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
261	2024-08-05	Online Health Search Via Multidimensional Information Quality Assessment Based on Deep Language Models: Algorithm Development and Validation 2024-May-02, JMIR AI DOI:10.2196/42630 PMID:38875551	研究论文	本文调查了一种基于深度学习的多维信息质量检索模型，以增强在线医疗信息搜索结果的有效性	提出了一个多维信息质量检索模型，超越传统的查询-文档相关性，仅关注信息的实用性、支持性和可信度	未详述模型在实际应用中的长期影响和针对更广泛信息源的适应性	提高在线健康咨询的信息检索效果	32个健康相关查询的在线健康信息搜索场景	自然语言处理	NA	深度学习	预训练语言模型	文本	6030个人工标注的查询-文档对
262	2024-08-05	Artificial Intelligence and Machine Learning in Predicting the Response to Immunotherapy in Non-small Cell Lung Carcinoma: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.61220 PMID:38939246	系统评价	本系统评价研究了人工智能和机器学习在预测非小细胞肺癌免疫治疗反应中的应用	文章创新点在于综合评估人工智能与机器学习技术在非小细胞肺癌免疫治疗预测中的现状	数据可用性、质量和模型可解释性存在挑战	旨在优化非小细胞肺癌患者的免疫治疗选择和治疗结果	涉及对非小细胞肺癌患者的免疫治疗反应进行预测	机器学习	肺癌	深度学习、人工神经网络、支持向量机和梯度提升方法	NA	医学影像、基因组数据、临床变量和免疫组化标记	共纳入19项研究
263	2024-08-05	AI-guided histopathology predicts brain metastasis in lung cancer patients 2024-05, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6263 PMID:38433721	研究论文	本文探讨深度学习如何通过常规的H&E染色的肿瘤组织切片预测肺癌患者脑转移的发展	创新点在于应用深度学习算法于肺癌患者的常规组织切片，以识别可能发生脑转移的患者	研究依赖于标本的质量及样本数量，可能需要更多的多中心研究以验证结果	研究旨在发现一种可靠的方法来预测非小细胞肺癌患者的脑转移	研究对象为158例接受过至少5年随访的I-III期非小细胞肺癌患者	数字病理学	肺癌	深度学习	NA	影像	158名患者的组织切片
264	2024-08-05	Applications of artificial intelligence in urologic oncology 2024-May, Investigative and clinical urology IF:2.5Q2 DOI:10.4111/icu.20230435 PMID:38714511	综述	本研究全面回顾了人工智能在泌尿肿瘤学中的应用	强调了人工智能在泌尿癌症领域的潜在应用和有效性	文章未详细讨论技术、法律和伦理方面的具体问题	探讨人工智能在泌尿癌症中的应用潜力	主要针对前列腺癌、膀胱癌及肾癌的相关研究	人工智能	前列腺癌、膀胱癌、肾癌	机器学习，深度学习	NA	文献	58篇相关文献
265	2024-08-05	SF-Transformer: A Mutual Information-Enhanced Transformer Model with Spot-Forward Parity for Forecasting Long-Term Chinese Stock Index Futures Prices 2024-May-30, Entropy (Basel, Switzerland) DOI:10.3390/e26060478 PMID:38920487	研究论文	本文介绍了一种将金融理论与深度学习相结合的新型SF-Transformer模型，用于提高中国股指期货的长期价格预测准确性	本文首次提出将即期-远期平价理论与变压器模型相结合的方法，以实现对股指期货价格更准确的长期预测	研究可能受到股票市场动态性和波动性的影响，具体有效性和适用性需在更广泛的数据集上验证	提升中国股指期货市场长期价格预测的准确性和风险管理	对中国主要股指期货价格进行预测的案例研究	机器学习	NA	深度学习	变压器模型	时间序列数据	研究涵盖了28天的短期和长期预测的多个股指期货价格
266	2024-08-05	View-Driven Multi-View Clustering via Contrastive Double-Learning 2024-May-29, Entropy (Basel, Switzerland) DOI:10.3390/e26060470 PMID:38920479	研究论文	本论文提出了一种基于对比双重学习的视野驱动的多视图聚类方法	该方法结合了视野驱动方法和双重对比学习，以平衡视图之间的一致性和多样性	没有具体提及该方法在特定应用场景的局限性	旨在生成更好的聚类结果	涉及多个视图的数据集	机器学习	NA	对比学习	NA	数据集	三个数据集的实验结果
267	2024-08-05	A TCN-Linear Hybrid Model for Chaotic Time Series Forecasting 2024-May-29, Entropy (Basel, Switzerland) DOI:10.3390/e26060467 PMID:38920477	研究论文	本文提出了一种新型混合网络TCN-Linear，用于混沌时间序列预测	引入了一种新的混合模型，结合了时间卷积网络和线性预测，优化了长时间序列预测的能力	研究中可能未考虑其他混合模型的比较	评估新模型在时间序列预测中的有效性	经典混沌系统和真实世界股市数据	机器学习	NA	时间卷积网络	TCN-Linear	时间序列	三个经典混沌系统和实际股市数据
