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
3501	2024-12-14	Prediction of Human Papillomavirus-Host Oncoprotein Interactions Using Deep Learning 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241304666 PMID:39664297	研究论文	本研究开发了一种深度学习模型，用于预测人乳头瘤病毒（HPV）与宿主癌蛋白之间的相互作用	本研究首次使用深度学习模型预测HPV与宿主蛋白的相互作用，相比传统方法更高效	本研究的局限性在于仅使用了Eckhardt等人的数据集，可能存在数据偏差	开发一种高效的计算模型来预测HPV与宿主蛋白的相互作用	HPV 31和18的E6和E7蛋白与宿主癌蛋白AKT、IQGAP1和MMP16的相互作用	机器学习	宫颈癌	深度学习	RNN	蛋白质相互作用数据	使用了Eckhardt等人提供的HPV与宿主蛋白相互作用数据
3502	2024-12-14	Language task-based fMRI analysis using machine learning and deep learning 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1495181 PMID:39664795	研究论文	本研究探讨了使用机器学习和深度学习算法对基于任务的语言功能磁共振成像（fMRI）数据进行分类，以识别与语言相关的大脑区域	本研究首次将机器学习和深度学习方法应用于基于任务的语言fMRI数据分析，特别是针对非结构化fMRI范式的语言区域识别	本研究的样本量较小，且仅使用了七种任务范式，可能限制了结果的普适性	研究目的是评估不同机器学习和深度学习算法在基于任务的语言fMRI数据分类中的有效性	研究对象是基于任务的语言fMRI数据，用于识别与语言相关的大脑区域	机器学习	NA	功能磁共振成像（fMRI）	机器学习（ML）和深度学习（DL）	时间序列	26名个体
3503	2024-12-14	Deep learning based landmark detection for measuring hock and knee angles in sows 2024, Translational animal science IF:1.3Q3 DOI:10.1093/tas/txad033 PMID:39664862	研究论文	本文提出了一种基于深度学习的视觉方法，用于自动从母猪图像中确定跗关节和膝关节角度	本文创新性地使用深度学习模型来自动检测母猪图像中的关键身体标志，并通过三角公式计算跗关节和膝关节角度，实现了自动化测量	NA	开发一种自动化的方法来测量母猪的跗关节和膝关节角度，以优化母猪繁殖单元的管理	母猪的跗关节和膝关节角度	计算机视觉	NA	深度学习	深度学习模型	图像	NA
3504	2024-12-14	Development of a deep learning model for automatic detection of narrowed intervertebral disc space sites in caudal thoracic and lumbar lateral X-ray images of dogs 2024, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2024.1453765 PMID:39664893	研究论文	本研究开发了一种深度学习模型，用于自动检测狗的胸腰椎侧位X光片中椎间盘空间狭窄的部位	首次使用大核一维卷积神经网络量化椎间盘空间距离并检测狭窄部位	样本量相对较小，且仅限于胸腰椎侧位X光片	开发一种自动检测狗椎间盘空间狭窄的深度学习模型，辅助椎间盘疾病的初步筛查和病变定位	狗的胸腰椎侧位X光片中的椎间盘空间狭窄	计算机视觉	犬科疾病	深度学习	一维卷积神经网络	图像	241张胸腰椎侧位X光片，来自142只狗
3505	2024-12-14	AppleLeafNet: a lightweight and efficient deep learning framework for diagnosing apple leaf diseases 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1502314 PMID:39665107	研究论文	本文设计了一种轻量级深度学习框架AppleLeafNet，用于诊断苹果叶病害	提出了一种轻量级深度学习模型，通过两阶段框架实现苹果叶健康状况和病害的分类，相比其他预训练模型具有更少的可学习参数	未提及具体的研究局限性	开发一种高效的深度学习框架，用于准确识别苹果叶病害	苹果叶的健康状况和病害类型	计算机视觉	NA	深度学习	深度学习模型	图像	使用了一个在线可用的数据集进行验证
3506	2024-12-14	Interpretable Diabetic Retinopathy Diagnosis Based on Biomarker Activation Map 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3290541 PMID:37405891	研究论文	本文介绍了一种基于生成对抗学习的生物标志物激活图（BAM）框架，用于解释基于光学相干断层扫描（OCT）和其血管造影（OCTA）的糖尿病视网膜病变（DR）自动诊断	提出了一个新颖的生物标志物激活图（BAM）框架，通过生成对抗学习使分类器的决策过程可解释	NA	开发一种可解释的糖尿病视网膜病变诊断方法，帮助临床医生验证和理解分类器的决策	糖尿病视网膜病变（DR）的自动诊断	机器学习	糖尿病视网膜病变	生成对抗学习	生成对抗网络（GAN）	图像	456个黄斑扫描数据
