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
7381	2024-09-11	A feasibility study on utilizing machine learning technology to reduce the costs of gastric cancer screening in Taizhou, China 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241277713 PMID:39247098	研究论文	本研究利用机器学习模型优化胃癌筛查评分并降低筛查成本	采用梯度提升机、分布式随机森林和深度学习三种机器学习模型优化胃癌筛查评分	三分类模型无法有效区分中高风险胃癌患者	优化胃癌筛查评分并降低筛查成本	228,634名参与泰州胃癌筛查项目的患者	机器学习	胃癌	机器学习	梯度提升机、分布式随机森林、深度学习	数值数据	228,634名患者
7382	2024-09-11	Prioritizing test cases for deep learning-based video classifiers 2024, Empirical software engineering IF:3.5Q1 DOI:10.1007/s10664-024-10520-1 PMID:39247128	研究论文	本文提出了一种名为VRank的测试优先级排序方法，专门用于视频测试输入，以降低标签成本并提高测试效率	VRank是首个专门为视频测试输入设计的测试优先级排序方法，考虑了视频数据中的时间信息	现有方法未能充分考虑视频数据中的时间信息	提出一种新的测试优先级排序方法，以降低视频测试输入的标签成本	视频测试输入的优先级排序	计算机视觉	NA	NA	DNN分类器	视频	120个实验对象，包括自然和噪声数据集
7383	2024-09-11	AttentionTTE: a deep learning model for estimated time of arrival 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1258086 PMID:39247849	研究论文	提出了一种基于深度学习的ETA预测模型AttentionTTE，利用自注意力机制和循环神经网络捕捉时空相关性	引入自注意力机制捕捉全局空间相关性，结合循环神经网络捕捉局部时空依赖性，并通过多任务学习模块整合全局和局部信息	NA	解决城市智能交通系统中ETA预测问题	任意路径的旅行时间估计	机器学习	NA	自注意力机制、循环神经网络	AttentionTTE	轨迹数据	大量轨迹数据
7384	2024-09-10	Neural implicit surface reconstruction of freehand 3D ultrasound volume with geometric constraints 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103305 PMID:39168075	研究论文	本文介绍了一种名为FUNSR的自监督神经隐式表面重建方法，用于从自由手3D超声体积中学习有符号距离函数（SDFs），并利用几何约束进行表面重建	本文引入了两种新的几何约束：符号一致性约束和表面约束，结合对抗学习，以提高表面重建的质量	NA	提高自由手3D超声体积的表面重建质量，以获取准确的解剖结构	自由手3D超声体积的表面重建	计算机视觉	NA	神经隐式表面重建	NA	体积数据	四个数据集，包括一个髋部幻影数据集、两个血管数据集和一个公开的前列腺数据集
7385	2024-09-10	Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103298 PMID:39173410	研究论文	本研究评估了在胃肠内镜图像分析中利用领域内预训练是否比自然图像预训练更有优势	首次系统评估了领域内预训练在胃肠内镜图像分析中的效果，并发现使用DINO框架的自监督领域内预训练模型在下游任务中表现更优	研究仅限于特定的胃肠内镜图像分析任务，未涵盖其他医学图像分析领域	探讨领域内预训练在胃肠内镜图像分析中的潜在优势	胃肠内镜图像分析中的深度学习模型性能	计算机视觉	NA	自监督学习	ResNet50, Vision-Transformer-small	图像	5,014,174张胃肠内镜图像
7386	2024-09-10	Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103322 PMID:39197301	研究论文	本文提出了一种利用真实荧光透视数据进行腰椎三维重建的领域适应策略	本文创新性地结合了风格迁移和配对数据集，通过迁移学习有效缩小了合成数据与真实X射线数据之间的领域差距	NA	解决手术导航在骨科手术中广泛应用的障碍，如时间限制、成本问题、辐射担忧和手术流程整合	腰椎的三维重建	计算机视觉	NA	深度学习	NA	图像	配对数据集包括合成和真实荧光透视图像