268	2024-08-05	Point Cloud Quality Assessment Using a One-Dimensional Model Based on the Convolutional Neural Network 2024-May-27, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060129 PMID:38921606	研究论文	本文提出了一种基于深度学习的无参考方法来评估三维点云的质量	采用1D卷积神经网络进行三维点云质量评估，并通过转移学习提取高级特征	未提及具体的限制因素	旨在提高三维点云质量评估的可靠性和效率	三维点云及其几何和感知属性	计算机视覺	NA	深度学习	1D CNN	点云数据	多个数据集，包括SJTU_PCQA和WPC
269	2024-08-05	TP-LMMSG: a peptide prediction graph neural network incorporating flexible amino acid property representation 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae308 PMID:38920345	研究论文	本文章开发了一种新的图深度学习模型TP-LMMSG，用于生物活性肽的预测	TP-LMMSG模型提供了轻量级和易于部署的优点，并在AMP、AVP和ACP的预测性能上超越了其他最先进的模型	目前文章未提及具体的局限性	旨在改进生物活性肽的注释性能	研究对象为抗菌肽（AMP）、抗病毒肽（AVP）和抗癌肽（ACP）	机学习	抗癌肽相关	图神经网络	图深度学习模型	NA	多个实验验证的数据集
270	2024-08-05	Hierarchical multimodal self-attention-based graph neural network for DTI prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae293 PMID:38920341	研究论文	提出了一种基于层次多模态自注意力的图神经网络HMSA-DTI，用于药物-靶标相互作用的预测	HMSA-DTI通过层次多模态自注意力机制实现药物和蛋白质特征的深度融合，同时考虑了模态内和模态间的交互	现有的多模态模型在特征融合方面能力有限，影响了药物-靶标相互作用的预测准确性	提高药物-靶标相互作用的预测准确性和效率	药物及其SMILES表示、药物分子图、蛋白质序列和蛋白质2-mer序列	计算机视觉	NA	NA	图神经网络	多模态数据	五个基准数据集的多重评估指标
271	2024-08-05	Enabling Low-Dose In Vivo Benchtop X-ray Fluorescence Computed Tomography through Deep-Learning-Based Denoising 2024-May-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060127 PMID:38921604	研究论文	这篇文章介绍了一种基于深度学习的去噪算法，用于在低剂量下提高X射线荧光计算机断层成像的图像质量	提出了一种优化的Swin-Conv-UNet模型，用于减少低示踪剂浓度下XRF图像的背景噪声	目前只有少数算法针对XFCT进行去噪处理，其他技术主要集中在X射线和CT技术上	研究如何在低剂量情况下提高X射线荧光计算机断层成像的成像质量	低剂量X射线荧光图像的背景噪声	计算机视觉	NA	深度学习	Swin-Conv-UNet	图像	使用了增强的数据进行训练和评估
272	2024-08-05	Research on Active Safety Situation of Road Passenger Transportation Enterprises: Evaluation, Prediction, and Analysis 2024-May-21, Entropy (Basel, Switzerland) DOI:10.3390/e26060434 PMID:38920443	研究论文	本文研究了道路客运企业的主动安全状况及其影响因素	提出了WDA-DBN模型，并使用DEEPSHAP识别具有较高ASS信息含量的因素	未详细说明数据来源和样本选择的具体情况	评估和预测道路客运企业的主动安全状况	道路客运企业的主动安全状况及相关影响因素	机器学习	NA	GRU, LSTM, ARIMA, Prophet, Conv_LSTM, TCN, WDA-DBN	WDA-DBN, TCN, GRU	时间序列数据	NA
273	2024-08-05	Deep Learning Prediction of Cervical Spine Surgery Revision Outcomes Using Standard Laboratory and Operative Variables 2024-05, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.02.112 PMID:38408699	研究论文	本文开发了一种深度学习模型，用于预测颈椎手术的修订结果	首次使用标准实验室和手术变量构建颈椎手术修订预测模型	研究数据仅来自于一个地点，可能影响结果的广泛适用性	旨在通过标准实验室和手术变量预测颈椎手术的修订风险	2016年至2022年间接受颈椎手术的3151名患者	机器学习	NA	深度学习（Deep Learning）	深度神经网络（Deep Neural Network）	实验室值和手术变量	3151名接受颈椎手术的患者
