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
741	2024-08-07	DEBFold: Computational Identification of RNA Secondary Structures for Sequences across Structural Families Using Deep Learning 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00458 PMID:38648189	研究论文	本文介绍了一种基于深度学习的RNA二级结构预测工具DEBFold，通过卷积编码/解码和自注意力机制提高预测性能	DEBFold采用两阶段预测策略，结合深度集成提升和折叠方法，提高了模型在不同结构家族序列上的泛化性能	NA	开发一种新的深度学习工具，用于从序列中预测RNA的二级结构	RNA二级结构	机器学习	NA	深度学习	CNN, 自注意力机制	序列	NA
742	2024-08-07	Enhancing Global Estimation of Fine Particulate Matter Concentrations by Including Geophysical a Priori Information in Deep Learning 2024-May-10, ACS ES&T air DOI:10.1021/acsestair.3c00054 PMID:38751607	研究论文	本文通过开发和优化卷积神经网络，结合卫星、模拟和监测数据源的信息，提高了全球细颗粒物（PM）浓度的估计精度	引入了一种新的损失函数，该函数结合了地球物理先验估计，以解决在监测点稀少地区使用均方误差损失函数产生的不切实际结果；同时，提出了针对空气质量的空间交叉验证方法，以考虑空间属性	模型在远离监测点的地区的性能有所下降	提高全球细颗粒物浓度的估计精度	全球细颗粒物浓度	机器学习	NA	卷积神经网络	CNN	图像	1998-2019年间的月度地球物理PM浓度数据，测试时保留了10%至99%的监测点数据
743	2024-08-07	Artificial intelligence to analyze magnetic resonance imaging in rheumatology 2024-May, Joint bone spine IF:3.8Q1 DOI:10.1016/j.jbspin.2023.105651 PMID:37797827	综述	本文综述了人工智能在风湿病学中分析磁共振成像（MRI）的应用	人工智能（包括机器学习和深度学习）提供了改进和推进MRI分析的手段，显示出高灵敏度、特异性和准确性，达到或超过专家表现	文章讨论了临床实施挑战和未来研究方向	探讨人工智能在风湿病学MRI分析中的应用，以提高诊断和管理	风湿性疾病中的MRI分析	计算机视觉	风湿性疾病	人工智能（AI），机器学习（ML），深度学习（DL）	NA	图像	NA
744	2024-08-07	Deep Learning-Driven Exploration of Pyrroloquinoline Quinone Neuroprotective Activity in Alzheimer's Disease 2024-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308970 PMID:38454653	研究论文	本研究利用深度学习和药理学方法，探讨吡咯喹啉醌（PQQ）作为阿尔茨海默病（AD）神经保护剂的潜力	本研究首次结合深度学习技术预测血脑屏障通透性，并验证了PQQ在AD模型中的神经保护作用	NA	探索PQQ作为AD神经保护剂的潜力	PQQ的神经保护作用及其分子机制	机器学习	阿尔茨海默病	深度学习	NA	分子数据集	Aβ₁₋₄₂诱导的AD小鼠模型
745	2024-08-07	Trans-Atlantic Differences in Approach to Sudden Death Prevention in Patients With Hypertrophic Cardiomyopathy 2024-May, The Canadian journal of cardiology DOI:10.1016/j.cjca.2024.03.011 PMID:38522619	综述	本文综述了美国和欧洲在预防肥厚型心肌病患者猝死方面的不同方法	探讨了未来通过新影像技术和基因分型改进预测模型的可能性，以及深度学习在整合多种形态和遗传特征中的应用	美国方法具有高敏感性但特异性有限，而欧洲方法则相反	概述美国和欧洲指南的差异及其产生原因，并展望肥厚型心肌病患者猝死风险预测的未来	肥厚型心肌病患者的猝死预防	NA	心血管疾病	NA	NA	NA	NA
746	2024-08-07	Image segmentation of impacted mesiodens using deep learning 2024-May, The Journal of clinical pediatric dentistry IF:1.5Q2 DOI:10.22514/jocpd.2024.059 PMID:38755982	研究论文	本研究旨在评估深度学习算法在儿童全景X光片中对阻生中切牙的分类和分割性能	采用预训练的ResNet模型增强U-Net算法的编码路径，提高了分割性能	NA	评估深度学习算法在阻生中切牙诊断中的性能	阻生中切牙的分类和分割	计算机视觉	NA	深度学习	U-Net	图像	850张儿童全景X光片
747	2024-08-07	Classification of presence of missing teeth in each quadrant using deep learning artificial intelligence on panoramic radiographs of pediatric patients 2024-May, The Journal of clinical pediatric dentistry IF:1.5Q2 DOI:10.22514/jocpd.2024.062 PMID:38755985	研究论文	本研究旨在开发一种新的深度学习模型，用于在儿童患者的全景X光片上分类缺失牙齿，并评估其准确性	本研究首次定义了小尺寸感兴趣区域，并使用深度学习模型进行缺失牙齿的分类	在实验组中，对于缺失磨牙的分类准确性最低	开发和评估一种深度学习模型，用于在儿童患者的全景X光片上分类缺失牙齿	8至16岁儿童患者的全景X光片	计算机视觉	NA	深度学习	CNN	图像	806张全景X光片，分为3224个数据点，其中1457个数据点包含缺失牙齿，1767个数据点不包含缺失牙齿
