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
5861	2024-10-19	Managing spatio-temporal heterogeneity of susceptibles by embedding it into an homogeneous model: A mechanistic and deep learning study 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012497 PMID:39348420	研究论文	本研究提出了一种新的建模框架，通过引入连续招募过程将易感者的时空异质性整合到同质模型中，并使用神经网络近似招募率来开发通用微分方程（UDE）模型	本研究的创新点在于将易感者的时空异质性整合到同质模型中，并通过神经网络近似招募率来开发UDE模型，同时预设特定的招募率形式并开发机械模型	本研究的局限性在于仅使用了上海COVID Omicron变种爆发的数据进行模型训练和校准，可能限制了模型的普适性	本研究旨在通过整合易感者的时空异质性来提高传染病预测的准确性，并为控制传染病提供决策支持	本研究的主要研究对象是易感者的时空异质性及其对传染病传播的影响	机器学习	NA	神经网络	UDE模型	数据	本研究使用了上海COVID Omicron变种爆发的数据进行模型训练和校准
5862	2024-10-19	Deep learning architecture for scatter estimation in cone-beam computed tomography head imaging with varying field-of-measurement settings 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.053501 PMID:39416361	研究论文	本文研究了在不同测量场大小设置下，利用深度学习架构估计锥束计算机断层扫描头部成像中的散射	本文提出了一种利用测量场大小信息来提高散射估计性能的方法，并通过实验验证了其有效性	本文仅探讨了测量场大小对散射估计的影响，未来可以进一步研究其他变量如管电压、扫描几何和患者大小	评估深度学习网络在不同测量场大小下的散射估计性能，并开发利用测量场大小信息提高性能的方法	锥束计算机断层扫描图像中的散射估计	计算机视觉	NA	深度学习	U-Net, Spline-Net, DSE-Net	图像	训练集包含18种测量场大小，测试集包含30种未见过的测量场大小，以及水和临床CBCT扫描数据
5863	2024-10-19	Implementing Triage-Bot: Supporting the Current Practice for Triage Nurses 2024-07-15, Surgical technology international DOI:10.52198/24.STI.44.WH1804 PMID:39151148	研究论文	本文介绍了一种名为Triage-Bot的AI系统，旨在协助急诊护士进行患者分诊	Triage-Bot系统结合了创新的分析方法、自动化常规操作和高效处理技术，能够通过语音和视频提问，自动测量患者的生命体征，并使用深度学习模型分析用户的面部表情和语音语调	系统在没有护士指导的情况下访问时，用户需要了解何时应访问医疗提供者或急诊室；系统需要不断改进以适应不同能力患者的可访问性，并考虑语言、文化和年龄因素对语音和文本交互的影响	探讨AI系统在急诊护理中的应用，特别是如何通过Triage-Bot系统提高患者分诊的效率和质量	急诊护士和患者	机器学习	NA	深度学习	深度学习模型	语音和视频	NA
5864	2024-10-19	[Deep transfer learning radiomics model based on temporal bone CT for assisting in the diagnosis of inner ear malformations] 2024-Jun, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology, head, and neck surgery DOI:10.13201/j.issn.2096-7993.2024.06.017 PMID:38858123	研究论文	评估传统放射组学、深度学习和深度学习放射组学在区分正常和内耳畸形方面的诊断效果	结合深度学习和放射组学特征，通过特征融合建立模型，提高了诊断准确性	模型之间的差异未达到统计学显著性	评估不同方法在诊断内耳畸形中的效果	内耳畸形和正常内耳的CT图像	计算机视觉	耳鼻喉疾病	深度迁移学习	深度学习放射组学模型	CT图像	572例颞骨CT数据，包括201例内耳畸形和371例正常内耳
5865	2024-10-19	Synthetically accessible de novo design using reaction vectors: Application to PARP1 inhibitors 2024-Apr, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300183 PMID:38258328	研究论文	本文介绍了基于反应向量的从头设计方法，应用于合成可及且具有生物活性的PARP1抑制剂	本文提出了一种基于反应向量的从头设计方法，通过模拟合成化学和已知的反应步骤，直接解决合成可及性问题	使用少量手工编码的转换限制了可访问的化学空间，且在文献中成功设计和执行分子及其合成路线的例子较少	验证基于反应向量的软件在设计合成可及且具有生物活性的化合物方面的有效性	设计合成可及且具有生物活性的PARP1抑制剂	NA	NA	NA	NA	NA	NA
