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
9421	2024-08-05	Panoramic imaging errors in machine learning model development: a systematic review 2024-Mar-25, Dento maxillo facial radiology DOI:10.1093/dmfr/twae002 PMID:38273661	系统评估	本研究探讨了机器学习模型开发中全景放射成像数据集的管理和成像误差问题	揭示了机器学习研究中全景成像误差管理的不一致性，并提出了需要更多研究来理解低质量输入对模型性能的影响	研究表明各项研究的成像质量评估标准差异较大，易受到偏见的影响	旨在研究全景放射数据集中成像误差的管理	涉及使用机器学习模型的全景放射影像研究	机器学习	NA	深度学习	深度学习模型	影像	共筛选400篇文章，符合纳入标准的有41篇
9422	2024-08-05	A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss 2024-Mar-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04079-y PMID:38468273	研究论文	本研究建立了一种基于深度学习的级联学习方法，用于精确测量特定牙位的放射性骨丧失。	提出了一种新的利用SegFormer模型进行牙位识别和牙齿语义分割的级联学习方法。	未提及具体的样本数量和多样性，可能影响结果的普适性。	旨在提供准确的放射线下骨丧失测量，以帮助牙周病的诊断。	研究对象为牙齿的冠部、骨内部分和骨外部分。	数字病理学	牙周病	深度学习（DL）、主成分分析（PCA）	SegFormer	放射图像	NA
9423	2024-08-05	SSF-DDI: a deep learning method utilizing drug sequence and substructure features for drug-drug interaction prediction 2024-Jan-23, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05654-4 PMID:38262923	研究论文	本文提出了一种基于药物序列和亚结构特征的药物相互作用预测新模型SSF-DDI	SSF-DDI模型结合了药物序列特征和药物分子图的结构特征，提高了药物相互作用预测的准确性	NA	研究旨在提高药物相互作用预测的准确性	药物相互作用	计算机视觉	NA	深度学习	NA	真实数据集	多个数据集
9424	2024-08-05	TabDEG: Classifying differentially expressed genes from RNA-seq data based on feature extraction and deep learning framework 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305857 PMID:39037985	研究论文	本文提出了一种名为TabDEG的模型，用于根据RNA-seq数据预测差异表达基因。	TabDEG结合了数据增强和基于深度学习的表格数据模型，克服了小样本数据集的传统模型局限。	尽管提高了准确性，TabDEG仍然面临RNA-Seq数据标记不足的问题。	研究旨在提升RNA-seq数据中差异表达基因的预测能力。	研究对象为来自癌症基因组图谱数据库的基因表达数据。	机器学习	癌症	RNA-seq，数据增强	深度学习模型	基因表达数据	有限样本数据集，确切样本量未提供
9425	2024-08-05	TemBERTure: advancing protein thermostability prediction with deep learning and attention mechanisms 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae103 PMID:39040220	研究论文	本研究开发了TemBERTure，一个深度学习框架，用于从蛋白质序列预测热稳定性类别和熔融温度	引入深度学习和注意力机制，并强调数据多样性对训练强健模型的重要性	本研究未提及具体的实验验证或临床应用的限制	旨在改进蛋白质热稳定性预测方法，通过深度学习提升准确性	蛋白质序列及其热稳定性	生物信息学	NA	深度学习	NA	蛋白质序列	涉及来自多种生物的蛋白质序列
9426	2024-08-05	Unveiling the landscape of pathomics in personalized immunotherapy for lung cancer: a bibliometric analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1432212 PMID:39040448	研究论文	该文章揭示了肺癌个体化免疫疗法中路径组学的研究趋势和前景	创新点在于整合人工智能与路径组学进行肺癌组织数字分析，并制定多模态融合模型	N/A	阐明路径组学在肺癌个体化免疫疗法中的应用趋势	分析2018年至2023年间发表的相关论文及其关键字	数字病理学	肺癌	文献计量学	N/A	文章	109篇相关论文或综述
9427	2024-08-05	Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images 2024, The journal of prevention of Alzheimer's disease DOI:10.14283/jpad.2024.66 PMID:39044523	研究论文	本研究利用飞优化的密集连接卷积神经网络对MRI图像进行阿尔茨海默病预测	该论文提出了一种基于元启发式调优的深度学习方法来检测阿尔茨海默病影响区域，并展示了比现有技术更好的性能	对于大规模数据处理的时间成本依然较高，具体样本大小未在摘要中说明	旨在通过深度学习技术增强阿尔茨海默病的早期和准确诊断	本研究关注于阿尔茨海默病患者的MRI图像	机器学习	阿尔茨海默病	深度学习	卷积神经网络	图像	Kaggle数据集
