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
9301	2024-08-05	Enhancing global maritime traffic network forecasting with gravity-inspired deep learning models 2024-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67552-2 PMID:39030401	研究论文	本文开发了一种新的物理启发模型，用于预测全球港口区域间的海洋运输交通	该研究将变压器技术引入重力模型，重建短期和长期依赖关系，从而提高了风险分析的可行性，并实现了比传统深度重力模型提高超过10%的精度	模型的适用性可能受限于特定数据源的可用性和准确性	旨在通过运输网络评估非本地水生物种的扩散风险	研究对象是港口区域间的海洋运输流量	计算机视觉	NA	物理启发模型	变压器	NA	NA
9302	2024-08-05	SENSE-PPI reconstructs interactomes within, across, and between species at the genome scale 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110371 PMID:39055916	研究论文	本文介绍了一种名为SENSE-PPI的深度学习模型，用于高效重建蛋白质-蛋白质相互作用网络	SENSE-PPI利用最新一代的蛋白质语言模型和递归神经网络，能在功能相似的蛋白质中区分具体相互作用，且在跨物种预测中表现出高准确性和灵活性	对于系统发育上更远的模型和非模型生物，其性能下降较大，但是信号变化很缓慢	研究蛋白质-蛋白质相互作用网络，以揭示细胞系统的生物机制	涉及成千上万的蛋白质，尤其是在功能上相似的蛋白质	计算生物学	NA	蛋白质语言模型，递归神经网络	深度学习模型	蛋白质序列	可测试10,000种蛋白质
9303	2024-08-05	Risk prediction of heart diseases in patients with breast cancer: A deep learning approach with longitudinal electronic health records data 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110329 PMID:39055938	研究论文	本研究开发并评估了六种心脏疾病风险预测模型，使用真实世界电子健康记录数据。	提出了结合可训练衰减机制的LSTM-D模型，以处理长短期记忆模型中的缺失值，并通过NLP方法提取乳腺癌表型，增强预测效果。	未提到具体的研究限制。	准确预测乳腺癌患者的心脏疾病风险，为临床决策支持和患者安全提供帮助。	本研究以乳腺癌患者为研究对象，评估六种心脏疾病的风险。	机器学习	心血管疾病	电子健康记录（EHRs）	LSTM	结构化和非结构化数据	NA
9304	2024-08-05	Prediction of recurrence risk in endometrial cancer with multimodal deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02993-w PMID:38789645	研究论文	本研究开发了HECTOR，一个基于多模态深度学习的预后模型，用于预测子宫内膜癌的远处复发风险	HECTOR模型基于全切片图像和肿瘤分期，超越了目前的金标准，并能够识别具有显著不同预后的患者	当前研究未提及模型在其他癌症类型中的适用性	本研究旨在改善子宫内膜癌的个性化辅助治疗策略	研究对象为来自八个子宫内膜癌队列共2072名患者的数据	数字病理学	子宫内膜癌	深度学习	NA	全切片图像	2072名患者
9305	2024-08-05	Quantifying Geographic Atrophy in Age-Related Macular Degeneration: A Comparative Analysis Across 12 Deep Learning Models 2024-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.42 PMID:39046755	研究论文	这篇文章研究了12种深度学习模型在年龄相关性黄斑变性中对地理萎缩进行分割的表现	探索多种AI架构组合以寻找最有效的地理萎缩分割方法	文章未提及具体的模型限制和数据集的多样性问题	确定用于地理萎缩分割的最有效的AI架构	12种不同的AI架构组合	计算机视觉	老年性疾病	深度学习	FPN, UNet, PSPNet, EfficientNet, ResNet, VGG, Mix Vision Transformer	图像	601幅FAF图像用于训练，156幅FAF图像用于验证
9306	2024-08-05	Automated detection of fatal cerebral haemorrhage in postmortem CT data 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03183-6 PMID:38329584	研究论文	本文提出了一种自动检测致命脑出血的三维PMCT数据的方法	引入了基于深度学习的分类算法，能够在法医成像中有效识别致命脑出血	研究基于单一机构的病例数据，样本量相对较小	旨在通过PMCT数据支持法医病理学的死亡原因评估	回顾性选择了81个PMCT病例作为研究对象	数字病理学	NA	PMCT	CNN和DenseNet	三维图像	81个PMCT病例
9307	2024-08-05	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本文探讨了放射组学特征与3D深度学习结合在评估痴呆患者中的应用。	结合放射组学特征和3D卷积神经网络（CNN）提升了痴呆患者的诊断准确性。	研究未提及模型的长期有效性与外部验证的具体细节。	比较放射组学特征、3D深度学习与二者融合在评估痴呆患者脑部影像中的表现。	85名痴呆患者和125名健康对照者的18F-FDG PET脑部影像。	数字病理学	痴呆症	18F-FDG PET影像	3D卷积神经网络（CNN）	医学影像	85名痴呆患者和125名健康对照，外加40名测试样本
