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
3781	2024-12-10	Sliding Window Optimal Transport for Open World Artifact Detection in Histopathology 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3383590 PMID:38557617	研究论文	本文介绍了一种用于病理学图像中开放世界伪影检测的新技术	提出了一种基于滑动窗口和最优传输的分布外检测方法，能够有效识别影响下游任务性能的伪影	未提及具体限制	开发一种能够检测病理学图像中伪影并提高深度学习模型性能的方法	病理学图像中的伪影检测	数字病理学	NA	最优传输	NA	图像	7张带有自然伪影的完整幻灯片图像
3782	2024-12-10	A Hierarchical Graph Neural Network Framework for Predicting Protein-Protein Interaction Modulators With Functional Group Information and Hypergraph Structure 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3384238 PMID:38564358	研究论文	提出了一种层次图神经网络框架HiGPPIM，用于预测蛋白质-蛋白质相互作用调节剂，结合了分子原子级和功能组级的特征	引入功能组信息和超图结构，改进了分子层次结构的建模，提高了预测性能	NA	提高小分子调节剂靶向蛋白质-蛋白质相互作用的预测准确性	蛋白质-蛋白质相互作用调节剂的预测	机器学习	NA	图神经网络	图注意力网络	图	八个PPI家族和两个预测任务
3783	2024-12-10	Dual-Channel Prototype Network for Few-Shot Pathology Image Classification 2024-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3386197 PMID:38587946	研究论文	本文提出了一种双通道原型网络（DCPN），用于病理图像的少样本分类	利用自监督学习和金字塔视觉变换器（PVT）扩展到少样本分类任务，并结合卷积神经网络构建双通道网络，提取多尺度高精度病理特征，增强原型表示的泛化能力	NA	解决病理图像分类中数据稀缺和标注困难的问题，提升少样本学习在病理领域的应用效果	病理图像的少样本分类	数字病理	NA	自监督学习	双通道原型网络（DCPN）	图像	使用了三个公开的病理数据集（CRCTP, NCTCRC, LC25000）构建了三个少样本分类任务
3784	2024-12-10	A Clinical Trial Evaluating the Efficacy of Deep Learning-Based Facial Recognition for Patient Identification in Diverse Hospital Settings 2024-Apr-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11040384 PMID:38671805	研究论文	评估基于深度学习的面部识别系统在医院环境中用于患者识别的有效性	首次系统评估医院住院患者在不同情况下使用面部识别系统的效果	未提及具体限制	评估面部识别系统在医院环境中用于患者识别的有效性和安全性	面部识别系统在不同条件下的认证分数和有效性	计算机视觉	NA	深度学习	NA	图像	100名患者，包括坐姿、仰卧、侧卧、戴口罩和不戴口罩以及夜间睡眠状态
3785	2024-12-10	Non-Invasive Biosensing for Healthcare Using Artificial Intelligence: A Semi-Systematic Review 2024-Apr-09, Biosensors DOI:10.3390/bios14040183 PMID:38667177	综述	本文综述了生物传感技术与深度学习算法结合在医疗保健中的应用	探讨了生物传感技术与深度学习算法结合在医疗保健中的应用潜力	本文为综述性文章，未涉及具体实验或数据分析	探讨生物传感技术与深度学习算法结合在医疗保健中的应用及其未来发展方向	生物传感技术与深度学习算法在医疗保健中的应用	机器学习	NA	深度学习	NA	NA	NA
3786	2024-12-10	The Role of Artificial Intelligence in the Identification and Evaluation of Bone Fractures 2024-Mar-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11040338 PMID:38671760	综述	本文综述了人工智能在骨科影像分析中识别和评估骨折的应用	探讨了当前AI方法在识别和评估骨折中的表现，并讨论了现有商业产品的局限性和未来发展方向	讨论了当前技术的局限性	探讨人工智能在骨科影像分析中的应用	骨折的识别和评估，特别是踝关节、手腕、髋部和肋骨的骨折	计算机视觉	NA	深度学习	深度学习模型	影像	NA
3787	2024-12-09	Deep learning models can predict violence and threats against healthcare providers using clinical notes 2024-Dec-05, Npj mental health research DOI:10.1038/s44184-024-00105-7 PMID:39638888	研究论文	本文训练了两种深度学习模型，用于预测医疗工作者在暴力事件发生前3天的暴力和威胁行为，使用临床笔记和结构化数据	首次使用深度学习模型预测医疗环境中的暴力事件，超越了人类专家的预测性能	NA	开发能够预测医疗工作者暴力和威胁行为的深度学习模型，以提前进行干预	医疗工作者的暴力和威胁行为	机器学习	NA	深度学习	文档分类模型和回归模型	临床笔记和结构化数据	NA