9428	2024-08-05	Improvement of accumulated dose distribution in combined cervical cancer radiotherapy with deep learning-based dose prediction 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1407016 PMID:39040460	研究论文	本研究通过深度学习的剂量预测改善了结合外照射放疗和近距离放疗的宫颈癌放疗的累积剂量分布	首次在不知近距离放疗剂量的情况下实现了宫颈癌联合放疗的累积剂量预测	研究未探讨各个患者之间存在的个体差异对预测结果的影响	优化和评估结合外照射放疗和近距离放疗的宫颈癌放疗的剂量分布	参与研究的30名接受宫颈癌联合放疗的患者	数字病理学	宫颈癌	深度学习	ResNet-101	剂量分布数据	30名患者
9429	2024-08-07	It is time for some deep learning: a statistical commentary on machine learning for clinical prediction models using imbalanced datasets 2024, Trauma surgery & acute care open IF:2.1Q2 DOI:10.1136/tsaco-2024-001567 PMID:39040123	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9430	2024-08-05	Deep learning of antibody epitopes using positional permutation vectors 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.005 PMID:39035832	研究论文	本文提出了一种通过位置置换向量编码抗原表位来改善B细胞表位预测的新方法	该方法通过将表位编码为二进制位置置换向量，并利用无结合蛋白的3D宏结构特征来提高预测准确性	仍需进一步验证该模型在其他类型数据上的广泛适用性	提高B细胞表位的计算预测精度	针对SARS-CoV-2的Spike蛋白进行B细胞表位的预测	计算机视觉	NA	深度学习	NA	蛋白质序列	实验验证的表位数据集
9431	2024-08-05	Deep Learning of radiology-genomics integration for computational oncology: A mini review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.019 PMID:39035833	review	本文回顾了深度学习在放射基因组整合中的应用进展	探讨了深度学习在识别新的放射基因组生物标志物和治疗靶点方面的重要性，并强调了解释性人工智能方法的支持	目前的挑战和研究方向仍然需要解决，具体细节未在文中深入探讨	研究放射基因组整合在计算肿瘤学中的应用和挑战	关注放射学和基因组学数据的结合及相关的新技术	计算肿瘤学	NA	深度学习	NA	放射学数据和基因组数据	NA
9432	2024-08-05	An effective deep learning fusion method for predicting the TVB-N and TVC contents of chicken breasts using dual hyperspectral imaging systems 2024-Oct-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139847 PMID:38925007	研究论文	本文提出了一种基于深度学习的融合方法，通过双波段高光谱成像系统预测鸡胸肉中的TVB-N和TVC含量	提出了一种端到端的深度学习模型PAFFM，整合了CNN、注意力机制和金字塔结构，能够有效融合不同光谱数据进行预测	暂无普适的处理组合，需依赖不同数据集的反复试验	研究鸡胸肉中TVB-N和TVC的预测方法	鸡胸肉的新鲜度指标TVB-N和TVC	数字病理学	NA	高光谱成像	CNN	光谱数据	NA
9433	2024-08-05	Clivia biosensor: Soil moisture identification based on electrophysiology signals with deep learning 2024-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116525 PMID:38936168	研究论文	该研究探讨了利用电生理信号和深度学习对植物进行土壤湿度监测的可能性	提出了一种轻量级的卷积神经网络（CNN）模型，PlantNet，能够以最低的计算资源消耗实现最佳分类性能	目前仅针对克利维亚在不同土壤湿度梯度下的电信号进行了研究，尚未验证其它植物	研究植物作为生物传感器监测土壤湿度的潜力	克利维亚植物在不同土壤湿度梯度下的电信号	机器学习	NA	电生理信号	卷积神经网络（CNN）	电信号	NA
9434	2024-08-05	Beneficial effect of residential greenness on sperm quality and the role of air pollution: A multicenter population-based study 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174038 PMID:38906295	研究论文	研究表明居住环境的绿化对男性精子质量有益，并探讨空气污染的影响	首次系统探讨居住绿化与男性精子质量之间的关系，以及空气污染对这一关系的调节作用	研究未考虑其他可能影响精子质量的环境因素	评估居住绿化对男性精子质量的影响及空气污染的调节作用	研究对象为来自中国6个地区的33,184名精子捐赠者的样本	数字病理学	男性不育	归一化差异植被指数(NDVI)和时空深度学习法	线性混合模型	样本数据	共涉及78,742个样本
