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
341	2024-08-05	Assessment of land use and land cover change detection and prediction using deep learning techniques for the southwestern coastal region, Goa, India 2024-May-09, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12598-y PMID:38722419	研究论文	本文利用深度学习技术评估Goa西南海岸地区的土地利用和土地覆盖变化检测与预测	提出了一种新的变化检测评估框架STEDSAN，结合了自注意力机制以捕捉复杂的空间时间交互	没有明确指出研究的局限性	研究土地利用和覆盖变化以及其未来的预测	对Goa地区的不同土地利用和覆盖类型的变化进行详细评估	数字病理学	NA	深度学习	STEDSAN和LSTM	遥感数据	使用了2005到2018年的双时相图像进行分析
342	2024-08-05	Classification of Periapical and Bitewing Radiographs as Periodontally Healthy or Diseased by Deep Learning Algorithms 2024-May, Cureus DOI:10.7759/cureus.60550 PMID:38887333	研究论文	本研究旨在开发一个深度学习算法，能够自动将根尖和咬合片X光图像分类为牙周健康或不健康。	开发了一种基于YOLOv8-cls模型的深度学习算法，表现出较高的分类准确性。	本研究的样本仅限于特定类型的X光图像，可能无法推广到其他图像类型。	旨在评估深度学习算法在分类牙周健康和不健康上的诊断成功率。	研究对象为1120幅根尖X光图像和1498幅咬合片X光图像。	数字病理学	牙周病	深度学习	YOLOv8-cls	图像	1120根尖X光图像和1498咬合片X光图像
343	2024-08-05	Emotion recognition for human-computer interaction using high-level descriptors 2024-05-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59294-y PMID:38802373	研究论文	本研究提出了一种新的深度学习方法，用于对旁遮普语者的语音情感进行识别	通过多样的社交媒体来源构建和预处理标记语音语料库，并利用频谱图作为主要特征表示	未提供关于数据集大小和多样性的详细信息	研究旨在提高对旁遮普语音信号情感的识别准确性	旁遮普语言使用者的语音	自然语言处理	NA	深度学习	卷积神经网络（CNN）	语音	自定义数据集，来自多种旁遮普媒体来源
344	2024-08-05	Deep learning for automatic detection of cephalometric landmarks on lateral cephalometric radiographs using the Mask Region-based Convolutional Neural Network: a pilot study 2024-05, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.02.003 PMID:38480069	研究论文	本研究探讨了使用Mask R-CNN在侧面头影测量放射线图像中自动检测颅面地标的有效性和可行性	首次应用深度学习的Mask R-CNN模型自动检测颅面地标，显著提高了检测效率和准确性	研究仅在侧面头影测量放射线图像上进行，可能无法推广到其他类型的影像数据	评估Mask R-CNN在颅面分析中自动检测地标的效果	使用400张侧面头影测量放射线图像及其手动标记的19个地标进行研究	计算机视觉	NA	Mask R-CNN	卷积神经网络 (CNN)	图像	400张侧面头影测量放射线图像，标记了1520个地标
345	2024-08-05	Digital pathology, deep learning, and cancer: a narrative review 2024-May-31, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-23-964 PMID:38881914	综述	这篇文章评估了深度学习与数字病理学在癌症检测中的应用现状	这项文章揭示了深度学习模型在实验室开发与其临床实践应用之间存在的差距	大多数文章集中于模型开发的实验室阶段，缺乏临床应用后的验证	探讨数字病理学与深度学习在癌症检测和患者护理中的应用	分析影响深度学习模型开发和临床实施的因素	数字病理学	癌症	深度学习	NA	NA	选取了36篇符合纳入标准的文章进行分析
346	2024-08-05	Predicting and Recognizing Drug-Induced Type I Brugada Pattern Using ECG-Based Deep Learning 2024-May-21, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.033148 PMID:38726893	研究论文	本研究旨在开发深度卷积神经网络，并评估其在识别和预测布鲁加综合征（BrS）诊断中的性能	提出了一种名为BrS-Net的深度卷积神经网络，可有效识别和预测药物诱导的BrS I型模式	研究可能受限于样本选择和实验条件的标准化程度	研究旨在改进药物诱导布鲁加综合征的识别与预测方法	连续接受ajmaline测试的患者，共1188名参与者	深度学习	心血管疾病	深度卷积神经网络	卷积神经网络 (CNN)	心电图 (ECG)	1188名患者
347	2024-08-05	Automated permanent tooth detection and numbering on panoramic radiograph using a deep learning approach 2024-05, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2023.06.003 PMID:37633788	研究论文	本研究评估了深度学习模型在全景放射影像中自动牙齿编号的性能	使用YOLO v4深度卷积神经网络实现了全景放射影像中牙齿的高效自动检测和编号	未提及模型在不同类型图像或不同人群中的适用性	评估深度学习模型在全景放射影像中的牙齿自动编号表现	使用500个全景影像数据集进行研究	计算机视觉	NA	YOLO v4	CNN	图像	500个全景图像