3788	2024-12-09	Federated learning based fire detection method using local MobileNet 2024-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82001-w PMID:39639063	研究论文	提出了一种基于联邦学习的室内外火灾检测方法IOFireNet，结合双边滤波和超像素自适应聚类技术，提高了火灾检测和定位的准确性	引入了基于联邦学习的IOFireNet方法，结合双边滤波和超像素自适应聚类技术，显著提高了火灾检测和分割的准确性	NA	提高火灾检测和定位的准确性，支持早期预警	火灾检测和定位	计算机视觉	NA	联邦学习	MobileNet	图像	NA
3789	2024-12-09	Deepmol: an automated machine and deep learning framework for computational chemistry 2024-Dec-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00937-7 PMID:39639396	研究论文	DeepMol 是一个用于计算化学的自动化机器学习和深度学习框架	DeepMol 通过自动化机器学习管道中的关键步骤，显著简化了计算化学中的数据预处理、特征工程和模型选择过程	NA	提供一个集成化的 AutoML 框架，用于计算化学中的分子性质/活性预测	计算化学中的分子性质/活性预测问题	机器学习	NA	AutoML	传统机器学习模型和深度学习模型	分子数据	22 个基准数据集
3790	2024-12-09	A first step towards a machine learning-based framework for bloodstain classification in forensic science 2024-Dec, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112278 PMID:39504628	研究论文	本文探讨了使用机器学习和深度学习方法在法医学中进行血迹分类的潜力	开发了一个原型分类模型，用于识别与血迹数据相关的动作	仅测试了三种血迹模式（Swing、Cessation和Impact），且模型准确率为80%	研究机器学习和深度学习在法医学血迹分类中的应用	血迹数据及其相关动作的分类	机器学习	NA	机器学习	分类模型	血迹数据	三种血迹模式（Swing、Cessation和Impact）
3791	2024-12-09	Automated Approach to Accurate, Precise, and Fast Detector Simulation and Reconstruction 2024-Nov-22, Physical review letters IF:8.1Q1 DOI:10.1103/PhysRevLett.133.211902 PMID:39642483	研究论文	本文开发了一种自动化方法，通过深度学习模型加速粒子物理中的探测器模拟和重建过程	本文提出了一种结合探测器模拟和重建的深度学习模型，旨在减少资源利用并实现快速替代模型	NA	解决粒子物理中探测器模拟和重建的计算瓶颈问题	粒子探测器中的粒子流模拟和重建	机器学习	NA	深度学习	神经网络	点云	使用公开的CMS实验数据集进行验证
3792	2024-12-09	Machine-learning based prediction of future outcome using multimodal MRI during early childhood 2024-Nov, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2024.101561 PMID:39528363	review	本文综述了基于多模态MRI的机器学习和深度学习方法在预测早期儿童未来发展结果中的应用	探讨了多模态MRI在增强区分能力和提供更全面洞察方面的潜力，并强调了机器学习方法在早期检测和个性化干预中的应用	NA	探讨机器学习方法在利用早期儿童多模态MRI信息预测未来神经发育和临床结果中的应用	早期儿童的大脑发育和神经发育及精神健康结果	machine learning	NA	多模态磁共振成像（MRI），包括结构MRI（sMRI）、扩散MRI（dMRI）、功能MRI（fMRI）和灌注MRI（pMRI）	机器学习和深度学习	多模态MRI数据	NA
3793	2024-12-09	Improved Robustness for Deep Learning-based Segmentation of Multi-Center Myocardial Perfusion MRI Datasets Using Data Adaptive Uncertainty-guided Space-time Analysis 2024-Aug-09, ArXiv PMID:39148930	研究论文	本文提出了一种数据自适应不确定性引导的时空分析方法，用于提高多中心心肌灌注MRI数据集的深度学习分割算法的鲁棒性	本文提出了一种数据自适应不确定性引导的时空分析方法（DAUGS），通过使用时空滑动补丁分析和不确定性映射，自动选择最佳分割结果，从而提高多中心数据集的鲁棒性	NA	开发一种能够分析多中心数据集的深度学习技术，尽管训练数据有限且软件和硬件存在差异	心肌灌注MRI数据集	计算机视觉	心血管疾病	深度学习	U-Net	图像	150名受试者，21,150张首次通过图像
3794	2024-12-09	A modular, cost-effective, versatile, open-source operant box solution for long-term miniscope imaging, 3D tracking, and deep learning behavioral analysis 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102721 PMID:38660044	研究论文	本文介绍了一种模块化、经济实惠、多功能的开源操作箱解决方案，适用于长期微型显微镜成像、3D跟踪和深度学习行为分析	提出了一种定制化的操作箱设计，优化了长期微型显微镜记录，并支持自定义或典型的med-associates风格配件	建议批量生产以有效利用某些组件的批量订购	开发一种适用于长期微型显微镜成像和行为分析的操作箱解决方案	操作箱的设计和构建方法	NA	NA	NA	NA	NA	NA
