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
321	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
322	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
323	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
324	2024-08-05	Deep learning-based automatic measurement system for patellar height: a multicenter retrospective study 2024-May-31, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-04809-6 PMID:38822361	研究论文	本文开发了一种基于深度学习的膝盖髌骨高度自动测量系统，并评估其性能和泛化能力	该研究首次应用深度学习模型自动测量髌骨高度，显示出与手动测量相当的准确性和强泛化能力	本研究中数据集的选择可能存在偏差，未来需检验不同数据集以优化模型	研究旨在提高髌骨高度测量的准确性和效率，以辅助膝关节疾病的评估和治疗	本文的研究对象为来自三家三级医院的膝关节X光影像数据	数字病理学	NA	深度学习	HRNet和残差网络(ResNet)	图像	共计2,341例膝关节X光图像
325	2024-08-05	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-May-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本研究扩大和比较了基于深度学习的无似然推断方法与传统的似然方法在病毒系统地理学中的表现	提出了一种基于深度学习的无似然推断方法，与传统的贝叶斯推断方法在准确性和鲁棒性上接近，同时在训练后显著提高了计算速度	模型的精确度较低，且在模型失配的敏感度上有一定的保守性	探讨深度学习方法在病毒传播的系统地理学推断中的应用	使用模拟爆发的系统树和SARS-Cov-2大流行的真实数据	计算机视觉	NA	深度学习	深度神经网络	树形结构数据	来自5个地点的模拟爆发数据
326	2024-08-05	An adult and pediatric size-based contrast administration reduction phantom study for single and dual-energy CT through preservation of contrast-to-noise ratio 2024-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14340 PMID:38605540	研究论文	本文提供了一个定量框架，用于在降低碘对比剂剂量的同时保持碘CNR	创新性地通过单能CT和双能CT的不同扫描条件，减少碘对比剂的使用	未详细探讨不同患者群体对结果的影响	研究如何在CT检查中通过降低对比剂的剂量来保持图像质量	使用不同直径的模拟物进行CT扫描	数字病理学	NA	CT	深度学习重建	影像	四种不同直径的模拟物（9.7, 15.9, 21.1, 28.5 cm 和 20, 29.5, 34.6, 39.7 cm）
327	2024-08-05	A novel deep machine learning algorithm with dimensionality and size reduction approaches for feature elimination: thyroid cancer diagnoses with randomly missing data 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae344 PMID:39007597	研究论文	本研究开发了一种新的深度机器学习算法用于甲状腺癌诊断，并处理随机缺失数据	创新点在于处理随机缺失数据和采用维度缩减及层次聚类算法来选择最具信息量的数据集	缺乏标准化的甲状腺癌诊断程序可能限制算法的广泛适用性	旨在开发一种准确且计算效率高的深度学习算法以诊断甲状腺癌	研究对象为多维大数据中存在随机缺失的甲状腺癌诊断数据	机器学习	甲状腺癌	深度学习算法	未指定	多维数据	使用了四种机器学习算法进行训练和测试，具体样本数量未说明
328	2024-08-05	Highly accurate classification and discovery of microbial protein-coding gene functions using FunGeneTyper: an extensible deep learning framework 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae319 PMID:39007592	研究论文	该文章介绍了FunGeneTyper，一个可扩展的深度学习框架，用于微生物蛋白编码基因功能的高精度分类和发现	提出了一种新的框架，包含两个新的深度学习模型，以及结构化数据库，旨在实现高于99%的分类准确率	NA	开发一种高效的工具，用于微生物蛋白编码基因的功能分类和抗生素抗性基因的发现	抗生素抗性基因(ARGs)和毒力因子基因的序列	生物信息学	NA	高通量DNA测序	FunTrans和FunRep	基因序列	由实验确认的抗生素抗性基因数据集，包含远程同源序列作为测试集
