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
381	2024-08-05	Improving the Generalizability and Performance of an Ultrasound Deep Learning Model Using Limited Multicenter Data for Lung Sliding Artifact Identification 2024-May-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14111081 PMID:38893608	研究论文	本研究旨在通过使用有限的多中心数据来改进超声深度学习模型在肺滑动伪影识别中的通用性和性能	采用新颖的阈值感知累积微调方法（TAAFT）来优化有限外部数据的使用，从而提高模型的通用性	外部获得的LUS数据相对稀缺，可能限制了模型的全面评估	提高超声深度学习模型在肺滑动伪影识别中的通用性和性能	用于评估肺滑动模型的外部LUS数据，涉及238名患者的641个clip	计算机视觉	NA	超声深度学习	NA	视频	238名患者，641个clip
382	2024-08-05	Smart Biosensor for Breast Cancer Survival Prediction Based on Multi-View Multi-Way Graph Learning 2024-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s24113289 PMID:38894082	研究论文	本文提出了一种智能生物传感器架构，以多视角多方式图学习方法预测乳腺癌生存时间	提出了一种将多视角多方式图学习方法与生物传感器结合的新架构	传统生物传感器在特征预处理方面仍面临挑战	探讨如何利用生物传感器预测乳腺癌患者的生存时间	针对乳腺癌患者进行生存时间预测的生物传感器	数字病理学	乳腺癌	深度学习	多视角多方式图学习	现实世界数据	NA
383	2024-08-05	Traffic Sign Recognition Using Multi-Task Deep Learning for Self-Driving Vehicles 2024-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s24113282 PMID:38894074	研究论文	本研究旨在使用计算机视觉和深度学习技术精确检测和识别街道上的交通标志	提出了基于多任务学习方法的交通标志识别模型，能够共享卷积层参数以提高识别精确度	测试仅在少数利雅得高速公路上进行，可能无法代表更广泛的交通情况	开发一个高效的交通标志检测与识别系统，以支持无人驾驶车辆的安全运行	交通标志和交通灯的检测与识别	计算机视觉	NA	深度学习	卷积神经网络	图像	多种交通标志和交通灯
384	2024-08-05	Detection of Road Crack Images Based on Multistage Feature Fusion and a Texture Awareness Method 2024-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s24113268 PMID:38894061	研究论文	本文提出了一种基于多级特征融合和纹理感知方法的路面裂缝检测技术	提出了一种新的自动像素级语义路面裂缝图像分割方法FetNet，结合了Swin变换器和特征精炼注意模块	没有提及具体的算法复杂性或实时性分析	探索深度学习技术在道路裂缝检测中的应用	路面裂缝图像的检测与分割	计算机视觉	NA	深度学习	Swin-T	图像	收集了四个公共真实世界数据集
385	2024-08-05	Enhanced crop health monitoring: attention convolutional stacked recurrent networks and binary Kepler search for early detection of paddy crop issues 2024-May-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12504-6 PMID:38767686	研究论文	本文提出了一种新颖的算法来早期检测水稻作物的疾病和营养缺乏问题	采用了注意力卷积堆叠递归网络与二进制开普勒搜索的结合方法，创新性地提高了病害检测的效果	没有提到在不同环境和气候条件下的普适性	旨在通过深度学习方法提高水稻作物健康监测的准确性和效率	主要研究对象为水稻作物及其病害、营养缺乏和害虫问题	计算机视觉	水稻病害	深度学习	注意力卷积堆叠递归网络	图像	使用的样本数量未明确说明，涉及经过增强的水稻图像数据
386	2024-08-05	Diffusion-Based Generative Network for de Novo Synthetic Promoter Design 2024-05-17, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00041 PMID:38613497	研究论文	提出了一种基于扩散的生成模型用于合成启动子的设计。	首次探索了生成模型在启动子设计中的潜力，并提出了一个完全基于序列数据的扩散模型。	缺乏实验验证合成启动子在实际应用中的效果。	研究合成启动子的设计方法，尤其是从头设计的能力。	合成启动子的结构和组件特征。	计算机视觉	NA	深度学习，扩散模型	卷积神经网络	序列数据	NA
387	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
388	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
389	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
390	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
391	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
392	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
393	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
394	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
395	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
396	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
397	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）
398	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
399	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
400	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