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
11121	2024-08-05	Natalizumab reduces loss of gray matter and thalamic volume in patients with relapsing-remitting multiple sclerosis: A post hoc analysis from the randomized, placebo-controlled AFFIRM trial 2024-May, Multiple sclerosis (Houndmills, Basingstoke, England) DOI:10.1177/13524585241235055 PMID:38469809	研究论文	本研究分析了Natalizumab在复发-缓解型多发性硬化症患者中对灰质和丘脑萎缩的影响	提供了首个安慰剂对照的证据，支持Natalizumab治疗可以减轻灰质和丘脑萎缩	本研究为事后分析，可能存在偏倚	评估Natalizumab对灰质和丘脑萎缩的影响	复发-缓解型多发性硬化症患者	数字病理学	多发性硬化症	深度学习图像分割	NA	MRI数据	NCT00027300中的复发-缓解型多发性硬化症患者的MRI数据
11122	2024-08-05	Using word evolution to predict drug repurposing 2024-Apr-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02496-1 PMID:38689287	研究论文	该研究使用词语演变的方法来预测药物再利用。	提出了一种基于词语演变的替代方法，以识别适合再利用的药物	不同模型的性能可能与训练数据的数量相关	探讨通过词语语境变化来识别适合再利用的药物的可能性	临床药物及其再利用	自然语言处理	NA	深度学习分类	NA	文本	使用从MEDLINE中按两个月时间间隔顺序排列的出版物构建的词嵌入
11123	2024-08-05	Enhancing skin lesion classification with advanced deep learning ensemble models: a path towards accurate medical diagnostics 2024-04, Current problems in cancer IF:2.5Q3 DOI:10.1016/j.currproblcancer.2024.101077 PMID:38480028	研究论文	本研究开发了一种基于先进深度学习的皮肤病变分类方法，旨在提高准确性	研究采用了多种深度神经网络模型的集成技术，显著提高了皮肤病变分类的准确性	数据可用性有限，分类不平衡以及噪声问题仍然存在	研究旨在开发准确的皮肤病变分类方法以改善生存率	研究对象为来自HAM10000和ISIC数据集的多样化皮肤病变图像	数字病理学	皮肤癌	图像修复、数据增强、SGD优化	ResNeXt101、SeResNeXt101、ResNet152V2、DenseNet201、GoogLeNet、Xception	图像	HAM10000和ISIC数据集中多样化的皮肤病变图像
11124	2024-08-05	Advancements in Uric Acid Stone Detection: Integrating Deep Learning with CT Imaging and Clinical Assessments in the Upper Urinary Tract 2024, Urologia internationalis IF:1.5Q3 DOI:10.1159/000538133 PMID:38432217	研究论文	本文旨在通过深度学习分析CT扫描和临床检测数据以识别尿酸结石	结合深度学习与CT成像和临床评估，开发多种预测模型识别尿酸结石	样本量较小，仅包括276名患者	建立准确识别尿酸结石的预测模型	276名上尿路结石患者	机器学习	NA	CT成像、机器学习	深度学习模型	血液和尿液检测数据、CT扫描	276名患者，48名尿酸结石患者和228名其他类型结石患者
11125	2024-08-05	DeepSP: Deep learning-based spatial properties to predict monoclonal antibody stability 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.029 PMID:38827232	研究论文	本研究开发了一种基于深度学习的模型DeepSP，以预测单克隆抗体的空间特性和稳定性	提出了一种无需进行分子动力学模拟的深度学习替代模型，能够直接基于抗体序列预测空间聚集倾向和空间电荷图	研究模型的表现依赖于已有的抗体序列数据集，可能不适用于所有抗体	旨在提高单克隆抗体开发的效率，并降低计算时间	使用20530个抗体序列数据集来训练DeepSP模型	机器学习	NA	深度学习	卷积神经网络 (CNN)	序列	20530个抗体序列
11126	2024-08-05	Strong versus Weak Data Labeling for Artificial Intelligence Algorithms in the Measurement of Geographic Atrophy 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100477 PMID:38827491	研究论文	本研究旨在理解深度学习模型训练所需的数据标注要求，以测量地理性萎缩。	提出了通过整合大量弱标注图像与少量强标注图像的训练方法，以减少数据标注的成本和时间。	未提供关于数据标注对模型性能影响的详细分析。	研究深度学习模型在测量地理性萎缩中的应用与数据标注要求。	使用AREDS2图像进行模型训练和验证，以及GA临床试验图像进行测试。	机器学习	视网膜疾病	深度学习	卷积神经网络（CNN）	图像	AREDS2数据集（601张）和GlaxoSmithKline测试数据集（156张）
