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
10121	2024-08-05	DKPE-GraphSYN: a drug synergy prediction model based on joint dual kernel density estimation and positional encoding for graph representation 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1401544 PMID:38948360	研究论文	本文介绍了一种名为DKPE-GraphSYN的药物协同预测模型，用于预测癌症药物的联合治疗效果	该模型结合了双核密度估计和位置编码，以捕捉基因表达的加权概率密度和空间分布信息	目前的研究方法通常忽视数据中的复杂非线性关系，不充分利用癌症药物的结构信息	研究旨在提高癌症药物组合治疗的预测准确性	研究对象为癌症药物及其对细胞系的协同作用	数字病理学	癌症	双核密度估计和位置编码	图神经网络	基因表达数据	综合癌症药物和细胞系协同数据集
10122	2024-08-05	Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images 2024, Npj imaging DOI:10.1038/s44303-024-00021-7 PMID:38948152	研究论文	本文提出了一种基于深度学习的方法来从无标记的自发荧光寿命图像生成虚拟的H&E染色图像	开发了结合深度学习模型和图像质量度量的创新方法，以实现从无标记FLIM图像生成临床级的虚拟H&E染色图像	目前缺乏与FLIM图像同步的组织学图像作为可靠参考	旨在提高无标记FLIM图像的解释速度和准确性	研究包括在肿瘤微环境中常见的七种不同细胞类型的寿命特征	数字病理学	癌症	自发荧光寿命成像显微镜 (FLIM)	深度学习模型	图像	未具体提及样本数量
10123	2024-08-05	Application of Deep Learning for Studying NMDA Receptors 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3830-9_16 PMID:38727914	research paper	本文介绍了基于大型预训练模型的三个在线工具，用于药物开发，特别是针对NMDA受体的工具	提出了三种易于访问的在线工具，促进了AI技术与NMDA受体专家之间的联系	对于非专业人士在使用和部署AI及预训练模型方面仍存在挑战	研究如何利用深度学习促进神经系统疾病药物开发	针对NMDA受体的药物开发	计算机视觉	中枢神经系统疾病	深度学习	大型预训练模型	化学数据	NA
10124	2024-08-05	Recent advancements in machine learning for bone marrow cell morphology analysis 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1402768 PMID:38947236	综述	本文回顾了机器学习在骨髓细胞形态分析中的最新进展	探讨了基于机器学习的骨髓细胞形态分析的潜力与吸引力，并提供了自动化算法的推荐	尽管人工智能在临床诊断中有潜力，但手动分析仍是金标准，存在一定的局限性	为血液学家提供选择合适的机器学习算法以自动化骨髓细胞形态检查的建议	六个骨髓细胞形态处理过程的自动化分析	机器学习	血液病	深度学习	深度神经网络	图像	NA
10125	2024-08-05	An exploratory deep learning approach to investigate tuberculosis pathogenesis in nonhuman primate model: Combining automated radiological analysis with clinical and biomarkers data 2024-Aug, Journal of medical primatology IF:0.8Q3 DOI:10.1111/jmp.12722 PMID:38949157	研究论文	该文章探讨了在非人类灵长类动物模型中，通过结合自动影像分析与临床及生物标志物数据来研究结核病的发病机制	提出了一种新的基于机器学习的CT分析方法TB-Net，该方法在疾病进展分析中表现优于标准深度学习模型	样本量较小，仅使用了六只猕猴进行实验	旨在开发一种综合方法来检测和监测结核病病例	使用六只猕猴作为研究对象，分析其感染结核分枝杆菌后的肺部变化	机器学习	结核病	计算机断层扫描（CT）	TB-Net	影像	六只猕猴
10126	2024-08-05	A deep-learning approach to predict bleeding risk over time in patients on extended anticoagulation therapy 2024-Jul, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2024.04.005 PMID:38642704	研究论文	这篇文章展示了深度学习如何利用患者的时间序列随访数据来改进主要出血的预测	文章的创新点在于将时间序列随访数据纳入预测模型，超越了仅依赖基线预测因子的传统临床模型	研究依赖于收集到的随访数据，可能受到临床访谈不规律性的影响	研究的目的是提高在接受长期抗凝治疗的患者中对主要出血风险的预测能力	研究对象是2542名在长期抗凝治疗中的患者，其中118名发生了主要出血	机器学习	NA	深度学习	前馈神经网络和递归神经网络的集成	时间序列数据	2542名患者（其中118名发生主要出血）
