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
11421	2024-08-07	Using deep learning to optimize the prostate MRI protocol by assessing the diagnostic efficacy of MRI sequences 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111470 PMID:38640822	研究论文	本研究利用深度学习技术评估和优化前列腺MRI协议的诊断效能	通过深度学习模型比较加速和完整MRI协议的诊断性能，发现省略特定DWI序列可以减少扫描时间而不影响诊断质量	NA	探索使用深度学习优化前列腺MRI协议的方法	前列腺MRI协议的诊断效能	机器学习	前列腺癌	MRI	深度学习模型	图像	840名患者
11422	2024-08-07	Deep learning-based radiomics of computed tomography angiography to predict adverse events after initial endovascular repair for acute uncomplicated Stanford type B aortic dissection 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111468 PMID:38648727	研究论文	本研究旨在构建一个结合深度学习衍生的计算机断层扫描血管造影（CTA）放射组学特征和临床生物标志物的预测模型，以预测急性未复杂化的斯坦福B型主动脉夹层（uTBAD）患者在接受初始胸主动脉腔内修复术（TEVAR）后的不良事件（AEs）	本研究创新性地将深度学习基础的放射组学与临床指标相结合，用于预测急性uTBAD患者术后不良事件	NA	构建一个预测模型，结合CTA的放射组学特征和临床生物标志物，预测急性uTBAD患者术后不良事件	急性未复杂化的斯坦福B型主动脉夹层（uTBAD）患者	机器学习	心血管疾病	计算机断层扫描血管造影（CTA）	三维深度卷积神经网络（CNN）	图像	369名接受TEVAR治疗的急性uTBAD患者
11423	2024-08-07	State-of-the-RNArt: benchmarking current methods for RNA 3D structure prediction 2024-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae048 PMID:38745991	综述	本文综述了当前用于RNA 3D结构预测的计算方法，包括模板基和深度学习方法，并使用RNA-Puzzles数据集对九种方法进行了基准测试	介绍了深度学习方法在RNA 3D结构预测中的应用潜力	深度学习方法在RNA 3D结构预测中的应用仍然具有挑战性	评估和比较当前RNA 3D结构预测方法的性能	RNA 3D结构预测的计算方法	NA	NA	深度学习	NA	数据集	九种方法
11424	2024-08-07	Optical color routing enabled by deep learning 2024-May-16, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr00105b PMID:38592716	综述	本文综述了深度学习驱动的纳米颜色路由结构设计，包括正向模拟算法、光子神经网络和多种全局及局部拓扑优化方法	介绍了无带通颜色路由的新方法，提供了前所未有的光学光谱效率和亚波长尺度操作，为图像传感应用带来了范式转变	NA	探索和比较深度学习驱动的纳米颜色路由结构设计与传统设计方法，总结现有研究并指出未来发展方向	纳米颜色路由结构设计及其在图像传感应用中的性能	计算机视觉	NA	深度学习	光子神经网络	图像	NA
11425	2024-08-07	Predicting gastric cancer tumor mutational burden from histopathological images using multimodal deep learning 2024-May-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad032 PMID:37525540	研究论文	本研究利用多模态深度学习方法从组织病理学图像中预测胃癌肿瘤突变负荷（TMB）	开发了一种结合组织病理学图像和组学数据的多模态融合深度学习模型，显著提高了TMB预测的准确性	NA	探索从组织病理学图像中预测胃癌患者TMB水平的可能性	胃癌患者的组织病理学图像、临床数据和分子数据	数字病理学	胃癌	深度学习	Resnet	图像	326名胃癌患者
11426	2024-08-07	Prediction of drug-protein interaction based on dual channel neural networks with attention mechanism 2024-May-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad037 PMID:37642213	研究论文	本研究构建了一个基于双通道神经网络和注意力机制的药物-蛋白质相互作用预测模型DCA-DPI	采用双通道神经网络和高效的注意力机制，相比传统计算方法，减少了领域知识需求并增强了数据学习能力	NA	加速药物发现过程，精确识别药物-蛋白质相互作用	药物分子图和蛋白质序列	机器学习	NA	NA	神经网络	图像和文本	使用了三个广泛使用的公共数据集：Human, C.elegans 和 DUD-E
11427	2024-08-07	Deep Learning Enabled Comprehensive Evaluation of Jumping-Droplet Condensation and Frosting 2024-May-15, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c00976 PMID:38693061	研究论文	利用深度学习开发了一个半监督框架，用于监测超疏水表面上跳跃液滴冷凝和结霜的光学可观察过程	该框架能够识别瞬态液滴分布和动态活动，如液滴聚结、跳跃和结霜，并能有效适应新的冷凝条件	NA	研究超疏水表面上的跳跃液滴冷凝和结霜现象，并优化表面设计以提高冷凝传热和防霜性能	超疏水表面上的跳跃液滴冷凝和结霜现象	机器学习	NA	深度学习	NA	图像	少量标注数据
