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
2181	2024-12-08	Correction: BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315419 PMID:39636893	correction	对文章DOI: 10.1371/journal.pone.0283562的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2182	2024-12-08	SE-MAConvLSTM: A deep learning framework for short-term traffic flow prediction combining Squeeze-and-Excitation Network and Multi-Attention Convolutional LSTM Network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312601 PMID:39636907	研究论文	本文提出了一种结合挤压激励网络和多注意力卷积LSTM网络的深度学习框架，用于短期交通流量预测	设计了时空特征提取模块和多注意力模块，分别解决了时空相关性捕捉和不同时间间隔通道权重对预测结果的影响问题	NA	提高短期交通流量预测的准确性	交通流量数据	机器学习	NA	卷积神经网络 (CNN), 挤压激励网络 (SENet), 残差网络 (ResNet), 卷积LSTM网络 (ConvLSTM)	SE-MAConvLSTM	交通流量数据	两个真实数据集
2183	2024-12-08	Exploiting the features of deep residual network with SVM classifier for human posture recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314959 PMID:39636954	研究论文	本文研究了基于深度残差网络和SVM分类器的人体姿态识别性能	提出了一种结合深度残差网络（ResNet-50）特征和支持向量机（SVM）分类器的混合架构，显著提高了人体姿态识别的准确性	NA	提高人体姿态识别的准确性和效率	人体姿态识别	计算机视觉	NA	深度学习	ResNet-50, SVM	图像	三个数据集：Multi-Camera Fall (MCF) 使用四种姿态，UR Fall detection (URFD) 使用四种姿态，UP-Fall detection (UPFD) 使用四种姿态
2184	2024-12-08	Value of radiomics and deep learning feature fusion models based on dce-mri in distinguishing sinonasal squamous cell carcinoma from lymphoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1489973 PMID:39640273	研究论文	本研究旨在构建和验证基于动态对比增强（DCE）成像的机器学习和深度学习特征模型，并评估放射组学和深度学习特征融合模型在区分鼻窦鳞状细胞癌和淋巴瘤中的临床价值	本研究创新性地结合了放射组学和深度学习特征，构建了一个融合模型，显著提高了区分鼻窦鳞状细胞癌和淋巴瘤的准确性	本研究为回顾性分析，样本量有限，未来需要更大规模的前瞻性研究来验证结果	开发一种能够在术前精确区分鼻窦鳞状细胞癌和淋巴瘤的方法，以制定合适的治疗方案	鼻窦鳞状细胞癌和鼻窦淋巴瘤	机器学习	鼻窦癌	动态对比增强磁共振成像（DCE-MRI）	深度学习模型（DL）和机器学习模型（ML）	图像	90例鼻窦肿瘤患者，包括50例鼻窦鳞状细胞癌和40例鼻窦淋巴瘤
2185	2024-12-08	A transformer-based deep learning approach for fairly predicting post-liver transplant risk factors 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104545 PMID:37992791	研究论文	本文提出了一种基于Transformer的深度学习模型，用于公平预测肝移植后的风险因素	本文创新性地将肝移植后的风险预测问题转化为多任务学习问题，并提出了一种新的公平性算法，确保不同子群体之间的预测公平性	NA	解决肝移植中的两个主要挑战：找到最佳匹配的患者和确保不同子群体之间的移植公平性	肝移植后的风险因素，如心血管疾病和慢性排斥等	机器学习	NA	深度学习	Transformer	电子健康记录	160,360名肝移植患者的数据，包括人口统计信息、临床变量和实验室值