7387	2024-09-10	Editorial for the Special Issue on the 2022 Medical Imaging with Deep Learning Conference 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103308 PMID:39214771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7388	2024-09-10	Combined deep learning and radiomics in pretreatment radiation esophagitis prediction for patients with esophageal cancer underwent volumetric modulated arc therapy 2024-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110438 PMID:39013503	研究论文	本文开发了一种结合放射组学和深度学习的模型，用于预测接受容积调制弧形放疗的食管癌患者术前放射性食管炎的发生	本文创新性地结合了放射组学特征和深度学习技术，通过卷积神经网络提取特征，提高了放射性食管炎的预测准确性	尽管结合了多种特征提取方法，但剂量本身并不是预测准确性的主要因素	开发一种预测食管癌患者在接受容积调制弧形放疗后放射性食管炎发生的方法	接受容积调制弧形放疗的食管癌患者	数字病理学	食管癌	卷积神经网络	ResNet34	图像	273名食管癌患者
7389	2024-09-10	AutoNet-Generated Deep Layer-Wise Convex Networks for ECG Classification 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3378843 PMID:38512733	研究论文	提出了一种自动生成层级凸网络的算法AutoNet，用于心电图分类任务	提出了层级凸定理，确保每一层的损失函数相对于参数是凸的，并通过约束每一层为非线性方程的超定系统来实现	NA	开发一种自动生成层级凸网络的算法，以提高神经网络设计的效率和性能	心电图分类任务	机器学习	NA	NA	层级凸网络（LCN）	心电图数据	涉及五个基准数据集，包括三个心电图数据集和两个非心电图数据集
7390	2024-09-10	Solving the twin paradox-forensic strategies to identify the identical twins 2024-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112205 PMID:39213915	研究论文	本文探讨了通过法医策略识别同卵双胞胎的最新方法和技术	本文介绍了通过下一代测序（NGS）、深度学习网络、表观遗传分析和指纹分析等多种技术来区分同卵双胞胎的新方法	NA	研究如何通过多种技术手段有效区分同卵双胞胎	同卵双胞胎	法医学	NA	下一代测序（NGS）、深度学习网络、表观遗传分析、指纹分析	深度学习网络	基因组数据、语音数据、表观遗传数据、指纹数据	NA
7391	2024-09-10	SmartCADD: AI-QM Empowered Drug Discovery Platform with Explainability 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00720 PMID:39177478	研究论文	介绍了一个名为SmartCADD的创新开源虚拟筛选平台，结合了深度学习、计算机辅助药物设计（CADD）和量子力学方法	SmartCADD整合了多种独立技术，包括ADMET属性预测、从头2D和3D药效团建模、分子对接以及可解释AI机制	NA	解决AI在科学研究中因模型不透明、实施复杂和数据稀缺而面临的阻力	开发一个用户友好的Python框架，用于药物发现和虚拟筛选	计算机辅助药物设计	HIV	深度学习、量子力学	NA	分子数据	NA
7392	2024-09-10	Hybrid Diffusion Model for Stable, Affinity-Driven, Receptor-Aware Peptide Generation 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01020 PMID:39193724	研究论文	本文介绍了一种名为HYDRA的混合深度学习方法，用于生成针对特定受体的稳定、亲和力驱动的肽	HYDRA结合了扩散模型的分布建模能力和结合亲和力最大化算法，用于从头设计针对各种目标受体的肽结合剂	NA	开发一种新的深度学习方法，用于设计针对特定受体的治疗性肽	治疗性肽及其与目标受体的结合	机器学习	NA	深度学习	扩散模型	肽序列	NA
7393	2024-09-10	Conformations of KRAS4B Affected by Its Partner Binding and G12C Mutation: Insights from GaMD Trajectory-Image Transformation-Based Deep Learning 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01174 PMID:39197061	研究论文	研究了KRAS4B与其伙伴结合及G12C突变对其构象动态的影响	采用高斯加速分子动力学模拟结合深度学习和主成分分析，揭示了G12C突变和伙伴结合对KRAS4B关键结构域接触的改变	NA	深入理解KRAS4B的功能	KRAS4B的构象变化及其与伙伴结合和G12C突变的关系	生物信息学	NA	高斯加速分子动力学模拟	深度学习	分子动力学轨迹	NA
7394	2024-09-10	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep-09, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	本文开发了一种算法，利用社交媒体数据识别美国军人和退伍军人的自杀风险	首次使用深度学习模型RoBERTa结合社交媒体文本和元数据来检测自杀相关内容	研究样本仅限于一个军事特定的社交媒体平台，未来需要验证在其他平台上的适用性	开发一种能够识别社交媒体上自杀相关内容的算法，以帮助识别高自杀风险的军人和退伍军人	美国军人和退伍军人的社交媒体帖子	机器学习	NA	深度学习	RoBERTa	文本	8449条社交媒体帖子