274	2024-08-05	Deep learning framework for comprehensive molecular and prognostic stratifications of triple-negative breast cancer 2024-May, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2022.06.008 PMID:38933195	研究论文	本研究提出了一种深度学习框架，用于对三阴性乳腺癌的分子特征和预后进行全面预测	该框架能够从病理全切片图像中综合预测分子特征、亚型及预后，提供了TNBC异质性的全新见解	该研究主要依赖于特定的多组学TNBC队列，可能对其他人群的适用性有限	本研究旨在改善三阴性乳腺癌患者的分子分层和靶向治疗	本研究对象为三阴性乳腺癌患者的多组学数据及相应的病理图像	数字病理学	乳腺癌	深度学习	神经网络	图像	总样本数为568（425个TNBC样本和143个来自TCGA的样本）
275	2024-08-05	Histological Image-based Ensemble Model to Identify Myenteric Plexitis and Predict Endoscopic Postoperative Recurrence in Crohn's Disease: A Multicentre, Retrospective Study 2024-May-31, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjad196 PMID:38001024	研究论文	本研究开发并验证了一个深度学习系统，通过自动筛选和识别肌层及肠神经丛的特征来预测克罗恩病的术后复发	首次建立了基于组织学图像特征的可解释性堆叠模型来识别肠神经丛炎的严重程度并预测克罗恩病术后复发	仅基于回顾性研究，且涉及的样本主要来自两个医院，可能存在选择偏倚	旨在开发一种深度学习系统来预测克罗恩病术后复发	回顾性分析了205名接受肠切除手术的患者	数字病理学	克罗恩病	深度学习	堆叠模型	图像	205名患者，包含278张手术标本的全切片图像
276	2024-08-05	Millennial changes and cooling trends in land surface warm-season temperatures during the Holocene 2024-May-18, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.05.008 PMID:38926060	研究论文	本文建立了全球暖季温度模型，通过深度学习神经网络分析土壤和湖泊沉积物细菌的膜脂。	该研究通过深度学习技术建立了新型的季节性温度重建模型，提供了对全新世温度变化的新见解。	本文主要受限于代理和标定模型的稀缺性，这对定量重建千年时间尺度的季节温度造成了显著限制。	研究全新世时期的温度变化及其驱动机制。	研究面向全新世的全球湖泊、泥炭地和黄土剖面。	数字病理学	NA	深度学习神经网络分析	NA	温度重建数据	多个全球湖泊和其他地质剖面样本
277	2024-08-05	MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61869-8 PMID:38750148	研究论文	本研究开发了一种基于深度学习的方法，通过MRI图像直接估计材料的质量密度和相对停止功率	研究中首次将深度学习技术应用于MRI治疗规划，从而无需其他成像方式就能直接获取质子放疗所需的质量密度和相对停止功率信息	该研究主要基于体模实验，临床应用效果仍需进一步验证	开发一种有效的方法来通过MRI直接估计质子治疗中的材料质量密度和相对停止功率	研究对象包括不同组织的体模和动物组织体模，如皮肤、肌肉、脂肪及脑和肝脏	数字病理学	NA	深度学习	NA	图像	总共七个组织体模，包括五个组织替代体模和两个动物组织体模
278	2024-08-05	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-May-17, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究旨在开发深度学习模型以预测肺鳞状细胞癌患者对化疗免疫治疗的主要病理反应。	该研究开发的ResNet50模型显示出高预测准确性，揭示了与免疫反应和抗原处理及呈递相关的生物机制。	目前研究的样本来自不同医疗机构，可能存在样本异质性。	研究目的是确定对化疗免疫治疗的响应的可靠生物标志物。	参与者为309名来自各医疗机构的肺鳞状细胞癌患者。	数字病理学	肺癌	对比增强计算机断层扫描	ResNet50	图像	309名肺鳞状细胞癌患者
279	2024-08-05	Optimizing deep learning-based segmentation of densely packed cells using cell surface markers 2024-May-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02502-6 PMID:38750526	研究论文	本文研究了基于深度学习的细胞分割模型在密集细胞中的优化方法	通过比较18种深度学习细胞分割模型，并细化训练，提升了细胞分割的准确性	最终模型表现的不足可以归因于图像集中的中等信噪比	提高人类单细胞特征在高度密集组织中的识别和量化能力	使用人类单纯疱疹病毒感染的皮肤组织免疫细胞表面标记的免疫荧光图像	计算机视觉	NA	深度学习	Cellpose的cyto模型	图像	超过10,000个训练实例
280	2024-08-05	Deciphering the Coevolutionary Dynamics of L2 β-Lactamases via Deep Learning 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00189 PMID:38687957	研究论文	本文探讨了L2 β-内酰胺酶的共进化动力学及其在抗微生物耐药性中的重要性	采用创新的计算方法，包括自适应采样分子动力学模拟和深度学习方法，探讨L2 β-内酰胺酶家族的构象变化和相关性	对L2 β-内酰胺酶的研究相对有限，可能影响对其全面理解	理解L2 β-内酰胺酶的共进化动力学	L2 β-内酰胺酶及其他代表性A类酶	计算机视觉	NA	深度学习	卷积变分自编码器和BindSiteS-CNN	NA	NA