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
5561	2024-10-10	Image restoration in frequency space using complex-valued CNNs 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1353873 PMID:39376505	研究论文	本文探讨了在频率空间中使用复值卷积神经网络（CV-CNN）进行图像恢复的潜力	提出了基于复值卷积神经网络（CV-CNN）的新模型，配备了复值注意力门，用于频率域中的图像去噪和超分辨率任务	空间域中的实值卷积神经网络（RV-CNN）在处理完整频率谱时存在局限性，导致纹理和结构元素的缺失	解决空间域中实值卷积神经网络在图像恢复任务中的局限性，探索复值卷积神经网络在频率域中的应用	图像去噪和超分辨率任务	计算机视觉	NA	复值卷积神经网络（CV-CNN）	复值卷积神经网络（CV-CNN）	图像	涉及超分辨率结构光照显微镜（SR-SIM）和常规图像数据集
5562	2024-10-10	Pilot turning behavior cognitive load analysis in simulated flight 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1450416 PMID:39376543	研究论文	本文通过模拟飞行实验，分析了不同转向任务中的认知负荷，并开发了一种基于机器学习和深度学习算法的认知负荷识别模型	本文首次将LSTM-Attention模型应用于飞行员转向任务的认知负荷识别，并取得了较高的F1分数	实验仅基于模拟飞行环境，未考虑实际飞行中的复杂情况	识别模拟飞行中不同转向任务的认知负荷	飞行员在模拟飞行中的转向行为	机器学习	NA	心率变异性（HRV）分析	LSTM-Attention	心率数据和飞行数据	未明确提及具体样本数量
5563	2024-10-10	Integrating tabular data through image conversion for enhanced diagnosis: A novel intelligent decision support system for stratifying obstructive sleep apnoea patients using convolutional neural networks 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272632 PMID:39376943	研究论文	本文介绍了一种基于深度学习技术的智能决策支持系统，通过将表格数据转换为图像来诊断阻塞性睡眠呼吸暂停的严重程度	创新点在于将患者数据形式化为图像，并使用卷积神经网络进行训练和推理	NA	开发一种新的数据形式化方法，以利用深度学习技术从表格数据中进行诊断	阻塞性睡眠呼吸暂停患者的严重程度	计算机视觉	NA	深度学习	卷积神经网络	图像	2472名患者的数据，其中247个样本用于初步测试
5564	2024-10-09	Multi-modal remote perception learning for object sensory data 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1427786 PMID:39377028	研究论文	本文介绍了一种名为深度融合网络（DFN）的新方法，通过结合多目标检测和语义分析来提高上下文场景理解能力	提出了深度融合网络（DFN），通过结合深度学习和融合技术来提高复杂场景中的准确性和理解能力	NA	提高智能系统在复杂场景中的上下文理解和对象检测能力	多模态远程感知数据	计算机视觉	NA	深度学习	深度融合网络（DFN）	图像	SUN-RGB-D数据集和NYU-Dv2数据集
5565	2024-10-10	Quality assessment of traditional Chinese medicine based on data fusion combined with machine learning: A review 2024, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2023.2189477 PMID:36966435	综述	本文综述了基于数据融合和机器学习的中药质量评估方法	本文介绍了多源信息融合技术和机器学习在中药质量评估中的应用，提高了评估的准确性和全面性	本文主要综述了现有方法，未提出新的具体技术或模型	探讨数据融合和机器学习在中药质量评估中的应用	中药的质量评估	机器学习	NA	数据融合	深度学习	化学成分数据	NA
