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
11021	2024-08-05	Deep Learning Techniques to Characterize the RPS28P7 Pseudogene and the Metazoa-SRP Gene as Drug Potential Targets in Pancreatic Cancer Patients 2024-Feb-08, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12020395 PMID:38397997	研究论文	本研究旨在发现潜在的新标记和药物靶点，以帮助分层和延长胰腺癌早期死亡患者的预期生存时间	提出了RPS28P7伪基因作为可以被小分子或RNA技术调节的药物靶点	未在死亡组中观察到相应蛋白质的上调或下调，且强调需在目标人群中进一步验证	探讨某些胰腺癌患者早亡和晚亡的分子机制，寻找新的生物标志物和药物靶点	死于胰腺癌的患者与存活患者的基因拷贝数、基因表达和蛋白表达数据	数字病理学	胰腺癌	深度学习算法	NA	基因拷贝数数据、基因表达数据和蛋白表达数据	来自GDC队列的胰腺癌死亡与存活患者的数据对比
11022	2024-08-05	Role of Optimization in RNA-Protein-Binding Prediction 2024-Feb-04, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb46020087 PMID:38392205	研究论文	本文探讨了优化在RNA-蛋白质结合预测中的角色。	通过使用不同的优化方法对RNA-蛋白质结合CNN预测模型进行研究，提供了优化器在提高 RNA-蛋白质结合预测性能方面的证据。	未提及具体的局限性	了解优化在RNA结合蛋白分类问题中的影响。	主要研究RNA结合蛋白及其绑定位点。	机器学习	NA	深度学习，卷积神经网络（CNN）	CNN	RNA-Seq数据	使用了24个数据集的平均AUC为85.30
11023	2024-08-05	A CT-based Deep Learning Radiomics Nomogram for the Prediction of EGFR Mutation Status in Head and Neck Squamous Cell Carcinoma 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.06.026 PMID:37481418	研究论文	本文构建并验证了一种基于CT的深度学习放射组学游程图，以预测头颈部鳞状细胞癌的EGFR突变状态	使用了基于对比增强计算机断层扫描的深度学习放射组学游程图，结合了关键临床因素和特征数据以提高EGFR突变状态的预测准确性	NA	准确评估头颈部鳞状细胞癌患者的EGFR突变状态，以指导预后和治疗选择	300名接受对比增强CT扫描的头颈部鳞状细胞癌患者	计算机视觉	NA	CECT，深度学习	GoogLeNet	影像	300名头颈部鳞状细胞癌患者，其中训练集200名，测试集100名
11024	2024-08-05	Lifelike PixelPrint phantoms for assessing clinical image quality and dose reduction capabilities of a deep learning CT reconstruction algorithm 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006547 PMID:38836183	研究论文	本文提出使用逼真的3D打印PixelPrint幽灵来评估深度学习CT重建算法的性能和辐射剂量降低能力	采用3D打印PixelPrint幽灵进行评估，提供比传统幽灵更真实的组织特征	未提及研究的具体局限性	评估深度学习CT重建算法在降低辐射剂量方面的有效性	定制的PixelPrint肺幽灵和不同辐射暴露下的成像比较	医学影像学	NA	深度学习CT重建（DLR）	NA	图像	使用多种辐射剂量进行比较（CTDI：0.5到20 mGy）
11025	2024-08-05	Deep Learning-Based CT Reconstruction Kernel Conversion in the Quantification of Interstitial Lung Disease: Effect on Reproducibility 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.06.008 PMID:37516583	研究论文	本研究探讨了不同CT重建核对间质性肺病定量分析的影响，并验证了基于深度学习的核转换是否能减少不同CT核之间自动定量结果的变异性	该研究首次量化了不同CT重建核对间质性肺病定量的影响，并提出了使用深度学习算法进行核转换以提高测量重现性的创新方法	本研究的局限性在于其为回顾性分析，且仅使用了三种重建核，可能无法覆盖所有临床场景	研究旨在评估不同CT重建核对间质性肺病定量分析的影响	回顾性纳入了194名患有间质性肺病或间质性肺部异常的患者	数字病理学	间质性肺病	深度学习算法	NA	图像	共涉及194名患者
11026	2024-08-05	Preoperatively Predicting Ki67 Expression in Pituitary Adenomas Using Deep Segmentation Network and Radiomics Analysis Based on Multiparameter MRI 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.05.023 PMID:37330356	研究论文	本研究探讨了使用深度分割网络和基于多参数MRI的放射组学分析预测垂体腺瘤中Ki67增殖指数的可行性	采用cfVB-Net自自动分割模型并结合放射组学特征对垂体腺瘤患者的Ki67表达进行预测	研究主要依赖于单中心数据，可能限制结果的广泛适用性	研究旨在评估基于多参数MRI的深度分割网络在预测垂体腺瘤Ki67增殖指数的有效性	1214名垂体腺瘤患者被分类为高Ki67表达组和低Ki67表达组	数字病理学	NA	多参数MRI	cfVB-Net	医学影像	1214名患者
