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
1541	2024-08-05	Development of a deep learning model for predicting recurrence of hepatocellular carcinoma after liver transplantation 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1373005 PMID:38919938	研究论文	本研究开发了一种深度学习模型，用于预测肝移植后肝细胞癌的复发	提出了一种基于TabNet的预后模型，在预测肝移植后复发方面优于米兰标准	研究未涉及其他潜在影响复发风险的临床因素	旨在建立和验证深度学习模型，更好地指导肝移植后的治疗	评估356例接受肝移植的肝细胞癌患者的复发风险	机器学习	肝细胞癌	深度学习	TabNet	表格数据	356个肝细胞癌患者
1542	2024-08-05	Development of a predictive model for 1-year postoperative recovery in patients with lumbar disk herniation based on deep learning and machine learning 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1255780 PMID:38919973	研究论文	本研究旨在开发一个预测模型，以预测腰椎间盘突出患者术后1年的恢复情况	利用深度学习和机器学习技术开发的预测模型为临床决策提供信息	数据来自于特定时间段的回顾性分析，可能存在样本偏差	开发一个能预测腰椎间盘突出患者术后恢复的模型	470名接受微创手术的住院患者的临床数据	机器学习	NA	深度学习和机器学习	MLP（人工神经网络）	临床数据	470名住院患者
1543	2024-08-05	Factor-GAN: Enhancing stock price prediction and factor investment with Generative Adversarial Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306094 PMID:38917175	研究论文	本文介绍了Factor-GAN，一个利用生成对抗网络技术进行因子投资的创新框架	Factor-GAN结合深度学习技术与多因子定价模型，提高了投资策略的精确度和稳定性	样本分析仅限于中国股市，可能影响研究结论的普遍性	探讨深度学习在因子投资中的应用	以70个公司特征为基础的因子数据库进行分析	机器学习	NA	生成对抗网络	NA	金融数据	中国股市的子样本分析
1544	2024-08-05	BAOS-CNN: A novel deep neuroevolution algorithm for multispecies seagrass detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0281568 PMID:38917071	研究论文	文章提出了一种新的深度神经进化算法BAOS-CNN，用于多种海草的检测	该研究通过提出一种名为'Boosted Atomic Orbital Search (BAOS)'的元启发式算法，实现了CNN模型的架构工程和超参数调优的自动化	文章没有提到特定的局限性	研究的目的是提高多种海草图像识别的准确性	研究对象是多种海草图像数据集	计算机视觉	NA	深度学习，CNN	CNN	图像	七个进化基础的CNN模型在基于补丁的多种海草数据集上进行训练和评估
1545	2024-08-05	FF-LPD: A Real-Time Frame-by-Frame License Plate Detector With Knowledge Distillation and Feature Propagation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3414269 PMID:38896516	研究论文	提出了一种针对实时准确车牌检测的逐帧车牌检测器。	引入了知识蒸馏策略和特征传播方法来提高低级流的性能，并设计了一种空间-时间注意特征传播方法，利用视频中的时间相关性。	未提及具体的局限性	旨在实现实时准确的自动车牌检测。	针对肆意移动车辆的车牌信息进行检测。	计算机视觉	NA	深度学习	NA	视频	NA
1546	2024-08-05	MRI-Based Breast Cancer Classification and Localization by Multiparametric Feature Extraction and Combination Using Deep Learning 2024-01, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28713 PMID:37013422	研究论文	本文实现了一种深度学习方法，以从多序列中提取和组合特征来进行乳腺癌分类和检测	应用了多参数磁共振成像（mpMRI）的组合，并利用深度学习进行乳腺癌的分类和定位	未详细探讨其他成像技术的结合和比较	检测和分类乳腺癌的有效技术	569例乳腺癌患者的内部队列和125例公共数据集中的外部队列	计算机视觉	乳腺癌	磁共振成像（MRI）	卷积神经网络和长短期记忆网络	图像	内部队列569例，外部队列125例
1547	2024-08-05	A semi-automatic deep learning model based on biparametric MRI scanning strategy to predict bone metastases in newly diagnosed prostate cancer patients 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1298516 PMID:38919538	研究论文	本文开发了一种半自动模型，用于预测新诊断的前列腺癌患者的骨转移。	文章通过结合放射组学、深度学习和临床特征，提出了一种用于骨转移预测的创新模型。	该研究为回顾性研究，可能存在选择偏倚。	研究目的在于通过bpMRI图像预测前列腺癌患者的骨转移。	研究对象为414名新诊断的前列腺癌患者。	数字病理学	前列腺癌	Biparametric MRI (bpMRI)	ResNet	医学影像	414名前列腺癌患者（BM组136名，NO-BM组278名）
