深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
461	2024-12-29	A novel interpretable deep learning model for diagnosis in emergency department dyspnoea patients based on complete data from an entire health care system 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311081 PMID:39729465	研究论文	本文设计了一种新型可解释的深度学习模型，用于急诊科呼吸困难患者的诊断	开发了一种名为CareNet的临床注意力循环编码网络，能够分析整个区域医疗系统的完整数据，并提供可解释的诊断支持	CareNet的敏感性在某些诊断上略低于CatBoost模型	设计一种诊断决策支持系统，用于急诊科呼吸困难患者的分类诊断	急诊科呼吸困难患者	机器学习	心血管疾病	深度学习	CareNet, CatBoost	临床数据	10,315例急诊科呼吸困难患者	NA	NA	NA	NA
462	2024-12-29	Discovery of novel TACE inhibitors using graph convolutional network, molecular docking, molecular dynamics simulation, and Biological evaluation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315245 PMID:39729480	研究论文	本研究利用图卷积网络、分子对接、分子动力学模拟和生物评估，发现了一种新的TACE抑制剂	结合深度学习模型与传统药物筛选方法，成功识别出FDA批准药物中的新型TACE抑制剂	研究结果需要进一步的生物学实验验证，以确认Vorinostat在治疗炎症性疾病中的实际效果	识别针对TNF-α转化酶（TACE）的新型抑制剂，以用于治疗类风湿性关节炎等炎症性疾病	FDA批准的药物库	机器学习	类风湿性关节炎	图卷积网络、分子对接、分子动力学模拟	GraphConvMol	分子数据	DUD-E数据库中的活性化合物和诱饵化合物	NA	NA	NA	NA
463	2024-12-28	Relationship Between Dementia and Systemic Metabolic Disorders 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_44 PMID:39400834	研究论文	本文探讨了系统性代谢障碍与认知衰退及痴呆风险之间的关系，并利用深度学习模型从基础血液检查和年龄预测认知功能和脑萎缩	首次利用深度学习模型从常规血液检查中预测认知功能和脑萎缩，并提出了基于血液检查异常的个性化饮食干预的可能性	研究样本仅来自一家康复医院，可能缺乏广泛代表性	研究系统性代谢障碍与痴呆之间的关系，并探索利用常规血液检查进行痴呆风险评估的潜力	2897例来自康复医院和健康筛查的病例	机器学习	老年疾病	深度学习	深度学习模型	血液检查数据和年龄	2897例病例	NA	NA	NA	NA
464	2024-12-28	PSAA-nnUNet: An Efficient Method for CT Carotid Artery Image Segmentation 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_43 PMID:39400833	研究论文	本文提出了一种基于深度学习的非侵入性颈动脉狭窄自动评估方法，用于CT图像的早期检测	提出了一种名为PSAA-nnUNet的新型神经网络，用于颈动脉的自动分割	NA	早期检测颈动脉狭窄，预防缺血性中风并改善患者预后	颈动脉狭窄（CAS）	计算机视觉	心血管疾病	CT成像	PSAA-nnUNet	图像	NA	NA	NA	NA	NA
465	2024-12-28	3D ARCNN: An Asymmetric Residual CNN for False Positive Reduction in Pulmonary Nodule 2024-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3278706 PMID:37216265	研究论文	本文提出了一种名为3D ARCNN的非对称残差网络，用于减少肺结节检测中的假阳性结果	3D ARCNN利用肺结节的3D特征和空间信息，通过内部级联的多级残差模型和多层非对称卷积来提高分类性能，解决了大神经网络参数和可重复性差的问题	NA	提高肺结节检测的准确性，减少假阳性结果	肺结节	计算机视觉	肺癌	深度学习	3D ARCNN	3D图像	LUNA16数据集	NA	NA	NA	NA
