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
4581	2024-10-27	Integrated image-based deep learning and language models for primary diabetes care 2024-Oct, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03139-8 PMID:39030266	研究论文	开发了一种结合图像深度学习和语言模型的集成系统，用于初级糖尿病护理和糖尿病视网膜病变筛查	结合了大型语言模型和图像深度学习，提供个性化的糖尿病管理建议，并在实际应用中显示出改善患者自我管理和遵从性的效果	仅在一个中心进行了真实世界的研究，需要进一步的多中心验证	提高初级糖尿病护理和糖尿病视网膜病变筛查的效率和质量	初级糖尿病护理和糖尿病视网膜病变筛查	机器学习	糖尿病	深度学习	Transformer	图像和文本	397名未辅助的初级保健医生患者和372名辅助的初级保健医生患者
4582	2024-10-27	Traversing chemical space with active deep learning for low-data drug discovery 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00697-2 PMID:39333789	研究论文	本文研究了在低数据药物发现中使用主动深度学习进行化学空间探索	提出了一种结合主动学习和深度学习的方法，用于在低数据情况下进行药物发现，并展示了其在命中率上的显著提升	研究中存在一些未知的限制因素，如最佳计算策略、与传统非迭代方法的比较以及在低数据场景中的应用	探讨在低数据药物发现中使用主动深度学习的有效性	分析了六种主动学习策略与两种深度学习架构在三种大规模分子库上的应用	机器学习	NA	主动学习	深度学习	分子库	三种大规模分子库
4583	2024-10-27	Generalizing deep learning electronic structure calculation to the plane-wave basis 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00701-9 PMID:39363113	研究论文	本文提出了一种从平面波密度泛函理论结果中直接计算原子轨道哈密顿矩阵的实空间重构方法	克服了先前神经网络仅兼容原子轨道基的局限性，实现了与平面波基的兼容	NA	旨在将平面波方法的优势整合到深度学习电子结构方法中	电子结构计算中的哈密顿矩阵	机器学习	NA	密度泛函理论 (DFT)	深度神经网络	电子结构数据	NA
4584	2024-10-13	Effectively detecting anomalous diffusion via deep learning 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00705-5 PMID:39394500	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4585	2024-10-27	Subject-aware PET Denoising with Contrastive Adversarial Domain Generalization 2024 Oct-Nov, IEEE Nuclear Science Symposium conference record. Nuclear Science Symposium DOI:10.1109/nss/mic/rtsd57108.2024.10656150 PMID:39445307	研究论文	本文提出了一种对比对抗学习框架，用于PET图像的去噪和领域泛化	引入了对比对抗学习框架，结合UNet去噪模块和对比判别器，以提取与受试者无关的特征	未提及具体限制	提高PET图像去噪性能，减少受试者间的变异性	PET图像的去噪和领域泛化	计算机视觉	NA	深度学习	UNet	图像	97个F-MK6240 tau PET研究，每个研究有20个噪声实现，训练、验证和测试分别使用1400、120和420对3D图像体积
4586	2024-10-27	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2024-Sep-03, ArXiv PMID:39279836	研究论文	本文提出了一种基于病灶感知的图神经网络（LEGNet），用于预测中风后失语症患者的语言能力	该模型整合了边缘学习模块、病灶编码模块和子图学习模块，利用功能相似性进行预测，并在两个不同的数据集上展示了优越的泛化能力	NA	旨在通过静息态功能磁共振成像（rs-fMRI）连接预测中风后失语症患者的语言能力	中风后失语症患者的语言能力	计算机视觉	中风	静息态功能磁共振成像（rs-fMRI）	图神经网络（GNN）	图像	使用来自人类连接组项目（HCP）的合成数据进行超参数调优和模型预训练，并在一个包含中风后失语症患者的内部神经影像数据集上进行10折交叉验证评估
4587	2024-10-27	Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities 2024-Sep, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03427-6 PMID:39107521	研究论文	本文评估了一种基于深度学习的脑电图（EEG）监测方法，用于新生儿缺氧缺血性脑病（HIE）的严重程度评估	提出了基于深度学习的脑电图评估方法，称为Brain State of the Newborn (BSN)，用于区分正常和异常结果	研究样本量较小，仅涉及46名新生儿	评估基于深度学习的脑电图方法在新生儿HIE中的应用	46名患有HIE的新生儿和健康婴儿	机器学习	新生儿疾病	深度学习	NA	脑电图	46名患有HIE的新生儿和健康婴儿
