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
281	2024-11-23	Construction of a 2.5D Deep Learning Model for Predicting Early Postoperative Recurrence of Hepatocellular Carcinoma Using Multi-View and Multi-Phase CT Images 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S493478 PMID:39569409	研究论文	构建了一个基于2.5D深度学习模型的CT影像，用于预测肝细胞癌术后早期复发	提出了一个2.5D深度学习模型，结合多视角和多相位CT影像，用于预测肝细胞癌术后早期复发	3D深度学习模型在内部和外部验证集上表现不佳，表明存在过拟合问题	构建一个基于2.5D深度学习模型的CT影像，用于预测肝细胞癌术后早期复发	肝细胞癌术后早期复发的预测	机器学习	肝癌	深度学习	2.5D深度学习模型	CT影像	232名患者用于训练和内部验证，91名患者用于外部验证
282	2024-11-23	Large Language Models in Neurosurgery 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-64892-2_11 PMID:39523266	研究论文	本文探讨了大型语言模型（LLM）在神经外科中的应用及其潜在的优缺点	本文首次详细讨论了大型语言模型在神经外科领域的应用，特别是ChatGPT在生成手术报告和手术笔记方面的潜力	本文未详细讨论大型语言模型在实际应用中可能遇到的伦理和技术挑战	探讨大型语言模型在神经外科中的应用及其潜在影响	大型语言模型（如ChatGPT）在神经外科中的应用	自然语言处理	NA	深度学习	Transformer	文本	NA
283	2024-11-23	Navigating Mathematical Basics: A Primer for Deep Learning in Science 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-64892-2_5 PMID:39523260	研究论文	本文提供了一个简明的数学基础介绍，旨在帮助科学家理解深度学习中的基本数学符号	本文的创新之处在于将数学基础与深度学习原理相结合，为非数学背景的读者提供了一个快速入门的途径	由于篇幅限制，本文无法替代需要多门课程和多年时间才能巩固的扎实数学知识	本文的研究目的是帮助非数学背景的读者克服阅读使用数学符号的深度学习文本时的障碍	本文主要研究对象是深度学习中的基本数学符号和模型	机器学习	NA	NA	全连接前馈深度神经网络	NA	NA
284	2024-11-23	Machine and Deep Learning in Hyperspectral Fluorescence-Guided Brain Tumor Surgery 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-64892-2_15 PMID:39523270	研究论文	本文探讨了在荧光引导的脑肿瘤手术中使用机器学习和深度学习方法处理高光谱成像数据的过程	本文结合了机器学习和深度学习方法，提出了一种新的流程，用于从离体高光谱荧光图像中提取和处理相关发射光谱，并使用多种机器学习模型对脑肿瘤进行分类	本文的研究结果主要基于离体数据，尚未在临床环境中验证其有效性	旨在改进荧光引导的脑肿瘤手术中对肿瘤边缘的识别和分类	脑肿瘤及其边缘组织	机器学习	脑肿瘤	高光谱成像	机器学习模型	图像	NA
285	2024-11-22	Deep learning-driven fragment ion series classification enables highly precise and sensitive de novo peptide sequencing 2024-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-44323-7 PMID:38167372	研究论文	本文介绍了一种名为Spectralis的从头肽测序方法，利用深度学习技术进行碎片离子系列分类，显著提高了肽测序的精确度和灵敏度	Spectralis方法引入了卷积神经网络层连接光谱中按氨基酸质量间隔的峰值，提出了碎片离子系列分类作为从头肽测序的关键任务，并引入了肽-光谱置信度评分	NA	开发一种高精度、高灵敏度的从头肽测序方法，以解决蛋白质测序领域的不足	肽序列的从头测序	机器学习	NA	NA	卷积神经网络（CNN）	光谱数据	NA
286	2024-11-22	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	本文提出了一种基于深度学习和切片技术的两阶段远距离船舶检测方法	结合了传统图像处理和深度学习方法的优势，通过两阶段检测模型提高了远距离小目标船舶的检测精度	NA	提高智能船舶视觉感知中远距离船舶检测的准确性	远距离船舶	计算机视觉	NA	切片技术	YOLOv8	图像	1080×640像素的图像
287	2024-11-22	Classifying driver mutations of papillary thyroid carcinoma on whole slide image: an automated workflow applying deep convolutional neural network 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1395979 PMID:39564124	研究论文	本文开发了一种自动化工作流程，利用深度卷积神经网络对甲状腺乳头状癌的驱动突变进行分类	本文首次将深度卷积神经网络应用于全切片图像，以自动分类甲状腺乳头状癌的驱动突变	NA	开发一种自动化工作流程，利用全切片图像对甲状腺乳头状癌的驱动突变进行分类	甲状腺乳头状癌的驱动突变分类	数字病理学	甲状腺癌	深度卷积神经网络	CNN	图像	使用了来自The Cancer Genome Atlas (TCGA) 数据库的病理切片
