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
1021	2024-08-05	Deep Survival Analysis for Interpretable Time-Varying Prediction of Preeclampsia Risk 2024-Jan-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.18.24301456 PMID:38293230	research paper	本文展示了一种深度生存分析的方法用于预测妊娠期子痫前期的风险	提出了一种修改过的DeepHit深度生存模型，能够处理非比例风险，并捕捉妊娠中的时间变化关系	未提及具体局限性	研究妊娠期子痫前期的时间变化风险及其相关临床风险因素	66,425名在两家三级护理中心分娩的孕妇	digital pathology	妊娠相关疾病	深度学习	DeepHit	时间序列数据	66,425名孕妇
1022	2024-08-05	Research Progress in Predicting Hepatocellular Carcinoma with Portal Vein Tumour Thrombus in the Era of Artificial Intelligence 2024, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S474922 PMID:39050809	综述	该论文全面回顾了人工智能在预测肝细胞癌及其门静脉肿瘤血栓中的应用进展	创新点在于将人工智能技术应用于肝细胞癌的诊断预测，并探讨其对临床管理的影响	存在的研究局限性进行了评估，但具体的局限性未详细列出	提升门静脉肿瘤血栓患者的生存预后	探讨门静脉肿瘤血栓形成和进展的机制及其对肝细胞癌的影响	医学影像学	肝细胞癌	人工智能	机器学习和深度学习	医学图像	NA
1023	2024-08-05	Harnessing Few-Shot Learning for EEG signal classification: a survey of state-of-the-art techniques and future directions 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1421922 PMID:39050382	综述	本文系统性地回顾了针对脑电图信号分类的少量学习技术，包括数据增强、迁移学习和自监督学习等	文章创新性地提出了适用于不同脑电图范例的数据增强策略和迁移学习架构	研究存在对脑电图数据的多样性和噪声的处理不足	探讨如何使用少量学习方法提高脑电图信号分类的效果	主要对象是脑电图信号及其分类方法	机器学习	NA	数据增强、迁移学习、自监督学习	NA	EEG信号	NA
1024	2024-08-05	Artificial intelligence in ischemic stroke images: current applications and future directions 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1418060 PMID:39050128	评论	本文综述了人工智能在缺血性卒中影像学应用的研究进展	探讨了大语言模型在缺血性卒中影像分析中的应用前景	面临数据量不足、模型可解释性差和实时监控更新的挑战	研究人工智能在缺血性卒中影像中的应用及未来方向	分析了自动分割梗死区域、大血管闭塞检测和中风结果预测等多个领域的应用	计算机视觉	缺血性卒中	机器学习和深度学习	NA	影像	NA
1025	2024-08-05	PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3407351 PMID:39050971	研究论文	本研究提出了一种用于自动化检测整个切片图像中的中心母细胞的对象检测框架	通过结合病理学家提供的标签和基于细胞形态特征生成的伪阴性标签，减少了对人工标注的依赖	模型仍需要依赖病理学家提供的初步标签	研究目标是降低病理学家的工作量，并提高中心母细胞的检测效率	研究对象为中心母细胞的检测	数字病理学	NA	深度学习	对象检测框架	整体切片图像	NA
1026	2024-08-05	Liquid Biopsy Instrument for Ultra-Fast and Label-Free Detection of Circulating Tumor Cells 2024, Research (Washington, D.C.) DOI:10.34133/research.0431 PMID:39050821	研究论文	本文介绍了一种基于惯性微流体和阻抗细胞计数的自动液体活检仪器CytoExam，用于快速无标记检测循环肿瘤细胞	CytoExam能够在15分钟内实现对癌症患者外周血中循环肿瘤细胞的无标记检测，且临床适用性得到了验证	研究中仅使用了来自10名健康供体和50多名乳腺癌、结直肠癌或肺癌患者的外周血样本	本研究旨在开发一种快速且无创的液体活检技术，以改善癌症的诊断与监测	研究对象为癌症患者及健康供体的外周血样本	数字病理学	肺癌	阻抗细胞计数	深度学习算法	血液样本	10名健康供体和50多名癌症患者
1027	2024-08-05	PSPI: A deep learning approach for prokaryotic small protein identification 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1439423 PMID:39050248	研究论文	本文介绍了一种名为PSPI的深度学习方法，用于识别原核小蛋白	PSPI是专门为预测原核小蛋白而设计的深度学习工具，具有高准确性和较快的识别速度	现有的计算工具主要针对特定的真核物种，对于原核体的小蛋白识别选项较少，且性能依然不理想	填补原核小蛋白识别方法的空白	原核小蛋白的识别和预测	机器学习	NA	深度学习	NA	NA	NA
