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
241	2024-08-04	Detecting dental caries on oral photographs using artificial intelligence: A systematic review 2024-05, Oral diseases IF:2.9Q1 DOI:10.1111/odi.14659 PMID:37392423	系统综述	本系统综述旨在评估人工智能模型在口腔照片中检测牙齿龋齿的表现	评估了不同机器学习算法在牙齿龋齿检测中的表现，并提出了对未来研究的建议	有限的研究允许评估人工智能对不同严重程度病变的表现	评估人工智能在口腔照片中检测牙齿龋齿的能力	临床研究报告的深度学习和其他机器学习算法	机器学习	NA	深度学习	NA	口腔照片	19项研究
242	2024-08-05	Deep learning based on small sample dataset: prediction of dielectric properties of SrTiO3-type perovskite with doping modification 2024-May, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.231464 PMID:39076810	研究论文	本文研究基于小样本数据集的深度学习，以预测掺杂修饰的SrTiO3型钙钛矿的介电特性	提出了一种新的、有效的方法，通过深度神经网络模型显著提高了对介电性能的预测准确性	研究中使用的小数据集限制了对介电性能和能量存储密度提高的更深层次分析	旨在解决SrTiO掺杂数据的高度分散性和小样本大小带来的研究难题	研究对象为SrTiO型钙钛矿的掺杂数据	机器学习	NA	深度学习	一维卷积神经网络	实验数据	200条与SrTiO型钙钛矿掺杂相关的实验记录
243	2024-08-05	UltraAIGenomics: Artificial Intelligence-Based Cardiovascular Disease Risk Assessment by Fusion of Ultrasound-Based Radiomics and Genomics Features for Preventive, Personalized and Precision Medicine: A Narrative Review 2024-May, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2505184 PMID:39076491	综述	该文章为心血管疾病风险评估提出了基于人工智能的综合方法。	提出了结合超声放射组学和基因组学特征的新方法，以提高心血管疾病风险评估的准确性。	仅基于246项研究的回顾，可能缺乏广泛的临床应用数据支持。	探讨如何通过融合基因组学和放射组学特征来改善心血管疾病的风险评估。	研究重点在于心血管疾病和中风的风险评估。	机器学习	心血管疾病	深度学习	DL模型	NA	246项研究
244	2024-08-05	A large-scale assessment of sequence database search tools for homology-based protein function prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae349 PMID:39038936	研究论文	本文评估了不同序列数据库搜索工具在基于同源性的蛋白质功能预测中的效果	提出新的评分函数以改进基于同源性匹配的GO预测，并验证了搜索参数的重要性	没有探讨所有可能的顺序搜索工具和参数组合	探讨如何选择最佳序列搜索工具及其参数以提高蛋白质功能预测	主要研究热门的序列搜索工具对蛋白质功能预测的影响	机器学习	NA	序列数据库搜索	NA	基准数据集	大规模基准数据集
245	2024-08-05	Comprehensive single-cell RNA-seq analysis using deep interpretable generative modeling guided by biological hierarchy knowledge 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae314 PMID:38960404	研究论文	提出了一种名为d-scIGM的深度可解释生成模型，用于单细胞RNA-seq数据分析	d-scIGM结合锯齿连接技术和残差网络，构建了一个深度生成框架，并结合生物领域的层次性先验知识提高了模型的可解释性	大部分以往的生成模型工作局限于一到三层潜在变量的浅层神经网络	探索如何通过深度学习分析单细胞转录组数据并增加模型的可解释性	单细胞RNA-seq数据	数字病理学	黑色素瘤	RNA-seq	深度生成模型	基因表达数据	包含大规模实验的数据集
246	2024-08-04	Development and validation of a deep learning model to predict axial length from ultra-wide field images 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02885-2 PMID:38102471	研究论文	本研究验证了通过超广角图像构建深度学习模型以预测中等至高度近视患者的轴长的可行性	创新点在于利用深度学习模型从超广角图像中高精度预测轴长	性别特异模型在男性和女性数据集中的表现存在显著差异	研究目的是开发和验证深度学习模型用于预测中等和高度近视患者的轴长	研究对象为2014年至2020年期间的3134例近视患者的6174幅超广角图像	计算机视觉	近视	深度学习	NA	图像	共6174幅超广角图像，来自3134名患者
