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
81	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
82	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
83	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
84	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
85	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
86	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
87	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
88	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
89	2024-09-25	Deep learning in precision medicine and focus on glioma 2023-Sep, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10553 PMID:37693051	综述	本文综述了深度学习在精准医学中的应用，特别是胶质瘤领域	探讨了深度学习在精准医学多个领域（如心脏病学、胃肠病学、眼科学、皮肤病学和肿瘤学）的应用前景，并强调了其在胶质瘤中的应用潜力	目前深度学习数据集的质量和数量仍需改进，且多组学数据（如全外显子序列、RNA序列、蛋白质组学和表观基因组学）尚未得到充分应用	总结人工智能模型的发展历史，展示机器学习和深度学习网络的特征，并探讨其在精准医学中的应用	深度学习在精准医学中的应用，特别是胶质瘤的诊断和监测	机器学习	脑肿瘤	NA	深度学习网络	医学数据	NA
90	2024-09-25	Non-annotated renal histopathological image analysis with deep ensemble learning 2023-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-46 PMID:37711826	研究论文	本文开发了一种基于深度卷积神经网络的异构集成模型，用于自动分析未详细标注的肾组织病理图像	提出了基于深度学习的异构集成模型，用于肾组织病理图像的自动分析，无需详细标注	未提及具体限制	开发一种自动化的肾组织病理图像分析方法，以提高肾癌的早期检测效率和准确性	肾组织病理图像	数字病理	肾癌	深度卷积神经网络	CNN	图像	未提及具体样本数量
91	2024-09-25	Machine and deep learning approaches to understand and predict habitat suitability for seabird breeding 2023-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.10549 PMID:37727776	研究论文	研究利用机器学习和深度学习算法预测海鸟繁殖栖息地的适宜性	首次结合卷积神经网络和随机森林模型，全面分析海鸟繁殖栖息地的选择	研究仅基于古巴地区的历史记录，可能不适用于其他地理区域	理解并预测海鸟繁殖栖息地的适宜性	海鸟的繁殖栖息地选择	机器学习	NA	卷积神经网络、随机森林	CNN、随机森林	图像	49个古巴地区海鸟繁殖地的历史记录
92	2024-09-23	Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models 2023-09-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41565-3 PMID:37752123	研究论文	本文介绍了一种名为GlowTrack的方法，用于生成大量训练数据，以提高无标记运动捕捉模型的泛化能力	开发了一种高吞吐量的方法，利用荧光标记生成隐藏标签，并使用多摄像头和多光源设置模拟多样化的视觉条件，同时实现了并行标记多个地标，从而实现密集跟踪	NA	提高无标记运动捕捉模型的泛化能力，使其能够适应不同的实验环境和视觉条件	动物行为研究中的运动捕捉模型	计算机视觉	NA	荧光标记	NA	图像	NA
93	2024-09-23	Automatic pavement texture recognition using lightweight few-shot learning 2023-Sep-04, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2022.0166 PMID:37454689	研究论文	本文提出了一种基于孪生网络的少样本学习模型，用于在有限数据集上进行路面纹理识别	本文创新性地使用孪生网络进行少样本学习，并结合全局平均池化和一维卷积，创建了轻量级模型，显著减少了存储和训练时间	尽管模型在减少存储和训练时间方面表现出色，但分类准确率有所下降	解决路面纹理识别中数据稀缺的问题，提高道路维护专业人员检测潜在安全隐患的能力	路面纹理，包括密级配沥青混凝土、微表面、开级配摩擦层和石材基质沥青	计算机视觉	NA	少样本学习	孪生网络	图像	四类五样本任务
94	2024-09-23	Application of a 1H Brain MRS Benchmark Dataset to Deep Learning for Out-of-Voxel Artifacts 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.08.539813 PMID:37215030	研究论文	本文介绍了AGNOSTIC数据集，并将其应用于训练卷积神经网络（CNN）以处理磁共振波谱（MRS）数据中的体素外伪影	本文创建了AGNOSTIC数据集，包含259,200个合成1H MRS示例，用于训练和测试神经网络。此外，训练了两个CNN模型分别用于检测和重建体素外伪影	本文主要集中在合成数据上，尚未在真实数据上验证其有效性	开发和验证用于处理MRS数据中体素外伪影的深度学习方法	AGNOSTIC数据集和两个卷积神经网络模型	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	数据集	259,200个合成1H MRS示例