348	2024-08-05	[Advances in the application of AlphaFold2: a protein structure prediction model] 2024-May-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology DOI:10.13345/j.cjb.230677 PMID:38783805	综述	本文介绍了AlphaFold2模型的架构、亮点、局限性和应用进展	介绍了AlphaFold2的独特架构及其在蛋白质结构预测中的优越性能	文章未详细探讨各模型的具体应用案例和实际效果	探讨AlphaFold2及其他蛋白质结构预测模型的应用和发展	主要讨论AlphaFold2及其他几种蛋白质结构预测模型	计算机视觉	NA	深度学习	NA	NA	NA
349	2024-08-05	Improved prediction of DNA and RNA binding proteins with deep learning models 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae285 PMID:38856168	研究论文	该文章提出了改进的深度学习模型以预测DNA和RNA结合蛋白	通过生成更准确和稳健的数据集，以及开发层次和多类的深度学习方法，克服了以往研究的局限性	之前的研究使用的数据集和预测范围限制了其应用	为不同类型的核酸结合蛋白的功能注释和准确预测提供帮助	针对任意给定蛋白质的核酸结合蛋白类型进行预测	机器学习	NA	深度学习	CNN和LSTM	NA	NA
350	2024-08-05	SPIN: sex-specific and pathway-based interpretable neural network for sexual dimorphism analysis 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae239 PMID:38807262	研究论文	提出了一种统一的生物可解释深度学习框架SPIN，用于性别二态性分析。	SPIN框架显著提高了C-index，并能够识别之前分析中遗漏的性别特异性和共享的风险位点。	现有研究主要基于独立的性别分析和二合一的方法，可能未能充分揭示性别与基因之间的相互作用。	研究性别二态性在疾病中的影响和如何提升个体级别的风险预测。	TCGA癌症数据集和哮喘数据集中的男性和女性样本。	机器学习	NA	深度学习	NA	数据集	NA
351	2024-08-05	Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease 2024-May-20, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000000904 PMID:38768142	研究论文	本文提出了一种深度学习模型来预测脂肪性肝病患者发展肝细胞癌的风险	深度学习模型能够识别超出纤维化阶段的细微病理特征，从而及早发现肝癌的迹象	仅使用来自搭配病例的整个切片图像，局限于特定患者群体	识别高风险肝细胞癌发展的脂肪性肝病患者	639名未发展肝细胞癌患者与46名在7年内发展肝细胞癌的患者	数字病理学	肝癌	深度学习	深度卷积神经网络	图像	639名非肝癌患者和46名肝癌患者
352	2024-08-05	Histopathologic image-based deep learning classifier for predicting platinum-based treatment responses in high-grade serous ovarian cancer 2024-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48667-6 PMID:38762636	研究论文	本研究开发了一种基于组织病理学图像的分类器，用于预测高级别浆液性卵巢癌对铂类化疗的反应。	开发了Pathologic Risk Classifier for HGSOC (PathoRiCH)，其预测铂类治疗反应的性能优于现有的分子生物标志物。	缺乏对不同种族或年龄段患者的广泛适应性验证。	旨在提高对女性高级别浆液性卵巢癌的铂类化疗反应的预测能力。	对394个内科病例和两个独立外部队列（284个和136个）进行训练和验证的组织病理学图像。	数字病理学	卵巢癌	组织病理学图像分析	分类器	图像	总共614个样本：394个内科病例和两个独立外部队列（284个和136个）
353	2024-08-05	A multicenter proof-of-concept study on deep learning-based intraoperative discrimination of primary central nervous system lymphoma 2024-May-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48171-x PMID:38704409	研究论文	本文开发了一个基于深度学习的模型，用于在手术中区分原发性中枢神经系统淋巴瘤和其他病变	提出了一种人机融合的方法，将深度学习模型与病理诊断相结合，提高了诊断性能	外部队列的应用和特定病理类型可能影响模型的普适性	开发和验证一个能准确区分原发性中枢神经系统淋巴瘤的深度学习模型	重点研究了通过H&E染色的冷冻全切片图像区分原发性中枢神经系统淋巴瘤与其他病变	数字病理学	原发性中枢神经系统淋巴瘤	深度学习	LGNet	图像	使用了不同专家水平的病理学家的表现作为比较
354	2024-08-05	Feasibility and validity of using deep learning to reconstruct 12-lead ECG from three‑lead signals 2024 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.03.004 PMID:38479052	研究论文	本文介绍了一种基于深度学习的方法，将三导联ECG信号重构为12导联ECG信号。	该研究提出了一种复合ECG向量重构网络，结合了卷积神经网络和递归神经网络，用于从三导联信号恢复完整的12导联信息。	研究在不同患者条件下测试，可能存在个体差异的影响，尚未提到更多的样本或其他患者群体的验证。	探索通过深度学习重构12导联ECG的可行性和有效性。	使用导联I、II和V2信号进行ECG重构。	数字病理学	NA	卷积神经网络（CNN），双向长短期记忆网络（Bi-LSTM）	CNN和Bi-LSTM组合模型	ECG信号	NA