9308	2024-08-05	Knowledge Transfer from Macro-world to Micro-world: Enhancing 3D Cryo-ET Classification through Fine-Tuning Video-based Deep Models 2024-Jun-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae368 PMID:38889274	研究论文	本文提出了一种利用预训练3D模型对Cryo-ET数据进行分类的方法	创新点在于将大型视频数据集上预训练的3D模型应用于Cryo-ET图像分类，展示了跨领域知识转移的潜力	本文没有提及具体的限制因素	研究的目标是利用视频初始化提高Cryo-ET图像的分类准确性	研究对象为Cryo-Electron Tomography（Cryo-ET）图像和相应的三维体素数据	计算机视觉	NA	深度学习	3D模型	图像	模拟和真实的Cryo-ET数据集
9309	2024-08-05	Clinical Validation of a Handheld Deep Learning Tool for Identification of Glaucoma Medications 2024 Apr-Jun, Journal of ophthalmic & vision research IF:1.6Q3 DOI:10.18502/jovr.v19i2.13983 PMID:39055502	研究论文	本研究验证了一种基于卷积神经网络（CNN）的智能手机应用程序在青光眼眼药水识别中的有效性	应用了CNN技术以提高青光眼药物的识别准确性和效率，特别是在视力受损的患者中	未包含非英语患者，样本数量有限，可能影响普遍适用性	验证一种智能手机应用程序在青光眼患者药物识别中的临床有效性	68名在青光眼门诊就诊的视力正常及受损患者	机器学习	青光眼	卷积神经网络（CNN）	CNN	数据	68名青光眼患者
9310	2024-08-05	Predicting lncRNA-disease associations using multiple metapaths in hierarchical graph attention networks 2024-Jan-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05672-2 PMID:38287236	研究论文	本研究提出了一种基于分层图注意网络的深度学习模型，用于预测未知的lncRNA-疾病关联	通过多种元路径提取特征，构建lncRNA-疾病-miRNA异质图，并在此基础上实现更精确的关联预测	模型在处理部分复杂网络结构时可能存在路径信息的遗失	探索lncRNA与疾病之间的潜在关联，以增进对复杂疾病的理解	主要研究lncRNA及其与肺癌、食管癌和乳腺癌等疾病的关联	计算机视觉	肺癌	深度学习	MMHGAN	图数据	共研究15个与肺癌、食管癌和乳腺癌相关的lncRNA
9311	2024-08-05	Highly Accurate and Efficient Deep Learning Paradigm for Full-Atom Protein Loop Modeling with KarmaLoop 2024, Research (Washington, D.C.) DOI:10.34133/research.0408 PMID:39055686	研究论文	本文提出了一种名为KarmaLoop的深度学习模型，用于全原子蛋白质环建模	KarmaLoop是首个以全原子为中心的深度学习方法，具有更高的准确性和计算效率	现有方法在原子精度或计算效率方面仍然不足	研究蛋白质结构预测中的环建模问题	全原子蛋白质环模型	机器学习	NA	深度学习	NA	NA	CASP13+14和CASP15基准数据集
9312	2024-08-05	Fast reconstruction of SMS bSSFP myocardial perfusion images using noise map estimation network (NoiseMapNet): a head-to-head comparison with parallel imaging and iterative reconstruction 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1350345 PMID:39055659	研究论文	本研究提出了一种新的图像重建技术NoiseMapNet，用于SMS-bSSFP心肌灌注成像。	首次将噪声图估计网络与平行成像和图像去噪相结合，改善了心肌灌注成像的质量和速度。	与ITER相比，NoiseMapNet在图像质量和感知信噪比方面略显不足。	开发一种结合平行成像和图像去噪的SMS-bSSFP心肌灌注成像重建技术。	包括17名接受应激灌注成像的患者样本。	数字病理学	心血管疾病	深度学习	2D Unet	医学图像	17名患者
9313	2024-08-05	Realistic morphology-preserving generative modelling of the brain 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00864-0 PMID:39055051	研究论文	本文介绍了一种三维生成模型，可生成真实且形态保持的人脑图像	提出了一种能够在必要规模下训练的生成模型，以生成多样且高分辨率的人脑样本，并保持生物学和疾病表型	尽管该模型具有广泛的未来适用性，但具体的局限性未在文中详细讨论	解决医疗影像数据稀缺和可获取性的问题	人脑的三维生成模型	数字病理学	NA	生成模型	三维生成模型	图像	NA
