based prediction of nucleic acid binding residues by merging deep learning- and template-based approaches 2023-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011428 PMID:37672551	研究论文	本文开发了一种名为NABind的新型结构基础整合算法，用于准确预测DNA和RNA结合残基	结合了深度学习和模板基础方法，采用堆叠策略和随机游走算法进行后处理，显著提高了预测性能	NA	提高蛋白质中核酸结合残基的预测准确性	DNA和RNA结合残基	机器学习	NA	深度学习	图注意力网络	序列和结构描述符	NA