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
7141	2024-09-06	Discovery of AMPs from random peptides via deep learning-based model and biological activity validation 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116797 PMID:39197254	研究论文	本文通过深度学习模型从随机肽库中筛选出具有抗菌活性的多肽，并验证了其生物活性	利用深度学习构建多判别器模型，成功从30,000个随机肽中筛选出12个具有抗菌活性的多肽	仅在特定实验条件下验证了筛选出的多肽的抗菌活性，未进行大规模临床试验	发现具有临床应用潜力的新型抗菌肽	随机肽库中的抗菌肽	机器学习	NA	深度学习	多判别器模型	肽序列	30,000个随机肽
7142	2024-09-06	A protein pre-trained model-based approach for the identification of the liquid-liquid phase separation (LLPS) proteins 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134146 PMID:39067723	研究论文	本文提出了一种基于蛋白质预训练模型的方法，用于识别液-液相分离（LLPS）蛋白质	本文使用基于transformer架构的ESM2-36预训练模型结合卷积神经网络，直接感知蛋白质序列的语义信息，提高了识别LLPS蛋白质的准确性	NA	开发一种高效、成本低廉的方法来识别LLPS蛋白质	液-液相分离（LLPS）蛋白质	机器学习	NA	NA	卷积神经网络（CNN）	蛋白质序列	1206个蛋白质序列，包括603个LLPS蛋白质和603个非LLPS蛋白质
7143	2024-09-06	The Application of Artificial Intelligence to Acoustic Data in Otolaryngology 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.06.011 PMID:39048506	综述	本文综述了人工智能，特别是深度学习，在耳鼻喉科，尤其是喉科和耳科中的应用	深度学习通过其建模复杂、噪声系统的强大能力，正在改变多个领域，并在许多任务中达到与人类相当的性能	本文主要讨论了深度学习在耳鼻喉科中的应用，但未深入探讨其他医学领域的应用	探讨深度学习在耳鼻喉科中的应用及其潜力	耳鼻喉科，特别是喉科和耳科	机器学习	NA	深度神经网络 (DNNs)	深度神经网络 (DNNs)	声学数据和其他临床数据	NA
7144	2024-09-06	A green and efficient approach for the simultaneous extraction and mechanisms of essential oil and lignin from Cinnamomum camphora: Process optimization based on deep learning 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134215 PMID:39074705	研究论文	研究了一种从樟树叶中同时提取精油和木质素的绿色高效方法，并利用深度学习工具优化了提取过程	采用深度共熔溶剂（DES）和深度学习工具实现了樟树叶中精油和木质素的同时提取，提取效率比传统水蒸气蒸馏提高了23%	NA	最大化生物质资源的利用和经济效益	樟树叶中的精油和木质素	NA	NA	深度共熔溶剂（DES）	深度学习	NA	NA
7145	2024-09-06	Removing Artifacts in Transcranial Photoacoustic Imaging With Polarized Self-Attention Dense-UNet 2024-Oct, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.06.006 PMID:39013725	研究论文	本文提出了一种极化自注意力密集U-Net（PSAD-UNet）用于去除经颅光声成像中的伪影	本文创新性地提出了PSAD-UNet模型，通过极化自注意力和密集连接的结合，有效减少了骨板对光声信号的干扰	NA	研究目的是利用深度学习技术去除经颅光声成像中的伪影，提高成像质量	研究对象是经颅光声成像中的伪影和骨板对光声信号的干扰	计算机视觉	NA	深度学习	U-Net	图像	使用自建的光声成像系统进行了一系列实验
7146	2024-09-06	Computer Vision-Radiomics & Pathognomics 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.05.003 PMID:38910065	review	本文综述了计算机视觉在提取放射学（放射组学）和组织病理学（病理组学）特征中的应用	本文探讨了将多维数据输入整合以全面指导预后和临床管理的新方法	本文指出了当前研究中的空白，并呼吁未来工作填补这些空白	综述计算机视觉在头颈部癌症中的应用，并探讨未来研究方向	头颈部癌症的肿瘤特征、淋巴结特征及各种预后	computer vision	头颈部癌症	NA	NA	NA	NA
7147	2024-09-06	Artificial Intelligence in Laryngology, Broncho-Esophagology, and Sleep Surgery 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.04.002 PMID:38719714	综述	本文综述了人工智能在喉科学、支气管食管学和睡眠外科领域的最新创新	人工智能，特别是机器学习和深度学习，为处理和解释复杂数据提供了创新解决方案，使诊断和管理更加高效和有效	NA	探讨人工智能在喉科学、支气管食管学和睡眠外科领域的应用	喉科学、支气管食管学和睡眠外科领域的数据处理和诊断	机器学习	NA	机器学习、深度学习	NA	NA	NA
