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
941	2024-10-20	Enhancing Generic Reaction Yield Prediction through Reaction Condition-Based Contrastive Learning 2024, Research (Washington, D.C.) DOI:10.34133/research.0292 PMID:38213662	研究论文	本文提出了一种基于反应条件对比学习的双向编码器表示转换器（BERT）模型，用于增强通用反应产率预测	通过反应条件对比学习和化学反应掩码语言建模预训练任务，提高了模型对反应条件的敏感性，并提出了新的评分函数用于多步合成路线的评估	NA	提高深度学习辅助合成规划（DASP）算法在实际场景中的实用性	化学反应产率预测	机器学习	NA	对比学习	BERT	文本	包含12种反应类别的通用反应产率数据集
942	2024-10-20	Deep learning-based size prediction for optical trapped nanoparticles and extracellular vesicles from limited bandwidth camera detection 2024-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.501430 PMID:38223178	研究论文	本文提出了一种基于ResNet的方法，用于从有限带宽相机检测中准确预测光学陷阱中纳米颗粒和细胞外囊泡的大小	该方法通过模拟纳米颗粒的受限布朗运动时间序列数据进行训练，实验证明其优于现有的尺寸预测算法，并能在较短的测量时间内保持高精度	NA	开发一种新的方法，用于在光学陷阱中准确预测纳米颗粒和细胞外囊泡的大小	光学陷阱中的纳米颗粒和细胞外囊泡	计算机视觉	NA	光学捕获	ResNet	图像	临床细胞外囊泡样本
943	2024-10-19	Path of career planning and employment strategy based on deep learning in the information age 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308654 PMID:39405324	研究论文	本文深入研究了信息时代基于深度学习的职业规划和就业策略路径	本文提出了一种基于深度学习的职业规划和就业策略路径，通过深度学习模型分析问卷数据，帮助学生提高职业意识和自我提升能力	本文主要依赖问卷数据进行分析，可能存在样本偏差和数据收集的局限性	探讨如何通过深度学习提高学生的就业竞争力和职业规划能力	大学生及其职业规划和就业策略	机器学习	NA	深度学习	深度学习模型	问卷数据	控制组和实验组，具体样本数量未明确说明
944	2024-10-19	DeepVol: volatility forecasting from high-frequency data with dilated causal convolutions 2024, Quantitative finance IF:1.5Q2 DOI:10.1080/14697688.2024.2387222 PMID:39410924	研究论文	本文提出了一种基于扩张因果卷积的模型DeepVol，用于从高频数据中预测次日波动率	使用扩张因果卷积从高频日内金融时间序列中提取相关信息，避免了传统模型使用每日数据时的模型误设或手工设计特征的局限	未提及	改进波动率预测的准确性	高频日内数据中的波动率预测	机器学习	NA	扩张因果卷积	扩张因果卷积模型	时间序列	两年NASDAQ-100的日内数据
945	2024-10-19	Semantic segmentation-based detection algorithm for challenging cryo-electron microscopy RNP samples 2024, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2024.1473609 PMID:39411403	研究论文	本文提出了一种基于语义分割的算法，用于在单颗粒冷冻电镜图像中自动检测流感A病毒核糖核蛋白复合物	本文的创新点在于采用了U-net架构的卷积神经网络，并通过预训练阶段使用视觉检查标注的数据集，实现了对复杂RNP的精确检测	NA	本文的研究目的是开发一种自动检测流感A病毒核糖核蛋白复合物的方法，以提高冷冻电镜研究中的高分辨率重建	本文的研究对象是流感A病毒核糖核蛋白复合物在单颗粒冷冻电镜图像中的检测	计算机视觉	NA	卷积神经网络	U-net	图像	NA
946	2024-10-19	Diagnosis of fetal arrhythmia in echocardiography imaging using deep learning with cyclic loss 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241286929 PMID:39411546	研究论文	研究提出了一种基于深度学习的心脏周期损失函数，用于提高胎儿心电图图像中胎儿心律失常的诊断准确性	本研究创新性地整合了心脏周期信息，通过引入特定的心脏周期损失函数，显著提高了深度学习网络在诊断胎儿心律失常中的性能	需要进一步的外部测试以评估模型的泛化能力和临床价值	提高胎儿心电图图像中胎儿心律失常的诊断准确性	胎儿心电图图像中的胎儿心律失常	计算机视觉	先天性心脏病	深度学习	深度学习网络	图像	4440个图像块，来自890名参与者
947	2024-10-19	TCRcost: a deep learning model utilizing TCR 3D structure for enhanced of TCR-peptide binding 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1346784 PMID:39415981	研究论文	本文开发了一种名为TCRcost的深度学习模型，利用TCR的三维结构来增强TCR-肽结合的预测	TCRcost模型通过整合TCR-肽复合物的三维结构信息，克服了基于序列方法的瓶颈，显著提高了结合预测的准确性	NA	提高TCR-肽结合预测的准确性	TCR-肽复合物的三维结构	机器学习	NA	深度学习	LSTM和3D CNN	三维结构	NA