329	2024-08-05	Framework for Ranking Machine Learning Predictions of Limited, Multimodal, and Longitudinal Behavioral Passive Sensing Data: Combining User-Agnostic and Personalized Modeling 2024-May-20, JMIR AI DOI:10.2196/47805 PMID:38875667	研究论文	该文章提出了一个框架，用于对有限的多模态和纵向行为被动传感数据的机器学习预测进行排序	引入了一种新的排名框架FLMS，结合用户无关和个性化建模方法，同时使用排名策略过滤预测	对于小数据集采用复杂深度学习网络建模的局限性，可能导致噪声影响	过滤、排名并输出小型多模态纵向传感数据的最佳预测	健康研究中使用被动多模态传感器的青少年数据集	机器学习	抑郁障碍	被动移动传感	NA	传感数据	青少年参与者的真实数据集
330	2024-08-05	Predicting meningioma grades and pathologic marker expression via deep learning 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10258-2 PMID:37853176	研究论文	本研究建立了一个深度学习模型，用于预测脑膜瘤的肿瘤分级及病理标志物的表达	创新点在于使用深度学习方法高效预测脑膜瘤的分级和病理标志物的表达	外部验证队列的预测表现相对较低，可能限制了模型的广泛应用	研究旨在开发深度学习模型用于脑膜瘤的分级和病理标志物预测	1192名接受外科切除的脑膜瘤患者	数字病理学	脑膜瘤	深度学习	ResNet50	图像	1192
331	2024-08-05	Prognostication of lung adenocarcinomas using CT-based deep learning of morphological and histopathological features: a retrospective dual-institutional study 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10306-x PMID:37861801	研究论文	本文旨在开发和验证基于CT的深度学习模型，以预测肺腺癌的预后。	提出了一种新的基于CT的预后评分模型，利用形态学和组织病理学特征进行肺腺癌的生存预测，显示出潜在的应用价值。	虽然模型表现出较好的预测能力，但相较于离散时间生存模型的提升并无统计学意义。	研究旨在改善肺腺癌的预后评估。	研究对象为3181例已切除肺腺癌患者的术前胸部CT扫描。	计算机视觉	肺癌	深度学习（DL）	NA	图像	3181例肺腺癌患者的术前CT扫描
332	2024-08-05	Reducing false positives in deep learning-based brain metastasis detection by using both gradient-echo and spin-echo contrast-enhanced MRI: validation in a multi-center diagnostic cohort 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10318-7 PMID:37891415	研究论文	本研究开发了一种结合梯度回波和涡轮自旋回波增强MRI的深度学习模型用于脑转移瘤的检测	通过使用双增强成像，改进的深度学习模型提高了脑转移瘤的真实阳性检出率并减少了过度估计	N/A	评估双增强深度学习模型在脑转移瘤检测中的临床应用	200名脑转移瘤患者的数据用于模型训练，62名内部患者和48名外部患者用于测试	数字病理学	脑癌	增强MRI	深度学习	医学影像	200名训练样本，62名内部测试样本，48名外部测试样本
333	2024-08-05	Gram matrix: an efficient representation of molecular conformation and learning objective for molecular pretraining 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae340 PMID:38990515	研究论文	本文提出使用Gram矩阵作为三维分子结构的紧凑表示和有效的预训练目标	引入Gram矩阵作为三维分子结构的表示，并通过Pre-GTM模型实现更准确的分子性质预测	目前研究未提及Gram矩阵在其他类型分子中的适用性及通用性	旨在提高分子性质预测的准确性，并探索三维分子结构的表示方法	研究集中在三维分子结构及其性质的预测	机器学习	NA	深度学习	Pre-GTM	分子结构数据	在QM9和MoleculeNet任务中使用多个样本进行验证
334	2024-08-05	Pseudo-class part prototype networks for interpretable breast cancer classification 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60743-x PMID:38710757	研究论文	本研究通过原型网络改进乳腺癌分类的可解释性	提出了一种新的方法，利用医学相关信息进行更准确且可解释的预测，并通过聚类概念隐式增加训练数据集中的类别数量	之前使用的ProtoPNet在乳腺癌分类中的应用存在不足	研究在数字病理学中乳腺癌分类的可解释性	乳腺癌分类模型及其可解释性	数字病理学	乳腺癌	NA	ProtoPNet	图像	使用BreakHis数据集进行实验评估