247	2024-08-04	Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02914-0 PMID:38238576	综述	本综述系统评估了使用深度学习技术分析眼底图像以预测全身性疾病的研究。	提供了对现有研究的系统性评估，并提出了改进临床适用性的方法建议	许多研究报告的不透明，样本量和缺失数据处理不足，且大部分模型在临床中未被实际应用	评估眼底图像及深度学习在预测全身性疾病中的表现，并促进临床实践的转化	系统性疾病的参数和状况，主要是通过眼底图像进行预测	数字病理学	糖尿病及相关疾病	深度学习	NA	眼底图像	31篇研究
248	2024-08-07	Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS) 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02877-2 PMID:38135772	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
249	2024-08-07	Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)' 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02878-1 PMID:38135773	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
250	2024-08-05	Automated detection of anterior crossbite on intraoral images and videos utilizing deep learning 2024-May-03, International journal of computerized dentistry IF:1.8Q2 DOI:10.3290/j.ijcd.b5290567 PMID:38700086	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于自动检测和分类口腔内部图像和视频中的前牙反咬合	采用深度学习模型自动识别前牙反咬合，提供了一种新的自动化解决方案	CNN模型的敏感性低于两位正畸医生的评估	研究口腔内部图像和视频中前牙反咬合的自动检测技术	1865幅口腔内部图像和10个视频，累计时长124秒	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像和视频	1865幅图像，10个视频
251	2024-08-05	Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-May-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01308-2 PMID:38822240	研究论文	本研究比较了使用常规和深度学习重建技术识别未被确认心肌梗死患者的效果	本研究创新性地应用深度学习重建技术(LGEDL)以提高未被确认心肌梗死的诊断效率	研究仅在一个医院进行，样本量相对较小，可能限制结果的泛化性	评估深度学习重建的晚期铕增强图像在识别未被确认的心肌梗死患者中的有效性	98名有未被确认心肌梗死疑虑患者	计算机视觉	心血管疾病	深度学习重建	NA	图像	98名患者，68名男性，平均年龄：55.8±8.1岁
252	2024-08-05	Adoption of blockchain as a step forward in orthopedic practice 2024-May-24, European journal of translational myology IF:1.8Q3 DOI:10.4081/ejtm.2024.12197 PMID:38785351	研究论文	本文探讨区块链技术在骨科中的应用及其优点	将区块链与人工智能、机器学习和深度学习结合用于更准确的诊断和治疗建议	存在采用障碍和数据共享意愿等挑战	探索区块链在骨科实践中的潜在应用	区块链如何影响患者数据管理、骨科登记、医学成像和研究数据	NA	NA	区块链技术	NA	数据	NA
253	2024-08-05	CELA-MFP: a contrast-enhanced and label-adaptive framework for multi-functional therapeutic peptides prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae348 PMID:39038935	研究论文	该论文提出了一种名为CELA-MFP的深度学习框架，用于多功能治疗肽的预测	CELA-MFP结合了特征对比增强和标签适应的方法，优化了肽功能的预测	实验仅在两个广泛使用的数据集上进行了测试，可能影响泛化能力	研究功能肽的预测，以理解其多样的生物学效应和设计基于肽的治疗药物	功能肽及其相关序列	生物技术	NA	深度学习	Transformer	序列	两个数据集
254	2024-08-05	Introducing enzymatic cleavage features and transfer learning realizes accurate peptide half-life prediction across species and organs 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae350 PMID:39038937	研究论文	本文提出了一种新一代基于人工智能的系统，用于准确预测肽药物的半衰期	引入了酶裂解特征与传统肽特征相结合，构建了更好的表示，并通过迁移学习提高了预测准确性	NA	研究肽药物的半衰期预测，促进肽药物的发展	天然和修饰肽的半衰期，涉及人类和小鼠两种物种以及血液和肠道两个器官	机器学习	NA	NA	深度学习模型，融合迁移学习	NA	NA