7395	2024-09-10	High-quality AFM image acquisition of living cells by modified residual encoder-decoder network 2024-Sep, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2024.108107 PMID:38906499	研究论文	提出了一种基于残差编码器-解码器的自适应注意力图像重建网络，用于提高原子力显微镜成像质量	结合深度学习技术和原子力显微镜成像，提出了一种新的网络结构，显著提高了图像重建质量和细胞识别率	未提及	提高原子力显微镜成像质量，以便更好地进行细胞研究和分析	活细胞的原子力显微镜图像	计算机视觉	NA	原子力显微镜	残差编码器-解码器网络	图像	未提及
7396	2024-09-10	Challenges and opportunities in the development and clinical implementation of artificial intelligence based synthetic computed tomography for magnetic resonance only radiotherapy 2024-09, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110387 PMID:38885905	研究论文	本文讨论了基于人工智能的合成计算机断层扫描（sCT）在仅使用磁共振成像（MRI）的放射治疗中的开发和临床实施的挑战与机遇	本文提出了在没有共识的情况下，如何通过专家讨论来解决sCT在不同医院中的实施差异问题	本文主要集中在sCT的开发和实施方面，未深入探讨具体的算法和技术细节	探讨sCT在放射治疗中的临床应用及其面临的挑战	合成计算机断层扫描（sCT）在仅使用磁共振成像（MRI）的放射治疗中的应用	计算机视觉	NA	深度学习（DL）	NA	图像	NA
7397	2024-09-10	Artificial intelligence-assisted quantitative CT analysis of airway changes following SABR for central lung tumors 2024-09, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110376 PMID:38857700	研究论文	本文评估了一种基于人工智能的自动化评分方法，用于量化中央肺肿瘤患者接受立体定向消融放疗（SABR）后支气管变化	本文的创新点在于使用基于人工智能的气道自动分割技术，能够更早地检测到支气管狭窄/闭塞，并提高了检测率	本文的局限性在于仅在两个数据集上进行了验证，且样本量相对较小	研究目的是评估一种基于人工智能的自动化评分方法，用于量化中央肺肿瘤患者接受SABR后支气管变化	研究对象是接受SABR治疗的中央肺肿瘤患者	计算机视觉	肺癌	立体定向消融放疗（SABR）	深度学习模型（MEDPSeg）	CT扫描图像	共59名患者，其中26名来自阿姆斯特丹大学医学中心（AUMC），33名来自彼得·麦克卡勒姆癌症中心（PMCC）
7398	2024-08-26	Correction: PSMA‑positive prostatic volume prediction with deep learning based on T2‑weighted MRI 2024-Sep, La Radiologia medica DOI:10.1007/s11547-024-01829-4 PMID:39180615	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7399	2024-09-10	Ambulatory ECG noise reduction algorithm for conditional diffusion model based on multi-kernel convolutional transformer 2024-Sep-01, The Review of scientific instruments DOI:10.1063/5.0222123 PMID:39248622	研究论文	本文提出了一种基于多核卷积变压器的条件扩散模型，用于动态心电图噪声抑制	引入条件噪声增强扩散模型网络，设计多核卷积变压器网络结构，并整合扩散模型逆过程实现噪声抑制	NA	提高动态心电图信号的清晰度，以便更准确地分析心血管疾病	动态心电图信号及其噪声干扰	计算机视觉	心血管疾病	深度学习	卷积变压器网络	心电图信号	QT数据库和MIT-BIH噪声应激测试数据库
7400	2024-09-10	Performance analysis of deep learning-based electric load forecasting model with particle swarm optimization 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35273 PMID:39247372	研究论文	本文提出了一种基于深度学习和粒子群优化的电力负荷预测模型PSO-BiTC	该模型结合了时间卷积网络（TCN）和双向长短期记忆网络（BiLSTM），并使用粒子群优化算法（PSO）优化模型参数，提高了预测性能和泛化能力	NA	提高电力负荷预测的准确性和效率	电力负荷预测模型	机器学习	NA	粒子群优化算法（PSO）	时间卷积网络（TCN）和双向长短期记忆网络（BiLSTM）	时间序列数据	四个广泛的数据集