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
10421	2024-08-05	Streamlining social media information retrieval for public health research with deep learning 2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae118 PMID:38718216	研究论文	本研究开发了一种系统以简化社交媒体相关公共卫生研究的信息检索过程。	该研究提出了一种新的系统性流程，通过社交媒体数据策划症状词典，具有高准确度，能有效识别精神障碍。	未提及具体的局限性	研究通过社交媒体数据策划症状词典以促进公共卫生研究。	本研究以与COVID-19相关的推文作为研究对象，提取和规范症状实体。	数字病理学	心态疾病	命名实体识别	NA	文本	从最终词典中随机抽取500个实体样本进行准确性验证
10422	2024-08-05	Enhanced multi view 3D reconstruction with improved MVSNet 2024-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64805-y PMID:38890489	研究论文	提出了一种基于改进MVSNet网络架构的三维重建算法	使用DE模块结合残差框架来增强特征提取机制，并利用注意力机制提升3D成本体积的正则化过程	未在其他数据集上进行广泛验证	提升三维场景重建的精度和质量	基于DTU数据集进行的三维重建模型评估	计算机视觉	NA	多视角立体视觉 (MVS)	改进的MVSNet	图像	使用DTU数据集进行评估，具体样本数量未说明
10423	2024-08-05	AI powered quantification of nuclear morphology in cancers enables prediction of genome instability and prognosis 2024-Jun-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00623-9 PMID:38898127	研究论文	本文介绍了一种基于深度学习的数字病理管道，用于全面量化癌症中细胞核的形态，进而预测基因组不稳定性和预后	提出了一种全组织的深度学习方法，用于核检测、分割和分类，能够提取具有临床相关性的核形态生物标记	使用手动收集的核注释进行模型训练可能存在偏差，且模型效能在不同癌症类型中可能存在变化	研究细胞核形态与预后生物标记之间的关联	BRCA、LUAD和PRAD等癌症类型的细胞核	数字病理	乳腺癌、肺腺癌、前列腺癌	深度学习	对象检测和分割模型	图像	使用BRCA、LUAD和PRAD TCGA队列的H&E染色切片样本
10424	2024-08-05	EPI-Trans: an effective transformer-based deep learning model for enhancer promoter interaction prediction 2024-Jun-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05784-9 PMID:38890584	研究论文	本研究提出了一种基于变换器的深度学习模型EPI-Trans，用于增强子-启动子相互作用的预测	提出了一种新型的变换器模型EPI-Trans，克服了现有基于卷积神经网络和递归神经网络方法的局限性	当前的方法主要依赖于卷积神经网络和递归神经网络，而未考虑增强子和启动子序列之间的上下文细节和长距离相互作用	研究增强子-启动子相互作用的预测，改善现有计算方法的性能	使用六个基准细胞系的数据进行模型评估	计算机视觉	NA	深度学习	变换器	NA	六个基准细胞系
10425	2024-08-05	Empowering artificial intelligence in characterizing the human primary pacemaker of the heart at single cell resolution 2024-06-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63542-6 PMID:38890395	研究论文	本研究利用一种新颖的深度学习去卷积方法对人类窦房结的细胞异质性进行了表征	采用Bulk2space方法首次从单细胞数据集中对人类窦房结进行细胞组成分析	本研究主要依赖于非人类物种的单细胞数据，可能影响结果的直接应用	研究人类窦房结的细胞组成及其特性	人类窦房结细胞种群的组成和特征	数字病理学	心血管疾病	scRNA-Seq	深度学习去卷积	单细胞数据	使用了公共的鼠类scRNA-Seq数据作为参考，识别了18个人类细胞种群
10426	2024-08-05	A hybrid deep approach to recognizing student activity and monitoring health physique based on accelerometer data from smartphones 2024-06-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63934-8 PMID:38890409	研究论文	该文章提出了一种基于智能手机加速度计数据的混合深度学习方法，用于识别学生活动和监测健康状况	文章通过使用双向长短期记忆网络（BiLSTM）和贝叶斯优化，显著提高了人类活动识别的性能	当前LSTM网络的隐含单元预设和初始学习率依赖于先前知识，可能导致亚优化状态	通过考虑人类行为的动态特性，提高人类活动识别的性能	研究对象为学生的身体活动和健康状况	计算机视觉	NA	加速度计数据	双向长短期记忆网络 (BiLSTM)	传感器数据	经过五折交叉验证的训练和测试数据集