2186	2024-12-07	DRGAT: Predicting Drug Responses Via Diffusion-Based Graph Attention Network 2024-Dec-06, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0807 PMID:39639802	研究论文	本文介绍了一种基于扩散图注意力网络的药物反应预测方法DRGAT	DRGAT结合了去噪扩散隐式模型进行数据增强和具有高阶邻居传播的图注意力网络（GAT）预测模块，显著提高了药物反应预测的准确性	生物数据集通常高维但样本量小，存在过拟合和泛化能力差的问题	提高个性化医疗中药物反应预测的准确性	基因表达数据和药物反应预测	机器学习	NA	图神经网络	图注意力网络（GAT）	基因表达数据	小样本量
2187	2024-12-07	Magnetic resonance image denoising for Rician noise using a novel hybrid transformer-CNN network (HTC-net) and self-supervised pretraining 2024-Dec-06, Medical physics IF:3.2Q1 DOI:10.1002/mp.17562 PMID:39641989	研究论文	提出了一种新的混合Transformer-CNN网络（HTC-net）和自监督预训练策略，用于磁共振图像的去噪	创新点在于结合了Transformer和CNN的优势，通过并行编码器捕捉长程信息，并提出残差融合块来聚合不同分辨率的特征，同时采用自监督预训练策略提升模型在有限数据集上的表现	NA	开发一种有效的深度学习方法，通过利用长程信息和预训练来提高去噪性能并减少对配对MR图像的需求	磁共振图像的去噪	计算机视觉	NA	深度学习	混合Transformer-CNN网络	图像	肺部HP 129Xe MRI数据集（1059张图像）和IXI数据集（5000张图像）
2188	2024-12-07	Estimation of fatty acid composition in mammary adipose tissue using deep neural network with unsupervised training 2024-Dec-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30401 PMID:39641987	研究论文	本文提出了一种基于深度学习的无监督训练网络FAC-Net，用于从多回波双极梯度回波数据中估计乳腺脂肪组织中的脂肪酸组成	本文创新性地提出了基于物理学的无监督深度学习网络FAC-Net，用于从MRI数据中快速准确地估计乳腺脂肪组织中的脂肪酸组成	本文的局限性在于仅在模拟数据和绝经后女性中进行了测试，尚未在更广泛的人群中验证	开发一种基于深度学习的方法，用于从乳腺脂肪组织中快速准确地估计脂肪酸组成	乳腺脂肪组织中的脂肪酸组成	计算机视觉	NA	MRI	深度神经网络	图像	模拟数据包含八种不同脂肪酸组成的油，绝经后女性包括8名乳腺癌风险平均的控制组和7名经活检证实患有乳腺癌的癌症组
2189	2024-12-07	Classification techniques of ion selective electrode arrays in agriculture: a review 2024-Dec-05, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01346h PMID:39543972	综述	本文总结了农业中离子选择电极阵列的分类技术	本文讨论了机器学习、人工神经网络、极限学习机和深度学习等分类算法在离子选择电极及相关领域的现状	本文讨论了离子选择电极研究在传感器本身和与传感器阵列结合的算法方面的未来挑战	推进分类技术与离子选择电极阵列在农业中的应用	农业中的离子选择电极阵列分类技术	机器学习	NA	离子选择电极阵列	人工神经网络、极限学习机、深度学习	离子信号	NA
2190	2024-12-07	Computers and chess masters: The role of AI in transforming elite human performance 2024-Dec-05, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12750 PMID:39635926	研究论文	分析了超过1160万次顶级国际象棋选手的决策，探讨了人工智能在顶级人类表现中的作用	发现人工智能的进步与人类表现的提升相匹配，但顶级选手的决策质量在四十年间稳步提升，未出现显著的快速提升期	研究仅限于国际象棋领域，且未探讨人工智能对其他复杂任务的影响	探讨人工智能在提升顶级人类表现中的作用	顶级国际象棋选手的决策	人工智能	NA	深度学习	神经网络	决策数据	超过1160万次决策