95	2024-09-23	Deep learning-based subtyping of gastric cancer histology predicts clinical outcome: a multi-institutional retrospective study 2023-09, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01398-x PMID:37269416	研究论文	本研究利用深度学习技术对胃癌组织学亚型进行分类，并评估其对临床预后的预测能力	本研究首次系统评估了基于深度学习的胃癌组织学亚型分类方法，并展示了其相较于传统病理学家分类方法在患者生存分层方面的优势	尽管深度学习分类在生存分层方面表现更好，但其分类准确性仍需进一步提高，且其背后的生物学机制尚未完全理解	开发和验证一种基于深度学习的胃癌组织学亚型分类器，并评估其在临床预后预测中的潜力	胃腺癌患者的组织学亚型及其临床预后	数字病理	胃癌	深度学习	基于注意力机制的多实例学习	图像	TCGA队列中166例胃癌样本，欧洲队列322例，日本队列243例
96	2024-09-23	Whole Slide Imaging-Based Prediction of TP53 Mutations Identifies an Aggressive Disease Phenotype in Prostate Cancer 2023-09-01, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-22-3113 PMID:37352385	研究论文	本文开发了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并识别出一种具有侵袭性的疾病表型	本文首次提出了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并展示了其在独立多焦点队列中的成功泛化能力	模型无法完美预测单个TP53突变的空间存在，但可以通过描绘与侵袭性疾病生物标志物相关的下游表型来阐明肿瘤的预后	开发一种基于全切片图像的深度学习模型，用于预测前列腺癌中的TP53突变，并识别出具有侵袭性的疾病表型	前列腺癌中的TP53突变及其与侵袭性疾病表型的关系	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	独立多焦点队列中的前列腺肿瘤样本
97	2024-09-21	Computational Advancements in Cancer Combination Therapy Prediction 2023-09, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.23.00261 PMID:37824797	综述	本文综述了计算方法在癌症联合治疗预测中的应用，并总结了近年来的相关研究	本文强调了改进联合治疗预测方法的考虑因素，而非仅仅提供现有方法的元分析	本文未提供所有现有癌症联合治疗预测方法的全面分析	介绍计算方法在癌症联合治疗预测中的应用，并总结相关研究	癌症联合治疗预测方法	机器学习	癌症	NA	NA	NA	NA
98	2024-09-19	Explainable Convolutional Neural Networks for Brain Cancer Detection and Localisation 2023-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s23177614 PMID:37688069	研究论文	本文提出了一种利用卷积神经网络和类激活映射进行脑癌检测和定位的方法	利用深度学习技术，特别是卷积神经网络和类激活映射，提供了解释性，突出显示与脑癌相关的医学图像区域	NA	检测和定位脑癌	脑癌	计算机视觉	脑癌	卷积神经网络	卷积神经网络	图像	3000个磁共振图像
99	2024-09-19	Deep learning architecture for 3D image super-resolution of late gadolinium enhanced cardiac MRI 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051808 PMID:37235130	研究论文	本文提出了一种基于3D卷积神经网络（CNN）的方法，用于提高晚期钆增强心脏MRI图像的穿透平面分辨率	本文创新性地引入了一个梯度分支，为CNN超分辨率框架提供结构指导，从而提高了图像的穿透平面分辨率和分割效果	NA	提高晚期钆增强心脏MRI图像的穿透平面分辨率，并评估其对心脏腔室3D分割的影响	晚期钆增强心脏MRI图像的穿透平面分辨率和左心房（LA）的3D分割	计算机视觉	心血管疾病	3D卷积神经网络（CNN）	CNN	3D图像	使用了2018年心房分割挑战数据集和2022年左心房和瘢痕量化与分割挑战数据集
100	2024-09-19	A lightweight CORONA-NET for COVID-19 detection in X-ray images 2023-Sep-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120023 PMID:37063778	研究论文	本文提出了一种轻量级的深度学习方法CORONA-NET，用于从胸部X光图像中诊断COVID-19	结合了卷积神经网络（CNN）、离散小波变换（DWT）和长短期记忆网络（LSTM），实现了高效的COVID-19检测	NA	开发一种自动化的COVID-19检测系统，以快速诊断和阻止病毒传播	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）、离散小波变换（DWT）、长短期记忆网络（LSTM）	CNN、LSTM	图像	3000张X光图像，其中1000张为COVID-19阳性