10427	2024-08-05	Head movement dynamics in dystonia: a multi-centre retrospective study using visual perceptive deep learning 2024-Jun-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01140-6 PMID:38890413	研究论文	本研究开发了一种视觉感知深度学习框架，以评估和量化肌张力障碍的病症状态及治疗干预的影响	提出了一种新的深度学习框架，克服了传统评分标准的局限性，提供了一种高效、准确且独立于评分者的方法来评估和监测肌张力障碍患者	研究依赖于标准临床视频，在多中心回顾性研究中可能存在数据不一致性	评估肌张力障碍的动态特征并量化治疗干预影响	收集自七个学术中心的三项回顾性长期队列研究中的临床视频数据	计算机视觉	神经系统疾病	深度学习	视觉感知深度学习框架	视频	三项研究的数据，具体样本数量未说明
10428	2024-08-05	NNICE: a deep quantile neural network algorithm for expression deconvolution 2024-06-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65053-w PMID:38890415	研究论文	提出了一种基于深度学习和分位数回归的细胞类型丰度估计方法NNICE	NNICE结合了统计推断和深度学习，提供了准确且可解释的细胞类型去卷积	NA	开发一种快速且经济有效的方法来估计细胞类型的丰度及其不确定性	使用混合RNA-seq数据进行细胞类型丰度的自动去卷积	数字病理学	NA	RNA-seq	深度学习	基因表达数据	NA
10429	2024-08-05	Daily station-level records of air temperature, snow depth, and ground temperature in the Northern Hemisphere 2024-Jun-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03483-x PMID:38890309	研究论文	本研究组建了1960-2021年北半球气温、雪深和土壤温度的综合数据集	首次将深度学习方法应用于重建气温、雪深和土壤温度的数据缺失问题，并构建了高时间分辨率的数据集	现场观察的数据稀疏且不一致，缺失数据量较大	研究高纬度地区地面及地下热条件	北半球（纬度超过30°N）气温、雪深和土壤温度的观测数据	数字病理学	NA	深度学习	NA	时间序列数据	27768个气温测站、32417个雪深测站和659个土壤温度测站
10430	2024-08-05	Bio-inspired deep learning-personalized ensemble Alzheimer's diagnosis model for mental well-being 2024-Jun-18, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100161 PMID:38901762	研究论文	本文介绍了一种个性化的动态集成卷积神经网络用于阿尔茨海默病的诊断	引入了基于样本特性的动态集成策略，使模型能够针对个体差异进行调整	缺乏对大规模样本的验证和普适性的评估	研究旨在改善阿尔茨海默病的个性化诊断	研究对象为阿尔茨海默病患者的脑部样本	计算机视觉	阿尔茨海默病	卷积神经网络（CNN）	动态集成模型	图像	NA
10431	2024-08-05	The Prediction of Recombination Hotspot Based on Automated Machine Learning 2024-Jun-12, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168653 PMID:38871176	研究论文	本文研究了基于自动化机器学习的重组热点预测方法	引入了自动化机器学习方法构建重组热点预测模型，结合序列信息和物理化学特性进行特征提取	尚未提及具体的局限性	探讨和改进重组热点预测方法	重组热点预测模型及其特征提取	机器学习	NA	TF-IDF-Kmer	NA	序列数据	三个不同的数据集
10432	2024-08-05	Lung Cancer Diagnosis on Virtual Histologically Stained Tissue Using Weakly Supervised Learning 2024-Jun, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100487 PMID:38588884	研究论文	该文章提出了一种基于弱监督学习的方法，用于对无标签组织切片进行肺腺癌的分类。	创新性地将自动荧光图像转换为虚拟的H&E染色图像，并应用于弱监督深度生成模型.	该研究主要集中在肺腺癌上，可能对其他类型的癌症适用性有限.	研究旨在开发一种快速、成本效益高且可解释性的肺癌诊断工作流程.	研究对象为无标签组织切片，关注肺腺癌的分类.	数字病理学	肺癌	弱监督学习	基于注意力的多实例学习模型	图像	150个H&E染色全切片图像和58个虚拟H&E染色全切片图像
10433	2024-08-05	Artificial Intelligence-Guided Gut-Microenvironment-Triggered Imaging Sensor Reveals Potential Indicators of Parkinson's Disease 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307819 PMID:38569219	研究论文	介绍了一种人工智能指导的肠道微环境触发成像传感器用于帕金森病的筛查	提出了一种新型传感器，结合人工智能和深度学习算法，可以非侵入性准确监测帕金森病的早期指标	NA	寻找基于肠道的非侵入性生物标志物以便早期诊断帕金森病	主要对象为肠道微生物群及其与帕金森病进程的关系	数字病理学	帕金森病	深度学习算法	NA	图像	NA