355	2024-08-05	Spatiotemporal estimation of groundwater and surface water conditions by integrating deep learning and physics-based watershed models 2024-May-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100228 PMID:38872710	研究论文	本研究提出了一种深度学习模型框架，用于高空间分辨率地估计地下水和地表水条件	结合深度学习和基于物理的流域模型，提高了水文估计的效率和准确性	模型在长期预测的准确性方面仍需进一步改进	研究旨在通过深度学习提高水文模拟的效率	研究对象为韩国Sabgyo溪流域的地下水位和地表水深度	数字水文学	NA	深度学习	卷积神经网络（CNN）	气象数据	使用来自完全分布式水文模型HydroGeoSphere的数据和实际现场测量数据
356	2024-08-05	Advancements in Artificial Intelligence for the Diagnosis of Multidrug Resistance and Extensively Drug-Resistant Tuberculosis: A Comprehensive Review 2024-May, Cureus DOI:10.7759/cureus.60280 PMID:38872656	综述	本文全面回顾了人工智能在多药耐药结核病和广泛耐药结核病诊断中的最新进展	探讨了在结核病诊断中应用的各种人工智能算法及其比较性能	讨论了在结核病诊断中实施人工智能面临的数据可用性、算法可解释性和监管考虑等挑战和限制	研究人工智能在多药耐药结核病和广泛耐药结核病诊断中的应用	聚焦于多药耐药结核病和广泛耐药结核病的诊断技术	自然语言处理	结核病	人工智能	机器学习，深度学习，集成技术	NA	NA
357	2024-08-05	A computed tomography-based multitask deep learning model for predicting tumour stroma ratio and treatment outcomes in patients with colorectal cancer: a multicentre cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001161 PMID:38348900	研究论文	本研究开发了一种多任务深度学习模型，以非侵入性地预测结直肠癌患者的肿瘤基质比率（TSR）和预后。	该文章创新性地使用了多任务深度学习模型结合术前CT图像，解决了当前TSR组织学评估的局限性。	该研究为回顾性研究，未来需要前瞻性研究来验证模型的有效性。	研究目的是开发一种模型来预测结直肠癌患者的TSR和预后。	本文研究对象包括2268名经切除的结直肠癌患者。	数字病理学	结直肠癌	CT成像	MDL模型	影像	2268名切除的结直肠癌患者
358	2024-08-05	Deep learning-based multi-model prediction for disease-free survival status of patients with clear cell renal cell carcinoma after surgery: a multicenter cohort study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001222 PMID:38445478	研究论文	本研究提出了一种深度学习基础的多模型预测方法，以评估透明细胞肾细胞癌患者术后的无病生存状态	开发了一种新的多模型预测签名，将多模态信息整合到一个单一的预测模型中，以提高无病生存的预后预测性能	需要在多个中心和地区进行进一步验证以证实效果	提高透明细胞肾细胞癌患者术后无病生存的预后预测	414名透明细胞肾细胞癌患者的影像学和临床数据	机器学习	肾癌	深度学习、机器学习	多模态预测模型	图像、临床数据	414名患者
359	2024-08-05	Artificial intelligence-based classification of breast lesion from contrast enhanced mammography: a multicenter study 2024-May-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001076 PMID:38748500	研究论文	本文建立了一种基于人工智能的乳腺病变预诊断方法，旨在通过对比增强乳腺摄影进行评估	该研究采用RefineNet作为基础网络，并结合卷积块注意力模块（CBAM）进行特征的自适应精细化，展示了创新的AI应用于乳腺病变的分类	研究的限制在于为回顾性研究，样本来自于特定的多中心设置，可能会影响普适性	研究目的在于利用人工智能技术提升乳腺病变的预诊断准确性	研究对象为在2017至2022年之间接受对比增强乳腺摄影检查的1430名患者	计算机视觉	乳腺癌	RNA-seq	XGBoost，RefineNet	医学图像，基因组数据	1430名患者的对比增强乳腺摄影检查数据，以及12名患者的RNA测序数据
360	2024-08-05	Precise tooth design using deep learning-based templates 2024-05, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.104971 PMID:38548165	研究论文	本研究结合隐式模板和深度学习，构建了一种精确的神经网络用于个性化牙齿缺损修复	提出了一种新颖的深度学习模型ToothDIT，用于生成高度定制的修复模板	样本量较小，仅使用了90个右侧上颌中切牙模型	旨在提高假牙设计中的精准度和效率	研究对象为右侧上颌中切牙的缺损修复	数字病理学	NA	深度学习	ToothDIT	三维模型	90个右上颌中切牙模型（80个用于训练，10个用于验证）