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
6321	2024-09-25	Time-series satellite remote sensing reveals gradually increasing war damage in the Gaza Strip 2024-Sep, National science review IF:16.3Q1 DOI:10.1093/nsr/nwae304 PMID:39309412	研究论文	本文利用深度学习和LuoJia3-01卫星数据，实时检测以色列-巴勒斯坦冲突中加沙地带的爆炸和建筑物损坏情况	首次利用LuoJia3-01卫星数据和深度学习技术进行冲突监测和建筑物损坏评估	NA	研究战争对城市破坏的影响，并提供实时监测和评估方法	加沙地带的建筑物损坏和农业用地损失	遥感	NA	深度学习	NA	卫星图像	3747个导弹弹坑，涉及加沙地带五个省的基础设施
6322	2024-09-25	Active Learning Pipeline to Identify Candidate Terms for a CDSS Ontology 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240660 PMID:39176629	研究论文	本文探讨了一种主动学习方法，用于自动识别出版物中的候选术语，并将其用于临床决策支持系统（CDSS）本体的构建	提出了一种基于主动学习的自动化方法来识别候选术语，减少了手动构建本体的工作量	目前仅提供了初步结果，尚未详细讨论方法的具体效果和应用范围	开发一种自动化方法来辅助构建和维护临床决策支持系统的本体	临床决策支持系统的本体术语	自然语言处理	NA	主动学习	深度学习模型	文本	NA
6323	2024-09-25	CT Material Decomposition using Spectral Diffusion Posterior Sampling 2024-Aug, Conference proceedings. International Conference on Image Formation in X-Ray Computed Tomography PMID:39301204	研究论文	本文介绍了一种基于扩散后验采样（DPS）的新深度学习方法，用于从光谱CT测量中进行材料分解	提出了一种结合无监督训练的先验知识和严格物理模型的方法，并引入了一种更快速和更稳定的变体，称为跳跃启动DPS（JSDPS）	NA	开发一种快速且准确的材料分解方法，用于光谱CT数据	光谱CT系统的材料分解性能	计算机视觉	NA	扩散后验采样（DPS）	深度学习模型	光谱CT数据	涉及两种光谱CT系统：双kVp和双层探测器CT
6324	2024-09-25	An artificial intelligence tool predicts blastocyst development from static images of fresh mature oocytes 2024-06, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2024.103842 PMID:38552566	研究论文	开发了一种深度学习模型，通过分析新鲜成熟卵母细胞的静态图像来预测囊胚发育	首次利用深度学习模型通过卵母细胞的静态图像预测囊胚发育，为卵母细胞评估提供了新的方法	模型在不同年龄组和地理位置的表现存在差异，且需要进一步验证其普遍适用性	开发一种能够通过卵母细胞图像预测囊胚发育的深度学习模型	新鲜成熟卵母细胞的静态图像	计算机视觉	NA	深度学习	深度学习模型	图像	37,133张卵母细胞图像，其中7,807张用于测试，12,357张用于外部验证
6325	2024-09-25	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2024-May-25, ArXiv PMID:38827456	研究论文	本文介绍了一种基于几何深度学习的3D RNA反向设计方法gRNAde	gRNAde通过多状态图神经网络生成候选RNA序列，考虑了3D骨架结构和动态特性，相比传统方法Rosetta在序列恢复率上有所提高	NA	开发一种能够考虑3D几何结构和构象多样性的RNA设计方法	RNA序列及其3D结构	计算机视觉	NA	几何深度学习	图神经网络	3D结构数据	14个RNA结构
6326	2024-09-25	Training Robust T1-Weighted Magnetic Resonance Imaging Liver Segmentation Models Using Ensembles of Datasets with Different Contrast Protocols and Liver Disease Etiologies 2024-Apr-30, Research square DOI:10.21203/rs.3.rs-4259791/v1 PMID:38746406	研究论文	本文开发了一种深度学习模型，用于在T1加权磁共振图像上自动分割肝脏	本文通过使用来自不同数据集和对比协议的819张T1加权MR图像，训练了三种不同的深度学习架构，并比较了它们在不同数据集上的测试性能，发现nnUNet模型在不同数据集上的表现最为稳健	本文未详细讨论模型在实际临床应用中的表现和局限性	研究如何通过使用多样化的数据集和对比协议来训练稳健的肝脏分割模型	T1加权磁共振图像中的肝脏	计算机视觉	肝癌	磁共振成像（MRI）	nnUNet	图像	819张T1加权MR图像，来自六个不同的数据集
6327	2024-09-25	A web-based tool for real-time adequacy assessment of kidney biopsies 2024-Feb-05, medRxiv : the preprint server for health sciences DOI:10.1101/2024.02.01.24302147 PMID:38370740	研究论文	介绍了一种基于网络的工具，用于实时评估肾活检的充分性	开发了一种基于深度学习的自动分割技术，用于从智能手机拍摄的照片中实时量化评估肾活检的充分性	仅限于使用智能手机拍摄的照片进行评估，且需要预先训练的数据集	开发一种工具，以减少因活检不充分而导致的重新活检需求	肾活检的充分性评估	数字病理学	NA	深度学习	NA	图像	100例肾活检图像
