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
6401	2024-09-22	Intelligent cardiovascular disease diagnosis using deep learning enhanced neural network with ant colony optimization 2024-09-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71932-z PMID:39294203	研究论文	本文提出了一种基于蚁群优化和增强深度学习的智能心血管疾病诊断模型	该模型使用蚁群优化选择最优特征子集，并通过贝叶斯优化调整深度学习增强神经网络的超参数，显著提高了心血管疾病的分类效率和准确性	NA	开发一种能够从大数据集中识别模式并可靠诊断心血管疾病的智能诊断模型	心血管疾病	机器学习	心血管疾病	深度学习	神经网络	医疗数据	NA
6402	2024-09-22	Enhancing deep learning-based slope stability classification using a novel metaheuristic optimization algorithm for feature selection 2024-Sep-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72588-5 PMID:39294389	研究论文	本研究通过结合现代特征选择算法和传统特征分析方法，评估了机器学习技术在边坡稳定性分类中的有效性	提出了使用二进制bGGO技术进行特征选择，并与生成对抗网络（GAN）模型结合，显著提高了分类性能	NA	识别影响边坡稳定性的关键因素，并评估不同机器学习模型在边坡稳定性分类中的表现	边坡稳定性及其影响因素	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	数值数据	627个样本
6403	2024-09-22	Longitudinal deep neural networks for assessing metastatic brain cancer on a large open benchmark 2024-Sep-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52414-2 PMID:39289405	研究论文	本文介绍了NYUMets-Brain数据集和Segmentation-Through-Time深度神经网络，用于检测和跟踪脑转移癌	提出了Segmentation-Through-Time深度神经网络，利用数据的时间结构进行小尺寸转移癌的检测和分割，并展示了其对总体生存率的预测能力	NA	开发工具以解决临床试验和实际护理中检测和跟踪转移癌的挑战	脑转移癌的检测和跟踪	计算机视觉	脑癌	深度学习	深度神经网络	影像、临床随访和医疗管理数据	1429名患者
6404	2024-09-22	SLAM: Structure-aware lysine β-hydroxybutyrylation prediction with protein language model 2024-Sep-16, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.135741 PMID:39293623	研究论文	本文提出了一种基于深度学习的计算方法SLAM，用于预测蛋白质中的赖氨酸β-羟基丁酰化位点	首次提出了用于赖氨酸β-羟基丁酰化位点检测的计算方法	NA	开发一种准确且高效的计算方法来预测赖氨酸β-羟基丁酰化位点	赖氨酸β-羟基丁酰化位点	机器学习	NA	深度学习	NA	蛋白质序列	NA
6405	2024-09-22	Exploring protein structural ensembles: Integration of sparse experimental data from electron paramagnetic resonance spectroscopy with molecular modeling methods 2024-Sep-16, eLife IF:6.4Q1 DOI:10.7554/eLife.99770 PMID:39283059	综述	本文综述了将电子顺磁共振光谱的稀疏实验数据与分子建模方法结合，以推导罕见蛋白质构象的全原子结构模型的计算方法	提出了利用深度学习方法提高可靠性和效率的策略	NA	探讨蛋白质结构集合，结合实验数据与计算方法，详细描述蛋白质的柔性	蛋白质的结构波动及其在功能中的作用	结构生物学	NA	电子顺磁共振光谱	深度学习	结构数据	NA
6406	2024-09-22	Transparent RFID tag wall enabled by artificial intelligence for assisted living 2024-09-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64411-y PMID:39284809	研究论文	本文介绍了一种利用被动超高频射频识别标签阵列和深度学习技术进行非接触式人体活动监测的新系统TRT-Wall	提出了TRT-Wall系统，结合RFID标签和深度学习技术，实现了对老年人活动的非接触式监测	实验仅在五种特定活动和四种距离下进行了测试，可能需要进一步验证其在更多活动和更广泛环境中的适用性	开发一种更实用、成本更低且不具侵入性的辅助生活系统，以提高老年人生活质量并降低医疗成本	老年人活动监测	机器学习	NA	射频识别（RFID）	深度学习	信号	五种活动在四种距离下的测试
6407	2024-09-22	Leveraging immuno-fluorescence data to reduce pathologist annotation requirements in lung tumor segmentation using deep learning 2024-09-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69244-3 PMID:39284813	研究论文	本文探讨了利用免疫荧光数据减少病理学家在肺肿瘤分割中标注需求的方法	通过使用低成本的panCK标注数据预训练模型，减少了高成本病理学家标注的需求，同时保持了模型性能	NA	研究如何减少非小细胞肺癌肿瘤分割算法训练中的病理学家标注需求	非小细胞肺癌肿瘤分割模型	数字病理学	肺癌	深度学习	Attention U-Net	图像	112个样本，包括68个panCK标注样本和80个病理学家标注样本