948	2024-10-19	Hierarchical deep learning for autonomous multi-label arrhythmia detection and classification on real-world wearable electrocardiogram data 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241278942 PMID:39416857	研究论文	提出了一种基于CNN+BiLSTM与注意力机制的分层深度学习模型，用于在真实世界可穿戴心电图数据上进行多标签心律失常检测和分类	采用分层模型，结合CNN和BiLSTM与注意力机制，提高了心律失常检测和分类的准确性	未提及	开发一种能够在真实世界可穿戴心电图数据上有效检测和分类心律失常的深度学习模型	心律失常的检测和分类	机器学习	心血管疾病	CNN, BiLSTM, 注意力机制	CNN+BiLSTM	心电图数据	未提及
949	2024-10-19	Deep Learning in Hematology: From Molecules to Patients 2024, Clinical hematology international DOI:10.46989/001c.124131 PMID:39417017	综述	本文综述了深度学习在血液学中的应用，从分子层面到患者护理	深度学习在血液学中的应用涵盖了多组学数据分析、蛋白质结构预测、细胞形态学分析自动化、流式细胞术数据解读以及通过大型语言模型分析临床数据等方面	深度学习模型在血液学应用中的泛化性和可解释性仍存在挑战，且新型深度学习架构在血液学中的应用相对较慢	探讨深度学习在血液学中的应用及其局限性	深度学习在血液学中的应用，包括分子层面、细胞和组织层面以及患者层面的应用	机器学习	NA	深度学习	NA	多组学数据、蛋白质结构数据、细胞形态学数据、流式细胞术数据、临床数据	NA
950	2024-10-19	Deep learning-based histological predictions of chromosomal instability in colorectal cancer 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/JYND6488 PMID:39417190	研究论文	本研究利用深度学习技术，基于全切片图像的组织学数据预测结直肠癌中的染色体不稳定	本研究首次结合卷积神经网络和形态学分析，从全切片图像中提取特征，用于预测结直肠癌中的染色体不稳定	本研究仅使用了TCGA数据库中的样本，未来需要验证其他数据集中的结果	预测结直肠癌中的染色体不稳定	结直肠癌样本的全切片图像	数字病理学	结直肠癌	卷积神经网络	CNN	图像	313名患者，315张全切片图像，包含超过35万张肿瘤切片和近270万个肿瘤细胞核
951	2024-10-19	Research progress on machine algorithm prediction of liver cancer prognosis after intervention therapy 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/BEAO1926 PMID:39417194	review	本文综述了机器算法在肝癌介入治疗后预后预测中的应用和潜力	机器算法能够通过分析大量临床数据识别预后模式和趋势	整合多源临床数据以提高预测准确性、数据隐私和伦理问题、增强机器算法决策过程的透明度和可解释性	系统回顾和分析机器算法在肝癌介入治疗后预后预测中的应用和潜力	肝癌介入治疗后的患者预后	machine learning	liver cancer	NA	NA	clinical data	NA
952	2024-10-19	Artificial Intelligence Application for Anti-tumor Drug Synergy Prediction 2024, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673290777240301071513 PMID:39420717	综述	本文综述了癌症药物协同治疗及人工智能技术在癌症药物协同预测中的应用	探讨了深度学习方法在癌症药物协同预测中的应用前景	未具体提及	提高对癌症药物协同作用的理解，为临床提供更有效的治疗方案和合理的药物使用策略	癌症药物协同治疗及人工智能技术在其中的应用	机器学习	癌症	人工智能 (AI)	深度学习	NA	NA
953	2024-10-18	Importance of Serum Albumin in Deep Learning-Based Prediction of Cognitive Function Data in the Aged Using a Basic Blood Test 2024, Advances in experimental medicine and biology DOI:10.1007/978-3-031-67458-7_42 PMID:39400832	研究论文	研究探讨了在老年人群中使用深度学习模型预测认知功能时，血清白蛋白作为营养状态指标的重要性	研究首次探讨了在深度学习模型中加入血清白蛋白对预测老年认知功能的准确性的影响	研究样本仅来自一家医院，且未涵盖所有年龄段的老年人群	评估在预测老年认知功能时，血清白蛋白对深度学习模型准确性的影响	老年人群的认知功能预测	机器学习	老年病	深度学习	深度学习模型	血液检测数据	1287名患者，分为65岁及以上和65岁以下两组
954	2024-10-18	Lung-PNet: An Automated Deep Learning Model for the Diagnosis of Invasive Adenocarcinoma in Pure Ground-Glass Nodules on Chest CT 2024-01, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29674 PMID:37493322	研究论文	开发并验证了一种用于胸部CT上纯磨玻璃结节（pGGNs）中区分浸润性腺癌（IAC）与其他实体的自动深度学习模型	提出了Lung-PNet，一种3D深度学习模型，用于自动分割和分类pGGNs中的IAC与其他实体	研究为回顾性，样本量相对较小，且仅限于特定时间段内的病例	开发和验证一种自动深度学习模型，用于区分胸部CT上pGGNs中的IAC与其他实体	胸部CT上的纯磨玻璃结节（pGGNs），包括AAH、AIS、MIA和IAC	计算机视觉	肺癌	深度学习	3D深度学习模型	影像	402名患者，共448个pGGNs