6328	2024-09-25	RediscMol: Benchmarking Molecular Generation Models in Biological Properties 2024-01-25, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.3c02051 PMID:38181194	研究论文	本文构建了一个名为RediscMol的基准，用于评估分子生成模型在生物学特性方面的表现	引入了重新发现和相似性相关的指标，以评估生成模型的性能	现有评估方法在生物学背景下的不足	解决现有评估方法的局限性，模拟实际应用场景	8种代表性的生成模型在生物学特性方面的表现	机器学习	NA	深度学习	生成模型	分子数据	5个激酶和3个GPCR数据集中的活性分子
6329	2024-09-25	TUBA1C orchestrates the immunosuppressive tumor microenvironment and resistance to immune checkpoint blockade in clear cell renal cell carcinoma 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1457691 PMID:39301023	研究论文	本文研究了TUBA1C在透明细胞肾细胞癌（ccRCC）中的作用，特别是其与免疫检查点阻断（ICB）疗法抵抗的关系	首次揭示了TUBA1C在ccRCC中通过激活PI3K/AKT通路促进免疫抑制微环境，从而影响ICB疗法的效果	需要进一步的临床试验验证TUBA1C作为治疗靶点的有效性	探讨TUBA1C在ccRCC中的作用及其与ICB疗法抵抗的关系	透明细胞肾细胞癌（ccRCC）患者及肿瘤细胞	数字病理学	肾癌	单细胞分析、免疫组化、RT-qPCR、CCK-8试验	深度学习模型	基因表达数据	多个临床队列和肾癌细胞系
6330	2024-09-25	Brainchop: Providing an Edge Ecosystem for Deployment of Neuroimaging Artificial Intelligence Models 2024, Aperture neuro DOI:10.52294/001c.123059 PMID:39301517	研究论文	本文介绍了一个名为Brainchop的完全功能性网络应用程序，允许用户在其浏览器中将使用Python开发的深度学习模型应用于本地神经影像数据	Brainchop利用终端用户的图形卡，使得脑提取、组织分割和区域划分仅需几秒钟，避免了隐私问题，并提供了一个简单的机制来分发模型，用于额外的图像处理任务	NA	开发一个高效的分布平台，使开发者能够与终端用户共享神经影像人工智能模型	神经影像数据和深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
6331	2024-09-25	Artificial intelligence and bioinformatics: a journey from traditional techniques to smart approaches 2024, Gastroenterology and hepatology from bed to bench DOI:10.22037/ghfbb.v17i3.2977 PMID:39308539	综述	本文综述了人工智能在生物信息学中的应用，从传统技术到智能方法的演变	探讨了人工智能在生物信息学多个领域的应用，包括机器学习、深度学习和自然语言处理	NA	分析和解释生物数据中人工智能模型的不可或缺作用	人工智能在生物信息学中的应用，包括基因组测序、蛋白质结构预测、药物发现等	生物信息学	NA	机器学习、深度学习、自然语言处理	NA	基因组数据、蛋白质结构数据、药物数据、医学影像、文本数据	NA
6332	2024-09-25	An in-depth analysis of data reduction methods for sustainable deep learning 2024, Open research Europe DOI:10.12688/openreseurope.17554.2 PMID:39309190	研究论文	本文深入分析了数据缩减方法在可持续深度学习中的应用	提出了八种不同的表格训练数据集缩减方法，并开发了一个Python包来应用这些方法；引入了一个基于拓扑的表示性度量来衡量缩减数据集与完整训练数据集的相似性；开发了一种将这些数据缩减方法应用于图像数据集进行目标检测任务的方法	NA	研究数据缩减方法在减少深度学习模型训练过程中的能源消耗和提高效率方面的应用	深度学习模型的数据缩减方法及其对数据集表示性、能源消耗和模型预测性能的影响	机器学习	NA	深度学习	NA	表格数据和图像数据	NA
6333	2024-09-25	A deep learning method that identifies cellular heterogeneity using nanoscale nuclear features 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00883-x PMID:39309215	研究论文	本文介绍了一种名为AINU的深度学习方法，用于通过纳米级核特征识别细胞异质性	AINU能够基于超分辨率显微镜图像中的核心组蛋白H3、RNA聚合酶II或DNA的空间排列，区分不同的细胞状态	AINU需要少量的图像作为训练数据，并且需要适当的再训练才能识别特定类型的细胞	开发一种能够识别细胞异质性的深度学习方法，以理解其生物学过程的根源	人类体细胞、人类诱导多能干细胞、早期感染细胞以及癌症细胞	计算机视觉	癌症	超分辨率显微镜	深度学习	图像	少量图像用于训练
6334	2024-09-25	Multiview deep learning networks based on automated breast volume scanner images for identifying breast cancer in BI-RADS 4 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1399296 PMID:39309734	研究论文	开发并验证了一种基于深度学习的自动分割和分类系统，用于分类使用ABVS成像的BI-RADS 4病变	提出了一个两阶段的深度学习框架，包括自动分割模块和自动分类模块，并比较了不同ABVS视图和深度学习架构的诊断性能	研究仅限于BI-RADS 4病变的分类，且样本量相对较小	开发和验证一种基于深度学习的自动分割和分类系统，用于分类BI-RADS 4病变	BI-RADS 4病变的自动分割和分类	计算机视觉	乳腺癌	深度学习	Inception-v3, ResNet 50, MobileNet	图像	251个BI-RADS 4病变，来自216名患者（训练集178个，独立测试集73个）
