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
2701	2024-11-29	Deep learning-accelerated T2WI of the prostate for transition zone lesion evaluation and extraprostatic extension assessment 2024-11-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79348-5 PMID:39587164	研究论文	本文研究了深度学习加速的T2加权成像（DLR T2WI）在前列腺移行区病变评估和前列腺外扩展评估中的应用	DLR T2WI相比传统的TSE T2WI显著减少了扫描时间，同时保持了相似的诊断准确性	研究为回顾性分析，且样本量相对较小	评估DLR T2WI在前列腺移行区病变评估和前列腺外扩展评估中的效率和准确性	前列腺移行区病变和前列腺外扩展	计算机视觉	前列腺癌	深度学习	NA	图像	162名患者
2702	2024-11-29	Intrusion detection in software defined network using deep learning approaches 2024-Nov-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79001-1 PMID:39587182	研究论文	本文研究了在软件定义网络（SDN）中使用深度学习方法进行入侵检测	本文提出了两种新的深度学习模型（CNN-LSTM和Transformer）用于SDN网络中的入侵检测，并展示了其在准确性上的优越性	本文未详细讨论模型的计算复杂性和实时性能	开发先进的深度学习模型以应对SDN网络中的新型攻击向量	SDN控制器及其在网络中的安全性	机器学习	NA	深度学习	CNN-LSTM, Transformer	网络流量数据	使用InSDN数据集进行训练和测试
2703	2024-11-29	Prognostic and predictive value of pathohistological features in gastric cancer and identification of SLITRK4 as a potential biomarker for gastric cancer 2024-11-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80292-7 PMID:39587240	研究论文	本研究旨在开发一种基于病理图像的定量特征模型，用于评估胃癌患者的预后，并识别SLITRK4作为潜在的胃癌生物标志物	本研究创新性地结合了多实例学习和深度学习技术，从病理图像中提取特征，并使用Lasso-Cox回归模型进行特征降维，以提高胃癌患者的预后分层准确性	本研究的样本量相对较小，且仅使用了The Cancer Genome Atlas的数据，可能限制了模型的泛化能力	开发一种基于病理图像的定量特征模型，用于评估胃癌患者的预后，并识别潜在的生物标志物	胃癌患者的病理图像和转录组数据	数字病理学	胃癌	多实例学习、Lasso-Cox回归	深度学习模型	图像	165名胃癌患者
2704	2024-11-29	Deep mutual learning on hybrid amino acid PET predicts H3K27M mutations in midline gliomas 2024-Nov-25, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00760-1 PMID:39587279	研究论文	本文提出了一种基于深度互学习的方法，利用混合氨基酸PET图像预测中线胶质瘤中的H3K27M突变	本文创新性地引入了一种辅助训练（AT）方案，使MET和FET学习之间相互受益，从而提高预测效率	NA	优化非侵入性预测中线胶质瘤中H3K27M突变状态的效率	中线胶质瘤中的H3K27M突变状态	计算机视觉	神经系统疾病	PET	CNN	图像	内部交叉验证90例，外部测试19例，连续测试21例
2705	2024-11-29	Deep learning model using continuous skin temperature data predicts labor onset 2024-Nov-25, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-024-06862-9 PMID:39587525	研究论文	本文研究了连续皮肤温度数据在预测人类分娩开始中的应用，并开发了一种基于深度学习模型的预测工具	首次将深度学习模型应用于连续皮肤温度数据，以预测分娩开始时间	研究样本量较小，且仅限于自发分娩和人工诱导分娩的比较	探讨连续体温变化与分娩开始的关系，并开发一种预测分娩开始的深度学习模型	孕妇的连续皮肤温度数据和分娩类型	机器学习	NA	深度学习	AE-LSTM	连续皮肤温度数据	91名孕妇，其中54名自发分娩，37名人工诱导分娩或剖宫产
2706	2024-11-29	The use of machine and deep learning to model the relationship between discomfort temperature and labor productivity loss among petrochemical workers 2024-Nov-25, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-20713-4 PMID:39587532	研究论文	本研究利用机器学习和深度学习算法，量化了温度不适对石化工人生产力损失的影响，并识别了关键影响因素	首次使用机器学习和深度学习算法来量化温度不适对石化工人生产力损失的影响，并识别关键影响因素	研究仅限于福建省的石化工人，结果可能不适用于其他地区或行业	量化温度不适对石化工人生产力损失的影响，并识别关键影响因素	石化工人	机器学习	NA	机器学习、深度学习	支持向量机、随机森林、极端梯度提升、高斯朴素贝叶斯、多层感知器、逻辑回归	问卷调查数据	2393名石化工人