11027	2024-08-05	Predicting EGFR Mutation Status in Non-Small Cell Lung Cancer Using Artificial Intelligence: A Systematic Review and Meta-Analysis 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.03.040 PMID:37120403	meta-analysis	本文系统评估了人工智能算法在预测非小细胞肺癌患者EGFR突变状态中的表现和质量	本文创新点在于比较了传统机器学习和深度学习算法在EGFR突变状态预测中的性能，并提出了改进诊断表现的因素	研究可能受限于纳入的文献数量和质量	评估人工智能算法（包括传统机器学习和深度学习）在非小细胞肺癌患者EGFR突变预测中的性能	非小细胞肺癌患者的EGFR突变状态	自然语言处理	肺癌	人工智能算法	深度学习与传统机器学习	影像数据	纳入42个研究，共涉及多年收集的临床数据
11028	2024-08-07	Deep Learning-Based CT Noise Reduction for Perivascular Adipose Tissue Evaluation 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.035 PMID:38177033	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11029	2024-08-05	A Novel Hybrid Deep Learning Method for Predicting the Flow Fields of Biomimetic Flapping Wings 2024-Jan-25, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9020072 PMID:38392118	研究论文	本文提出了一种新的混合深度学习方法，用于预测仿生拍翅翼的流场	提出了一种混合粗数据驱动的物理信息神经网络模型（HCDD-PINN），能有效提高非线性偏微分方程解的预测精度和可靠性	主要局限是在处理二维不可稳态拍翅问题时，三维和优化问题的优势尚未充分验证	快速准确地解决与仿生拍翅结构相关的非线性偏微分方程	仿生拍翅结构的流动场特征	计算机视觉	NA	物理信息深度学习	HCDD-PINN	流场数据	使用的内部训练数据比传统计算流体动力学所需的网格粗得多
11030	2024-08-05	Deep Learning-Based Technique for Remote Sensing Image Enhancement Using Multiscale Feature Fusion 2024-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s24020673 PMID:38276366	研究论文	本研究提出了一种新颖的深度学习模型用于遥感图像增强	提出了一种基于U-Net的改进层次模型GSA-Net，结合多尺度特征融合，提高图像增强效果	由于样本数据不足，需要采用伽玛校正生成低光图像以供训练	研究遥感图像增强的深度学习技术	旨在改善通过低光遥感获取的图像质量	计算机视觉	NA	深度学习	GSA-Net	图像	使用NWPU VHR-10数据集进行测试
11031	2024-08-05	Ensemble Learning Method for the Continuous Decoding of Hand Joint Angles 2024-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s24020660 PMID:38276352	研究论文	本文提出了一种使用集成学习方法解决手关节角度解码问题的新模型	引入集成学习组合CatBoost和LightGBM模型，建立高性能的手动动作识别解码系统，且模型需求的参数和训练数据少于传统深度学习模型	未提及具体的局限性	旨在提高智能假肢的灵活性和灵巧性的手动动作解码技术	通过表面肌电图（sEMG）信号，估计手掌关节的运动学角度	自然语言处理	NA	表面肌电图 (sEMG)	集成学习模型	信号	涉及多个测试场景的被试数据集
11032	2024-08-05	CenterNet-Saccade: Enhancing Sonar Object Detection with Lightweight Global Feature Extraction 2024-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s24020665 PMID:38276357	研究论文	本文提出了一种基于轻量级模块的网络，以提高声呐图像中的目标检测准确性和实时性	提出了结合影子信息的检测方法，并设计了适应Hourglass的ShuffleBlock模型以减轻网络负担	未提及具体的样本数量和数据来源的多样性	实现声呐图像中目标的准确实时检测	声呐图像中的目标及其影子	计算机视觉	NA	NA	ShuffleBlock, Hourglass	声呐图像	NA
11033	2024-08-05	Segmentation of 71 Anatomical Structures Necessary for the Evaluation of Guideline-Conforming Clinical Target Volumes in Head and Neck Cancers 2024-Jan-18, Cancers IF:4.5Q1 DOI:10.3390/cancers16020415 PMID:38254904	研究论文	本文探讨了头颈癌患者中71个解剖结构的自动分割，以改善临床目标体积(CTV)的划定	提出了一种基于最新深度学习方法的自动化分割策略，并对71个解剖结构进行细致分析	缺乏对手动绘制轮廓与专家指南一致性的量化评估方法	研究旨在提升头颈癌放疗中CTV的自动分割精度	重点研究了71个与CTV划定相关的解剖结构	数字病理学	头颈癌	深度学习	3D nnU-Net	计算机断层扫描图像	104个计算机断层扫描样本