1028	2024-08-05	Robust gesture recognition based on attention-deep fast convolutional neural network and surface electromyographic signals 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1306047 PMID:39050666	研究论文	本文提出了一种基于注意力深度快速卷积神经网络和表面肌电信号的手势识别方法	提出了注意力深度快速卷积神经网络模型，通过结合空间和时间特征来提高手势识别的稳健性和稳定性	缺少对低密度电极的手势识别性能比较	提高在高密度电极移动或损坏情况下的手势识别准确率	七名健康受试者和一名截肢者的手势识别	数字病理学	NA	sEMG	注意力深度快速卷积神经网络	信号	8个受试者（7名健康者和1名截肢者）
1029	2024-08-05	Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0197 PMID:39049839	研究论文	本研究建立了一个小麦NPK营养胁迫条件的高光谱库，以及时评估作物健康状况	提出了一种基于变换器的深度学习网络SHCFTT用于识别高光谱图像中的营养胁迫模式	NA	评估水稻在不同营养胁迫条件下的健康状况	水稻在14种NPK营养胁迫条件下的反射率曲线	数字病理	NA	高光谱成像技术	SHCFTT, SVM, 1D-CNN, 3D-CNN	图像	420张水稻胁迫图像
1030	2024-08-05	Feasibility of direct brain 18F-fluorodeoxyglucose-positron emission tomography attenuation and high-resolution correction methods using deep learning 2024, Asia Oceania journal of nuclear medicine & biology DOI:10.22038/AOJNMB.2024.74875.1522 PMID:39050241	研究论文	本研究开发了三种用于大脑18F-氟脱氧葡萄糖正电子发射断层扫描(PET)的衰减校正方法，并评估其精确度	首次利用深度学习开发直接和高分辨率衰减校正方法，提供无CT暴露的准确衰减校正	样本量较小，仅包含53名和27名患者，可能影响结果的广泛适用性	开发并评估大脑PET的衰减校正方法	53名接受颅脑磁共振成像(MRI)和计算机断层扫描(CT)的患者，以及27名接受MRI、CT和PET的患者	数字病理学	NA	深度学习	U-net	影像	53名患者和27名患者
1031	2024-08-05	Attention Feature Fusion Network via Knowledge Propagation for Automated Respiratory Sound Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402139 PMID:38899013	研究论文	本研究开发了一种基于深度学习的自动化呼吸声音分类系统	将知识传播机制整合到CNN模型中，提高了呼吸病自动诊断的有效性	研究后仍需进一步的临床验证以确认模型的普适性	旨在通过自动化方法提高呼吸疾病早期诊断的准确性	该研究对象为1至6岁的小儿患者的呼吸声音数据	机器学习	呼吸系统疾病	深度学习	卷积神经网络（CNN）	音频	使用了ICBHI基准数据集和一个更大规模的自收集小儿数据集
1032	2024-08-05	CCL-DTI: contributing the contrastive loss in drug-target interaction prediction 2024-Jan-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05671-3 PMID:38291364	研究论文	本文提出了一种基于对比损失的药物-靶标相互作用预测模型	引入对比损失函数以提高深度学习模型在药物-靶标相互作用预测中的性能	未提及特定的局限性	研究如何通过利用对比损失函数改进药物-靶标相互作用预测模型	研究对象为药物分子和蛋白质序列	计算机视觉	NA	深度学习	注意力机制融合模型	多模态知识	使用四个知名数据集进行评估
1033	2024-08-05	Deep learning-based synthetic dose-weighted LET map generation for intensity modulated proton therapy 2024-Jan-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad154b PMID:38091613	研究论文	该文章提出了一种基于深度学习的框架，用于从剂量分布图预测合成的质量能量转移 (LET) 分布图	使用CycleGAN模型显著提高了LET图生成的速度和准确性，优于其他基于GAN的模型	使用深度学习模型的有效性在不同的临床设置中可能需要进一步验证	旨在改进质子治疗的计划，通过更好地考虑可变的相对生物效能(RBE)	研究对象为质子治疗中的剂量分布图	数字病理学	NA	深度学习	CycleGAN	剂量分布图	NA
1034	2024-08-05	Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: a two-center study 2024-Jan-03, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.01.23297935 PMID:37961086	研究论文	本研究开发了一个自动化的管道，用于分割小儿弥漫性中线胶质瘤的亚区域，并选择预测患者总生存期的影像组学特征	通过使用机器学习和MRI影像组学，该研究为预测小儿病人总生存期提供了一种新的非侵入性方法	研究中样本量相对较小，仅涵盖了69名患者，且仅通过两个中心的数据进行验证	研究的目的是预测小儿弥漫性中线胶质瘤患者的总生存期	研究对象为小儿弥漫性中线胶质瘤患者	机器学习	NA	MRI，机器学习	深度学习模型	影像	53名内部队列和16名外部队列患者