6335	2024-09-25	Prediction of Arteriovenous Access Dysfunction by Mel Spectrogram-based Deep Learning Model 2024, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.98421 PMID:39310268	研究论文	本研究利用深度学习模型基于Mel频谱图预测动静脉通路功能障碍	首次使用Mel频谱图和深度学习模型预测动静脉通路功能障碍	ViT-GRU模型在测试集上的泛化能力较低	利用深度学习预测动静脉通路功能障碍，以便及时进行血管管理	动静脉瘘或动静脉移植的血液透析患者	机器学习	NA	Mel频谱图	卷积神经网络 (CNN), 卷积循环神经网络 (CRNN), Vision Transformers-Gate Recurrent Unit (ViT-GRU)	音频	437个音频记录，来自84名患者
6336	2024-09-25	Artificial Intelligence-What to Expect From Machine Learning and Deep Learning in Hernia Surgery 2024, Journal of abdominal wall surgery : JAWS DOI:10.3389/jaws.2024.13059 PMID:39310669	综述	本文探讨了人工智能在疝气手术中的应用，重点介绍了机器学习和深度学习的角色	本文详细阐述了深度学习模型在预测腹壁重建复杂性和其他术后结果方面的显著进展	本文指出当前人工智能技术在疝气手术中的应用仍存在局限性，并呼吁进一步的研究和应用	探讨人工智能在疝气手术中的应用及其潜在优势和局限性	疝气手术中的预手术规划、手术技术和术后管理	机器学习	NA	深度学习	神经网络	图像和视频	NA
6337	2024-09-25	A Deep Learning Pipeline for Assessing Ventricular Volumes from a Cardiac MRI Registry of Patients with Single Ventricle Physiology 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230132 PMID:38166332	研究论文	开发了一种端到端的深度学习管道，用于从单心室生理患者的多中心心脏MRI注册表中自动分割心室	提出了一个包含三个深度学习模型的管道，用于自动分割心室，并在多中心数据集上进行了验证	在475个未见过的检查中，有26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发一种自动化的深度学习管道，用于从多中心注册表中评估单心室生理患者的心室体积	单心室生理患者的心脏MRI数据	计算机视觉	先天性心脏病	深度学习	U-Net 3+	图像	250个心脏MRI检查，来自13个机构，用于训练、验证和测试
6338	2024-09-25	Pashto poetry generation: deep learning with pre-trained transformers for low-resource languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2163 PMID:39314685	研究论文	本文介绍了一种利用预训练变压器模型生成高质量Pashto诗歌的创新方法	利用LaMini-Cerebras-590M和bloomz-560m两个预训练变压器模型生成Pashto诗歌	NA	研究如何利用机器和深度学习技术生成高质量的Pashto诗歌	Pashto诗歌生成	自然语言处理	NA	预训练变压器模型	变压器模型	文本	大量新的高质量Pashto诗歌数据集
6339	2024-09-24	Building façade datasets for analyzing building characteristics using deep learning 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110885 PMID:39309718	研究论文	本文构建了一个用于分析建筑特征的立面图像数据集，并利用深度学习技术进行建筑特征的分类	本文首次构建了一个公开的、标注了建筑特征的立面图像数据集，用于训练深度学习模型	本文的研究重点是特定的任务，数据集的标注仅限于这些任务，其他用途需要进一步标注	构建一个用于训练深度学习模型的建筑特征立面图像数据集	建筑立面图像及其特征，包括楼层数、建筑类型、外墙材料和可用街景图像的分类	计算机视觉	NA	深度学习	NA	图像	数据集来源于英国的伦敦和苏格兰，由标注专家进行标注
6340	2024-09-24	Predicting postoperative prognosis in clear cell renal cell carcinoma using a multiphase CT-based deep learning model 2024-Sep-23, Abdominal radiology (New York) DOI:10.1007/s00261-024-04593-1 PMID:39311948	研究论文	本文研究了基于多相CT图像的深度学习模型在预测透明细胞肾细胞癌术后预后中的应用	本文提出了一个基于多相CT图像的深度学习模型，并将其与Leibovich评分结合，显著提高了预测透明细胞肾细胞癌术后预后的性能	本文仅使用了回顾性数据，未来需要前瞻性研究来验证模型的有效性	评估基于CT图像的深度学习模型在预测透明细胞肾细胞癌术后预后中的价值	透明细胞肾细胞癌患者	计算机视觉	肾癌	深度学习	ResNet50	图像	382名透明细胞肾细胞癌患者，其中229名用于训练，153名用于测试