288	2024-11-22	DeepADRA2A: predicting adrenergic α2a inhibitors using deep learning 2024, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2270056 PMID:37837428	研究论文	利用深度学习技术开发预测肾上腺素α2a受体抑制剂的模型	采用深度学习算法开发了高效的预测模型，显著提高了预测准确性	未提及	开发能够准确预测肾上腺素α2a受体抑制剂的模型，以加速药物发现过程	肾上腺素α2a受体抑制剂	机器学习	NA	深度学习	深度学习模型	分子描述符（1D、2D和分子指纹）	未提及
289	2024-11-22	[Application of artificial intelligence methods in the diagnosis and treatment of primary angle-closure disease] 2024, Vestnik oftalmologii DOI:10.17116/oftalma2024140051130 PMID:39569786	综述	本文综述了人工智能方法在原发性闭角型青光眼诊断和治疗中的应用	探讨了深度学习和成像技术在优化原发性闭角型青光眼诊断和治疗中的关键作用	NA	探讨人工智能在原发性闭角型青光眼诊断和治疗中的应用	原发性闭角型青光眼	计算机视觉	眼科疾病	深度学习	神经网络	图像	NA
290	2024-11-21	Role of Artificial intelligence model in prediction of low back pain using T2 weighted MRI of Lumbar spine 2024, F1000Research DOI:10.12688/f1000research.154680.2 PMID:39483709	研究论文	研究探讨了人工智能模型在利用T2加权MRI预测腰椎疼痛中的作用	首次使用多种机器学习和深度学习模型（如随机森林、AdaBoost、ResNet和GoogleNet）来预测腰椎疼痛，并展示了这些模型在提高诊断准确性方面的潜力	研究样本量较小，且仅限于使用T2加权MRI图像	研究人工智能模型在预测腰椎疼痛中的应用，以提高诊断准确性和患者管理	腰椎疼痛患者及其T2加权MRI图像	机器学习	腰椎疼痛	MRI	随机森林、决策树、逻辑回归、K近邻、AdaBoost、ResNet、GoogleNet	图像	200名MRI患者（100名病例和100名对照）
291	2024-11-21	DMAeEDNet: Dense Multiplicative Attention Enhanced Encoder Decoder Network for Ultrasound-Based Automated Breast Lesion Segmentation 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3394808 PMID:39553390	研究论文	本文提出了一种低复杂度的深度学习网络DMAeEDNet，用于超声图像中乳腺病变的自动分割	首次在编码器-解码器网络的编码层和输出层中引入密集乘法注意力组件，以选择性地增强相关特征	NA	提高乳腺病变在超声图像中的自动分割精度，同时降低计算复杂度	乳腺病变在超声图像中的自动分割	计算机视觉	乳腺癌	深度学习	编码器-解码器网络	图像	使用了两个公开数据集和一个临床记录数据集
292	2024-11-21	Panning for gold: Comparative analysis of cross-platform approaches for automated detection of political content in textual data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312865 PMID:39556542	研究论文	本文比较了不同平台上的自动化内容分析技术在德语文本数据中检测政治内容的性能	本文首次在德语文本数据中比较了基于字典、经典监督机器学习和深度学习的政治内容检测技术	本文仅限于德语文本数据，未涵盖其他语言	研究如何在多选择媒体环境中理解和测量政治信息消费	德语文本数据中的政治内容检测	自然语言处理	NA	自动化内容分析技术	深度学习模型、经典机器学习模型	文本	66个模型
293	2024-11-21	Radiomics in precision medicine for colorectal cancer: a bibliometric analysis (2013-2023) 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1464104 PMID:39558950	综述	本文对2013年至2023年间结直肠癌（CRC）放射组学领域的文献进行了全面的文献计量分析	本文通过文献计量工具分析了放射组学在结直肠癌中的研究趋势，特别是深度学习和多组学整合的兴起	本文主要基于文献计量分析，未涉及具体实验数据或模型验证	探讨放射组学在结直肠癌精准医学中的应用和研究趋势	结直肠癌（CRC）的放射组学研究文献	数字病理学	结直肠癌	放射组学	NA	文献	1226篇出版物
294	2024-11-21	Enhancing clinical decision-making in endometrial cancer through deep learning technology: A review of current research 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241297053 PMID:39559386	综述	本文综述了深度学习技术在子宫内膜癌诊断和管理中的应用现状	深度学习模型能够自主学习和提取复杂的影像和病理数据特征，显著提高了子宫内膜癌诊断的准确性	深度学习在子宫内膜癌诊断中的应用仍面临挑战，需要进一步探索其未来发展方向	旨在通过详细分析，为未来研究方向提供信息，并促进深度学习技术在子宫内膜癌诊断和治疗策略中的整合	子宫内膜癌的诊断和管理	计算机视觉	妇科肿瘤	深度学习	深度学习模型	影像和病理数据	NA