9314	2024-08-05	Enhanced LSTM-based robotic agent for load forecasting in low-voltage distributed photovoltaic power distribution network 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1431643 PMID:39055779	研究论文	本研究探讨了低电压分布式光伏电力分配网络的负载预测问题	提出了一种增强的长短期记忆（LSTM）模型与频域分解（FDD）相结合的负载预测方法	实验仅在广东省的历史操作数据集上验证，外部地区的适用性需进一步研究	研究低电压分布式光伏电力分配网络的负载预测技术	低电压分布式光伏电力分配网络的负载数据	机器学习	NA	频域分解（FDD），长短期记忆（LSTM）	LSTM	数据集	广东省的历史操作数据集
9315	2024-08-05	Establishing a differential diagnosis model between primary membranous nephropathy and non-primary membranous nephropathy by machine learning algorithms 2024-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2024.2380752 PMID:39039848	研究论文	本研究建立了一种基于机器学习算法的原发性膜性肾病与非原发性膜性肾病的鉴别诊断模型	使用Xgboost模型在原发性膜性肾病的诊断中展现出最高的灵敏度和特异度	本研究仅包括来自一个医院的数据，样本来源可能有限	探索最适合的分类算法以识别原发性膜性肾病	来自2019到2021年在罗河中心医院就诊的500名肾病患者	机器学习	肾脏疾病	机器学习算法	Xgboost	数字数据	500名患者，包括322例原发性膜性肾病和178例非原发性膜性肾病
9316	2024-08-05	Structure-based protein and small molecule generation using EGNN and diffusion models: A comprehensive review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.021 PMID:39050782	综述	本文综述了用于蛋白质和小分子生成的结构基础方法，重点介绍了EGNN和扩散模型的结合	聚焦于将平变图神经网络与扩散模型相结合，以提高蛋白质生成的3D结构表示能力	本文未详细探讨扩散模型在其他领域的潜在应用	旨在探讨深度学习在蛋白质设计中的应用和效率提升	主要研究对象为具有预定结构的全新蛋白质	机器学习	NA	深度学习，扩散模型	平变图神经网络	NA	NA
9317	2024-08-05	Next-Generation Tear Meniscus Height Detecting and Measuring Smartphone-Based Deep Learning Algorithm Leads in Dry Eye Management 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100546 PMID:39051043	研究论文	本研究旨在开发一个基于Python的深度学习算法，以用于干眼病的诊断和管理	使用智能手机图像进行干眼病相关的诊断和管理，带来新的技术路径	本研究仅包括单眼图像，可能影响结果的普遍性	研究旨在提升干眼病的诊断和管理方法	参与者为734名患者的1021幅眼部图像	数字病理学	干眼症	深度学习算法	NA	图像	1021幅眼部图像，来自734名患者
9318	2024-08-05	Highly Accurate and Precise Automated Cup-to-Disc Ratio Quantification for Glaucoma Screening 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100540 PMID:39051045	研究论文	本文旨在开发和验证一种基于深度学习的算法，以自动确定视网膜图像中的杯盘比（CDR）	提出了一种深度学习算法来提高CDR的自动评估准确性和效率	在青光眼筛查中，CDR阈值的确定可能受其他临床参数的影响	提升青光眼筛查中CDR的自动评估准确性	来自英国生物银行（UKBB）、Drishti_GS和EyePACS的181,768幅视网膜图像	数字病理学	青光眼	深度学习	卷积神经网络（CNN）	图像	181,768幅视网膜图像
9319	2024-08-05	Deep learning-based flocculation sensor for automatic control of flocculant dose in sludge dewatering processes during wastewater treatment 2024-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121890 PMID:38870864	研究论文	本文开发了一种基于深度学习的图像传感器，用于在污水处理过程中自动控制絮凝剂的投加剂量	提出了一种新型的絮凝度测量传感器，采用了深度学习技术并比较了多种模型的性能	在进行絮凝测试时仅使用了实验室规模的两种污泥样本，可能未能涵盖所有实际情况	旨在开发一种自动控制絮凝剂投加的传感器以提高污水处理的效率	使用的研究对象包括过量污泥及其与原污水的混合物	数字病理学	NA	深度学习	卷积神经网络，视觉变换器，多层感知器	图像	实验室规模的两种污泥样本
9320	2024-08-05	Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification 2024-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104673 PMID:38862083	研究论文	提出了一种基于模板的方式来改进肺气肿分类中AI模型的后期解释	通过将肺气肿的临床知识纳入AI模型的解释中，提升了解释的质量	未提及具体限制	提高肺气肿诊断中AI模型解释的清晰度	采用深度学习模型分析肺气肿的医学图像	数字病理学	肺气肿	深度学习	VGG-19 和 ResNet-50	医学图像	两个真实世界数据集 (SIIM-ACR 和 ChestX-Det) 的多个样本