748	2024-08-07	In the right direction: A deep learning tool for assessment of right ventricular function 2024-May, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15831 PMID:38757551	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
749	2024-08-07	Optical color routing enabled by deep learning 2024-May-16, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr00105b PMID:38592716	综述	本文综述了深度学习驱动的纳米颜色路由结构设计，包括正向模拟算法、光子神经网络和多种全局及局部拓扑优化方法	介绍了无带通颜色路由的新方法，提供了前所未有的光学光谱效率和亚波长尺度操作，为图像传感应用带来了范式转变	NA	探索和比较深度学习驱动的纳米颜色路由结构设计与传统设计方法，总结现有研究并指出未来发展方向	纳米颜色路由结构设计及其在图像传感应用中的性能	计算机视觉	NA	深度学习	光子神经网络	图像	NA
750	2024-08-07	Predicting gastric cancer tumor mutational burden from histopathological images using multimodal deep learning 2024-May-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad032 PMID:37525540	研究论文	本研究利用多模态深度学习方法从组织病理学图像中预测胃癌肿瘤突变负荷（TMB）	开发了一种结合组织病理学图像和组学数据的多模态融合深度学习模型，显著提高了TMB预测的准确性	NA	探索从组织病理学图像中预测胃癌患者TMB水平的可能性	胃癌患者的组织病理学图像、临床数据和分子数据	数字病理学	胃癌	深度学习	Resnet	图像	326名胃癌患者
751	2024-08-07	Prediction of drug-protein interaction based on dual channel neural networks with attention mechanism 2024-May-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad037 PMID:37642213	研究论文	本研究构建了一个基于双通道神经网络和注意力机制的药物-蛋白质相互作用预测模型DCA-DPI	采用双通道神经网络和高效的注意力机制，相比传统计算方法，减少了领域知识需求并增强了数据学习能力	NA	加速药物发现过程，精确识别药物-蛋白质相互作用	药物分子图和蛋白质序列	机器学习	NA	NA	神经网络	图像和文本	使用了三个广泛使用的公共数据集：Human, C.elegans 和 DUD-E
752	2024-08-07	Deep Learning Enabled Comprehensive Evaluation of Jumping-Droplet Condensation and Frosting 2024-May-15, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c00976 PMID:38693061	研究论文	利用深度学习开发了一个半监督框架，用于监测超疏水表面上跳跃液滴冷凝和结霜的光学可观察过程	该框架能够识别瞬态液滴分布和动态活动，如液滴聚结、跳跃和结霜，并能有效适应新的冷凝条件	NA	研究超疏水表面上的跳跃液滴冷凝和结霜现象，并优化表面设计以提高冷凝传热和防霜性能	超疏水表面上的跳跃液滴冷凝和结霜现象	机器学习	NA	深度学习	NA	图像	少量标注数据
753	2024-08-07	Vision-aided grasp classification: design and evaluation of compact CNN for prosthetic hands 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad464e PMID:38697026	研究论文	本文提出了一种名为GraspCNet的紧凑型卷积神经网络模型，用于假手的视觉辅助抓握分类	使用可分离卷积减少计算负担，使其适用于嵌入式系统的实时应用	在计算机实时实验中，模型准确率为69%，低于已见物体的分类准确率	开发一种能够有效泛化不同物体形状并准确分类抓握模式的模型	假手的抓握分类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了多种标准物体数据集进行训练和测试
754	2024-08-07	Breast density prediction from low and standard dose mammograms using deep learning: effect of image resolution and model training approach on prediction quality 2024-May-15, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad470b PMID:38701765	研究论文	本文开发了深度学习方法，从低剂量和高分辨率的乳腺X线摄影图像中预测乳腺密度，并探讨了图像分辨率和训练方法对预测质量的影响	本文创新地使用深度学习模型在不同分辨率下对低剂量乳腺X线摄影图像进行乳腺密度预测，并比较了特征提取方法和端到端训练方法的效果	NA	提高年轻女性乳腺癌风险预测的准确性	乳腺密度预测	计算机视觉	乳腺癌	深度学习	CNN	图像	15,290张标准剂量和模拟低剂量乳腺X线摄影图像