466	2024-12-28	DNA Encoding-Based Nucleotide Pattern and Deep Features for Instance and Class-Based Image Retrieval 2024-01, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2023.3303512 PMID:37566504	研究论文	本文提出了一种基于DNA编码的图像检索方法，通过将图像信息编码为核苷酸序列，提升基于内容的图像检索系统的准确性	利用DNA编码技术生成图像DNA平面，并结合深度学习架构进行图像检索，显著提高了检索精度	未提及该方法在更大规模数据集或更复杂场景下的适用性	提升基于内容的图像检索系统的准确性	图像数据	计算机视觉	NA	DNA编码	ResNet-50, VGG-16, VGG-19, Inception V3	图像	28,200张图像，涵盖134个不同类别	NA	NA	NA	NA
467	2024-12-28	Pneumothorax detection and segmentation from chest X-ray radiographs using a patch-based fully convolutional encoder-decoder network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1424065 PMID:39722784	研究论文	本文提出了一种基于patch的全卷积编码器-解码器网络，用于从胸部X光片中自动检测和分割气胸	结合了全卷积神经网络（FCNN）和Vision Transformers（ViTs）的优势，同时仅使用卷积模块以避免ViT自注意力机制的二次复杂度	NA	提高气胸检测和分割的准确性和效率	胸部X光片	计算机视觉	气胸	深度学习	全卷积编码器-解码器网络	图像	两个数据集：SIIM-ACR Pneumothorax Segmentation数据集和来自菲律宾The Medical City的新数据集	NA	NA	NA	NA
468	2024-12-28	A fusion analytic framework for investigating functional brain connectivity differences using resting-state fMRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1402657 PMID:39723421	研究论文	本文提出了一种可解释的融合分析框架，用于研究静息态功能磁共振成像（fMRI）数据中功能脑连接的差异	通过整合功能连接网络（FCN）、自注意力深度学习模型（Self-Attn）和潜在空间项目反应模型（LSIRM），提供了一种创新的方法来发现群体间的ROI连接差异	NA	研究静息态fMRI数据中功能脑连接的差异，以揭示认知障碍的独特特征	静息态fMRI数据中的感兴趣区域（ROI）	机器学习	认知障碍	静息态功能磁共振成像（fMRI）	自注意力深度学习模型（Self-Attn），潜在空间项目反应模型（LSIRM）	图像	NA	NA	NA	NA	NA
469	2024-12-28	Histopathological domain adaptation with generative adversarial networks: Bridging the domain gap between thyroid cancer histopathology datasets 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310417 PMID:39724083	研究论文	本研究探讨了使用生成对抗网络（GAN）生成高质量合成图像以增强甲状腺癌病理图像分类模型的泛化能力	利用StyleGAN2生成高质量合成图像，显著提高了模型在外部数据上的泛化能力，特别是在少数类图像上的表现	训练数据仅包含156个患者样本，可能限制了模型的进一步优化	提高甲状腺癌病理图像分类模型的泛化能力	甲状腺癌病理图像	数字病理	甲状腺癌	生成对抗网络（GAN）	StyleGAN2	图像	156个患者样本	NA	NA	NA	NA
470	2024-12-28	A novel dataset and deep learning object detection benchmark for grapevine pest surveillance 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1485216 PMID:39726421	研究论文	本文介绍了一种新的数据集和深度学习目标检测基准，用于葡萄园害虫监测	贡献了一个完全注释的数据集，并比较了两种最先进的目标检测算法YOLOv8和Faster R-CNN的性能	数据集的样本量相对较小，可能影响模型的泛化能力	开发自动害虫检测系统，以应对葡萄园中的Flavescence dorée病害	美国葡萄叶蝉和镶嵌叶蝉	计算机视觉	葡萄病害	深度学习	YOLOv8, Faster R-CNN	图像	超过600张图像，每类约1500个识别	NA	NA	NA	NA