4588	2024-10-27	Role of Radiology in the Diagnosis and Treatment of Breast Cancer in Women: A Comprehensive Review 2024-Sep, Cureus DOI:10.7759/cureus.70097 PMID:39449897	综述	本文综述了影像学在女性乳腺癌诊断和治疗中的作用，重点介绍了影像技术的进步和人工智能（AI）的整合	本文介绍了影像组学和AI在提高诊断准确性和减少观察者变异性方面的潜力，并讨论了诊断影像与治疗干预相结合的个性化癌症护理新兴领域	本文指出需要大量注释数据集和将AI整合到临床实践中仍然存在挑战	探讨影像学在乳腺癌诊断和治疗中的演变作用	影像学在乳腺癌诊断和治疗中的应用	计算机视觉	乳腺癌	影像组学	深度学习算法	影像	NA
4589	2024-10-27	Towards equitable AI in oncology 2024-Aug, Nature reviews. Clinical oncology DOI:10.1038/s41571-024-00909-8 PMID:38849530	研究论文	本文讨论了在肿瘤学中实现公平AI的必要性及其挑战	提出了开发公平AI工具的必要性，以确保其在不同患者群体中的准确性和可及性	现有临床数据集中多样性不足，临床验证方法不充分，以及模型开发中的潜在偏见	探讨如何在肿瘤学中实现公平AI	肿瘤学中的AI工具及其在不同患者群体中的应用	机器学习	NA	NA	深度学习，特征工程	临床数据	NA
4590	2024-10-27	SCorP: Statistics-Informed Dense Correspondence Prediction Directly from Unsegmented Medical Images 2024-Jul, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference) DOI:10.1007/978-3-031-66955-2_10 PMID:39444584	研究论文	提出了一种名为SCorP的新框架，能够直接从未分割的医学图像中预测表面对应关系	通过利用从表面网格中直接学习到的形状先验，以无监督方式进行特征学习，消除了对优化形状模型进行训练监督的需求	未提及具体局限性	改进医学图像的统计形状建模，提高其准确性和鲁棒性	心脏左心房和肝脏的医学图像	计算机视觉	NA	统计形状建模	深度学习模型	图像	LGE MRI左心房数据集和Abdomen CT-1K肝脏数据集
4591	2024-10-27	Contribution of MALDI-TOF mass spectrometry and machine learning including deep learning techniques for the detection of virulence factors of Clostridioides difficile strains 2024-06, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.14478 PMID:38850267	研究论文	本研究评估了MALDI-TOF质谱与机器学习和深度学习技术结合用于检测艰难梭菌菌株的毒力因子	首次将MALDI-TOF质谱与机器学习和深度学习技术结合用于检测艰难梭菌菌株的毒力因子，展示了其在快速和成本效益方面的优势	研究样本量有限，且仅限于特定的艰难梭菌菌株	评估MALDI-TOF质谱与机器学习和深度学习技术结合用于检测艰难梭菌菌株的毒力因子的有效性	艰难梭菌菌株的毒力因子检测	机器学习	NA	MALDI-TOF质谱	深度学习	质谱数据	201株艰难梭菌菌株，包括151株产毒菌株和50株非产毒菌株
4592	2024-10-27	Intelligent and sustainable waste classification model based on multi-objective beluga whale optimization and deep learning 2024-May, Environmental science and pollution research international DOI:10.1007/s11356-024-33233-w PMID:38635097	研究论文	提出了一种基于多目标白鲸优化和深度学习的智能垃圾分类模型	利用InceptionV3深度学习架构和多目标白鲸优化算法进行超参数优化，显著提高了垃圾分类的准确性和效率	NA	开发一种智能垃圾分类模型，以提高垃圾分类的准确性和效率，促进可持续的废物管理	垃圾分类模型及其在TrashNet数据集上的性能	计算机视觉	NA	深度学习	InceptionV3	图像	TrashNet数据集
4593	2024-10-27	A modified U-Net convolutional neural network for segmenting periprostatic adipose tissue based on contour feature learning 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25030 PMID:38318024	研究论文	本研究基于周边轮廓测量，训练了一个U型全卷积神经网络（U-Net）模型，以实现对前列腺周围脂肪组织（PPAT）的快速、准确自动识别和分割	提出了一种新颖的、基于少量MRI T2W图像数据集及其梯度图像的U型卷积神经网络轮廓控制点特征学习方法，以减少不同患者PPAT轮廓差异引起的特征模糊	降低原始图像分辨率会降低U-Net卷积神经网络的准确性	实现对前列腺周围脂肪组织的快速、准确自动识别和分割	前列腺周围脂肪组织（PPAT）	计算机视觉	NA	卷积神经网络	U-Net	图像	少量MRI T2W图像数据集
4594	2024-10-27	Automated Deep Learning Segmentation of Cardiac Inflammatory FDG PET 2024-Feb-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.31.24302113 PMID:38352354	研究论文	开发了一种基于3D U-Net深度学习算法的自动化心肌分割工具，用于心脏肉瘤FDG PET图像的分割	提出的深度学习算法显著提高了心肌分割的准确性和临床可读性，优于现有的自动化方法	需要进一步研究以验证其在不同数据集上的适用性	开发一种自动化工具，以提高心脏肉瘤FDG PET图像处理的效率和一致性	心脏肉瘤FDG PET图像的心肌分割	计算机视觉	心脏疾病	深度学习	3D U-Net	图像	316名患者的FDG PET扫描数据