1548	2024-08-05	Association of Sarcopenia With Toxicity-Related Discontinuation of Adjuvant Endocrine Therapy in Women With Early-Stage Hormone Receptor-Positive Breast Cancer 2024-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.07.018 PMID:37506979	研究论文	本研究探讨了肌少症与早期激素受体阳性乳腺癌女性患者中因毒性引起的辅助内分泌治疗提前终止之间的关联	首次确认了肌少症与早期激素受体阳性乳腺癌患者中毒性相关的辅助内分泌治疗提前终止之间的显著关联	研究未考虑未接受辅助放疗的女性患者，限制了结果的广泛适用性	探讨肌少症对早期激素受体阳性乳腺癌女性患者辅助内分泌治疗的影响	305名接受放疗和辅助内分泌治疗的早期激素受体阳性乳腺癌女性患者	数字病理学	乳腺癌	深度学习模型分析常规横截面放射模拟影像	逻辑回归分析和Cox回归分析	影像数据	305名患者
1549	2024-08-05	BrainCDNet: a concatenated deep neural network for the detection of brain tumors from MRI images 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1405586 PMID:38919881	研究论文	本文提出了一种名为BrainCDNet的新型深度学习架构，用于从MRI图像中检测脑肿瘤。	BrainCDNet通过连接池层和采用'He Normal'初始化处理过拟合问题，增强了图像特征提取和分类的性能。	未提及具体的局限性。	提高脑肿瘤的检测准确性，减少误诊并促进早期诊断。	对比分析健康与病理、不同类型脑肿瘤的MRI图像。	计算机视觉	脑癌	深度学习	NA	MRI图像	使用了二元和多分类的MRI数据库进行实验
1550	2024-08-05	CMR-net: A cross modality reconstruction network for multi-modality remote sensing classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304999 PMID:38917124	研究论文	本研究提出了一种基于卷积神经网络（CNN）的CMR-Net深度学习架构，用于多模态遥感图像数据的分类	创新之处在于设计了一个在多模态特征融合阶段的跨模态重建模块，以有效整合来自多种遥感数据的特征	该研究的局限性未在摘要中提及	本研究旨在解决多模态遥感数据分类中的挑战	本研究的对象为两个多模态遥感数据集，包括Houston2013数据集和Berlin数据集	遥感	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	超光谱和激光雷达数据，合成孔径雷达数据	两个数据集的样本数量未在摘要中具体说明
1551	2024-08-05	METhodological RadiomICs Score (METRICS): a quality scoring tool for radiomics research endorsed by EuSoMII 2024-Jan-17, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-023-01572-w PMID:38228979	研究论文	提出了一种新的质量评分工具METRICS，以评估和提高放射组学研究的质量	首次提出基于专家意见的项目的重要性权重，并采用透明的方法来评估放射组学研究的质量	N/A	评估和提高放射组学研究的质量	国际专家小组对放射组学研究的质量进行评估	数字病理学	N/A	N/A	N/A	N/A	59名专家参与来自19个国家
1552	2024-08-05	Enhancing semantic segmentation in chest X-ray images through image preprocessing: ps-KDE for pixel-wise substitution by kernel density estimation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299623 PMID:38913621	研究论文	本研究提出了一种新的图像预处理技术ps-KDE，以提高胸部X光图像的深度学习语义分割效果	ps-KDE通过基于图像像素在所有图像中的标准化频率来增强图像对比度，进而改善深度学习算法的性能	本研究的局限性在于所使用的数据集的异质性可能影响结果的普适性	研究深度学习算法在胸部X光图像中的器官分割效果	主要研究对象是心脏、左肺、右肺、左锁骨和右锁骨的分割	计算机视觉	肺癌	ps-KDE	U-Net	图像	NA
1553	2024-08-05	A novel approach for APT attack detection based on feature intelligent extraction and representation learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305618 PMID:38913651	研究论文	本研究提出了一种基于特征智能提取和表示学习的APT攻击检测新方法	提出的FIERL模型结合了BiLSTM深度学习网络和注意力网络，创新性地聚合和提取APT IP在网络流量中的异常行为	未提及具体的局限性	旨在实现对APT攻击活动的早期检测和预警	研究对象为APT IP与正常IP的分类	计算机视觉	NA	深度学习	BiLSTM	网络流量数据	NA