955	2024-10-18	Editorial Comment: Implementing an End-to-End Deep Learning Model in the Task of Differentiating Pure Ground-Glass Nodules on Chest CT 2024-Jan, AJR. American journal of roentgenology DOI:10.2214/AJR.23.30002 PMID:37530402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
956	2024-10-18	Artificial Intelligence for Assessment of Endotracheal Tube Position on Chest Radiographs: Validation in Patients From Two Institutions 2024-01, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29769 PMID:37703195	研究论文	研究评估了基于深度学习的人工智能系统在胸部X光片上检测气管插管位置的性能	开发并验证了一种基于深度学习的人工智能系统，用于在胸部X光片上自动检测气管插管的存在和位置	研究仅限于两个机构的数据，且样本量较小	评估人工智能系统在胸部X光片上检测气管插管位置的准确性和及时性	气管插管在胸部X光片上的位置	计算机视觉	NA	深度学习	深度学习模型	图像	539张胸部X光片（机构A，505名患者），637张胸部X光片（机构A，302名患者），546张胸部X光片（机构B，83名患者）
957	2024-10-18	Computational models can distinguish the contribution from different mechanisms to familiarity recognition 2024-01, Hippocampus IF:2.4Q3 DOI:10.1002/hipo.23588 PMID:37985213	研究论文	本文设计了两种结合深度学习和Hebbian学习规则的计算模型，分别用于模拟熟悉感，并通过比较两种模型的性能来揭示其内在机制	本文提出了一种新的方法来区分不同熟悉感机制的贡献，并通过两种互补模型提出了新的可测试预测	Hebbian模型在大训练集规模下无法拟合人类行为数据，且仅对图像同质性高度敏感	研究不同机制对熟悉感识别的贡献，并提出新的可测试预测	熟悉感及其相关机制	机器学习	NA	深度学习	Hebbian模型和anti-Hebbian模型	图像	自然图像
958	2024-10-17	CNNs trained with adult data are useful in pediatrics. A pneumonia classification example 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306703 PMID:39052572	研究论文	本文探讨了使用成人数据训练的卷积神经网络（CNN）在儿科医疗中的适用性，并以肺炎分类为例进行了验证	本文展示了使用成人数据训练的CNN在儿科医疗中的适应性和有效性，为解决儿科数据稀缺问题提供了一种新思路	本文仅以肺炎分类为例，未涵盖其他儿科疾病，且研究样本仅限于1至5岁的儿童	验证使用成人数据训练的CNN在儿科医疗中的适用性	1至5岁儿童的胸部X光片	计算机视觉	肺炎	卷积神经网络（CNN）	CNN	图像	46,947张成人胸部X光片用于训练，5,856张1至5岁儿童胸部X光片用于评估
959	2024-10-17	Multi-disease X-ray Image Classification of the Chest Based on Global and Local Fusion Adaptive Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056291283240808045952 PMID:39150027	研究论文	本文提出了一种基于全局和局部融合自适应网络的多疾病胸部X光图像分类方法	本文创新性地设计了MMPDenseNet网络，结合了自适应激活函数Meta-ACON、多头自注意力机制和金字塔挤压注意力模块，以增强特征表示和提取能力	NA	利用先进的图像处理技术和深度学习算法，自动分析和识别胸部X光图像中的病理或结构异常	胸部X光图像中的多标签疾病分类	计算机视觉	NA	深度学习算法	MMPDenseNet	图像	NA
960	2024-10-17	Revolution of Medical Review: The Application of Meta-Analysis and Convolutional Neural Network-Natural Language Processing in Classifying the Literature for Head and Neck Cancer Radiotherapy 2024 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center IF:2.5Q3 DOI:10.1177/10732748241286688 PMID:39323027	研究论文	本研究探讨了元分析和卷积神经网络-自然语言处理（CNN-NLP）技术在分类头颈癌放疗相关文献中的应用	通过将统计分析与深度学习相结合，成功识别了与正常组织并发症概率（NTCP）相关的关键研究	数据质量和模型泛化存在挑战	提高文献综述的效率和准确性	头颈癌放疗相关文献	自然语言处理	头颈癌	卷积神经网络-自然语言处理（CNN-NLP）	卷积神经网络（CNN）	文本	NA