5866	2024-10-19	Path of career planning and employment strategy based on deep learning in the information age 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308654 PMID:39405324	研究论文	本文深入研究了信息时代基于深度学习的职业规划和就业策略路径	本文提出了一种基于深度学习的职业规划和就业策略路径，通过深度学习模型分析问卷数据，帮助学生提高职业意识和自我提升能力	本文主要依赖问卷数据进行分析，可能存在样本偏差和数据收集的局限性	探讨如何通过深度学习提高学生的就业竞争力和职业规划能力	大学生及其职业规划和就业策略	机器学习	NA	深度学习	深度学习模型	问卷数据	控制组和实验组，具体样本数量未明确说明
5867	2024-10-19	DeepVol: volatility forecasting from high-frequency data with dilated causal convolutions 2024, Quantitative finance IF:1.5Q2 DOI:10.1080/14697688.2024.2387222 PMID:39410924	研究论文	本文提出了一种基于扩张因果卷积的模型DeepVol，用于从高频数据中预测次日波动率	使用扩张因果卷积从高频日内金融时间序列中提取相关信息，避免了传统模型使用每日数据时的模型误设或手工设计特征的局限	未提及	改进波动率预测的准确性	高频日内数据中的波动率预测	机器学习	NA	扩张因果卷积	扩张因果卷积模型	时间序列	两年NASDAQ-100的日内数据
5868	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5869	2024-10-19	Semantic segmentation-based detection algorithm for challenging cryo-electron microscopy RNP samples 2024, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2024.1473609 PMID:39411403	研究论文	本文提出了一种基于语义分割的算法，用于在单颗粒冷冻电镜图像中自动检测流感A病毒核糖核蛋白复合物	本文的创新点在于采用了U-net架构的卷积神经网络，并通过预训练阶段使用视觉检查标注的数据集，实现了对复杂RNP的精确检测	NA	本文的研究目的是开发一种自动检测流感A病毒核糖核蛋白复合物的方法，以提高冷冻电镜研究中的高分辨率重建	本文的研究对象是流感A病毒核糖核蛋白复合物在单颗粒冷冻电镜图像中的检测	计算机视觉	NA	卷积神经网络	U-net	图像	NA
5870	2024-10-19	Diagnosis of fetal arrhythmia in echocardiography imaging using deep learning with cyclic loss 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241286929 PMID:39411546	研究论文	研究提出了一种基于深度学习的心脏周期损失函数，用于提高胎儿心电图图像中胎儿心律失常的诊断准确性	本研究创新性地整合了心脏周期信息，通过引入特定的心脏周期损失函数，显著提高了深度学习网络在诊断胎儿心律失常中的性能	需要进一步的外部测试以评估模型的泛化能力和临床价值	提高胎儿心电图图像中胎儿心律失常的诊断准确性	胎儿心电图图像中的胎儿心律失常	计算机视觉	先天性心脏病	深度学习	深度学习网络	图像	4440个图像块，来自890名参与者
5871	2024-10-19	TCRcost: a deep learning model utilizing TCR 3D structure for enhanced of TCR-peptide binding 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1346784 PMID:39415981	研究论文	本文开发了一种名为TCRcost的深度学习模型，利用TCR的三维结构来增强TCR-肽结合的预测	TCRcost模型通过整合TCR-肽复合物的三维结构信息，克服了基于序列方法的瓶颈，显著提高了结合预测的准确性	NA	提高TCR-肽结合预测的准确性	TCR-肽复合物的三维结构	机器学习	NA	深度学习	LSTM和3D CNN	三维结构	NA
5872	2024-10-19	Hierarchical deep learning for autonomous multi-label arrhythmia detection and classification on real-world wearable electrocardiogram data 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241278942 PMID:39416857	研究论文	提出了一种基于CNN+BiLSTM与注意力机制的分层深度学习模型，用于在真实世界可穿戴心电图数据上进行多标签心律失常检测和分类	采用分层模型，结合CNN和BiLSTM与注意力机制，提高了心律失常检测和分类的准确性	未提及	开发一种能够在真实世界可穿戴心电图数据上有效检测和分类心律失常的深度学习模型	心律失常的检测和分类	机器学习	心血管疾病	CNN, BiLSTM, 注意力机制	CNN+BiLSTM	心电图数据	未提及
5873	2024-10-19	Deep Learning in Hematology: From Molecules to Patients 2024, Clinical hematology international DOI:10.46989/001c.124131 PMID:39417017	综述	本文综述了深度学习在血液学中的应用，从分子层面到患者护理	深度学习在血液学中的应用涵盖了多组学数据分析、蛋白质结构预测、细胞形态学分析自动化、流式细胞术数据解读以及通过大型语言模型分析临床数据等方面	深度学习模型在血液学应用中的泛化性和可解释性仍存在挑战，且新型深度学习架构在血液学中的应用相对较慢	探讨深度学习在血液学中的应用及其局限性	深度学习在血液学中的应用，包括分子层面、细胞和组织层面以及患者层面的应用	机器学习	NA	深度学习	NA	多组学数据、蛋白质结构数据、细胞形态学数据、流式细胞术数据、临床数据	NA