10127	2024-08-05	Development and evaluation of a deep learning framework for the diagnosis of malnutrition using a 3D facial points cloud: A cross-sectional study 2024-Jul, JPEN. Journal of parenteral and enteral nutrition DOI:10.1002/jpen.2643 PMID:38796717	研究论文	本文开发并评估了一种基于3D面部点云的深度学习框架用于营养不良的诊断	提出了一种新工具来整合与营养不良相关的面部特征，以进行疾病筛查	该研究未提及对数据收集过程或模型训练的其他限制	旨在开发一个深度学习框架以准确确定营养不良	对482名患者进行了研究	机器学习	NA	深度学习	PointNet++	3D点云	482名患者
10128	2024-08-05	Diagnostic performance of a deep-learning model using 18F-FDG PET/CT for evaluating recurrence after radiation therapy in patients with lung cancer 2024-Jul, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-024-01925-5 PMID:38589677	研究论文	本文开发了一种深度学习模型，以区分肺癌患者放疗后的变化与肿瘤复发	创新点在于使用了二维卷积神经网络（CNN）对放疗相关变化和肿瘤复发进行有效区分	研究局限于单一医院的数据回顾，可能影响外部有效性	研究目的在于提高放疗后肺癌患者肿瘤复发的诊断准确性	308名接受放疗的肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT	CNN	图像	308名患者，3329个切片
10129	2024-08-05	A deep learning method for reflective boundary estimation 2024-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026437 PMID:38949286	研究论文	该文章提出了一种用于反射边界估计的深度学习方法	该方法使用卷积神经网络，能够在不需要正确分配回声的情况下，实现鲁棒的二维边界估计	需要已知的发射器和接收器位置，可能限制了方法的适用范围	研究在复杂声学环境中进行环境估计的方法	反射边界的位置和声学回声的估计	计算机视觉	NA	卷积神经网络	CNN	图像	模拟数据和水箱的真实数据
10130	2024-08-05	Assessing the risk of takeover catastrophe from large language models 2024-Jun-30, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.14353 PMID:38945529	研究论文	本文对大型语言模型（LLMs）造成接管灾难的风险进行了分析	首次对实际的AI系统与潜在的接管灾难风险进行比较	当前的LLMs能力明显不足以导致接管灾难	研究大型语言模型可能导致的接管灾难风险	大型语言模型及其特征	自然语言处理	NA	深度学习算法	NA	文本	NA
10131	2024-08-05	A deep learning-based algorithm for pulmonary tuberculosis detection in chest radiography 2024-06-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65703-z PMID:38942819	研究论文	本研究评估了一种基于深度学习的算法在胸部X光片中检测肺结核的有效性	提出了一种使用Google可教机器的深度神经网络图像分类工具来预测胸部X光片中肺结核的概率	在同时考虑其他非结核异常的情况下，算法的准确度有所下降	评估深度学习算法在检测肺结核方面的有效性	分析348个肺结核X光片与3806个正常X光片的数据集	数字病理学	肺结核	深度学习	深度神经网络	影像	348个肺结核胸片和3806个正常胸片，外部验证250个胸片
10132	2024-08-05	Prostate cancer diagnosis based on multi-parametric MRI, clinical and pathological factors using deep learning 2024-06-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65354-0 PMID:38942817	研究论文	本研究使用深度学习方法结合多参数MRI、临床和病理因素对前列腺癌进行诊断	首次将多参数MRI与临床和病理数据结合使用深度学习提高前列腺癌诊断的准确性	研究仅基于来自一所医院的数据，可能影响结果的广泛适用性	提高前列腺癌的早期诊断准确性	343名前列腺癌患者的数据	医学影像分析	前列腺癌	深度学习	ResNet50	多参数MRI图像	343名患者
10133	2024-08-05	Variable data structures and customized deep learning surrogates for computationally efficient and reliable characterization of buried objects 2024-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65996-0 PMID:38942986	研究论文	本研究通过深度学习代理建模方法，表征埋 buried 物体。	提出了一种深度回归网络（DRN），在与传统网络模型相比下，该模型的计算效率提高了大约 13 倍。	关于原始 B 扫描数据和 B 扫描轮廓处理步骤的使用在物体特征化中导致高计算成本，这可能成为一个挑战。	该研究旨在通过深度学习技术高效可靠地表征埋藏物体。	研究对象为不同半径、不同位置（深度和横向位置）埋藏在不同色散地下介质中的物体。	数字病理学	NA	全波电磁模拟	深度回归网络（DRN）	图像	NA