2191	2024-12-07	Personalized federated learning for abdominal multi-organ segmentation based on frequency domain aggregation 2024-Dec-05, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14602 PMID:39636019	研究论文	本文提出了一种个性化联邦学习框架（PAF-Fed），用于腹部多器官分割，通过频率域聚合来优化模型训练	本文创新性地引入了个性化联邦学习框架，通过选择性收集部分模型参数进行客户端协作，并使用傅里叶变换和自注意力机制来聚合低频参数分量，以解决数据异质性问题	NA	旨在解决医疗图像深度学习模型训练中数据标注和隐私保护的挑战	腹部多器官分割	计算机视觉	NA	联邦学习（FL）	个性化联邦学习框架（PAF-Fed）	图像	使用了Combined Healthy Abdominal Organ Segmentation磁共振成像（MRI）数据集（CHAOS 2019）和一个私有计算机断层扫描（CT）数据集
2192	2024-12-07	Autofluorescence Virtual Staining System for H&E Histology and Multiplex Immunofluorescence Applied to Immuno-Oncology Biomarkers in Lung Cancer 2024-Dec-05, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0327 PMID:39636222	研究论文	本研究展示了通过结合高吞吐量超光谱荧光显微镜和机器学习，从非小细胞肺癌组织的自体荧光图像中生成虚拟苏木精-伊红（H&E）染色和多重免疫荧光（mIF）染色的可行性	本研究扩展了先前在肝病和前列腺癌中基于自体荧光进行虚拟染色的工作，进一步证明了这种深度学习技术在不同疾病（肺癌）和染色模式（mIF）中的通用性	NA	探索虚拟染色技术在数字病理学中的应用，以提高空间生物学研究的潜力，改善临床工作流程的效率和可靠性，并实现非破坏性组织样本保存	非小细胞肺癌组织的自体荧光图像	数字病理学	肺癌	超光谱荧光显微镜	深度学习	图像	NA
2193	2024-12-07	Self-supervised learning improves robustness of deep learning lung tumor segmentation models to CT imaging differences 2024-Dec-05, Medical physics IF:3.2Q1 DOI:10.1002/mp.17541 PMID:39636237	研究论文	本文研究了自监督学习对深度学习肺肿瘤分割模型在CT影像差异中的鲁棒性提升	首次比较了在医学影像分析中，使用未标注的公开数据集进行预训练（wild-pretraining）与使用下游任务数据集进行预训练（self-pretraining）的效果	ViT和CNN模型在wild-pretraining与self-pretraining之间未显示出明显的优势	比较wild-pretraining与self-pretraining在非小细胞肺癌分割中的鲁棒性	非小细胞肺癌的3D CT影像分割	计算机视觉	肺癌	自监督学习	卷积神经网络（CNN）、视觉变换器（ViT）、分层移位窗口（Swin）	3D CT影像	10,412个未标注的3D CT影像用于wild-pretraining，377个标注的3D CT影像用于self-pretraining和fine-tuning
2194	2024-12-07	Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study 2024-Dec-05, JMIR formative research IF:2.0Q4 DOI:10.2196/59045 PMID:39636692	研究论文	本研究开发并验证了一种名为神经原型树（NPT）的可解释图像分类器，用于胸部X光病理检测，旨在结合深度学习模型的诊断能力和决策树的可解释性	引入神经原型树（NPT）分类器，结合深度学习与决策树的优势，提高胸部X光病理检测的透明度和可解释性	研究中观察到NPT分类器在低解释复杂度水平下存在较高的不公平性，特别是在年龄分组中	探讨NPT分类器在性能、可解释性和公平性三个维度上的效用，并研究这些维度之间的复杂交互关系	胸部X光病理检测	计算机视觉	NA	神经原型树（NPT）	神经网络（ResNet-152）	图像	使用了来自Chest X-ray 14、CheXpert和MIMIC-CXR数据集的胸部X光图像，每个数据集分别训练了6个分类器
2195	2024-12-07	Evaluating CNN Architectures for the Automated Detection and Grading of Modic Changes in MRI: A Comparative Study 2024-Dec-05, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.14280 PMID:39638639	研究论文	本研究评估了卷积神经网络（CNN）在MRI中自动检测和分级Modic变化（MCs）的性能	提出了使用YOLOv8和YOLOv5模型进行MCs的自动检测和分级，并展示了其优于传统方法和初级医生的性能	研究样本量较小，且仅使用了两种MRI设备的数据	开发和验证用于MRI中自动检测和分级Modic变化的卷积神经网络模型	Modic变化（MCs）在MRI中的检测和分级	计算机视觉	NA	卷积神经网络（CNN）	YOLOv8, YOLOv5	MRI图像	139名患者的MRI数据