3507	2024-12-14	A Novel Approach Analysing the Dynamic Brain Functional Connectivity for Improved MCI Detection 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3294511 PMID:37436866	研究论文	本研究提出了一种新的动态脑功能连接分析方法，用于改进轻度认知障碍的检测	本研究提出了几种新的特征用于动态脑功能连接分析，并展示了其在轻度认知障碍检测中的优越性能	本研究未详细讨论所提出方法在计算效率和可解释性方面的改进	探索动态脑功能连接分析中几种新特征的可行性，以实现可靠的轻度认知障碍检测	健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的动态脑功能连接	机器学习	老年疾病	功能磁共振成像	支持向量机	图像	包含健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的公共静息态功能磁共振成像数据集
3508	2024-12-14	Image-Decomposition-Enhanced Deep Learning for Detection of Rotor Cores in Cardiac Fibrillation 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3292383 PMID:37440380	研究论文	本研究开发了一种基于图像分解增强的深度学习框架，用于自动识别心房颤动中的转子核心	采用集成经验模态分解算法（EEMD）对原始图像进行分解，并将最具代表性的成分输入YOLO目标检测架构进行转子检测	NA	开发一种自动识别心房颤动中转子核心的深度学习框架	心房颤动中的转子核心	计算机视觉	心血管疾病	集成经验模态分解算法（EEMD）	YOLO	图像	来自双域模拟模型的模拟数据和从离体兔心中获取的光学映射数据
3509	2024-12-14	Location-Aware Encoding for Lesion Detection in 68Ga-DOTATATE Positron Emission Tomography Images 2024-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3297249 PMID:37471190	研究论文	本文提出了一种新的单阶段病变检测方法，使用68Ga-DOTATATE正电子发射断层扫描（PET）图像进行病变检测	本文创新性地设计了一个可插拔的代码本学习模块，并将其集成到U-Net类似的神经网络中，以促进多尺度病变位置特定特征学习	NA	开发一种高效的单阶段病变检测方法，以提高神经内分泌肿瘤（NETs）患者的治疗效果	68Ga-DOTATATE PET图像中的病变检测	计算机视觉	神经内分泌肿瘤	深度学习	U-Net	图像	NA
3510	2024-12-14	A neural machine translation method based on split graph convolutional self-attention encoding 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1886 PMID:39669465	研究论文	提出了一种基于分割图卷积自注意力编码的神经机器翻译方法，以更好地利用句法依赖关系并降低模型复杂度	提出了基于分割图卷积自注意力编码（SGSE）的新方法，结合了分割自注意力网络和句法语义自注意力网络，有效利用了非欧几里得空间中的句法依赖关系	未提及具体的局限性	提高跨语言协作团队成员之间的沟通效率	跨语言协作团队中的沟通效率	自然语言处理	NA	神经机器翻译（NMT）	分割图卷积自注意力编码（SGSE）	文本	多个标准数据集以及涉及团队协作和企业管理场景的数据集
3511	2024-12-13	Improving genome-scale metabolic models of incomplete genomes with deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111349 PMID:39660058	研究论文	本文提出了一种基于深度神经网络的代谢途径填补方法，用于改进不完整基因组的基因组尺度代谢模型	本文引入了深度神经网络引导的代谢途径填补方法（DNNGIOR），通过学习不同细菌基因组中代谢反应的存在与缺失来提高填补效果	NA	改进不完整基因组的基因组尺度代谢模型	微生物代谢模型中的代谢反应填补	机器学习	NA	深度学习	深度神经网络	基因组数据	涉及多种细菌基因组
3512	2024-12-13	IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40606 PMID:39660181	研究论文	本研究利用迁移学习和深度学习技术，通过卷积神经网络对印度尼西亚药用植物进行分类识别	首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类，并比较了多种深度学习模型的性能	实验仅使用了图像数据，未考虑其他类型的数据（如文本描述），且样本量相对较小	开发一种自动化的方法来识别印度尼西亚药用植物，以促进传统医学实践和农业发展	印度尼西亚的药用植物	计算机视觉	NA	迁移学习，卷积神经网络	CNN	图像	一个包含印度尼西亚药用植物图像的广泛数据集，经过手动精心挑选
3513	2024-12-13	Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis 2024-Dec-12, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae204 PMID:39365026	研究论文	本研究使用深度学习技术评估了肉毒杆菌毒素A（BoNT-A）注射对面部表情的影响	首次使用卷积神经网络（CNN）基于面部情感识别系统客观测量BoNT-A注射对面部表情的影响	需要进一步研究以理解这些变化更广泛的影响	客观测量BoNT-A注射对面部表情的影响	BoNT-A注射对面部表情的影响	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	180名年龄在25至60岁之间的患者