471	2024-12-28	Revolutionizing the construction industry by cutting edge artificial intelligence approaches: a review 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1474932 PMID:39726889	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在建筑行业中的应用，探讨了其在预测空气污染、提高材料质量、监控工人健康与安全以及增强建筑中的网络物理系统（CPS）方面的作用	本文综合评估了多种AI和ML模型及其优化技术，并探讨了AI在建筑行业中的广泛应用，包括可解释AI和Petri网在CPS中的进展	研究在某些领域仍存在空白，如AI在多样化建筑环境中的更广泛整合以及模型在现实应用中的进一步验证需求	探讨AI、ML和DL在建筑行业中的应用，以解决环境与操作挑战，并推动可持续实践、提高操作效率和解决安全问题	建筑行业中的空气污染预测、材料质量提升、工人健康与安全监控以及网络物理系统（CPS）的增强	机器学习	NA	人工神经网络（ANNs）、支持向量机（SVMs）、鲸鱼优化、蛾火优化	人工神经网络（ANNs）、支持向量机（SVMs）	NA	NA	NA	NA	NA	NA
472	2024-12-28	A hybrid deep learning-based approach for optimal genotype by environment selection 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1312115 PMID:39726891	研究论文	本文提出了一种基于混合深度学习的模型，用于优化基因型与环境的选择，以提高作物产量预测的准确性	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM），并采用广义集成方法（GEM）优化模型权重，提高了预测性能	由于数据限制，土壤变量仅以州为单位统一处理，缺乏更精细的空间信息	开发一种数据驱动的方法，准确预测不同基因型作物在天气变化下的产量，以指导育种工作	大豆杂交种	机器学习	NA	广义集成方法（GEM）	CNN, LSTM	天气数据、土壤数据、基因型数据	93,028条大豆杂交种记录，涵盖159个地点、28个州、13年、5,838个不同基因型	NA	NA	NA	NA
473	2024-12-26	3D convolutional neural network based on spatial-spectral feature pictures learning for decoding motor imagery EEG signal 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1485640 PMID:39720668	研究论文	本文提出了一种基于空间-频谱特征图学习的3D卷积神经网络方法，用于解码运动想象脑电图信号	提出了一种新的3D卷积神经网络（P-3DCNN）解码方法，联合学习脑电图信号的频率和空间域特征，提高了解码和准确率	未提及具体的数据集大小和多样性，可能影响模型的泛化能力	提高运动想象脑电图信号的解码准确率，推动脑机接口在神经康复领域的应用	运动想象脑电图信号	脑机接口	NA	Welch方法，3D卷积神经网络	3DCNN	脑电图信号	未提及具体样本数量	NA	NA	NA	NA
474	2024-12-25	Deep learning models for MRI-based clinical decision support in cervical spine degenerative diseases 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1501972 PMID:39712220	研究论文	本研究开发了一种基于MRI的深度学习模型，用于支持颈椎退行性疾病的临床决策	首次开发了基于MRI的深度学习模型，用于评估颈椎退行性疾病的手术适应症，并与脊柱外科医生的建议进行一致性分析	研究仅限于特定时间段内住院的颈椎退行性疾病患者，样本量相对较小	开发一种基于MRI的深度学习模型，用于支持颈椎退行性疾病的临床决策，并评估其与脊柱外科医生建议的一致性	颈椎退行性疾病患者的MRI图像	机器学习	颈椎疾病	深度学习	深度学习模型	图像	189名患者，共756张MRI图像	NA	NA	NA	NA
475	2024-12-24	What is in a food store name? Leveraging large language models to enhance food environment data 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1476950 PMID:39712471	研究论文	本文展示了如何利用大型语言模型（LLMs）来自动化分类食品商店名称，以增强食品环境数据	本文首次将大型语言模型应用于食品环境数据的分类，显著提高了效率	NA	展示如何利用自然语言处理和深度学习技术自动化分类食品商店名称，以支持公共卫生研究和操作	食品商店名称的分类	自然语言处理	NA	BERT	BERT	文本	纽约市的大量商店名称数据集	NA	NA	NA	NA