5566	2024-10-09	A multi-task deep learning model based on comprehensive feature integration and self-attention mechanism for predicting response to anti-PD1/PD-L1 2024-Dec-05, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2024.113099 PMID:39265355	研究论文	本文构建了一个基于综合特征集成和自注意力机制的多任务深度学习模型，用于预测抗PD1/PD-L1治疗的反应	本文创新性地整合了多层次的特征，并通过自注意力机制构建了一个多任务深度学习模型，以预测免疫检查点抑制剂的疗效	本文的模型在不同癌症类型中的表现存在差异，尤其是在非小细胞肺癌和皮肤黑色素瘤测试集中的表现较好，但在膀胱尿路上皮癌测试集中的表现较差	本文旨在通过多维特征选择和深度学习模型构建，综合利用与免疫检查点抑制剂相关的生物标志物，以预测其疗效	本文的研究对象是免疫检查点抑制剂在治疗晚期癌症中的疗效预测	机器学习	NA	下一代测序基因表达	多任务深度学习模型	基因表达数据	本文涉及的样本包括膀胱尿路上皮癌测试集1（n=298）、膀胱尿路上皮癌测试集2（n=89）、非小细胞肺癌测试集（n=27）和皮肤黑色素瘤测试集（n=27）
5567	2024-10-09	Automatic removal of large blood vasculature for objective assessment of brain tumors using quantitative dynamic contrast-enhanced magnetic resonance imaging 2024-Nov, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5218 PMID:39051137	研究论文	本文提出了一种基于数据聚类算法、形态学操作和定量动态对比增强磁共振成像（DCE-MRI）图谱的方法，用于自动去除大脑肿瘤区域中的大血管（LBV），以实现对肿瘤的客观评估	本文提出了一种新的方法，结合rCBV和Slope-2图谱进行数据聚类，以提高LBV分割的准确性和计算效率	本文为回顾性研究，样本量有限，且未提及该方法在其他类型肿瘤或不同成像条件下的适用性	研究目的是通过自动去除大脑肿瘤区域中的大血管，提高定量DCE-MRI参数评估和肿瘤分类的客观性	研究对象为103例经组织病理学证实的大脑肿瘤患者	数字病理学	脑肿瘤	动态对比增强磁共振成像（DCE-MRI）	k-means聚类算法	图像	103例大脑肿瘤患者
5568	2024-10-09	Exploring the potential of multiomics liquid biopsy testing in the clinical setting of lung cancer 2024-Nov, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.13396 PMID:38822635	review	本文探讨了多组学液体活检在肺癌临床应用中的潜力	本文介绍了人工智能和多组学如何通过多标记、多分析物和多来源的方法，识别与患者健康状况相关的临床有价值的生物标志物组合	临床实施面临挑战，包括研究的可重复性和方法学标准化的缺乏	探讨人工智能和多组学在肺癌液体活检中的应用潜力	肺癌液体活检中的生物标志物	machine learning	lung cancer	multiomics	deep learning	NA	NA
5569	2024-10-09	A deep learning approach to explore the association of age-related macular degeneration polygenic risk score with retinal optical coherence tomography: A preliminary study 2024-Nov, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16710 PMID:38761033	研究论文	本文使用深度学习技术研究年龄相关性黄斑变性（AMD）的多基因风险评分（PRS）与视网膜光学相干断层扫描（OCT）图像之间的关系	开发了一种从OCT图像中高效估计PRS的方法，并使用深度学习技术分析OCT图像与AMD的PRS之间的关联	研究样本量较小，仅为332名患者	探讨AMD的遗传因素与OCT扫描图像之间的关系	年龄相关性黄斑变性（AMD）患者及其OCT图像	机器学习	眼科疾病	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	332名患者，其中235名患有AMD，97名为对照组