11127	2024-08-05	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-Jul, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	本研究开发并验证了一种机器学习算法，用于从视网膜眼底照片中估计心血管风险因素。	通过在肯尼亚的非干预研究中验证机器学习模型，推动了心血管筛查的早期应用，尤其是在资源有限的环境中	模型性能表现与开发使用的英国生物银行人群相比，准确度稍低，可能需要重新校准	评估机器学习算法在低收入国家心血管风险因素估计中的有效性	肯尼亚地区的301名参与者，通过收集视网膜照片及其临床参数进行研究	机器学习	心血管疾病	机器学习	未提及	图像	301名参与者
11128	2024-08-05	NVAM-Net: deep learning networks for reconstructing high-quality fiber orientation distributions 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03341-y PMID:38563964	研究论文	该研究介绍了一种名为NVAM-Net的神经网络，用于重建高质量的纤维取向分布图像。	该文章创新性地引入了相邻体素注意机制网络，利用变换器架构和两种新的注意机制来改进FOD估计。	未提供明显的局限性说明	本研究旨在提高扩散磁共振成像中体素取向分布的重建精度。	本研究使用了人脑连通组项目（HCP）数据集进行实验。	数字病理学	NA	扩散磁共振成像（dMRI）	变换器	图像	使用人脑连通组项目（HCP）数据集的实验结果
11129	2024-08-05	Effect of deep learning-based reconstruction on high-resolution three-dimensional T2-weighted fast asymmetric spin-echo imaging in the preoperative evaluation of cerebellopontine angle tumors 2024-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03328-9 PMID:38480538	研究论文	本文旨在评估基于深度学习重建（DLR）在小脑桥角肿瘤术前评估中的影响。	本研究创新地使用深度学习重建技术提高了HR-3D T2-FASE成像的对比噪声比。	样本量较小，仅包含13例患者，可能影响结果的普遍性。	研究旨在评估DLR对小脑桥角肿瘤术前评估中成像质量的影响。	研究对象为接受术前HR-3D T2-FASE成像的13例患者。	数字病理学	脑肿瘤	MRI	深度学习重建	医学影像	13例患者
11130	2024-08-05	Deep learning model to discriminate diverse infection types based on pairwise analysis of host gene expression 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109908 PMID:38827397	研究论文	提出了一种深度学习模型bvnGPS2，用于区分不同类型的感染	结合注意力机制及大规模综合宿主转录组数据集，精确识别革兰氏阳性和阴性细菌感染及病毒感染	可能存在数据集来源和规模的限制	准确检测由各种病原体引起的感染	4,949个血样本来自10个国家的40个队列	机器学习	NA	深度学习，注意力机制	深度神经网络	血样本	4,949个血样本
11131	2024-08-05	Optimizing motor imagery BCI models with hard trials removal and model refinement 2024-Jun-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad4f8e PMID:38781932	研究论文	本文提出了两种新方法，用于识别和减轻运动想象脑机接口系统中困难试验对模型性能的影响	提出了基于模型预测得分和定量可解释人工智能的方法来识别困难试验	实验未提及在其他数据集上的普遍性验证	提高运动想象脑机接口系统的分类性能	Open BMI 数据集中的运动想象试验	机器学习	NA	深度学习	深度卷积神经网络 (CNN)	数据集	NA
11132	2024-08-05	How Artificial Intelligence Unravels the Complex Web of Cancer Drug Response 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-1123 PMID:38588311	研究论文	该文章探讨了人工智能在癌症药物反应中的作用	研究通过解释性深度学习模型揭示了肿瘤细胞结构与药物反应之间的关系	NA	研究人工智能在精密医学中对癌症治疗的影响	研究CDK4/6抑制剂在乳腺癌治疗中的反应机制	数字病理学	乳腺癌	深度学习	解释性深度学习模型	NA	NA
11133	2024-08-05	TRA-ACGAN: A motor bearing fault diagnosis model based on an auxiliary classifier generative adversarial network and transformer network 2024-Jun, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2024.03.033 PMID:38604873	研究论文	本文提出了一种基于辅助分类器生成对抗网络和变换网络的电动机轴承故障诊断模型TRA-ACGAN	该模型结合了ACGAN和变换网络，利用注意机制提取有效特征，避免了传统迭代和卷积结构的局限	尚未提及具体的局限性	研究电动机轴承故障诊断中的生成对抗网络的应用	电动机轴承故障数据及其诊断	深度学习	NA	生成对抗网络	ACGAN, 变换网络	故障数据	使用了CWRU数据集和PU数据集
11134	2024-08-05	A deep learning-based model for detecting Leishmania amastigotes in microscopic slides: a new approach to telemedicine 2024-Jun-01, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-024-09428-4 PMID:38824500	研究论文	本研究开发了一种基于深度学习的模型，用于在显微切片中检测利什曼虫的阿米巴体	提出了一种名为LeishFuNet的深度学习框架，通过同域迁移学习提高检测利什曼虫的性能	可能在某些病理情况下的检测效果需要进一步验证	开发一种基于深度学习的自动化诊断模型以检测利什曼病	用于检测利什曼虫的显微图像，包含138个阳性案例和154个阴性案例	计算机视觉	利什曼病	深度学习	VGG19, ResNet50, MobileNetV2, DenseNet 169	图像	292张自收集的高分辨率显微图像