755	2024-08-07	An Interpretable Adaptive Multiscale Attention Deep Neural Network for Tabular Data 2024-May-15, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3392355 PMID:38748522	研究论文	本文介绍了一种名为自适应多尺度注意力深度神经网络的新技术，用于分析表格数据	该技术通过并行多级特征加权，成功学习特征注意力，并在多个分类和回归任务中实现了高F1分数和低平均绝对误差	NA	旨在提高深度学习在表格数据分析中的性能，并增强其可解释性	表格数据	机器学习	NA	自适应多尺度注意力深度神经网络	深度神经网络	表格数据	涉及小、中、大和非常大的数据集
756	2024-08-07	Value of vendor-agnostic deep learning image denoising in brain computed tomography: A multi-scanner study 2024-May-15, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2290-4781 PMID:38749431	研究论文	本研究评估了一种供应商无关的深度学习去噪（DLD）算法对五种CT扫描仪上非对比颅脑CT（ncCT）诊断图像质量的影响	供应商无关的深度学习去噪算法在主观和客观分析中均显著提高了ncCT图像质量，包括减少噪声、提高信噪比和对比噪声比，以及减少后颅窝的伪影	本研究为回顾性单中心研究，样本仅包括因轻微头部创伤接受常规影像检查的患者	评估供应商无关的深度学习去噪算法对非对比颅脑CT诊断图像质量的影响	五种CT扫描仪上的非对比颅脑CT图像质量	计算机视觉	NA	深度学习去噪（DLD）	深度学习模型	图像	150名连续患者（每种扫描仪30名）
757	2024-08-07	Concomitant Prediction of the Ki67 and PIT-1 Expression in Pituitary Adenoma Using Different Radiomics Models 2024-May-15, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01121-x PMID:38750186	研究论文	本研究旨在通过三种不同的放射组学模型术前预测垂体腺瘤中Ki67和PIT-1的高表达	本研究采用了深度学习放射组学（DLR）模型，相较于传统的机器学习和深度学习模型，DLR模型在预测Ki67和PIT-1表达方面表现出最佳性能	NA	术前预测垂体腺瘤中Ki67和PIT-1的高表达	垂体腺瘤中的Ki67和PIT-1表达	机器学习	垂体腺瘤	放射组学	逻辑回归（LR）、支持向量机（SVM）、多层感知器（MLP）	图像	247名垂体腺瘤患者（训练集：198名；测试集：49名）
758	2024-08-07	Identifying regions of importance in wall-bounded turbulence through explainable deep learning 2024-May-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-47954-6 PMID:38740802	研究论文	本研究使用可解释的深度学习方法探索壁边界湍流中能量包含相干结构之间的相互作用	本研究通过SHapley Additive exPlanations (SHAP)算法评估每个结构对预测的重要性，发现最重要的结构不一定是对雷诺剪切应力贡献最大的结构	NA	解决壁边界湍流问题并探索新的流动控制策略	壁边界湍流中的能量包含相干结构及其相互作用	机器学习	NA	深度学习	U-net	速度场数据	来自湍流通道流动模拟的瞬时速度场数据
759	2024-08-07	NGMD: next generation malware detection in federated server with deep neural network model for autonomous networks 2024-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61298-7 PMID:38740843	研究论文	本文提出了一种基于深度神经网络的下一代恶意软件检测方法，用于在联邦服务器中进行网络流量分类和攻击检测	采用联邦学习方法，无需访问用户私人数据即可进行攻击检测，强调隐私保护	NA	提高网络系统对分布式拒绝服务攻击的抵御能力	网络流量分类和攻击检测	机器学习	NA	深度学习	深度神经网络	网络流量数据	使用BoT-IoT数据集进行实验验证
760	2024-08-07	Deep-learning survival analysis for patients with calcific aortic valve disease undergoing valve replacement 2024-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61685-0 PMID:38740898	研究论文	本研究比较了传统Cox比例风险模型与基于机器学习的深度学习生存分析和随机生存森林方法，以识别在主动脉瓣置换手术后一年内预测死亡风险的变量	研究发现机器学习模型具有更好的预测能力，能够揭示非线性关系	NA	旨在提高对高死亡风险患者的早期识别，以便他们能从更合适的治疗干预中受益	接受主动脉瓣置换手术的患者	机器学习	心血管疾病	深度学习生存分析，随机生存森林	深度学习模型，随机生存森林	临床数据	接受主动脉瓣置换手术的患者