6408	2024-09-22	Application research on the diagnosis of classic trigeminal neuralgia based on VB-Net technology and radiomics 2024-Sep-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01424-z PMID:39285327	研究论文	本研究利用VB-Net深度学习方法定位和分割三叉神经，并结合影像组学方法区分三叉神经痛患者与健康个体	首次将VB-Net技术与影像组学方法结合用于三叉神经痛的诊断	样本量相对较小，可能影响模型的泛化能力	探索基于VB-Net技术和影像组学的三叉神经痛诊断方法	三叉神经痛患者与健康个体	计算机视觉	神经痛	VB-Net技术、影像组学	梯度提升决策树、高斯过程、随机森林	影像数据	165名三叉神经痛患者和175名健康对照者
6409	2024-09-22	Model for detecting metastatic deposits in lymph nodes of colorectal carcinoma on digital/ non-WSI images 2024-Sep-16, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-024-01547-5 PMID:39285483	研究论文	本文介绍了一种用于检测结直肠癌淋巴结中转移灶的模型，该模型基于数字/非全切片图像	本文首次应用深度学习模型Ensemble来识别淋巴结中的肿瘤沉积物，提高了检测的准确性	研究样本量较小，需要进一步扩大样本数据以验证模型的有效性	开发一种人工智能支持的工作流程，以提高结直肠癌淋巴结中转移灶检测的准确性和效率	结直肠癌患者的淋巴结图像	数字病理学	结直肠癌	深度学习	Ensemble	图像	165例结直肠癌患者的淋巴结图像
6410	2024-09-22	Radiomics predicts the prognosis of patients with clear cell renal cell carcinoma by reflecting the tumor heterogeneity and microenvironment 2024-Sep-16, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00768-7 PMID:39285496	研究论文	开发并验证了一种基于CT的深度学习放射组学模型，用于预测透明细胞肾细胞癌患者的总生存期，并研究放射组学与肿瘤异质性和微环境的关系	结合深度学习放射组学评分和临床病理特征，开发了一种新的综合模型，用于预测透明细胞肾细胞癌患者的预后	需要进一步的研究来验证该模型在不同人群和临床环境中的适用性	开发和验证一种基于CT的深度学习放射组学模型，用于预测透明细胞肾细胞癌患者的总生存期	透明细胞肾细胞癌患者的总生存期预测	数字病理学	肾癌	深度学习放射组学	深度学习模型	图像	512名透明细胞肾细胞癌患者
6411	2024-09-22	Identification of potential landslide in Jianzha county based on InSAR and deep learning 2024-Sep-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72391-2 PMID:39285244	研究论文	本研究利用InSAR和深度学习技术在青海省尖扎县识别潜在滑坡区域	结合PS-InSAR和SBAS-InSAR技术与光学遥感技术，利用深度学习模型识别潜在滑坡点	研究范围仅限于尖扎县，且深度学习模型的检测准确率为76.92%	及时准确地识别滑坡风险，为灾害预防提供依据	青海省尖扎县的潜在滑坡区域	遥感	NA	InSAR	深度学习模型	图像	56个潜在滑坡点，包括39个高风险点和17个中风险点
6412	2024-09-22	Combining Google traffic map with deep learning model to predict street-level traffic-related air pollutants in a complex urban environment 2024-Sep, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108992 PMID:39250881	研究论文	研究利用深度学习模型结合谷歌交通地图预测复杂城市环境中街道级别的交通相关空气污染物	本研究创新性地将谷歌实时交通状态数据与深度学习模型结合，以提高对街道级别交通相关空气污染物的预测精度	研究主要集中在香港地区，可能限制了结果的普适性	旨在通过深度学习模型预测香港地区街道级别的氮氧化物浓度	研究对象为香港地区的街道级别交通相关空气污染物	机器学习	NA	深度学习	深度学习模型	交通状态数据	使用了公交车上的移动空气质量传感器数据和谷歌实时交通状态数据
6413	2024-09-22	Enhanced Diagnostic Accuracy for Dental Caries and Anomalies in Panoramic Radiographs Using a Custom Deep Learning Model 2024-Aug, Cureus DOI:10.7759/cureus.67315 PMID:39301353	研究论文	本文介绍了一种基于深度学习的定制模型，用于全景牙科X光片的二分类，以提高牙科龋齿和异常的诊断准确性	使用直方图均衡化和滤波方法作为预处理技术，有效解决了牙科X光片中不规则光照和对比度的问题，提高了图像质量	NA	开发一种自动化分类系统，以帮助简化诊断工作流程并及时为临床医生提供见解	全景牙科X光片中的牙科龋齿和异常	计算机视觉	口腔疾病	深度学习	CNN	图像	三个独立的全景牙科X光片数据集