476	2024-12-25	Deep Learning-Based Automatic Segmentation Combined with Radiomics to Predict Post-TACE Liver Failure in HCC Patients 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S499436 PMID:39712947	研究论文	开发并验证了一种基于深度学习的自动分割模型，结合放射组学预测HCC患者术后TACE肝衰竭	提出了一个结合深度学习自动分割和放射组学的综合预测模型，显著提高了预测性能	研究为回顾性研究，样本量有限	开发和验证一种能够预测HCC患者术后TACE肝衰竭的模型	HCC患者术后TACE肝衰竭的预测	计算机视觉	肝癌	nnU-Net神经网络	nnU-Net	图像	210名接受TACE治疗的HCC患者	NA	NA	NA	NA
477	2024-12-25	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本文使用深度学习方法对283名早期痴呆患者的多变量疾病轨迹进行聚类，识别出两个不同的进展子组，并在外部验证中独立复制了这些子组	本文首次使用深度学习方法对痴呆患者的疾病进展进行分层，并通过模拟临床试验展示了其减少样本量和降低成本的潜力	本文的局限性在于仅使用了认知和功能评分数据，未考虑其他可能影响疾病进展的因素	本文旨在通过深度学习方法实现临床痴呆试验的预后富集，以提高试验成功率和降低成本	本文的研究对象是283名早期痴呆患者和2779名痴呆患者的疾病进展轨迹	机器学习	痴呆症	深度学习	机器学习模型	多变量数据	283名早期痴呆患者和2779名痴呆患者	NA	NA	NA	NA
478	2024-12-25	Detection and location of EEG events using deep learning visual inspection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312763 PMID:39715265	研究论文	本文提出了一种基于深度学习的方法，通过视觉检查脑电图（EEG）波形来检测和定位睡眠纺锤波和K复合波	本文采用了一种新颖的方法，通过视觉检查波形来开发一个单一模型，能够同时检测和定位睡眠纺锤波和K复合波，并生成准确的边界框来标示这些事件的位置	结果显示在不同骨干网络和阈值下，检测K复合波的一致性较低	开发一种能够准确检测和定位脑电图中睡眠纺锤波和K复合波的深度学习模型	脑电图中的睡眠纺锤波和K复合波	机器学习	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
479	2024-12-25	Joint extraction of entity and relation based on fine-tuning BERT for long biomedical literatures 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae194 PMID:39717202	研究论文	本文提出了一种基于BERT微调的联合提取实体和关系的模型，用于从长篇生物医学文献中自动提取实体及其关系	模型结合了BERT文本分类预训练模型、图卷积网络学习方法、自混合训练以对抗文本标签噪声以及局部正则化条件随机场等多种先进深度学习技术，实现了跨句子和句子内实体和关系的提取	NA	促进生物医学研究进展，自动从大量生物医学文献中提取实体及其关系	长篇生物医学文献中的实体及其关系	自然语言处理	NA	BERT微调、图卷积网络、自混合训练、局部正则化条件随机场	BERT、图卷积网络	文本	自建的BM_GBD数据集和公开数据集	NA	NA	NA	NA
480	2024-12-25	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本文提出了一种基于深度学习的自动化工具，用于评估儿童脑肿瘤的影像，特别关注鞍上区域的包含和在有限数据情况下的处理	本文的创新点在于提出了基于nnU-Net的深度学习模型，用于颅骨剥离和肿瘤分割，特别是在鞍上区域的处理和有限数据情况下的适应性	本文的局限性在于其模型在罕见肿瘤和真实世界临床数据中的泛化能力仍有待验证	本文的研究目的是开发一种自动化的颅骨剥离和肿瘤分割工具，以提高儿童脑肿瘤监测的准确性	本文的研究对象是儿童脑肿瘤的多机构、多参数MRI扫描数据	计算机视觉	脑肿瘤	深度学习	nnU-Net	影像	527名儿童患者的多参数MRI扫描数据，其中336名用于颅骨剥离，489名用于肿瘤分割	NA	NA	NA	NA