4595	2024-10-27	Introduction to the virtual collection of papers on Artificial neural networks: applications in X-ray photon science and crystallography 2024-Feb-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576723010476 PMID:38322721	评论	介绍了人工神经网络在X射线光子科学和晶体学中的应用	NA	NA	介绍人工神经网络在特定科学领域的应用	人工神经网络在X射线光子科学和晶体学中的应用	机器学习	NA	人工神经网络	深度学习	NA	NA
4596	2024-10-27	A Multi-level ensemble approach for skin lesion classification using Customized Transfer Learning with Triple Attention 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309430 PMID:39446759	研究论文	本文提出了一种基于卷积神经网络的多层次集成学习方法，用于皮肤病变分类	引入了多层次信息增益比例平均（ML-IGPA）方法，用于确定模型预测的最优权重分配	NA	提高皮肤病变分类的准确性和可解释性	皮肤病变，包括皮肤疾病和皮肤癌	计算机视觉	皮肤癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	HAM1000数据集
4597	2024-10-27	Can deep learning identify humans by automatically constructing a database with dental panoramic radiographs? 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312537 PMID:39446777	研究论文	本研究提出了一种利用深度学习识别个体的方法，通过构建牙科全景X光片数据库来识别个体	利用卷积神经网络在牙科全景X光片上识别个体，并构建了一个包含1029对PM-AM牙科全景X光片的数据库	研究样本仅限于20至49岁的成年人，且性别对识别成功率有显著影响	提出一种新的方法，通过识别牙齿变化和使用深度学习进行人类识别	20至49岁成年人，拥有至少两张牙科全景X光片	计算机视觉	NA	深度学习	卷积神经网络	图像	1029对PM-AM牙科全景X光片，时间跨度从2000年到2020年
4598	2024-10-27	NIDS-FGPA: A federated learning network intrusion detection algorithm based on secure aggregation of gradient similarity models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308639 PMID:39446819	研究论文	本文提出了一种基于安全梯度相似模型聚合的联邦学习网络入侵检测算法NIDS-FGPA	利用联邦学习架构和Paillier同态加密技术确保训练过程的安全性，并引入梯度相似模型聚合算法动态选择和加权不同模型的更新以减少通信开销	NA	解决工业物联网中网络入侵检测系统面临的数据特征不完整、标签缺失、参数泄露和高通信开销等问题	网络入侵检测	机器学习	NA	联邦学习、Paillier同态加密	二维卷积神经网络和双向门控循环单元(2DCNN-BIGRU)	网络流量数据	Edge-IIoTset和CIC IoT 2023数据集
4599	2024-10-26	Deep learning innovations in South Korean maritime navigation: Enhancing vessel trajectories prediction with AIS data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310385 PMID:39446863	研究论文	本文介绍了一种利用卷积神经网络（CNN）、深度神经网络（DNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）进行船舶轨迹预测的新方法	本文提出了一种专门针对AIS数据的预处理方法，包括高级过滤技术以去除异常值和错误数据点，并结合环境条件和船舶特定特征等上下文信息	NA	提高船舶轨迹预测的准确性，从而增强海上交通安全	船舶轨迹数据	机器学习	NA	卷积神经网络（CNN）、深度神经网络（DNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）	CNN、DNN、LSTM、GRU	轨迹数据	大量AIS数据
4600	2024-10-27	Analysis and visualization of the effect of multiple sclerosis on biological brain age 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1423485 PMID:39450049	研究论文	研究使用深度学习模型预测多发性硬化症患者的脑龄差距，并比较健康个体与患者的脑龄差距	首次使用卷积神经网络（CNN）预测多发性硬化症患者的脑龄差距，并生成显著性图以识别对脑龄预测任务重要的脑区	样本量相对较小，且仅限于复发缓解型多发性硬化症患者	探讨基于图像的脑龄差距预测在多发性硬化症患者中的应用价值	多发性硬化症患者与健康个体的脑龄差距	计算机视觉	多发性硬化症	卷积神经网络（CNN）	CNN	图像	5294名健康个体和195名复发缓解型多发性硬化症患者