2196	2024-12-07	Deep learning enabled ultra-high quality NMR chemical shift resolved spectra 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc04742g PMID:39568866	研究论文	开发了一种名为SE2CSNet的神经网络，用于处理通过自旋回波脉冲序列获取的NMR数据，以获得高分辨率和灵敏度的化学位移解析光谱	通过检测自旋回波光谱中的相位变化，SE2CSNet能够准确检测重叠光谱信号的化学位移位置，即使在低信噪比下也能恢复隐藏在噪声中的弱信号	NA	提高核磁共振（NMR）中化学位移解析光谱的质量	NMR数据中的化学位移信息	机器学习	NA	NMR	神经网络	光谱数据	NA
2197	2024-12-07	ProBID-Net: a deep learning model for protein-protein binding interface design 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02233e PMID:39568891	研究论文	介绍了一种名为ProBID-Net的深度学习模型，用于蛋白质-蛋白质结合界面的设计	ProBID-Net能够利用已知的目标蛋白质结构特征来设计特定的结合蛋白质，解决了现有AI模型在已知受体序列情况下的设计挑战	NA	开发一种新的计算蛋白质设计工具，以促进蛋白质-蛋白质相互作用的设计	蛋白质-蛋白质结合界面的设计	机器学习	NA	深度学习	ProBID-Net	蛋白质结构	使用了自然蛋白质-蛋白质复合物结构和蛋白质域-域界面结构进行训练
2198	2024-12-07	Advancing cancer diagnosis and prognostication through deep learning mastery in breast, colon, and lung histopathology with ResoMergeNet 2024-Dec-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109494 PMID:39637456	研究论文	本文介绍了一种名为ResoMergeNet的深度学习模型，用于乳腺癌、结肠癌和肺癌的病理图像的多类和二分类诊断	ResoMergeNet整合了Resboost机制和ConvmergeNet机制，优化了特征提取和表示，显著提高了诊断准确性	NA	提高乳腺癌、结肠癌和肺癌的诊断和预后系统的准确性	乳腺癌、结肠癌和肺癌的病理图像	计算机视觉	乳腺癌、结肠癌、肺癌	深度学习	ResoMergeNet	图像	LC-25000和BreakHis数据集（400×和40×放大倍数）
2199	2024-12-07	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2024-Dec-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本文开发了一种基于深度学习的端到端工作流程，用于预测胶质母细胞瘤患者的总体生存期，使用术前基本结构多参数磁共振成像	本文的创新点在于开发了一种基于深度学习的端到端工作流程，能够使用术前基本结构多参数磁共振成像自动预测胶质母细胞瘤患者的总体生存期	本文的局限性在于使用了多机构公共数据集和前瞻性机构临床试验数据集进行验证，但未提及在其他数据集上的泛化能力	研究目的是开发一种自动化的端到端工作流程，用于早期预测胶质母细胞瘤患者的总体生存期，以辅助及时的治疗决策	研究对象是胶质母细胞瘤患者及其术前基本结构多参数磁共振成像	计算机视觉	脑癌	深度学习	对比学习	图像	研究包括来自多机构公共数据集的235名患者和来自前瞻性机构临床试验的19名胶质母细胞瘤患者
2200	2024-12-07	Progress on the development of prediction tools for detecting disease causing mutations in proteins 2024-Dec-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109510 PMID:39637461	综述	本文综述了用于检测蛋白质中致病突变的预测工具的开发进展	强调了在预测癌症、神经退行性和传染病相关靶点的热点突变以及膜蛋白突变方面的进展	讨论了现有方法的局限性及可能的改进	探讨预测蛋白质中致病突变的计算工具的开发	蛋白质中的致病突变	机器学习	NA	机器学习、深度学习和大型语言模型	NA	序列和结构特征	NA