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
4141	2024-11-04	Spatiotemporal wind speed forecasting using conditional local convolution and multidimensional meteorology features 2024-Oct-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78303-8 PMID:39482387	研究论文	研究提出了一种改进的条件局部卷积循环网络模型，用于提高时空风速预测的准确性	通过重新设计卷积核来更好地捕捉局部气象特征，并整合多个影响因素，解决了传统模型中影响权重结构均匀的问题	NA	提高风速预测的准确性，以支持风能预测和减少维护成本	高地区域的风速预测	机器学习	NA	条件局部卷积循环网络	CLCRN	多维气象数据	2019年至2021年的气象站数据
4142	2024-11-02	Author Correction: Radiomic and deep learning analysis of dermoscopic images for skin lesion pattern decoding 2024-Oct-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76644-y PMID:39482409	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4143	2024-11-04	sRNAdeep: a novel tool for bacterial sRNA prediction based on DistilBERT encoding mode and deep learning algorithms 2024-Oct-31, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10951-6 PMID:39482572	研究论文	本文介绍了一种基于DistilBERT编码模式和深度学习算法的细菌sRNA预测工具sRNAdeep	sRNAdeep结合了DistilBERT特征提取和TextCNN方法，相比之前的sRNA预测工具，在各种指标上表现更好	NA	开发一种更精确的细菌sRNA预测工具	细菌sRNA及其调控的基因	自然语言处理	NA	DistilBERT, TextCNN	深度学习模型	文本	验证数据集包含2438个正样本和4730个负样本
4144	2024-11-04	Construction of a combined prognostic model for pancreatic ductal adenocarcinoma based on deep learning and digital pathology images 2024-Oct-31, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-024-03469-4 PMID:39482576	研究论文	本研究构建了一个基于深度学习和数字病理图像的胰腺导管腺癌联合预后模型	本研究的创新点在于结合深度学习提取的病理图像特征和临床预测指标，构建了一个联合预后模型，提高了预测准确性	本研究的局限性在于样本量较小，且为回顾性分析	本研究旨在构建一个联合预后模型，评估其对胰腺导管腺癌生存预后的预测价值	本研究的研究对象为142例术后病理确诊的胰腺导管腺癌病例	数字病理	胰腺癌	深度学习	联合模型	图像	142例胰腺导管腺癌病例
4145	2024-11-04	Prediction of femoral head collapse in osteonecrosis using deep learning segmentation and radiomics texture analysis of MRI 2024-Oct-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02722-w PMID:39482688	研究论文	本研究旨在基于磁共振成像（MRI）的影像组学分析，构建一个自动预测股骨头坏死（ONFH）中股骨头塌陷的流程	本研究首次结合深度学习分割模型和影像组学纹理分析，自动预测股骨头坏死中的股骨头塌陷	需要进一步研究以确定该方法的临床适用性及其在治疗决策中的潜在作用	构建一个自动预测股骨头坏死中股骨头塌陷的流程	股骨头坏死中的股骨头塌陷	计算机视觉	骨科疾病	影像组学分析	深度学习模型	MRI图像	222例股骨头MRI图像用于分割模型开发，206例用于预后预测模型开发
4146	2024-11-04	A modified deep learning method for Alzheimer's disease detection based on the facial submicroscopic features in mice 2024-Oct-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01305-0 PMID:39482695	研究论文	本文提出了一种改进的深度学习方法，用于基于小鼠面部亚微观特征检测阿尔茨海默病	开发并优化了一种多层循环残差卷积神经网络模型，专门用于识别小鼠面部图像中的AD相关亚微观特征	研究仅限于小鼠实验，尚未在人类中验证	验证基于小鼠面部图像的深度学习模型在阿尔茨海默病检测中的可行性和准确性	小鼠面部图像中的阿尔茨海默病相关亚微观特征	计算机视觉	阿尔茨海默病	深度学习	多层循环残差卷积神经网络	图像	两组小鼠：正常对照组和阿尔茨海默病组
