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	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
382	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
383	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
384	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
385	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
386	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
387	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
388	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
389	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）
390	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
391	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
392	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
393	2024-08-05	Evaluating the Efficacy and Accuracy of AI-Assisted Diagnostic Techniques in Endometrial Carcinoma: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.60973 PMID:38910646	综述	本研究系统评估了人工智能辅助的内膜癌诊断技术的有效性和准确性	研究表明人工智能模型，特别是卷积神经网络在内膜癌诊断中具有卓越的精确性	研究专注于过去十年的文献，可能未能涵盖最新的研究进展	探索人工智能和机器学习在内膜癌诊断中的作用	针对内膜癌诊断中人工智能/机器学习的应用研究	计算机视觉	内膜癌	深度学习	卷积神经网络	文献	涉及的文献为经过同行评审的研究，样本数量不具体
394	2024-08-05	Application of Artificial Intelligence in Neuroendocrine Lung Cancer Diagnosis and Treatment: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.61012 PMID:38910787	综述	本文综述了人工智能在神经内分泌肺癌诊断中的应用.	探讨了AI技术在提高神经内分泌肿瘤诊断准确性方面的创新点.	传统的诊断方法仍然存在主观解释和临床表现重叠的问题.	旨在提供AI在神经内分泌肺癌诊断中的应用全面概述.	研究对象为神经内分泌肿瘤及其诊断方法.	人工智能	肺癌	机器学习和深度学习算法	NA	放射学图像, 组织病理样本和临床数据	大型数据集
395	2024-08-05	Synthesizing 4D Magnetic Resonance Angiography From 3D Time-of-Flight Using Deep Learning: A Feasibility Study 2024-May, Cureus DOI:10.7759/cureus.60803 PMID:38910733	研究论文	本研究旨在开发一种深度卷积神经网络模型，能够从3D飞行时间磁共振血管成像生成合成的4D磁共振血管成像	该文章创新性地利用深度学习模型从静态的TOF信号中提取潜在的动态动脉流信息	样本量较小，仅包含13名受试者，可能影响模型的普适性	旨在通过训练机器学习模型扩展TOF磁共振血管成像的应用	训练模型的对象为13名没有脑血管阻塞或显著狭窄病史的受试者	数字病理学	脑血管疾病	3D飞行时间磁共振成像和4D动脉自旋标记成像	深度卷积神经网络（DCNN）	图像	13名受试者（11名男性和2名女性，年龄42-77岁）
396	2024-08-05	Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023 2024 May-Jun, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2024.3360881 PMID:38294921	研究论文	该文章回顾了机器学习可解释性和可信度可视化的最新进展	提供了542种最新的可视化技术，并讨论了使用可视化提高机器学习模型信任的趋势和挑战	主要集中在可视化技术的分类和趋势分析，缺乏具体应用案例的深度讨论	研究机器学习中可视化技术的应用及其对模型信任度的影响	描述和分类了542种可视化技术	信息可视化	NA	可视化技术	NA	文献数据	542种可视化技术
397	2024-08-05	Prediction of early hematoma expansion of spontaneous intracerebral hemorrhage based on deep learning radiomics features of noncontrast computed tomography 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10410-y PMID:37938384	研究论文	本研究旨在开发一个基于深度学习和放射组学特征的预测早期血肿扩展的诺莫图模型	结合了深度学习特征和放射组学特征的模型显示出良好的预测效率，并提高了自发性脑内出血的分割和语义特征分类的工作效率	验证队列的AUC值低于训练队列，可能影响模型的临床应用性能	研究旨在预测自发性脑内出血早期血肿扩展的风险	纳入561例基础非对比CT的自发性脑内出血病例	数字病理学	自发性脑内出血	深度学习放射组学	深度学习模型	图像	561例自发性脑内出血病例
398	2024-08-05	Deep learning-based identification of spine growth potential on EOS radiographs 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10308-9 PMID:37848772	研究论文	开发了一种基于深度学习的自动化方法，用于评估脊柱生长潜力	首次提出了一种能模仿人类判断过程的深度学习算法来自动确定脊柱生长潜力	研究没有提及算法在不同人群或不同疾病状态下的适用性	评估脊柱生长潜力，帮助临床医生做出决策	3383个EOS案例用于算法训练和测试，440个案例用于临床验证	计算机视觉	脊柱相关疾病	深度学习	NA	影像	3383个EOS案例以及440个用于临床验证的案例
399	2024-08-05	A deep learning framework for intracranial aneurysms automatic segmentation and detection on magnetic resonance T1 images 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10295-x PMID:37843574	研究论文	本文设计了一个基于深度学习的框架，用于自动分割和检测颅内动脉瘤。	提出了一种新的基于T1磁共振成像的深度学习分割和检测方法，优于现有的血管造影方法。	研究样本相对较少，仅基于159个动脉瘤的回顾性研究，可能影响模型的泛化能力。	旨在开发一种自动化的框架来提高颅内动脉瘤的检测准确性。	研究对象为136名接受T1影像检查的患者的159个颅内动脉瘤。	数字病理学	NA	深度学习，卷积神经网络	卷积神经网络（CNN）	图像	159个颅内动脉瘤（来自136名患者）
400	2024-08-05	Automated prostate gland segmentation in challenging clinical cases: comparison of three artificial intelligence methods 2024-05, Abdominal radiology (New York) DOI:10.1007/s00261-024-04242-7 PMID:38512516	研究论文	本研究评估了三种不同的前列腺分割人工智能算法在具有挑战性的患者人群中的表现	首次在复杂临床案例中比较了不同的前列腺分割算法的性能	该研究仅限于一个机构的回顾性数据库，可能影响结果的普适性	评估在不理想条件下的前列腺分割自动化方法的有效性	对683个MRI扫描样本的前列腺图像进行分析	计算机视觉	前列腺癌	深度学习（DL），形状基础模型	深度学习模型、商业可用的形状基础模型	图像	683个扫描（651名患者）