1035	2024-08-05	Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: A two-center study 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae108 PMID:39027132	研究论文	本文开发了一种自动化管道，通过MRI放射组学和机器学习预测儿童弥漫性中线胶质瘤的整体生存率	提出了一种新的基于MRI放射组学和深度学习模型的生存率预测方法	研究样本量较小，可能影响结果的普适性	研究旨在预测儿童弥漫性中线胶质瘤患者的整体生存率	研究对象为儿童弥漫性中线胶质瘤患者	机器学习	NA	MRI放射组学	深度学习模型	医学影像	69个样本，53个来自内部队列，16个来自外部队列
1036	2024-08-05	Detection of Alzheimer's disease using Otsu thresholding with tunicate swarm algorithm and deep belief network 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1380459 PMID:39045216	研究论文	本文提出了一种自动化框架用于早期检测阿尔茨海默病。	提出使用Tunicate Swarm Algorithm优化Otsu阈值方法来提高阿尔茨海默病的图像分类准确率。	本文未提及特定样本的限制和研究的普适性问题。	研究阿尔茨海默病的早期检测方法，以降低死亡率。	使用结构磁共振成像(sMRI)图像检测阿尔茨海默病。	数字病理学	阿尔茨海默病	结构磁共振成像(sMRI)	深度信念网络(DBN)	图像	使用了阿尔茨海默病神经影像倡议(ADNI)和澳大利亚成像、标志物与生活方式旗舰研究(AIBL)数据集
1037	2024-08-05	StripeRust-Pocket: A Mobile-Based Deep Learning Application for Efficient Disease Severity Assessment of Wheat Stripe Rust 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0201 PMID:39044844	研究论文	本研究提出了一个基于移动设备的深度学习应用程序，用于有效评估小麦条锈病的病害严重性	StripeRust-Pocket应用程序结合了模型辅助标注和深度学习技术，能够在复杂背景下准确量化病害严重性，并大幅缩短标注时间	NA	提供一种高效实用的小麦条锈病严重性评估解决方案	小麦条锈病叶片图像	计算机视觉	NA	深度学习	StripeRustNet（包含MobileNetV2-DeepLabV3+和ResNet50-DeepLabV3+）	图像	100张田间图像及自收集的数据集
1038	2024-08-05	Deep IDA: a deep learning approach for integrative discriminant analysis of multi-omics data with feature ranking-an application to COVID-19 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae060 PMID:39027641	研究论文	提出了一种基于深度学习的综合判别分析方法Deep IDA，用于多组学数据的特征排名和COVID-19应用	开发了一种深度学习方法Deep IDA，能够学习复杂的非线性变换并提高数据的关联性和分离性	目前的非线性关联和分类研究方法在识别变量方面的能力有限，或者仅能应用于两种数据类型	旨在通过综合数据分析了解复杂疾病的生物学机制	针对COVID-19严重程度的RNA测序、代谢组学和蛋白质组学数据	数字病理学	COVID-19	RNA测序、代谢组学、蛋白质组学	深度学习	多组学数据	两个大型真实世界数据集
1039	2024-08-05	Shape-position perceptive fusion electronic skin with autonomous learning for gesture interaction 2024, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00739-9 PMID:39045231	研究论文	提出了一种感知融合电子皮肤，实现手势交互的自主学习	开发了具有生物启发层次结构的感知融合电子皮肤，通过磁致伸缩合金膜的磁化状态实现对关节形状和位置的双重信息感知	佩戴应用的计算能力有限，可能影响深度学习网络的部署和多模态传感数据的融合	旨在提升可穿戴设备在人机交互中的手势识别和触觉反馈能力	研究目标是手部的关节运动与感知信息的映射	数字病理学	NA	NA	教师模型	信号信息	NA
1040	2024-08-05	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的自动化HER2状态分类方法	该研究提出了一种深度学习方法，能够在不同空间尺度上分析形态特征，有效管理计算负担并提供对HER2表达的综合视图	传统的手动检查流程受到观察者一致性和延长周转时间的挑战	研究HER2在乳腺癌组织图像中的自动评分方法以指导治疗和理解癌症机制	研究对象为免疫组化染色的乳腺癌组织图像	数字病理学	乳腺癌	深度学习	NA	图像	523块来自组织微阵列的核心图像