4147	2024-11-04	Enhancing the differential diagnosis of small pulmonary nodules: a comprehensive model integrating plasma methylation, protein biomarkers, and LDCT imaging features 2024-Oct-31, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05723-5 PMID:39482707	研究论文	本研究提出了一种综合模型，通过整合血浆甲基化、蛋白质生物标志物和低剂量CT（LDCT）影像特征，以提高小肺结节的鉴别诊断	本研究的创新点在于整合了多种分子和影像特征，开发了一种基于深度学习的分类器，显著提高了肺结节的良恶性鉴别准确性	本研究的局限性在于样本量相对较小，且未涵盖所有可能的肺结节类型	本研究旨在提高小肺结节的良恶性鉴别诊断准确性	本研究的对象是直径在5-30毫米之间的肺结节	数字病理学	肺癌	甲基化测序、蛋白质分析、CT成像	深度学习	甲基化数据、蛋白质数据、影像数据	419名参与者
4148	2024-11-04	[Small-scale cross-layer fusion network for classification of diabetic retinopathy] 2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403016 PMID:39462652	研究论文	本文提出了一种改进的残差网络模型，用于对糖尿病视网膜病变进行五级分类	通过在残差网络的第一层使用三个较小的卷积替代单个卷积以减少计算负荷，引入混合注意力机制以关注病变的关键特征，并使用跨层融合卷积替代传统残差结构以更好地提取病变形态特征	NA	提高糖尿病视网膜病变的分类准确性和辅助诊断效率	糖尿病视网膜病变的五级分类	计算机视觉	糖尿病视网膜病变	深度学习	残差网络	图像	APTOS2019数据集
4149	2024-11-04	[Construction of a prediction model for induction of labor based on a small sample of clinical indicator data] 2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403033 PMID:39462670	研究论文	本研究旨在基于小样本临床指标数据构建引产结果预测模型	使用最大信息系数（MIC）进行特征选择，并比较了基于小样本的支持向量机（SVM）模型与基于大样本的全连接神经网络（FCNN）模型在引产结果预测中的表现	研究样本量较小，仅包含90名孕妇的数据	分析与引产相关的临床指标，并开发和评估基于小样本数据的预测模型	引产结果的预测	机器学习	NA	支持向量机（SVM），最大信息系数（MIC）	支持向量机（SVM），全连接神经网络（FCNN）	临床指标数据	90名孕妇
4150	2024-11-04	[Research progress of breast pathology image diagnosis based on deep learning] 2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202311061 PMID:39462677	研究论文	本文综述了基于深度学习的乳腺病理图像诊断的研究进展	深度学习技术在乳腺病理图像分类任务中优于传统检测方法	讨论了深度学习在乳腺癌症病理图像诊断中的挑战和未来展望	综述深度学习在乳腺病理图像诊断中的应用进展	乳腺病理图像的多尺度特征提取、细胞特征分析和分类	数字病理	乳腺癌	深度学习	NA	图像	NA
4151	2024-11-04	[Research progress on electronic health records multimodal data fusion based on deep learning] 2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202310011 PMID:39462676	综述	本文介绍了基于深度学习的电子健康记录多模态数据融合的方法和发展趋势	本文总结了不同医疗模态数据融合的深度学习方法，并讨论了多模态医疗数据融合的难点和发展方向	NA	探讨基于深度学习的电子健康记录多模态数据融合方法及其在临床应用中的潜力	电子健康记录中的结构化数据、图像和文本等多模态数据	机器学习	NA	深度学习	NA	多模态数据	NA
4152	2024-11-04	[Advances in the diagnosis of prostate cancer based on image fusion] 2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202403054 PMID:39462678	综述	本文综述了近年来国内外关于医学图像融合的相关文献，分类介绍了图像融合技术，并分析比较了传统融合算法和深度学习融合算法的原理和工作流程	本文总结了图像融合算法的优缺点，并展望了医学图像融合算法的未来发展趋势	NA	全面研究医学图像融合方法	前列腺癌的诊断	数字病理学	前列腺癌	图像融合	深度学习	图像	NA
4153	2024-11-04	[A review on depth perception techniques in organoid images] 2024-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202404036 PMID:39462675	综述	本文综述了器官芯片图像深度感知技术，介绍了器官芯片培养机制及其在深度感知中的应用概念，并回顾了四种深度感知算法的关键进展	本文总结了多种器官图像的深度感知技术，并展望了基于深度学习方法的器官芯片的未来发展趋势	NA	促进深度感知技术在器官芯片图像中的应用	器官芯片图像的深度感知技术	计算机视觉	NA	深度学习算法	深度模型	图像	NA
4154	2024-11-04	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618559 PMID:39463944	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象及其蛋白质相互作用	本研究通过AlphaFold2模型探索了电压门控钠通道的多种构象，包括实验结构中未发现的新状态和潜在的中间状态，并准确模拟了钠通道α亚基与辅助β亚基和钙调蛋白的相互作用	本研究主要集中在利用AlphaFold2进行构象采样和蛋白质相互作用建模，未涉及实验验证	探索电压门控钠通道的构象多样性和蛋白质相互作用，以期为药物发现提供新的见解	电压门控钠通道及其α亚基、辅助β亚基和钙调蛋白的相互作用	结构生物学	NA	AlphaFold2	深度学习模型	蛋白质序列	NA