255	2024-08-05	Discovering predisposing genes for hereditary breast cancer using deep learning 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae346 PMID:39038933	研究论文	本文探讨了利用深度学习发现遗传性乳腺癌的易感基因	提出了一种新的高通量变异分析管道，适用于家族研究，并采用先进的机器学习模型和三维蛋白质结构分析技术	研究样本主要集中在中东背景的12个家庭，可能限制了结果的广泛适用性	识别导致家族性乳腺癌的易感基因	分析了来自12个家庭的稀有错义变异	计算机视觉	乳腺癌	深度学习	NA	变异数据	1218个稀有错义变异
256	2024-08-05	Enhancing multi-class lung disease classification in chest x-ray images: A hybrid manta-ray foraging volcano eruption algorithm boosted multilayer perceptron neural network approach 2024-May-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2350579 PMID:38753162	研究论文	本研究提出了一种混合鯨鯊觅食火山喷发算法增强的多层感知器神经网络方法，用于多类肺疾病的分类	提出了一种新的混合算法以优化多层感知器的参数，并提高多类肺疾病的分类准确率	仍需解决稳定性和类别不平衡的问题	旨在提高胸部X光图像中多类肺疾病的分类准确性	研究对象为COVID-19、肺炎、结核（TB）和正常的胸部X光图像	计算机视觉	肺癌	多层感知器神经网络（MPNN）、ADKF、TF-IDF	多层感知器神经网络（MPNN）	图像	来自Covid-Chest X-ray数据集的胸部X光图像
257	2024-08-05	Accuracy of Artificial Intelligence in Predicting Facial Changes Post-Orthognathic Surgery: A Comprehensive Scoping Review 2024-May, Journal of clinical and experimental dentistry DOI:10.4317/jced.61500 PMID:38988747	综述	本文全面评估了人工智能在预测正颌手术后面部变化的准确性	创新点在于比较了AI与传统模型在面部变化预测中的优缺点	研究的局限性包括样本量小和缺乏外部验证	研究目的在于评估AI在正颌手术后预测面部变化的准确性	研究对象为使用AI模型进行正颌手术后结果预测的研究	机器学习	NA	机器学习和深度学习算法	NA	NA	总共筛选了1579个记录，最终选择了7个符合条件的研究
258	2024-08-05	Incremental Trainable Parameter Selection in Deep Neural Networks 2024-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3210297 PMID:36219657	研究论文	本文探讨了利用深度学习模型的有效自由度（DoF）来正则化基于随机梯度下降（SGD）的训练	提出了增量可训练参数选择（ITPS）算法，该算法能够逐步选择对训练损失敏感的参数，从而增大模型的自由度	NA	旨在通过ITPS算法优化深度学习模型的参数选择	不同的神经网络架构，包括CNN、变换器、递归神经网络（RNN）和多层感知器	机器学习	NA	SGD	CNN, 变换器, RNN, 多层感知器	图像	使用公开数据集CIFAR-10, SLT-10和MIMIC-III进行训练
259	2024-08-05	Development and external validation of deep learning clinical prediction models using variable-length time series data 2024-May-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae088 PMID:38679906	研究论文	本文比较和外部验证了流行的深度学习模型架构和数据转换方法在变量长度时间序列数据中的应用于三种临床任务。	引入了新的特征工程方法PLE-DT，并比较了多种深度学习架构在不同临床任务中的表现。	本研究为回顾性研究，仅在两个医疗中心的数据上进行，可能存在样本选择偏倚。	评估深度学习模型在临床任务中的表现以及优化变量长度时间序列数据的预测能力。	370,000多次入院数据用于训练和测试，以评估临床恶化、急性肾损伤和感染的预测模型。	机器学习	NA	深度学习，特征工程（PLE-DT）	LSTM/GRU，TDW-CNN	时间序列数据	373,825次入院用于训练，256,128次入院用于测试
260	2024-08-05	The contribution of silencer variants to human diseases 2024-May-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.17.24307558 PMID:38798661	研究论文	该研究分析了沉默子变异与人类疾病之间的关联	该文章通过深度学习模型对2.8百万候选沉默子进行了全面分析，并发现沉默子变异在某些疾病中的关联性远高于增强子变异	未提及具体的样本多样性和数据来源的局限性	本研究旨在揭示沉默子变异与人类疾病的关系	研究对象是来自多种组织和发育时间点的人类样本	机器学习	帕金森病, 精神分裂症, 疾病1型糖尿病	深度学习	NA	基因组变化数据	97个来自不同组织和发育时间点的人类样本