11135	2024-08-05	Vegetation change detection and recovery assessment based on post-fire satellite imagery using deep learning 2024-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63047-2 PMID:38824170	研究论文	本研究提供了一种新的方法来理解和评估火灾后对植被的影响	提出了一种名为深嵌入聚类（DEC）的无监督方法来检测植被变化，并开发了基于深度学习的自适应生成对抗神经网络模型（AdaptiGAN）进行植被恢复评估	未提及具体的局限性	评估火灾后植被的变化和恢复	受野火影响地区的植被变化	遥感	NA	深度学习，卫星遥感	深嵌入聚类（DEC），自适应生成对抗神经网络模型（AdaptiGAN）	卫星影像	NA
11136	2024-08-05	Research of 2D-COS with metabolomics modifications through deep learning for traceability of wine 2024-06-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63280-9 PMID:38824219	研究论文	提出了一种通过代谢组学分析与深度学习分类相结合的方法，以追溯葡萄酒的来源	结合代谢组学筛选与卷积神经网络，优化葡萄酒来源追溯的分类结果	未提及更广泛的应用或与其他分析方法的比较	研究葡萄酒的来源追溯方法	180个来自6个不同葡萄酒产区的葡萄酒样本	数字病理学	NA	UPLC-Q-TOF-MS	卷积神经网络 (CNN)	光谱	180个样本
11137	2024-08-05	Adapting low-dose CT denoisers for texture preservation using zero-shot local noise-level matching 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17015 PMID:38478305	研究论文	本文提出了一种增强低剂量CT去噪算法的方法，旨在防止过度平滑现象并保持图像纹理的清晰度	提出的局部自适应噪声水平匹配算法能够在无额外训练数据的情况下增强去噪效果	该方法的有效性依赖于良好的噪声水平匹配，可能在某些极端图像情况下表现不佳	解决低剂量CT图像的过度平滑问题，设计无需大量训练数据的去噪算法	低剂量CT图像去噪算法的提升	数字病理学	NA	去噪	NA	图像	使用多种测试的低剂量CT去噪器进行实验
11138	2024-08-05	Interpretable baseflow segmentation and prediction based on numerical experiments and deep learning 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121089 PMID:38733842	研究论文	本研究探讨了气象因素和地表变化如何影响高寒山区基流，通过深度学习模型进行基流分离与预测	采用灰狼优化数字滤波方法（GWO-DFM）进行快速基流分离，并使用长短期记忆神经网络（LSTM）模型解释基流预测中的可解释性	在数据稀缺的高寒山区选择最合适的基流分离方法具有挑战性	研究高寒山区基流变化及其响应机制，以便更好地管理水资源	高寒山区的基流及影响其变化的气象和地表因素	数值模拟	NA	灰狼优化数字滤波方法（GWO-DFM）、长短期记忆神经网络（LSTM）	LSTM	流量数据、气象数据、MODIS数据	63年流量时间序列（1958-2020），21年ERA5-land气象数据（2000-2020）
11139	2024-08-05	A hybrid deep learning approach to predict hourly riverine nitrate concentrations using routine monitored data 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121097 PMID:38733844	研究论文	本研究使用结合深度学习神经网络和常规监测数据来预测河流的每小时硝酸盐浓度。	提出了一种混合模型架构，将卷积神经网络与长短期记忆网络（CNN-LSTM）相结合，进行高频硝酸盐浓度预测。	未包含高频硝酸盐浓度数据作为模型输入，可能影响预测精度。	研究如何利用深度学习网络和常规监测数据预测河流中的硝酸盐浓度。	研究对象为美国新罕布什尔州Oyster River流域出口处的硝酸盐浓度。	机器学习	NA	深度学习	卷积神经网络与长短期记忆网络（CNN-LSTM）	高频监测数据	根据5:3:2的比例将整个数据集分为训练、验证和测试，样本数量未具体说明
11140	2024-08-05	Automatic detection of epilepsy from EEGs using a temporal convolutional network with a self-attention layer 2024-Jun-01, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01244-w PMID:38824547	研究论文	本文提出了一种使用带自注意力层的时间卷积网络自动检测癫痫的方法	创新点在于结合时间卷积神经网络和自注意力机制来提高癫痫检测的分类准确性	本研究的局限性在于，所提出的模型对不同临床场景的适用性仍需进一步验证	研究的目的是提高癫痫的自动检测准确性，尤其是在儿童患者中	研究对象为癫痫患者的EEG信号数据，特别是儿童癫痫患者	数字病理学	癫痫	时间卷积神经网络和自注意力层	时间卷积神经网络	EEG信号数据	包括我们收集的儿童癫痫数据集和Bonn数据集