1554	2024-08-05	The current landscape of machine learning-based radiomics in arteriovenous malformations: a systematic review and radiomics quality score assessment 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1398876 PMID:38915798	系统评价	本文提供了关于动静脉畸形中使用的放射组学模型的全面总结	综合评估了采用机器学习的放射组学在动静脉畸形管理中的应用情况	所有纳入的研究均为回顾性，且没有进行外部验证	综述放射组学模型在动静脉畸形管理中的诊断、治疗、预后和预测结果的应用	动静脉畸形（AVM）	机器学习	NA	放射组学	NA	医学影像	13个研究
1555	2024-08-05	Advancing precision rheumatology: applications of machine learning for rheumatoid arthritis management 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1409555 PMID:38915408	评论	本文总结了机器学习在类风湿关节炎管理中的应用。	探讨了用于类风湿关节炎管理的诊断和预测模型，展示了多种数据模态的使用。	小样本量和缺乏多样化人群测试可能导致模型性能的高估，模型的过拟合和可解释性也存在挑战。	提升类风湿关节炎的管理，通过早期诊断和优化治疗。	研究当前机器学习在类风湿关节炎管理中的应用。	机器学习	类风湿关节炎	机器学习	监督学习和无监督学习	电子健康记录、影像和多组学数据	小样本量
1556	2024-08-05	Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen 2024 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2024.2362775 PMID:38899735	研究论文	本研究探讨了如何通过计算设计来提高抗体的热稳定性和亲和力	使用DeepAb深度学习模型进行抗体Fv结构的预测，以优化抗体变体，克服了通常不可靠的抗体-抗原复合物结构和对接方法的限制	研究依赖于单点实验深度突变扫描的数据，而缺乏对抗原的直接实验验证	研究抗体的发现和优化过程中的计算设计方法	针对抗母鸡卵白溶菌酶(HEL)的200个抗体变体	生物医学	NA	深度学习	DeepAb	序列数据	200个抗体变体
1557	2024-08-05	A novel method of swin transformer with time-frequency characteristics for ECG-based arrhythmia detection 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1401143 PMID:38911517	研究论文	本研究提出了一种结合小波时频图与Swin Transformer模型的新方法，用于ECG基础的心律失常检测	该方法创新地结合了小波时频图与Swin Transformer模型，提高了心律失常检测的准确性	研究中没有提及样本的多样性和适用性限制	研究旨在提高心律失常的自动检测准确性	研究对象为MIT-BIH心律失常数据集中的心电图(ECG)信号	机器学习	心血管疾病	小波变换	Swin Transformer	心电图信号	MIT-BIH心律失常数据集中的样本
1558	2024-08-05	Automated Scoring of Alzheimer's Disease Atrophy Scale with Subtype Classification Using Deep Learning-Based T1-Weighted Magnetic Resonance Image Segmentation 2024, Journal of Alzheimer's disease reports DOI:10.3233/ADR-230105 PMID:38910943	研究论文	该文章提供了一种基于深度学习的自动化阿尔茨海默病萎缩评分方法	通过深度学习分割方法实现客观的体积驱动萎缩评分，为阿尔茨海默病亚型分类提供了新的自动化工具	在认知正常参与者中的评分一致性较差，可能影响临床应用	研究阿尔茨海默病的萎缩评分及其亚型分类	研究对象包括3959名参与者，其中有认知正常、轻度认知障碍和阿尔茨海默病患者	数字病理学	阿尔茨海默病	深度学习图像分割	NA	MRI图像	3959名参与者（1732名认知正常，1594名轻度认知障碍，633名阿尔茨海默病患者）
1559	2024-08-05	Comparative Evaluation of Machine Learning Models for Subtyping Triple-Negative Breast Cancer: A Deep Learning-Based Multi-Omics Data Integration Approach 2024, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.93215 PMID:38911381	研究论文	本研究开发了一种基于深度学习的多组学数据整合模型，以提高三阴性乳腺癌亚型和预后预测的准确性	本研究在数据整合、统计性能和算法优化方面展示了显著进展，特别是在深度学习模型的优化方面	尽管MRI放射组学模型有效，但在跨数据集应用时的性能下降强调了需要进一步优化以提高准确性和一致性	研究目的在于提高三阴性乳腺癌的分类和预后预测准确性	研究对象为三阴性乳腺癌相关的多组学分子特征数据，包括mRNA、miRNA、基因突变、DNA甲基化和MRI图像	数字病理学	乳腺癌	深度学习	DL模型	图像和基因组数据	NA
1560	2024-08-05	GranoScan: an AI-powered mobile app for in-field identification of biotic threats of wheat 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1298791 PMID:38911980	研究论文	本文介绍了一款名为GranoScan的免费移动应用程序，可实时检测和识别地中海地区影响小麦的80多种威胁	GranoScan通过与意大利农民的直接合作开发，具有优化的图形界面和在低或无网络情况下的操作能力	没有提到关于特定环境条件下应用程序的限制或潜在挑战	旨在提供一种可用的工具以帮助农民识别小麦的生物威胁	研究对象为影响小麦的生物威胁，包括害虫和病害	计算机视觉	肺癌	深度学习	EfficientNet-b0	图像	未具体说明样本的数量和种类