3795	2024-12-09	Drug-Online: an online platform for drug-target interaction, affinity, and binding sites identification using deep learning 2024-Apr-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05783-w PMID:38641811	研究论文	本文介绍了一个名为Drug-Online的在线平台，用于药物-靶点相互作用、亲和力和结合位点的识别	Drug-Online是首个集成药物-靶点相互作用、亲和力和结合位点识别的在线平台	NA	开发一个集成药物-靶点相互作用、亲和力和结合位点识别的在线平台，以促进药物筛选、靶点识别和靶点功能理解	药物-靶点相互作用、亲和力和结合位点	机器学习	NA	图神经网络（GNN）和卷积神经网络（CNN）	GNN和CNN	NA	NA
3796	2024-12-09	Haplotype function score improves biological interpretation and cross-ancestry polygenic prediction of human complex traits 2024-04-19, eLife IF:6.4Q1 DOI:10.7554/eLife.92574 PMID:38639992	研究论文	提出了一种新的框架用于人类遗传关联研究，通过深度学习模型计算功能基因组活性评分，并应用于14种复杂性状的分析	引入了一种新的Haplotype Function Score (HFS)评分，取代了传统的单核苷酸多态性(SNP)分析，显著提高了因果关联的发现和生物学解释	NA	改进人类复杂性状的遗传关联研究和跨祖先的多基因预测	14种复杂性状的遗传关联	机器学习	NA	深度学习模型	Sei	基因组数据	UK Biobank中的个体数据
3797	2024-12-09	Deep learning prediction of renal anomalies for prenatal ultrasound diagnosis 2024-04-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59248-4 PMID:38641713	研究论文	研究探讨了深度学习模型在产前超声诊断中预测胎儿肾脏异常的应用	提出了适应性的两类表示和多类模型解释方法，并使用可解释AI工具Grad-CAM和HiResCAM来分析模型预测	NA	探索深度学习在早期检测胎儿肾脏异常中的应用	胎儿肾脏异常的产前超声图像	计算机视觉	肾脏疾病	深度学习	多类模型	图像	969张超声图像，包括646张对照图像和323张肾脏异常图像
3798	2024-12-09	Deep learning-enabled detection of rare circulating tumor cell clusters in whole blood using label-free, flow cytometry 2024-04-16, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00694h PMID:38456773	研究论文	本文介绍了一种基于深度学习的无标记流式细胞术，用于在全血中检测罕见的循环肿瘤细胞簇	本文扩展了基于深度学习的峰值检测和分类模型，用于检测全血数据中的循环肿瘤细胞簇，相比传统的机器学习方法，具有更低的误报率和更高的检测精度	本文未详细讨论该技术的临床应用和实际操作中的挑战	开发一种高效、无标记的方法来检测全血中的循环肿瘤细胞簇，以作为转移性肿瘤的潜在生物标志物	循环肿瘤细胞簇	机器学习	NA	流式细胞术	深度学习	全血数据	未明确提及具体样本数量
3799	2024-12-09	FiTMuSiC: leveraging structural and (co)evolutionary data for protein fitness prediction 2024-04-16, Human genomics IF:3.8Q2 DOI:10.1186/s40246-024-00605-9 PMID:38627807	研究论文	本文介绍了一种新的蛋白质适应性预测工具FiTMuSiC，利用结构、进化和共进化信息进行预测	FiTMuSiC在第六轮基因组解释挑战（CAGI6）中表现优异，预测准确性高，且模型简单，能够与复杂的深度学习模型如AlphaMissense相媲美	NA	系统预测突变对蛋白质适应性的影响，以理解遗传疾病	蛋白质适应性预测	生物信息学	NA	NA	NA	结构数据、进化数据、共进化数据	涉及多个蛋白质目标，如羟甲基胆红素合酶（HMBS）和人类葡萄糖激酶（GCK）
3800	2024-12-09	Deep learning predictions of TCR-epitope interactions reveal epitope-specific chains in dual alpha T cells 2024-Apr-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47461-8 PMID:38615042	研究论文	研究开发了一种名为MixTCRpred的深度学习模型，用于预测TCR与表位的相互作用，并揭示了双α链T细胞中的表位特异性链	开发了MixTCRpred模型，能够准确预测TCR识别多种病毒和癌症表位，并提供了多重单细胞TCR测序的质量控制工具	NA	开发一种工具来预测TCR与特定表位的相互作用，并解释来自批量和表位特异性T细胞的TCR测序数据	TCR与表位的相互作用，以及双α链T细胞中的表位特异性链	机器学习	NA	深度学习	深度学习模型	序列数据	17,715个αβTCR与数十个I类和II类表位的相互作用数据