3514	2024-12-13	Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model 2024-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992c PMID:39622083	研究论文	本文提出了一种基于时间重分配多同步挤压变换（TMSST）和CNN-BiLSTM-Attention机制模型的数字孪生系统，用于脑电图（EEG）癫痫发作预测	创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型，提取患者特定的脉冲特征并进行癫痫发作预测	NA	研究目的是开发一种高效的数字孪生系统，用于脑电图癫痫发作预测	研究对象是脑电图数据和癫痫发作预测	机器学习	神经疾病	时间重分配多同步挤压变换（TMSST）	CNN-BiLSTM-Attention机制模型	脑电图（EEG）数据	22名患者
3515	2024-12-13	Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63892 PMID:39661975	研究论文	本研究评估了GPT-4在分类癌症患者电话咨询目的方面的表现，并将其与LSTM和BERT等判别模型的表现进行了比较	GPT-4在处理复杂和模糊查询方面表现出色，无需大量重新训练，显著优于传统的LSTM和BERT模型	需要进一步优化提示设计和类别定义，以充分发挥GPT-4在实际医疗应用中的潜力	评估GPT-4在分类癌症患者电话咨询目的方面的表现，并探索其在医疗环境中的应用潜力	癌症患者的电话咨询数据	自然语言处理	癌症	GPT-4	GPT-4	文本	430,355条来自2016年至2020年癌症患者电话咨询的句子
3516	2024-12-13	Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis 2024-Dec-11, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.09.0256 PMID:39662033	研究论文	本研究旨在验证人类补偿储备算法是否可应用于犬类，并探讨简化波形分析预测失血量的可行性	开发了一种基于犬类动脉波形特征的失血量预测模型（cBLVM），并展示了其在预测犬类出血性休克中的优越性	研究样本量较小，仅包括6只犬类，可能影响结果的普适性	验证人类补偿储备算法在犬类中的适用性，并开发一种简化的波形分析方法来预测失血量	犬类出血性休克模型中的失血量预测	机器学习	NA	机器学习	深度学习（hCRM-DL）和机器学习（hCRM-ML）	波形	6只经过麻醉的犬类
3517	2024-12-13	Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01364-8 PMID:39663317	研究论文	本文提出了一种基于深度学习的框架，用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织，并展示了其在临床应用中的潜力	本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集，并展示了多种深度学习模型架构和训练配置的实验结果	NA	开发一种自动化的语义分割方法，以增强乳腺X光图像在临床应用中的分析能力	乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织	计算机视觉	乳腺癌	深度学习	语义分割模型	图像	最大的专门用于乳腺X光图像分割关键解剖结构的数据集
3518	2024-12-13	A Neural Network for Segmenting Tumours in Ultrasound Rectal Images 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01358-6 PMID:39663316	研究论文	本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型	创新点在于使用全局注意力解码器替代传统的卷积解码器，并结合有效的通道信息融合进行多尺度信息整合	NA	设计一种能够准确识别和分割超声图像中直肠肿瘤的方法，以辅助医生进行直肠癌诊断	超声直肠图像中的肿瘤	计算机视觉	直肠癌	深度学习	神经网络	图像	53名患者（173张图像）用于测试，195名患者（1247张图像）用于训练，20名患者（87张图像）用于验证
3519	2024-12-13	Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01345-x PMID:39663320	研究论文	本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量	首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能	研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果	探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量	直肠癌患者的T2加权成像	计算机视觉	直肠癌	深度学习重建	NA	图像	52名直肠癌患者
3520	2024-12-13	Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01373-7 PMID:39663321	研究论文	本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析	首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位	NA	开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预	癌症患者的腹部/骨盆CT扫描图像	计算机视觉	NA	CT	Swin UNETR	图像	200例癌症患者的腹部/骨盆CT扫描