5570	2024-10-09	Deep Learning for prediction of late recurrence of retinal detachment using preoperative and postoperative ultra-wide field imaging 2024-Nov, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.16693 PMID:38682863	研究论文	本文开发了一种深度学习模型，用于基于术前和术后超广角成像预测视网膜脱离的晚期复发	本文首次使用深度学习模型基于术前和术后超广角伪彩色和自体荧光图像预测视网膜脱离的晚期复发	本文仅使用了回顾性数据，且样本量相对较小	开发一种自动预测视网膜脱离晚期复发的深度学习模型	视网膜脱离的晚期复发	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	412只眼睛
5571	2024-10-09	When Metal Nanoclusters Meet Smart Synthesis 2024-Oct-08, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c09597 PMID:39316700	研究论文	本文探讨了原子精确金属纳米团簇（MNCs）的智能合成方法及其在科学领域的应用前景	引入智能合成方法，包括自动化闭环框架、数据解释和AI反馈，以解决MNCs合成中的挑战	智能合成方法在MNCs合成中的应用仍处于研究前沿，存在固有的挑战和机遇	总结智能合成在纳米材料中的应用，并探讨智能合成在MNCs领域的研究前沿	原子精确金属纳米团簇（MNCs）及其智能合成方法	NA	NA	智能合成方法，包括自动化闭环框架、数据解释和AI反馈	深度学习算法	NA	NA
5572	2024-10-09	[Opportunities and challenges in the development of artificial intelligence research in spinal surgery] 2024-Oct-08, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240410-00840 PMID:39375126	研究论文	本文探讨了人工智能在脊柱外科研究中的应用及其面临的机遇与挑战	人工智能在脊柱疾病的诊断、治疗策略制定、手术导航、预后评估和术后康复中展现出巨大潜力	当前研究仍处于初级阶段，面临标准化数据库缺乏、算法学习模型简单、多模态临床信息融合不足和临床适用性有限等挑战	推动脊柱外科诊断和治疗技术的创新与完善	脊柱疾病及其相关治疗和康复	机器学习	脊柱疾病	深度学习	NA	多模态临床信息	NA
5573	2024-10-09	[Accuracy and efficiency of 2D/3D single-vertebra spine navigation registration method based on dual-view feature fusion] 2024-Oct-08, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20240408-00815 PMID:39375133	研究论文	研究基于双视图特征融合的脊柱2D/3D单椎体导航注册方法的准确性和效率	提出了一种基于双视图特征融合的脊柱2D/3D单椎体导航注册方法，通过融合前后位和侧位X光图像特征，显著提高了注册精度和效率	NA	探讨脊柱2D/3D术前CT和术中X光注册的准确性和效率	140例腰椎脊柱患者的术前CT和术中前后位及侧位X光图像	计算机视觉	NA	卷积神经网络 (CNN)	CNN	图像	140例腰椎脊柱患者
5574	2024-10-09	Solving Zero-Shot Sparse-View CT Reconstruction With Variational Score Solver 2024-Oct-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3475516 PMID:39374276	研究论文	本文提出了一种名为变分分数求解器（VSS）的新方法，用于解决零样本稀疏视图CT重建问题	本文的创新点在于使用变分分数求解器（VSS）进行稀疏视图CT重建，无需配对数据，并通过潜在扩散模型获取概率分布，实现高质量重建	本文未提及具体的局限性	研究目的是解决稀疏视图CT重建问题，减少对配对数据的依赖，提高重建质量	研究对象是稀疏视图CT重建技术	计算机视觉	NA	潜在扩散模型	变分分数求解器（VSS）	CT图像	未提及具体样本数量
5575	2024-10-09	A Deep Learning-Driven Sampling Technique to Explore the Phase Space of an RNA Stem-Loop 2024-Oct-07, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00669 PMID:39374435	研究论文	本文介绍了一种基于深度学习的采样技术，用于探索RNA茎环的相空间	本文将原本用于蛋白质折叠的深度学习驱动采样技术DeepDriveMD（DDMD）应用于RNA茎环折叠问题，克服了传统方法在计算成本和先验知识需求上的挑战	NA	探索RNA茎环折叠的相空间，优化计算资源的使用	RNA茎环的折叠和展开过程	机器学习	NA	深度学习驱动采样技术	DeepDriveMD	接触图	NA