2707	2024-11-29	Molecular identification via molecular fingerprint extraction from atomic force microscopy images 2024-Nov-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00921-1 PMID:39587659	研究论文	本文提出了一种从原子力显微镜图像中提取分子指纹并进行分子识别的新方法	使用扩展连接化学指纹（ECFP4）作为分子结构的描述符，并通过深度学习模型从原子力显微镜图像中提取这些指纹，提高了分子识别的准确性	在哈希过程中丢失了分子中某些子结构的出现次数信息	提高从原子力显微镜图像中进行分子识别的准确性	分子结构和化学信息	计算机视觉	NA	原子力显微镜（AFM）	深度学习模型	图像	理论图像的检索准确率为95.4%，实验图像的测试结果有前景
2708	2024-11-29	Dose prediction of CyberKnife Monte Carlo plan for lung cancer patients based on deep learning: robust learning of variable beam configurations 2024-Nov-25, Radiation oncology (London, England) DOI:10.1186/s13014-024-02531-5 PMID:39587661	研究论文	本文提出了一种基于深度学习的模型，用于预测肺癌患者在CyberKnife系统中使用蒙特卡罗算法计算的剂量分布	本文的创新点在于开发了一种能够处理不同射束配置的模型，并考虑了患者的解剖结构	本文未提及具体的局限性	研究目的是利用深度学习直接预测蒙特卡罗算法计算的3D剂量分布，实现快速且精确的自动计划	研究对象是肺癌患者在CyberKnife系统中的剂量分布预测	机器学习	肺癌	蒙特卡罗算法	3D U-Net网络	3D剂量分布	86名肺癌患者，其中66例用于训练/验证，20例用于测试
2709	2024-11-29	Automated Assessment of Left Ventricular Filling Pressures From Coronary Angiograms With Video-Based Deep Learning Algorithms 2024-Nov-25, JACC. Cardiovascular interventions DOI:10.1016/j.jcin.2024.07.047 PMID:39603788	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2710	2024-11-29	AI-readiness for Biomedical Data: Bridge2AI Recommendations 2024-Nov-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.23.619844 PMID:39484409	研究论文	本文介绍了美国国立卫生研究院（NIH）的Bridge2AI项目，旨在开发支持AI/ML分析的旗舰数据集，并制定AI准备度标准	提出了AI准备度标准，包括XAI和AI技术的伦理、法律和社会影响（ELSI）的考虑	领域正在迅速发展，标准需要不断更新	开发和传播支持AI/ML分析的旗舰数据集，并制定AI准备度标准	生物医学数据和AI/ML方法的标准和工具	机器学习	NA	NA	NA	数据集	NA
2711	2024-11-29	CNV-Finder: Streamlining Copy Number Variation Discovery 2024-Nov-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.22.624040 PMID:39605431	研究论文	本文介绍了一种名为CNV-Finder的新型管道，利用深度学习技术在阵列数据上集成LSTM网络，以加速大规模拷贝数变异（CNV）的识别	CNV-Finder通过集成深度学习技术，特别是LSTM网络，显著提高了CNV识别的效率和准确性	CNV-Finder在复杂基因组区域的识别中仍需依赖人类专家的反馈来提高精度	研究CNV与疾病易感性之间的关联，特别是在神经退行性疾病中的作用	研究五个与神经退行性疾病相关的基因，包括Parkin、Leucine Rich Repeat And Ig Domain Containing 2、Microtubule Associated Protein Tau、alpha-Synuclein和Amyloid Beta Precursor Protein	基因组学	神经退行性疾病	Illumina基因分型阵列	LSTM	基因组数据	包括来自Global Parkinson's Genetics Program (GP2)和额外痴呆数据库的多样化样本
2712	2024-11-29	ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI 2024-Nov-21, ArXiv PMID:39606720	研究论文	本文提出了一种基于深度学习和自动聚焦技术的磁场不均匀性估计方法，应用于高b值螺旋扩散MRI成像中	结合自动聚焦指标与深度学习，利用紧凑的基表示法来估计磁场不均匀性，无需额外外部校准即可实现高质量图像重建	NA	开发一种自动估计磁场不均匀性的数据驱动方法，以减少快速图像编码方案中的图像伪影	高b值螺旋扩散MRI中的B0不均匀性和涡流	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
2713	2024-11-29	AI-Driven Prediction of Symptom Trajectories in Cancer Care: A Deep Learning Approach for Chemotherapy Management 2024-Nov-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111172 PMID:39593830	研究论文	本研究提出了一种使用长短期记忆网络（LSTM）和卷积神经网络（CNN）预测化疗患者症状恶化的先进方法	本研究通过重新采样数据和使用CNN与LSTM模型相结合的方法，提高了症状恶化的预测准确性	模型的准确性和召回率随着时间间隔的增加而下降，尽管精确度保持相对稳定	旨在提高化疗患者症状恶化的预测准确性，以便及时干预和改善症状管理	化疗患者的症状日志数据，包括恶心、疲劳和疼痛等多种症状	机器学习	癌症	长短期记忆网络（LSTM）和卷积神经网络（CNN）	LSTM和CNN	文本	包括大约84%无症状恶化的数据，重新采样为3到7天的时间间隔