4155	2024-11-04	Evaluating Medical Entity Recognition in Health Care: Entity Model Quantitative Study 2024-Oct-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/59782 PMID:39419501	研究论文	本文评估了在医疗文本分析中各种命名实体识别（NER）模型的性能，特别关注复杂医学术语对实体识别准确性的影响	本文创新性地探讨了宏观因素对模型性能的影响，并提出了通过精确数据定位和微调来优化模型的方法	本文主要集中在模型性能的评估，未深入探讨实际应用中的部署和维护问题	旨在细致评估不同NER模型在医疗文本分析中的性能，并探讨宏观因素对模型性能的影响	评估了7种NER模型在3个医疗数据集上的预测准确性、资源使用情况及超参数微调的影响	自然语言处理	NA	双向编码器表示从变换器（BERT）	BERT	文本	3个医疗数据集：Revised Joint Workshop on Natural Language Processing in Biomedicine and its Applications (JNLPBA), BioCreative V CDR, 和 Anatomical Entity Mention (AnatEM)
4156	2024-11-04	Radiomics and Clinical Data for the Diagnosis of Incidental Pulmonary Nodules and Lung Cancer Screening: Radiolung Integrative Predictive Model 2024-Oct, Archivos de bronconeumologia IF:8.7Q1 DOI:10.1016/j.arbres.2024.05.027 PMID:38876917	研究论文	研究评估了将临床数据与基于深度学习的放射组学模型结合用于预测肺结节恶性程度的效果	首次将临床数据与深度学习放射组学模型结合，提高了肺结节恶性程度的预测性能	研究样本量较小，可能影响结果的普适性	提高肺结节和肺癌的早期诊断准确性	肺结节和肺癌的恶性程度预测	计算机视觉	肺癌	深度学习	卷积神经网络	图像	97个肺结节，来自93名患者
4157	2024-11-04	scCaT: An explainable capsulating architecture for sepsis diagnosis transferring from single-cell RNA sequencing 2024-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012083 PMID:39432561	研究论文	本文介绍了一种名为scCaT的深度学习框架，用于脓毒症诊断，结合了胶囊架构和Transformer模型，利用单细胞RNA测序数据进行模型训练，并将其迁移到批量RNA数据上	scCaT框架通过胶囊架构将基因按生物功能分组，提供了基因表达编码的可解释性，并利用Transformer作为解码器进行脓毒症患者和对照组的分类	NA	开发一种可解释的深度学习模型，用于脓毒症诊断，并将其从单细胞RNA测序数据迁移到批量RNA数据	脓毒症患者和对照组的分类	机器学习	脓毒症	单细胞RNA测序	胶囊架构和Transformer	RNA测序数据	单细胞测试集和七个批量RNA队列
4158	2024-11-04	GGN-GO: geometric graph networks for predicting protein function by multi-scale structure features 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae559 PMID:39487084	研究论文	提出了一种几何图网络（GGN-GO）用于通过多尺度结构特征预测蛋白质功能	通过几何向量感知器将原子和残基级别的多尺度几何结构特征转换为向量表示，并引入图注意力池化层和对比学习增强图表示的判别能力	未提及	解决传统方法在蛋白质功能注释中的成本和时间问题，以及现有深度学习方法在捕捉细粒度几何结构特征和长程依赖性方面的不足	蛋白质功能预测	机器学习	NA	几何图网络（GGN-GO）	图卷积网络（GCN）	蛋白质结构数据	未提及
4159	2024-11-04	Graph contrastive learning as a versatile foundation for advanced scRNA-seq data analysis 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae558 PMID:39487083	研究论文	本文提出了一种基于图对比学习的新框架scSimGCL，用于单细胞RNA测序数据的细胞聚类分析	scSimGCL结合了细胞-细胞图结构和对比学习，显著提升了细胞聚类的性能	NA	开发一种简单而有效的框架，用于生成高质量的表示，以支持稳健的细胞聚类	单细胞RNA测序数据中的细胞聚类	机器学习	NA	图对比学习	图神经网络	单细胞RNA测序数据	涉及模拟和真实单细胞RNA测序数据集
4160	2024-11-04	Radiomics in breast cancer: Current advances and future directions 2024-Sep-17, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101719 PMID:39293402	综述	本文综述了放射组学在乳腺癌中的应用现状及未来发展方向	本文探讨了放射组学在乳腺癌研究中的创新应用，特别是放射多组学研究如何弥合表型和微观尺度信息之间的差距	本文指出了当前放射组学模型在临床应用中存在的不足，并讨论了其原因	总结放射组学在预测临床病理指标和临床结果中的应用，并提出未来研究方向	乳腺癌及其临床应用中的放射组学模型	机器学习	乳腺癌	放射组学	NA	图像	NA