7148	2024-09-06	Deep learning method with integrated invertible wavelet scattering for improving the quality ofin vivocardiac DTI 2024-Sep-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6f6a PMID:39142339	研究论文	提出了一种基于无监督学习可逆小波散射（IWS）的深度学习方法，用于提高体内心脏扩散张量成像（DTI）的质量	使用多尺度小波散射（WS）提取近似变换不变特征，并通过多尺度编码器和解码器网络学习WS系数与DW图像之间的关系，从而提高SNR和CNR，并产生一致的FA和MD值以及更连贯的螺旋纤维结构	依赖于重复采集的数量，可能影响融合结果	提高心脏扩散张量成像（DTI）的质量	心脏扩散加权（DW）图像	计算机视觉	NA	扩散张量成像（DTI）	多尺度编码器和解码器网络	图像	三个心脏DTI数据集
7149	2024-09-06	Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques 2024-Sep-05, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2400318 PMID:39235388	研究论文	本研究使用双向长短期记忆（LSTM）模型，通过关节角度和表面肌电图（sEMG）信号预测下肢关节扭矩，并评估了不同输入模态下的模型性能	本研究创新性地使用了双向LSTM模型，并比较了单一输入模态和组合输入模态在关节扭矩预测中的效果	本研究仅使用了公开数据集进行训练和评估，未探讨其他数据集或实际应用场景中的表现	研究如何通过机器学习技术提高下肢关节扭矩预测的准确性	下肢关节扭矩的预测	机器学习	NA	双向长短期记忆（LSTM）	LSTM	关节角度和表面肌电图（sEMG）信号	使用公开数据集进行训练和评估
7150	2024-09-06	Classification of 3D shoe prints using the PointNet architecture: proof of concept investigation of binary classification of nike and adidas outsoles 2024-Sep-05, Forensic science, medicine, and pathology DOI:10.1007/s12024-024-00877-6 PMID:39235752	研究论文	研究使用PointNet架构对3D鞋印进行二分类	首次使用深度学习方法对3D鞋印进行分类研究	开发的二分类方法可能不完全满足当前法医需求	探索使用深度学习方法对3D鞋印进行分类	3D鞋印的二分类	计算机视觉	NA	深度学习	PointNet	图像	160对鞋，包括797张Adidas品牌和2445张Nike品牌的图像
7151	2024-09-06	A Deep and Interpretable Learning Approach for Long-Term ECG Clinical Noise Classification 2024-Sep-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3454545 PMID:39231059	研究论文	本文探讨了使用深度学习和可解释系统对长期心电图临床噪声进行分类的方法	本文引入了深度学习模型，并结合可解释系统，提供了对决策过程的解释性	NA	提高长期心电图监测中临床噪声分类的准确性和可解释性	长期心电图监测中的临床噪声	机器学习	NA	深度学习	卷积神经网络 (CNN) 和自编码器 (AE)	心电图 (ECG)	NA
7152	2024-09-06	A Graph-Based Time-Frequency Two-Stream Network for Multistep Prediction of Key Performance Indicators in Industrial Processes 2024-Sep-04, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3447108 PMID:39231064	研究论文	本文提出了一种基于图的时间-频率双流网络，用于工业过程中关键性能指标的多步预测	本文创新性地提出了多图注意力层和时间-频率双流网络，解决了过程变量之间的复杂耦合关系和长期依赖学习问题	NA	实现工业过程中关键性能指标的多步预测	工业过程中的关键性能指标	机器学习	NA	多图注意力层	图神经网络	时间序列数据	两个真实世界工业数据集
7153	2024-09-06	The impact of deep learning on diagnostic performance in the differentiation of benign and malignant thyroid nodules 2024-Sep-04, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4432 PMID:39231286	研究论文	本研究利用深度学习（DL）对甲状腺结节进行良恶性分类，并评估其对不同经验放射科医生诊断准确性的影响	本研究首次探讨了深度学习模型在甲状腺结节良恶性分类中的应用，并展示了其对不同经验放射科医生诊断准确性的提升效果	本研究样本量较小，仅包括576张超声图像，未来需要更大规模的研究来验证结果的普适性	研究深度学习在甲状腺结节良恶性分类中的应用及其对放射科医生诊断准确性的影响	甲状腺结节的超声图像及不同经验水平的放射科医生	计算机视觉	甲状腺疾病	深度学习	深度学习模型	图像	576张甲状腺结节的超声图像