6414	2024-09-22	Multimodal functional deep learning for multiomics data 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae448 PMID:39285512	研究论文	本文提出了一种多模态功能深度学习（MFDL）方法，用于分析高维多组学数据	MFDL方法通过深度神经网络的层次结构建模多组学变体与疾病表型之间的复杂关系，并利用功能数据分析技术处理高维组学数据，同时捕捉不同类型组学数据之间的相互作用	NA	解决多组学数据分析中的高维度和复杂交互问题	多组学数据及其与疾病表型的关系	机器学习	NA	功能数据分析	深度神经网络	多组学数据	NA
6415	2024-09-22	Designing interpretable deep learning applications for functional genomics: a quantitative analysis 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae449 PMID:39293804	综述	本文对功能基因组学中可解释深度学习应用的设计挑战进行了定量分析	本文通过预定义的标准量化了当前领域的现状，发现了最常见的解决方案，并指出了开发可解释深度学习模型在基因组学中的未探索机会	NA	探讨在功能基因组学中设计可解释深度学习解决方案时遇到的设计挑战	基因组学数据特征、神经网络架构应用以及解释策略	机器学习	NA	深度学习	神经网络	基因组学数据	NA
6416	2024-09-22	A comparative evaluation of maize silage quality under diverse pre-ensiling strategies 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308627 PMID:39292664	研究论文	本文比较了不同预青贮策略下玉米青贮饲料质量的影响	利用开源数据库评估了新鲜收获玉米化学成分多样性对青贮饲料质量的影响，并提出了结合多数据库数据以应用更强大的机器学习或深度学习算法的建议	预测模型仅适用于使用田间传感器技术的筛选目的，需要更全面的方法来更好地阐明玉米青贮饲料质量的决定因素	评估不同预青贮策略对玉米青贮饲料质量的影响	玉米青贮饲料的质量	NA	NA	NA	NA	NA	NA
6417	2024-09-22	Artificial intelligence and machine learning applications for the imaging of bone and soft tissue tumors 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1332535 PMID:39301168	研究论文	本文探讨了人工智能和机器学习在骨与软组织肿瘤影像学中的应用	本文展示了人工智能工具在影像分割、病变检测等方面的潜力，特别是在恶性分级、预测和治疗计划中的应用	本文指出了标准化、数据整合和患者数据伦理问题等挑战，以及由于疾病发病率有限导致的算法开发障碍	本文旨在探讨人工智能和机器学习在骨与软组织肿瘤影像学中的应用及其潜力	本文主要研究对象是骨与软组织肿瘤的影像学	计算机视觉	骨与软组织肿瘤	人工智能、机器学习	深度学习	影像	NA
6418	2024-09-22	Noise-induced modality-specific pretext learning for pediatric chest X-ray image classification 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1419638 PMID:39301479	研究论文	研究探讨了通过图像去噪和去模糊增强的特定模态预训练学习在小儿胸片分类中的有效性	提出了一种基于VGG-16-Sharp-U-Net架构的特定模态预训练学习方法，显著提高了小儿胸片分类的敏感性和其他性能指标	研究仅限于小儿胸片分类，未涉及其他类型的医学图像	探索特定模态预训练学习在医学图像分类中的应用，特别是小儿胸片分类	小儿胸片图像，分为正常肺部和心肺疾病表现	计算机视觉	NA	深度学习	VGG-16-Sharp-U-Net	图像	NA
6419	2024-09-22	Diagnostic accuracy of deep learning in detection and prognostication of renal cell carcinoma: a systematic review and meta-analysis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1447057 PMID:39301494	meta-analysis	本文通过系统综述和荟萃分析评估了深度神经网络在肾细胞癌检测和预后中的诊断性能	本文首次通过荟萃分析评估了深度神经网络在肾细胞癌亚型检测和生存预测中的综合诊断性能	需要进一步研究以验证这些发现并在大规模上建立其普遍性	评估深度神经网络在肾细胞癌检测和预后中的诊断性能	肾细胞癌的亚型检测和生存预测	数字病理学	肾细胞癌	深度学习	深度神经网络	病理样本	5340名患者
6420	2024-09-22	Deep learning-based image analysis predicts PD-L1 status from 18F-FDG PET/CT images in non-small-cell lung cancer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1402994 PMID:39301549	研究论文	本研究利用深度学习技术分析18F-FDG PET/CT图像，预测非小细胞肺癌中的PD-L1表达状态	本研究首次将深度学习与临床特征结合，用于预测非小细胞肺癌中的PD-L1表达，并验证了18F-FDG PET/CT图像作为PD-L1表达生物标志物的潜力	本研究为回顾性研究，样本量较小，需要进一步的前瞻性研究验证	研究目的是通过结合深度学习图像和临床特征，提高非小细胞肺癌中PD-L1表达的预测性能	研究对象为101名接受18F-FDG PET/CT扫描的非小细胞肺癌患者	计算机视觉	肺癌	深度学习	3D DenseNet121	图像	101名非小细胞肺癌患者