11428	2024-08-07	Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad464e PMID:38697026	研究论文	本文提出了一种名为GraspCNet的紧凑型卷积神经网络模型，用于假手的视觉辅助抓握分类	使用可分离卷积减少计算负担，使其适用于嵌入式系统的实时应用	在计算机实时实验中，模型准确率为69%，低于已见物体的分类准确率	开发一种能够有效泛化不同物体形状并准确分类抓握模式的模型	假手的抓握分类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了多种标准物体数据集进行训练和测试
11429	2024-08-07	Breast density prediction from low and standard dose mammograms using deep learning: effect of image resolution and model training approach on prediction quality 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad470b PMID:38701765	研究论文	本文开发了深度学习方法，从低剂量和高分辨率的乳腺X线摄影图像中预测乳腺密度，并探讨了图像分辨率和训练方法对预测质量的影响	本文创新地使用深度学习模型在不同分辨率下对低剂量乳腺X线摄影图像进行乳腺密度预测，并比较了特征提取方法和端到端训练方法的效果	NA	提高年轻女性乳腺癌风险预测的准确性	乳腺密度预测	计算机视觉	乳腺癌	深度学习	CNN	图像	15,290张标准剂量和模拟低剂量乳腺X线摄影图像
11430	2024-08-07	An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data 2024-May-15, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3392355 PMID:38748522	研究论文	本文介绍了一种名为自适应多尺度注意力深度神经网络的新技术，用于分析表格数据	该技术通过并行多级特征加权，成功学习特征注意力，并在多个分类和回归任务中实现了高F1分数和低平均绝对误差	NA	旨在提高深度学习在表格数据分析中的性能，并增强其可解释性	表格数据	机器学习	NA	自适应多尺度注意力深度神经网络	深度神经网络	表格数据	涉及小、中、大和非常大的数据集
11431	2024-08-07	Value of vendor-agnostic deep learning image denoising in brain computed tomography: A multi-scanner study 2024-May-15, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2290-4781 PMID:38749431	研究论文	本研究评估了一种供应商无关的深度学习去噪（DLD）算法对五种CT扫描仪上非对比颅脑CT（ncCT）诊断图像质量的影响	供应商无关的深度学习去噪算法在主观和客观分析中均显著提高了ncCT图像质量，包括减少噪声、提高信噪比和对比噪声比，以及减少后颅窝的伪影	本研究为回顾性单中心研究，样本仅包括因轻微头部创伤接受常规影像检查的患者	评估供应商无关的深度学习去噪算法对非对比颅脑CT诊断图像质量的影响	五种CT扫描仪上的非对比颅脑CT图像质量	计算机视觉	NA	深度学习去噪（DLD）	深度学习模型	图像	150名连续患者（每种扫描仪30名）
11432	2024-08-07	Concomitant Prediction of the Ki67 and PIT-1 Expression in Pituitary Adenoma Using Different Radiomics Models 2024-May-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01121-x PMID:38750186	研究论文	本研究旨在通过三种不同的放射组学模型术前预测垂体腺瘤中Ki67和PIT-1的高表达	本研究采用了深度学习放射组学（DLR）模型，相较于传统的机器学习和深度学习模型，DLR模型在预测Ki67和PIT-1表达方面表现出最佳性能	NA	术前预测垂体腺瘤中Ki67和PIT-1的高表达	垂体腺瘤中的Ki67和PIT-1表达	机器学习	垂体腺瘤	放射组学	逻辑回归（LR）、支持向量机（SVM）、多层感知器（MLP）	图像	247名垂体腺瘤患者（训练集：198名；测试集：49名）
11433	2024-08-07	Identifying regions of importance in wall-bounded turbulence through explainable deep learning 2024-May-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47954-6 PMID:38740802	研究论文	本研究使用可解释的深度学习方法探索壁边界湍流中能量包含相干结构之间的相互作用	本研究通过SHapley Additive exPlanations (SHAP)算法评估每个结构对预测的重要性，发现最重要的结构不一定是对雷诺剪切应力贡献最大的结构	NA	解决壁边界湍流问题并探索新的流动控制策略	壁边界湍流中的能量包含相干结构及其相互作用	机器学习	NA	深度学习	U-net	速度场数据	来自湍流通道流动模拟的瞬时速度场数据
11434	2024-08-07	NGMD: next generation malware detection in federated server with deep neural network model for autonomous networks 2024-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61298-7 PMID:38740843	研究论文	本文提出了一种基于深度神经网络的下一代恶意软件检测方法，用于在联邦服务器中进行网络流量分类和攻击检测	采用联邦学习方法，无需访问用户私人数据即可进行攻击检测，强调隐私保护	NA	提高网络系统对分布式拒绝服务攻击的抵御能力	网络流量分类和攻击检测	机器学习	NA	深度学习	深度神经网络	网络流量数据	使用BoT-IoT数据集进行实验验证