7154	2024-09-06	Generating synthetic high-resolution spinal STIR and T1w images from T2w FSE and low-resolution axial Dixon 2024-Sep-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11047-1 PMID:39231829	研究论文	本文研究了如何从T2加权快速自旋回波（T2w FSE）和低分辨率轴向Dixon序列生成高分辨率的脊柱STIR和T1加权图像	本文提出了一种基于3D Pix2Pix深度学习模型的方法，通过结合T2w FSE和低分辨率T1w-Dixon序列生成高分辨率的T1w FSE和STIR图像	研究是回顾性的，且依赖于特定的数据集和MRI设备	研究目的是生成高分辨率的脊柱T1加权和STIR图像，以节省MRI时间和支持回顾性分析	研究对象包括T2w FSE和T1w-Dixon序列图像	计算机视觉	NA	3D Pix2Pix深度学习模型	Pix2Pix	图像	3142名受试者（SHIP数据集），2000名受试者（NAKO数据集），157名患者（内部数据集）
7155	2024-09-06	Brain tumor detection and segmentation using deep learning 2024-Sep-04, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01203-5 PMID:39231857	研究论文	本文研究了使用深度学习算法进行脑肿瘤检测和分割的方法	本文首次将YOLOv5与2D U-Net结合用于脑肿瘤的多类别检测、分类和分割	本文未详细讨论模型的计算资源需求和训练时间	比较不同深度学习算法在脑肿瘤检测和分割中的性能	脑肿瘤的检测、分类和分割	计算机视觉	脑肿瘤	深度学习	YOLOv5, 2D U-Net	MRI图像	使用了Brain Tumor Figshare (BTF)数据集和BRATS 2018数据集
7156	2024-09-06	Feature-Based vs. Deep-Learning Fusion Methods for the In Vivo Detection of Radiation Dermatitis Using Optical Coherence Tomography, a Feasibility Study 2024-Sep-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01241-4 PMID:39231883	研究论文	本研究探讨了使用光学相干断层扫描（OCT）图像结合机器学习方法检测急性放射性皮炎（ARD）的可行性	本研究首次比较了基于特征的传统机器学习方法与深度学习融合方法在检测ARD中的表现，发现深度学习方法优于传统方法	本研究样本量较小，且仅限于颈部位置的图像，未来研究需扩大样本量和研究部位	开发一种定量评估工具，以改善急性放射性皮炎的管理	急性放射性皮炎的检测	机器学习	癌症	光学相干断层扫描（OCT）	深度学习	图像	22名患者，共1487张图像
7157	2024-09-06	Unsupervised and Self-supervised Learning in Low-Dose Computed Tomography Denoising: Insights from Training Strategies 2024-Sep-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01213-8 PMID:39231886	综述	本文综述了低剂量计算机断层扫描（LDCT）去噪中的无监督和自监督学习方法及其训练策略	本文填补了无监督和自监督学习方法在LDCT去噪中训练策略的综述空白	本文未提供具体的实验结果或模型性能比较	旨在为研究人员和从业者提供关于LDCT去噪中无监督和自监督学习方法的见解和指导	低剂量计算机断层扫描图像去噪方法及其训练策略	计算机视觉	NA	深度学习	NA	图像	NA
7158	2024-09-04	PCaseek: ultraspecific urinary tumor DNA detection using deep learning for prostate cancer diagnosis and Gleason grading 2024-Sep-03, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00710-y PMID:39223118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7159	2024-09-06	Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy 2024-Sep-03, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.08.004 PMID:39232875	研究论文	比较了基于人工智能和病理学家对根治性前列腺切除术后转移结果预测的Gleason分级	首次评估了人工智能算法在预测肿瘤转移结果方面的表现，而不仅仅是与病理学家分级的协议	研究仅限于三个手术队列，样本量相对较小	评估人工智能和病理学家在预测前列腺癌转移结果方面的表现	前列腺癌患者的Gleason分级和转移结果	数字病理学	前列腺癌	深度学习	NA	图像	777名独特的前列腺癌患者
7160	2024-09-06	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-Sep-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文介绍了一种利用共平面注意力机制的深度学习模型，用于跨MRI序列诊断十二种膝关节异常	引入了共平面注意力机制，提高了模型对多序列MRI图像的分类能力	未提及具体限制	开发一种能够准确分类膝关节异常的深度学习模型	多序列膝关节MRI图像及其对应的异常类型	计算机视觉	NA	深度学习	深度学习模型	图像	1748名受试者和12种异常类型