11034	2024-08-05	Beyond Conventional Monitoring: A Semantic Segmentation Approach to Quantifying Traffic-Induced Dust on Unsealed Roads 2024-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s24020510 PMID:38257603	研究论文	本研究提出了一种使用语义分割方法量化交通引起的道路灰尘的创新方法	引入了一种基于深度学习的语义分割技术，提供了一种实用且鲁棒的灰尘量化方案	依赖于特定的图像数据集进行训练，可能对其他类型的道路情况适应性有限	量化因交通引起的路面粉尘以便改善监测方法	交通引起的道路灰尘	计算机视觉	NA	深度学习	语义分割	图像	NA
11035	2024-08-05	Cross Entropy in Deep Learning of Classifiers Is Unnecessary-ISBE Error Is All You Need 2024-Jan-12, Entropy (Basel, Switzerland) DOI:10.3390/e26010065 PMID:38248190	研究论文	本研究介绍了ISBE功能，证明了在深度学习分类器中计算交叉熵的多余性	提出了ISBE功能，能够省略交叉熵的计算，并在反向传播中将误差直接送入模型网络	尚未讨论ISBE在所有类型深度学习模型中的应用有效性	探讨深度学习分类器中成本函数的简化可能性	使用感知机和卷积网络对MNIST图像数据集进行分类	机器学习	NA	深度学习	感知机和卷积神经网络	图像	MNIST数据集中的图像应用
11036	2024-08-05	Scale-Fractal Detrended Fluctuation Analysis for Fault Diagnosis of a Centrifugal Pump and a Reciprocating Compressor 2024-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s24020461 PMID:38257554	研究论文	提出了一种用于往复式压缩机和多级离心泵故障分类的新方法	使用多分形去趋势波动分析（MFDFA）处理原始振动信号以提取有助于故障类别的特征	NA	为往复式压缩机和多级离心泵的故障检测提供一种可靠的方法	往复式压缩机和多级离心泵	机器学习	NA	多分形去趋势波动分析（MFDFA）	卷积神经网络（CNN）	振动信号	13种离心泵故障，17种阀门故障以及13种往复式压缩机多重故障
11037	2024-08-05	Effectiveness of Data Augmentation for Localization in WSNs Using Deep Learning for the Internet of Things 2024-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s24020430 PMID:38257522	研究论文	本文开发了一种基于深度学习的范围无关定位方法来提高无线传感器网络的定位性能	提出了一种数据增强策略，通过创建虚拟锚点来增加训练数据量，从而提高深度神经网络的定位准确性	文章中未详细讨论数据增强策略在不同环境下的适用性和局限性	旨在提高无线传感器网络在物联网中的定位准确性	主要研究无线传感器网络中的定位算法和深度学习的应用	机器学习	NA	深度学习 (DL)	深度神经网络 (DNN)	虚拟数据	通过创建多个虚拟锚点生成的增强训练数据
11038	2024-08-05	Combining Synthetic Images and Deep Active Learning: Data-Efficient Training of an Industrial Object Detection Model 2024-Jan-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10010016 PMID:38249001	研究论文	本研究结合了物理基础渲染生成合成训练图像和深度主动学习用于工业物体检测任务	创新之处在于结合合成图像和深度主动学习以迭代提高模型性能	该研究可能在合成数据与现实世界数据之间的领域差距上存在局限	研究旨在使用较少的真实世界图像高效训练物体检测模型	研究对象为工业物体检测模型	计算机视觉	NA	物理基础渲染，深度主动学习	NA	图像	少量真实图像
11039	2024-08-05	Non-invasively Discriminating the Pathological Subtypes of Non-small Cell Lung Cancer with Pretreatment 18F-FDG PET/CT Using Deep Learning 2024-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.03.032 PMID:37117141	研究论文	本文旨在开发一种基于18F-FDG PET/CT影像的深度学习模型，用于非侵入性预测非小细胞肺癌的病理亚型	采用深度学习技术进行非小细胞肺癌病理亚型的非侵入性分类，展示了模型的优秀性能和临床应用潜力	限于回顾性分析，可能存在样本选择偏倚和外部验证不足的问题	研究基于PET/CT影像预测非小细胞肺癌病理亚型的可能性	189名接受手术的非小细胞肺癌患者的术前PET/CT影像	计算机视觉	肺癌	18F-FDG PET/CT	Mobilenet v2	影像	189
11040	2024-08-05	Distilling Knowledge From an Ensemble of Vision Transformers for Improved Classification of Breast Ultrasound 2024-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.08.006 PMID:37666747	研究论文	开发了一种深度学习模型，以自动分类乳腺超声图像为良性或恶性	探讨了视觉转换器、集成学习和知识蒸馏在乳腺超声分类中的应用，展示了如何使用单一视觉转换器模型模拟集成模型的性能	未提供具体的限制信息	研究乳腺超声图像的自动分类	单视图B模式超声图像，来自公开的乳腺超声图像（BUSI）数据集	计算机视觉	乳腺癌	视觉转换器（ViT）	视觉转换器（ViT），卷积神经网络（CNN）	图像	未提供具体的样本数量信息