2714	2024-11-29	Food Public Opinion Prevention and Control Model Based on Sentiment Analysis 2024-Nov-20, Foods (Basel, Switzerland) DOI:10.3390/foods13223697 PMID:39594112	研究论文	本文介绍了一种基于深度学习和个性化推荐算法的食物公共舆论预防与控制（FPOPC）模型	提出了基于Stacked Autoencoder的情感预测模型和结合Pearson相关系数权重的个性化新闻推荐机制	未提及具体实验数据的局限性或模型在不同场景下的适用性	旨在通过深度学习和个性化推荐算法，准确预测和控制食物公共舆论的发展	食物公共舆论及其对食品安全和消费者信任的影响	自然语言处理	NA	深度学习	Stacked Autoencoder	文本	未提及具体样本数量
2715	2024-11-29	Explainable AI for computational pathology identifies model limitations and tissue biomarkers 2024-Nov-18, ArXiv PMID:39279830	研究论文	本文开发了一种名为HIPPO的可解释AI框架，用于计算病理学，通过系统修改组织区域生成图像反事实，以进行定量假设测试、偏差检测和模型评估	HIPPO框架能够更深入地洞察模型行为，超越传统性能指标和基于注意力的方法，发现关键组织元素驱动模型预测	NA	提高深度学习模型在数字病理学中的透明度和可靠性，促进其在临床和研究环境中的广泛应用	乳腺癌转移检测、乳腺癌和黑色素瘤的预后预测、胶质瘤中的IDH突变分类	数字病理学	NA	可解释AI	深度学习模型	图像	NA
2716	2024-11-29	Keyphrase Identification Using Minimal Labeled Data with Hierarchical Contexts and Transfer Learning 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.26.23285060 PMID:37292830	研究论文	本文提出了一种半监督的关键短语识别框架，使用最少的标注数据和分层上下文进行迁移学习	首次在临床决策支持系统子领域中提出了一种基于有限人工标注数据的关键短语识别功能框架	需要进一步验证该方法在不同领域和数据集上的泛化能力	开发一种能够从现有文献中自动识别关键短语的方法，以促进临床决策支持系统的互操作性	关键短语识别和临床决策支持系统的互操作性	自然语言处理	NA	自然语言处理技术	BiLSTM-CRF	文本	每100个合成标注文档添加2到4个人工标注文档
2717	2024-11-29	Intelligent Evaluation Method for Scoliosis at Home Using Back Photos Captured by Mobile Phones 2024-Nov-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111162 PMID:39593822	研究论文	提出了一种基于手机拍摄背部照片的脊柱侧弯智能评估方法	基于YOLOv8关键点检测模型提出了判断脊柱冠状曲度类型的算法，并提出了基于背部关键点的脊柱冠状平面评估算法和基于多尺度自动峰值检测的躯干旋转测量算法	未提及具体限制	开发一种适用于大规模筛查和康复期间动态评估的脊柱侧弯评估方法	脊柱侧弯的类型和偏差程度	计算机视觉	NA	YOLOv8, 多尺度自动峰值检测	YOLOv8	图像	使用了公共数据集和临床配对数据（手机照片和X光片）进行测试
2718	2024-11-29	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究通过整合空间转录组学和单核RNA测序数据，增强了阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析结果	本研究创新性地整合了空间转录组学和单核RNA测序数据，以增强阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析	本研究的局限性在于使用了小样本量的空间转录组学数据，尽管通过整合单核RNA测序数据进行了弥补	本研究的目的是通过整合空间转录组学和单核RNA测序数据，增强阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析	本研究主要研究对象是阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达	数字病理学	阿尔茨海默病	空间转录组学和单核RNA测序	线性混合回归模型	基因表达数据	本研究使用了来自ROS/MAP队列的436个死后大脑的背外侧前额叶皮质组织样本
2719	2024-11-29	Clinically Significant Prostate Cancer Prediction Using Multimodal Deep Learning with Prostate-Specific Antigen Restriction 2024-Nov-15, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31110530 PMID:39590160	研究论文	本研究评估了使用多模态医学数据进行深度学习分析，预测PSA≤20 ng/mL患者中临床显著性前列腺癌的准确性	本研究采用多模态深度学习方法，结合医学数据和影像数据，提高了对PSA≤20 ng/mL患者中临床显著性前列腺癌的预测准确性	尽管在PSA≤20 ng/mL的患者中预测能力有所下降，但仍具有较高的AUC值	旨在提高对PSA≤20 ng/mL患者中临床显著性前列腺癌的预测准确性，辅助医生制定治疗策略	PSA≤20 ng/mL的前列腺癌患者	机器学习	前列腺癌	深度学习分析	多模态深度学习	医学数据和影像数据	178名接受超声引导前列腺活检的患者
2720	2024-11-29	Deciphering Membrane Proteins Through Deep Learning Models by Revealing Their Locale Within the Cell 2024-Nov-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111150 PMID:39593811	研究论文	本文通过深度学习模型揭示膜蛋白在细胞内的定位	提出了一种新的方法，使用深度学习算法（如RNN和LSTM）将膜蛋白分为三个不同的位置，并引入了伪氨基酸组成（PseAAC）技术来提取蛋白质信息	研究仅使用了3000个蛋白质的数据集，可能不足以涵盖所有膜蛋白的多样性	解决现有蛋白质亚细胞定位预测器在膜蛋白上的性能不足问题	膜蛋白在细胞内的定位	机器学习	NA	伪氨基酸组成（PseAAC）	RNN和LSTM	蛋白质序列	3000个蛋白质