5576	2024-10-09	E-SAT: An extreme learning machine based self attention approach for decoding motor imagery EEG in subject-speciﬁc tasks 2024-Oct-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad83f4 PMID:39374625	研究论文	本文提出了一种基于极限学习机的自注意力机制（E-SAT），用于解码特定任务中的运动想象脑电信号	引入了一种新的基于极限学习机的自注意力机制（E-SAT），以提高特定任务中运动想象脑电信号的分类性能	NA	提高脑机接口（BCI）在解码运动想象任务中的性能	运动想象脑电信号	机器学习	NA	极限学习机（ELM）	自注意力机制（E-SAT）	脑电信号（EEG）	使用了多个数据集，包括BCI Competition III Dataset IV-a、IV-b和BCI Competition IV Datasets 1、2a、2b、3
5577	2024-10-09	Rapid detection of mouse spermatogenic defects by testicular cellular composition analysis via enhanced deep learning model 2024-Oct-07, Andrology IF:3.2Q1 DOI:10.1111/andr.13773 PMID:39375288	研究论文	本文介绍了一种通过增强的深度学习模型快速检测小鼠睾丸细胞组成以识别精子发生缺陷的方法	开发了一种名为SCSD-Net的增强深度学习模型，能够在3小时内快速检测H&E染色的小鼠睾丸切片中的生殖缺陷，并提供定量和定性评估	NA	建立一种快速的历史病理学分析方法，用于检测突变小鼠睾丸切片的精子发生缺陷	六种关键生殖基因家族（DAZ和PUMILIO基因家族）的突变小鼠的睾丸切片	数字病理学	NA	深度学习	深度学习模型（SCSD-Net）	图像	8张H&E染色的小鼠睾丸切片
5578	2024-10-09	LungHist700: A dataset of histological images for deep learning in pulmonary pathology 2024-Oct-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03944-3 PMID:39368979	研究论文	本文介绍了一个名为LungHist700的数据集，用于肺部病理学中的深度学习	提出了一个包含691张高分辨率肺部组织病理学图像的数据集，涵盖了不同分化程度的腺癌、鳞状细胞癌和正常组织	数据集仅包含45名患者的样本，可能不足以代表所有肺部病理情况	开发一个用于肺部恶性肿瘤检测和分类的高质量数据集，以提高早期诊断和治疗计划的准确性	肺部组织病理学图像，包括腺癌、鳞状细胞癌和正常组织	数字病理学	肺癌	深度神经网络和多实例学习	深度神经网络	图像	691张高分辨率图像，来自45名患者
5579	2024-10-09	Imputing spatial transcriptomics through gene network constructed from protein language model 2024-Oct-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06964-2 PMID:39369061	研究论文	本文介绍了一种基于蛋白质语言模型构建基因网络的空间转录组学插补方法stImpute	stImpute利用蛋白质语言模型ESM-2构建基因网络，并通过图神经网络进行基因表达插补，显著提高了插补和聚类的准确性	NA	开发一种新的计算方法来克服空间转录组学技术中基因数量有限的挑战	空间转录组学数据和单细胞RNA测序数据	生物信息学	NA	空间转录组学	图神经网络	基因表达数据	多个数据集
5580	2024-10-09	Deep learning-based characterization of pathological subtypes in lung invasive adenocarcinoma utilizing 18F-deoxyglucose positron emission tomography imaging 2024-Oct-05, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13018-7 PMID:39369213	研究论文	评估基于PET/CT图像的深度学习模型在区分和预测肺浸润性腺癌不同病理亚型中的诊断效能	使用深度学习模型提高了对肺浸润性腺癌不同病理亚型的诊断准确性	NA	评估深度学习模型在区分和预测肺浸润性腺癌不同病理亚型中的诊断效能	肺浸润性腺癌的不同病理亚型	计算机视觉	肺癌	PET/CT成像	U-Net网络架构和ResNet残差网络	图像	250名被诊断为肺浸润性腺癌的患者