10134	2024-08-05	High-precision object detection network for automate pear picking 2024-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65750-6 PMID:38942940	research paper	本研究提出了一种高精度的物体检测网络，用于自动化梨采摘任务	创新点在于提出了HDMNet网络，结合了语义聚焦注意机制和变形感知特征金字塔网络，提高了检测准确性	当前方法仍需在复杂环境下的适应性和多样性验证	旨在提高自动化梨采摘的检测精度和实时性	研究对象为自动化梨采摘中的梨果物体	计算机视觉	NA	深度学习	YOLOv8	图像	NA
10135	2024-08-05	CPSign: conformal prediction for cheminformatics modeling 2024-Jun-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00870-9 PMID:38943219	研究论文	CPSign是一个用于化学信息学建模的完全实现的顺应预测开源软件	CPSign结合了顺应预测和概率预测的方法，支持多种建模技术，并提供易于使用的可视化功能	未提及具体的局限性	提供一个综合的软件工具，以便在化学结构上进行数据预处理、建模和预测	化学信息学中的数据和模型	化学信息学	NA	顺应预测	支持向量机（SVM）	化学数据	多项研究中使用，但具体样本大小未提及
10136	2024-08-05	Deep learning-based prediction of plant height and crown area of vegetable crops using LiDAR point cloud 2024-06-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65322-8 PMID:38942825	研究论文	本文开发了一种深度学习框架，用于预测蔬菜作物在不同生长阶段的植物高度和冠幅	提出了一种结合LSTM和GRU的混合深度学习模型，显著提高了对冠幅的预测准确性	LSTM和GRU模型在捕捉结构参数变化方面存在局限，且在临近收获的高级生长阶段预测质量较低	开发和应用深度学习框架以预测蔬菜作物的植物高度和冠幅	针对番茄、茄子和卷心菜进行研究	数字农业	NA	LiDAR点云	LSTM和GRU的混合模型	点云数据	五个时间点的实验研究农场数据
10137	2024-08-05	Multimodal explainable artificial intelligence identifies patients with non-ischaemic cardiomyopathy at risk of lethal ventricular arrhythmias 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65357-x PMID:38937555	研究论文	本文提出了一种多模态深度学习模型，用于预测非缺血性心肌病患者的心律失常风险	本研究的创新之处在于将LGE心脏磁共振成像、心电图和临床数据整合到一个模型中，以提高心律失常预测的准确性	研究的局限性在于仅使用两个三级医院的数据，可能影响模型的广泛适用性	研究的目的是开发一种多模态风险预测模型，以帮助预防非缺血性心肌病患者的突发性心脏死亡	研究对象为289名在植入ICD之前接受了短轴LGE-MRI扫描和12导联心电图的患者	计算机视觉	心血管疾病	LGE MRI	深度风险模型 (DEEP RISK)	图像和临床数据	289名患者
10138	2024-08-05	Modeling 0.6 million genes for the rational design of functional cis-regulatory variants and de novo design of cis-regulatory sequences 2024-Jun-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2319811121 PMID:38889146	研究论文	本文开发了PhytoExpr，一个深度学习框架，可预测植物mRNA丰度和物种	提出了通过深度学习实现植物调控序列的合理设计和变异体发现	对输入序列的分析依赖于深度学习模型的训练数据和算法	旨在无专家干预或先前领域知识的情况下设计植物调控DNA序列	17种主要植物门类的代表性物种	计算机视觉	NA	深度学习	NA	序列	600,000个基因
10139	2024-08-05	An improved method for diagnosis of Parkinson's disease using deep learning models enhanced with metaheuristic algorithm 2024-Jun-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01335-z PMID:38910241	研究论文	本研究提出了一种改进的深度学习模型，利用启发式算法提高帕金森病的早期诊断精度	研究中结合了灰狼优化算法和多种深度学习模型以增强帕金森病的诊断能力	研究只使用了两个标准数据集，可能限制了模型的泛化能力	提高帕金森病的早期诊断准确性	使用深度学习模型和医学影像数据集来检测帕金森病	机器学习	帕金森病	医学影像技术、灰狼优化	GWO-VGG16，GWO-DenseNet，GWO-DenseNet + LSTM，GWO-InceptionV3，GWO-VGG16 + InceptionV3	医学影像	使用了T1、T2加权和SPECT DaTscan数据集的标准数据集
10140	2024-08-05	Evaluation of Dental Plaque Area with Artificial Intelligence Model 2024-Jun-01, Nigerian journal of clinical practice IF:0.7Q3 DOI:10.4103/njcp.njcp_862_23 PMID:38943301	研究论文	本研究评估了一种利用深度学习的人工智能系统在识别牙菌斑方面的诊断准确性	本研究开发的人工智能算法在检测牙菌斑方面表现出色，优于牙医的诊断性能	样本量相对较小，仅包括20名患者的168颗永久牙	评估人工智能系统在牙菌斑识别中的诊断准确性	20名10至15岁患者的168颗牙齿照片	NA	NA	深度学习	NA	图像	168颗牙齿，来自20名患者