9435	2024-08-05	Effect of fully automatic classification model from different tube voltage images on bone density screening: A self-controlled study 2024-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111521 PMID:38850722	研究论文	本研究旨在开发结合深度学习和放射组学的骨状态预测模型，并评估管电压对放射组学特征的可重复性和模型预测效能的影响	创新地将深度学习与放射组学相结合，区分正常和异常骨密度，并分析管电压变动对模型的诊断效果的影响	放射组学模型在不同管电压下的适用性受到限制，无法普遍应用于管电压不同的图像	研究管电压对骨密度筛查模型的影响	1508名接受标准剂量和低剂量胸部CT扫描的患者	数字病理学	骨质疏松症	低剂量和标准剂量胸部计算机断层扫描 (LDCT 和 SDCT)	自动分割模型	医学图像	1508名患者
9436	2024-08-05	Semantic contrast with uncertainty-aware pseudo label for lumbar semi-supervised classification 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108754 PMID:38878404	研究论文	该文章提出了一种新的方法SeCoFixMatch，将语义对比和不确定性感知伪标签无缝集成到半监督学习中	引入了语义对比约束和不确定性感知伪标签生成方法，以提高伪标签的质量和模型的预测准确性	未提及具体的局限性	提高脊柱疾病（如腰椎间盘突出）MRI图像的半监督分类性能	腰椎间盘突出（LDH）MRI图像	机器学习	腰椎间盘突出	KL损失优化	NA	图像	仅使用了40个标签进行训练
9437	2024-08-05	Mammogram mastery: A robust dataset for breast cancer detection and medical education 2024-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110633 PMID:39035836	研究论文	该数据文章呈现了一个包含乳腺癌图像的综合数据集	数据集提供了独特的视角，涵盖了来自伊拉克Sulaymaniyah地区的乳腺癌发病率和特征	数据集主要来源于特定地区，可能无法代表其他地区的情况	推动医学研究并帮助开发创新的诊断工具	乳腺癌患者和未诊断患者的图像	数字病理学	乳腺癌	深度学习算法	NA	图像	745张原始图像和9,685张增强图像
9438	2024-08-05	HiRENet: Novel convolutional neural network architecture using Hilbert-transformed and raw electroencephalogram (EEG) for subject-independent emotion classification 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108788 PMID:38941902	研究论文	该论文介绍了一种新型CNN架构HiRENet，用于采用Hilbert变换和原始EEG进行独立于受试者的情感分类	HiRENet结合了原始EEG和Hilbert变换EEG作为输入，增强了相位信息与幅值信息的整合	NA	研究不同输入模式对EEG解码情感分类的影响	使用实验室制作的EEG数据库进行人类情感分类的研究	计算机视觉	NA	EEG	CNN	EEG信号	使用实验室制作的EEG数据库进行评估，样本大小未具体说明
9439	2024-08-05	Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning 2024-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108798 PMID:38925085	研究论文	本研究提出了一种名为“Skin-CAD”的可解释深度学习系统，用于通过皮肤镜图像分类皮肤癌	Skin-CAD使用四个不同拓扑和深度的CNN，结合双层特征和PCA方法，减少特征维度，并采用LIME方法进行预测解释	研究中未提及样本的选择标准或者潜在偏差	旨在提高皮肤癌的诊断和分类的准确性和速度	本研究对象为皮肤镜图像，用于分类良性和恶性皮肤癌	计算机视觉	皮肤癌	深度学习	CNN	图像	两个基准数据集，分别为皮肤癌：恶性与良性和HAM10000数据集
9440	2024-08-05	Automatic quantification of scapular and glenoid morphology from CT scans using deep learning 2024-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111588 PMID:38944907	研究论文	本研究开发并验证了一种开源深度学习模型，用于自动量化肩胛骨和关节盂的形态	提出现有方法的改进，通过深度学习自动分割肩胛骨并识别关键标记	在关节盂倾斜的手动和自动测量之间存在显著差异	旨在为临床提供一种准确的技术来量化肩胛骨及关节盂形态	正常受试者和患有肩关节骨关节炎的患者的CT图像	计算机视觉	肩关节骨关节炎	深度学习	NA	CT图像	116个肩胛骨（60个正常/非骨关节炎和56个病理/骨关节炎）