11435	2024-08-07	Deep-learning survival analysis for patients with calcific aortic valve disease undergoing valve replacement 2024-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61685-0 PMID:38740898	研究论文	本研究比较了传统Cox比例风险模型与基于机器学习的深度学习生存分析和随机生存森林方法，以识别在主动脉瓣置换手术后一年内预测死亡风险的变量	研究发现机器学习模型具有更好的预测能力，能够揭示非线性关系	NA	旨在提高对高死亡风险患者的早期识别，以便他们能从更合适的治疗干预中受益	接受主动脉瓣置换手术的患者	机器学习	心血管疾病	深度学习生存分析，随机生存森林	深度学习模型，随机生存森林	临床数据	接受主动脉瓣置换手术的患者
11436	2024-08-07	Computer vision models enable mixed linear modeling to predict arbuscular mycorrhizal fungal colonization using fungal morphology 2024-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61181-5 PMID:38740920	研究论文	本文提出了一种多尺度建模方法，利用基于Mask R-CNN的计算机视觉模型和混合线性模型，预测全球作物中Arbuscular Mycorrhizal Fungi（AMF）的定植情况	首次使用Mask R-CNN进行像素级真菌结构分割，并结合混合线性模型探索AMF定植、根际和真菌结构分配之间的关系	NA	开发一种高吞吐量的表型分析方法，用于预测植物根系中AMF的定植情况	全球作物的AMF定植情况	计算机视觉	NA	Mask R-CNN	CNN	图像	来自Sorghum bicolor和S. propinquum的重组自交系群体
11437	2024-08-07	Structural annotation of unknown molecules in a miniaturized mass spectrometer based on a transformer enabled fragment tree method 2024-May-13, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-024-01189-0 PMID:38740942	研究论文	本文提出了一种基于Transformer的碎片树（TeFT）方法，用于小型质谱仪中未知分子的结构注释	结合了多种碎片树模型和深度学习Transformer模块，能够仅从质谱数据中生成分子特定结构	主要适用于具有清晰碎片规则的碎片峰注释，且在较低质量分辨率的现场质谱分析中表现较好	开发一种新的方法，用于小型质谱仪中未知分子的结构注释	小型质谱仪中的未知分子结构	NA	NA	质谱分析	Transformer	质谱数据	验证了16种黄酮醇，成功预测了8种物质的完整结构
11438	2024-08-07	Effects of the Training Data Condition on Arterial Spin Labeling Parameter Estimation Using a Simulation-Based Supervised Deep Neural Network 2024 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001566 PMID:38149628	研究论文	研究基于模拟的监督深度神经网络在不同训练数据条件下对脑血流量和动脉传输时间参数估计的影响	首次探讨了训练数据中脑血流量和动脉传输时间真实值范围对深度神经网络性能的影响	研究仅限于模拟数据和少数真实病例，可能需要更多临床数据验证	探究训练数据的真实值范围对基于模拟的监督深度神经网络性能的影响	脑血流量和动脉传输时间参数估计	机器学习	NA	动脉自旋标记信号模拟	深度神经网络 (DNN)	图像	36种训练数据集模式，1,000,000点模拟测试数据，17名健康志愿者和1名烟雾病患者
11439	2024-08-07	Deep learning combining mammography and ultrasound images to predict the malignancy of BI-RADS US 4A lesions in women with dense breasts: a diagnostic study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001186 PMID:38348891	研究论文	本研究旨在评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现	本研究开发了一种结合超声和乳腺X线摄影特征的深度学习模型，该模型在预测BI-RADS US 4A乳腺病变恶性程度方面比临床诺模图模型和仅使用超声或乳腺X线摄影图像的深度学习模型更准确	NA	评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现	乳腺密度高女性的BI-RADS US 4A病变	计算机视觉	乳腺疾病	深度学习	深度学习模型	图像	共1210名患者，其中992名随机分配到训练组和测试组，218名组成前瞻性验证组
11440	2024-08-07	Congenital diaphragmatic hernia: automatic lung and liver MRI segmentation with nnU-Net, reproducibility of pyradiomics features, and a machine learning application for the classification of liver herniation 2024-May, European journal of pediatrics IF:3.0Q1 DOI:10.1007/s00431-024-05476-9 PMID:38416256	研究论文	本研究使用深度学习分割系统nnU-Net自动分割先天性膈疝（CDH）胎儿的肺和肝脏MRI图像，并通过计算Jaccard系数评估自动与手动分割的一致性。此外，提取并比较了手动和自动分割区域的Pyradiomics标准特征的再现性，并构建了一个基于支持向量机（SVM）的机器学习分类器系统，用于预测肝脏疝。	本研究展示了使用深度学习nnU-Net系统进行MRI肺和肝脏自动分割的可行性，以及与手动结果相比，Pyradiomics特征的良好再现性和机器学习系统预测肝脏疝的可行性。	NA	评估先天性膈疝胎儿肺和肝脏MRI图像自动分割的可行性，并开发机器学习系统以预测肝脏疝。	先天性膈疝胎儿的肺和肝脏MRI图像。	机器学习	先天性膈疝	MRI	nnU-Net	图像	未具体说明样本数量