295	2024-11-21	Anatomy-Informed Multimodal Learning for Myocardial Infarction Prediction 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3403948 PMID:39559783	研究论文	提出了一种解剖信息引导的多模态深度学习框架，用于预测未来心肌梗死	首次尝试通过深度学习框架结合多模态数据进行未来心肌梗死预测	结果尚未达到实际应用的必要标准	提高冠状动脉疾病患者未来心肌梗死事件的预测准确性	冠状动脉疾病患者和侵入性冠状动脉造影图像	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）和人工神经网络（ANN）	图像和临床数据	445名急性冠状动脉综合征患者
296	2024-11-21	Classification of Aortic Stenosis Patients via ECG-Independent Multi-Site Measurements of Cardiac-Induced Accelerations and Angular Velocities at the Skin Level 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402151 PMID:39559782	研究论文	本文研究了通过皮肤表面的多站点心脏诱导加速度和角速度测量来分类主动脉瓣狭窄患者和健康志愿者的可行性，并确定了最佳传感器位置	本文首次结合SCG和GCG信号，并使用机器学习和深度学习方法进行分类，显著提高了分类准确率	研究样本量较小，仅包括15名健康受试者和15名主动脉瓣狭窄患者	评估SCG和GCG在皮肤表面的记录是否适合分类主动脉瓣狭窄患者，并确定最佳传感器位置	主动脉瓣狭窄患者和健康志愿者	心血管疾病	心血管疾病	NA	支持向量机（SVM）和ResNet18	信号	30名受试者（15名健康受试者和15名主动脉瓣狭窄患者）
297	2024-11-21	Using deep learning and large protein language models to predict protein-membrane interfaces of peripheral membrane proteins 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae078 PMID:39559823	研究论文	本文探讨了使用深度学习和大型蛋白质语言模型预测外周膜蛋白的蛋白质-膜界面	首次展示了使用自然语言处理和蛋白质语言模型预测外周膜蛋白的膜相互作用氨基酸的潜力，无需3D结构数据	NA	研究蛋白质-膜界面相互作用，以提高对相关疾病发病机制的理解	外周膜蛋白的膜相互作用氨基酸	机器学习	NA	自然语言处理	深度学习模型	蛋白质数据	NA
298	2024-11-20	Digital profiling of cancer transcriptomes from histology images with grouped vision attention 2024-Jan-19, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.28.560068 PMID:37808782	研究论文	开发了一种基于分组视觉注意力机制的Transformer模型，用于从组织病理学图像中预测癌症转录组	首次将Transformer模型应用于组织病理学图像，并展示了其在预测基因表达和识别临床相关基因表达模式方面的潜力	模型在小数据集上的应用受到可训练参数数量爆炸的限制	开发一种新方法，从组织病理学图像中预测癌症转录组，以改善癌症管理和个性化治疗	癌症转录组和组织病理学图像	数字病理学	癌症	Transformer模型	Transformer	图像	1,802个正常组织样本和4,331个肿瘤样本，涵盖九种癌症类型
299	2024-11-20	A Comprehensive Review on the Excitation-Emission Matrix Fluorescence Spectroscopic Characterization of Petroleum-Containing Substances: Principles, Methods, and Applications 2024, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2023.2205500 PMID:37155146	综述	本文综述了激发-发射矩阵荧光光谱（EEMF）在石油类物质表征中的原理、方法和应用	首次系统性地综述了EEMF在石油类物质表征中的应用，并展望了其与高维化学计量学和深度学习的结合	EEMF在石油类物质测量和表征中存在局限性，需要建立完整的EEMF指纹库	综述EEMF在石油类物质表征中的应用，并探讨其未来发展方向	石油类物质（PCS）及其在整个生命周期中的表征	NA	NA	激发-发射矩阵荧光光谱（EEMF）	NA	光谱数据	NA
300	2024-11-20	Machine Learning in Vascular Medicine: Optimizing Clinical Strategies for Peripheral Artery Disease 2024, Current cardiovascular risk reports IF:2.0Q3 DOI:10.1007/s12170-024-00752-7 PMID:39552745	综述	本文综述了机器学习在周围动脉疾病管理中的应用，旨在更新读者对机器学习在PAD管理中的效用	利用电子健康记录数据和机器学习算法，开发自动化系统（如人工智能）以准确识别需要进一步PAD筛查的患者，并使用深度学习算法辅助PAD诊断和自动化临床风险分层	使用蛋白质组生物标志物的机器学习模型在临床应用中可能受限于成本和可及性	探讨机器学习在周围动脉疾病管理中的应用，以优化临床策略	周围动脉疾病患者及其管理策略	机器学习	周围动脉疾病	机器学习算法	深度学习算法	电子健康记录数据和影像数据	NA