5874	2024-10-19	Deep learning-based histological predictions of chromosomal instability in colorectal cancer 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/JYND6488 PMID:39417190	研究论文	本研究利用深度学习技术，基于全切片图像的组织学数据预测结直肠癌中的染色体不稳定	本研究首次结合卷积神经网络和形态学分析，从全切片图像中提取特征，用于预测结直肠癌中的染色体不稳定	本研究仅使用了TCGA数据库中的样本，未来需要验证其他数据集中的结果	预测结直肠癌中的染色体不稳定	结直肠癌样本的全切片图像	数字病理学	结直肠癌	卷积神经网络	CNN	图像	313名患者，315张全切片图像，包含超过35万张肿瘤切片和近270万个肿瘤细胞核
5875	2024-10-19	Research progress on machine algorithm prediction of liver cancer prognosis after intervention therapy 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/BEAO1926 PMID:39417194	review	本文综述了机器算法在肝癌介入治疗后预后预测中的应用和潜力	机器算法能够通过分析大量临床数据识别预后模式和趋势	整合多源临床数据以提高预测准确性、数据隐私和伦理问题、增强机器算法决策过程的透明度和可解释性	系统回顾和分析机器算法在肝癌介入治疗后预后预测中的应用和潜力	肝癌介入治疗后的患者预后	machine learning	liver cancer	NA	NA	clinical data	NA
5876	2024-10-19	Artificial Intelligence Application for Anti-tumor Drug Synergy Prediction 2024, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673290777240301071513 PMID:39420717	综述	本文综述了癌症药物协同治疗及人工智能技术在癌症药物协同预测中的应用	探讨了深度学习方法在癌症药物协同预测中的应用前景	未具体提及	提高对癌症药物协同作用的理解，为临床提供更有效的治疗方案和合理的药物使用策略	癌症药物协同治疗及人工智能技术在其中的应用	机器学习	癌症	人工智能 (AI)	深度学习	NA	NA
5877	2024-10-18	Deep learning-assisted inverse design of metasurfaces for active color image tuning 2024-Oct-17, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr02378a PMID:39301625	研究论文	本文提出了一种基于深度学习的超表面主动色彩图像调谐方法	通过多目标逆向伴随神经网络解决了逆向设计中的'一对多'问题，实现了在三种不同环境条件下的主动色彩图像调谐	NA	开发一种新的超表面逆向设计方法，实现主动色彩图像调谐	超表面及其在色彩调谐中的应用	计算机视觉	NA	深度学习	神经网络	图像	三种不同环境条件下的超表面
5878	2024-10-18	Exploring the phase change and structure of carbon using a deep learning interatomic potential 2024-Oct-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp02781g PMID:39364607	研究论文	本文利用深度学习原子间势函数研究碳的相变和结构	通过深度神经网络获得的机器学习势函数不仅展示了强大的可扩展性，还能有效研究非晶金刚石和多晶金刚石的形成机制	NA	研究碳在大规模系统中的相变	碳的相变和结构	机器学习	NA	分子动力学 (AIMD)，密度泛函理论 (DFT)	深度神经网络	结构数据	大量碳晶体和石墨烯的初始结构
5879	2024-10-18	Interpretable and Physicochemical-Intuitive Deep Learning Approach for the Design of Thermal Resistance of Energetic Compounds 2024-Oct-17, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c04849 PMID:39380131	研究论文	本文提出了一种名为EM-thermo的深度学习框架，用于预测高能化合物的热稳定性	EM-thermo通过分子图和直接消息传递神经网络捕捉结构特征，并利用迁移学习提高了预测准确性	NA	开发一种能够准确预测高能化合物热稳定性的深度学习模型	高能化合物的热稳定性	机器学习	NA	深度学习	直接消息传递神经网络	分子图	5029个CHNO化合物，其中包括976个高能化合物
5880	2024-10-18	Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor 2024-Oct-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101785 PMID:39413732	研究论文	本文提出了一种基于病理图像和病理先验信息的深度学习模型，用于区分结直肠神经内分泌肿瘤和结直肠癌	利用病理先验信息生成鲁棒的切片级特征，并通过计算形态描述与补丁之间的相似性，仅选择2%的诊断相关补丁进行训练和推理	NA	开发一种成本效益高的方法，准确区分结直肠神经内分泌肿瘤和结直肠癌	结直肠神经内分泌肿瘤和结直肠癌	数字病理学	结直肠癌	深度学习	深度学习模型	图像	内部数据集和两个外部数据集