335	2024-08-05	Multicenter Study of the Utility of Convolutional Neural Network and Transformer Models for the Detection and Segmentation of Meningiomas 2024 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001565 PMID:38013244	研究论文	本研究探讨了卷积神经网络和Transformer模型在脑膜瘤检测和分割中的有效性与实用性	首次将卷积神经网络和Transformer模型应用于脑膜瘤的检测和精确分割	研究基于回顾性数据，可能存在数据选择偏倚	评估深度学习模型在脑膜瘤检测和分割中的效率	523名脑膜瘤患者的T1加权和对比增强磁共振图像	计算机视觉	脑膜瘤	深度学习	卷积神经网络和Transformer	图像	523个脑膜瘤患者的图像数据
336	2024-08-05	Development and Validation of an Explainable Deep Learning Model to Predict In-Hospital Mortality for Patients With Acute Myocardial Infarction: Algorithm Development and Validation Study 2024-May-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/49848 PMID:38728685	研究论文	该研究旨在建立一种可解释的深度学习模型，以为急性心肌梗死患者提供个体化的住院死亡风险预测和风险因素评估	开发了一种可解释的深度学习模型，能够量化和可视化影响住院死亡预测的特征	本研究仅限于来自重庆大学中央医院及其他数据库的数据，可能影响模型的通用性	建立一个用于急性心肌梗死患者的个体化住院死亡预测模型	急性心肌梗死患者	数字病理学	心血管疾病	深度学习	自注意力与样本间注意力变换器模型	电子健康记录	共10955名急性心肌梗死患者
337	2024-08-05	ctGAN: combined transformation of gene expression and survival data with generative adversarial network 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae325 PMID:38980369	研究论文	本研究提出了ctGAN，这是一种结合基因表达和生存数据的生成对抗网络	ctGAN通过风格转化增强数据，提高了生存分析的可用性	该模型可能仅适用于癌症类型的分析，其他疾病类型的有效性尚不明确	研究旨在提高癌症生存分析的精确性和个性化治疗选择	本研究的对象为乳腺癌和其他11种癌症类型的基因表达及生存数据	机器学习	癌症	生成对抗网络 (GAN)	NA	基因表达数据和生存数据	11种癌症类型的生存数据和基因表达数据
338	2024-08-05	DeepGRNCS: deep learning-based framework for jointly inferring gene regulatory networks across cell subpopulations 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae334 PMID:38980373	研究论文	提出了一种基于深度学习的框架DeepGRNCS，用于跨细胞亚群共同推断基因调控网络	DeepGRNCS框架能够同时考虑细胞间异质性和不同细胞亚群之间的相似性，从而提高基因调控网络推断的准确性	目前的方法可能在处理极其复杂的细胞群体时仍存在一定局限性	研究基因调控网络的推断，以加深对细胞功能和疾病发病机制的理解	针对非小细胞肺癌的scRNA-seq数据进行关键基因的识别和生物学相关性分析	数字病理学	非小细胞肺癌	单细胞RNA测序（scRNA-seq）	深度学习模型	RNA-seq数据	不同的模拟和真实scRNA-seq数据集
339	2024-08-05	A scoping review of methodologies for applying artificial intelligence to physical activity interventions 2024-May, Journal of sport and health science IF:9.7Q1 DOI:10.1016/j.jshs.2023.09.010 PMID:37777066	综述	这篇综述旨在提供研究人员和从业者对人工智能在身体活动干预中应用的理解	介绍了常见的机器学习、深度学习和强化学习算法，并鼓励采用AI方法	不同AI模型的比较结果不一，模型性能依赖于数据集和任务	探讨人工智能在促进身体活动和预测相关行为或健康结果中的应用	分析已有的研究以总结和分类AI方法论	自然语言处理	NA	机器学习，深度学习，强化学习	ML，DL，RL	研究数据	24项研究
340	2024-08-05	Revolutionizing diagnostic pathology: The emergence and impact of artificial intelligence-what doesn't kill you makes you stronger? 2024 May-Jun, Clinics in dermatology IF:2.3Q2 DOI:10.1016/j.clindermatol.2023.12.020 PMID:38181890	研究论文	本研究探讨了人工智能在诊断病理学中的整合和影响，特别是皮肤病理学	文章强调了人工智能在病理学中的变革潜力，特别是其在改善全球医疗保健结果中的作用	研究未提及具体的实验数据和样本分析	探讨人工智能在诊断病理学中面临的挑战及其潜在解决方案	分析皮肤病理学中人工智能的应用及其发展挑战	数字病理学	NA	机器学习	深度学习	文献	44篇相关出版物