10434	2024-08-05	Computed tomography-based prediction of pancreatitis following biliary metal stent placement with the convolutional neural network 2024-Jun, Endoscopy international open IF:2.2Q2 DOI:10.1055/a-2298-0147 PMID:38904060	研究论文	本研究探讨了基于计算机断层扫描的卷积神经网络在预测胆道金属支架放置后胰腺炎的应用	首次在恶性胆道梗阻情况下，利用深度学习图像识别预测胰腺炎	CNN模型的表现处于中等水平，可能需要进一步优化	研究深度学习技术在胰腺炎预测中的潜力	包括70名接受自膨胀金属支架（SEMS）置入的患者	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	70名患者的计算机断层扫描图像（≥120,960幅增广图像）
10435	2024-08-05	New-Generation 0.55 T MRI of the Knee-Initial Clinical Experience and Comparison With 3 T MRI 2024-Apr-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001016 PMID:37747455	研究论文	本研究比较了0.55 T及3 T膝关节MRI在急性创伤和膝关节疼痛患者中的检测率和读者信心	首次应用基于深度学习的图像重建算法于新一代0.55 T膝关节MRI	与3 T MRI相比，对于低级别软骨和半月板损伤的准确性和读者信心有限	比较0.55 T与3 T膝关节MRI的成像检测率和读者信心	25名有症状的患者，疑似膝关节内部损伤	数字病理学	膝关节损伤	深度学习图像重建	NA	MRI图像	25名有症状的患者
10436	2024-08-05	Demographic bias in misdiagnosis by computational pathology models 2024-Apr, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	本研究探讨了计算病理模型在误诊中存在的人口统计学偏差问题	本研究通过使用自监督视觉基础模型改善了不同人口组间的性能差异，提出了对现有模型的有效增强	尽管自监督视觉基础模型减少了组间性能变异，但仍未完全消除偏差，显示出仍需进行偏差缓解工作的必要性	研究计算病理系统中人口因素对模型性能的影响和偏差	使用公共数据集和内部患者数据来评估乳腺癌、肺癌亚型分类及胶质瘤IDH1突变预测中的表现差异	数字病理学	乳腺癌, 肺癌	深度学习	自监督视觉基础模型	图像	使用了公共数据集和内部患者数据，样本数量未明确说明
10437	2024-08-05	Deep Learning-Based Kernel Adaptation Enhances Quantification of Emphysema on Low-Dose Chest CT for Predicting Long-Term Mortality 2024-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001003 PMID:37428617	研究论文	本研究旨在利用深度学习的核适应技术来量化低剂量胸部CT上的肺气肿，以预测长期死亡率	该研究首次将深度学习应用于低剂量CT的核适应，显著改善了肺气肿的量化结果	研究仅限于60岁及以上的无症状个体，可能不适用于其他人群	调查低剂量CT量化肺气肿对长期死亡率的预测价值	从2009年到2016年期间进行健康检查的5178名无症状个体的低剂量CT图像	数字病理学	NA	低剂量计算机断层扫描 (LDCT), 深度学习	Cox比例风险模型	影像	5178名参与者
10438	2024-08-05	Ecoclimate drivers shape virome diversity in a globally invasive tick species 2024-Jan-08, The ISME journal DOI:10.1093/ismejo/wrae087 PMID:38747389	研究论文	研究了气候因素如何影响入侵蜱种Haemaphysalis longicornis的病毒组多样性	揭示气候因素对蜱病毒组的影响大于其他生态因素，并通过因果推断机制探讨其对公共健康的意义	研究主要集中在中国的特定地区，可能不代表全球范围内的趋势	探讨气候变化如何驱动蜱病毒组的变化及其对公共健康的影响	3595只于2016至2019年在中国22个省收集的成年人Haemaphysalis longicornis蜱	数字病理学	NA	元转录组学	广义加性模型	生物数据	3595只蜱
10439	2024-08-05	Development of a machine vision-based weight prediction system of butterhead lettuce (Lactuca sativa L.) using deep learning models for industrial plant factory 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1365266 PMID:38903437	研究论文	本研究开发了一种基于机器视觉的黄头生菜新鲜重量预测系统，以监测从移栽阶段到收获的作物	首次在工业植物工厂中应用深度学习模型进行作物重量的非破坏性估算	在拥挤的室内种植环境中开发高性能系统的难度较大	开发一种实时监测作物重量的非破坏性系统，以提高产量和利润	室内种植工厂中的黄头生菜等作物	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	在四个月内手动测量了11次新鲜重量
10440	2024-08-05	LGC-DBP: the method of DNA-binding protein identification based on PSSM and deep learning 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1411847 PMID:38903752	研究论文	本文介绍了一种新型模型LGC-DBP，用于识别DNA结合蛋白。	该模型结合了LSTM、门控启发卷积和改进的通道注意机制，提高了对DBP的预测能力	未提及具体的局限性	研究旨在提升对DNA结合蛋白的识别与理解	研究对象为DNA结合蛋白及其特征	计算机视觉	NA	PSSM, 深度学习	LSTM, 门控启发卷积	蛋白质序列	未提供样本大小