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
301	2024-08-21	Spatial and geometric learning for classification of breast tumors from multi-center ultrasound images: a hybrid learning approach 2024-Jun-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01307-3 PMID:38840240	研究论文	本研究开发了一种混合学习方法，用于从多中心超声图像中分类乳腺肿瘤，提取更多潜在特征	提出了一种结合卷积神经网络（CNN）和图神经网络（GNN）的混合学习方法，从空间和几何层面提取特征	NA	开发一种辅助工具，帮助医生决定是否进行进一步的检查或治疗	乳腺肿瘤的分类	机器学习	乳腺癌	深度学习	CNN 和 GNN	图像	使用了三个多中心数据集（BUSI, BUS, OASBUD）
302	2024-08-21	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	本研究开发了一种深度学习算法，用于基于基线和纵向结构测量预测视野进展。	本研究首次使用深度学习模型结合基线和序列结构测量来预测青光眼患者的视野进展。	模型需要进一步的临床验证，并且仅在特定数据集上进行了测试。	开发一种能够利用基线和纵向结构数据预测青光眼患者视野进展的深度学习算法。	3079只眼睛（1765名患者）的青光眼患者，具有至少5次视野检查和3年以上的随访。	机器学习	青光眼	深度学习	Siamese神经网络	图像	3079只眼睛（1765名患者）
303	2024-08-18	Identifying prey capture events of a free-ranging marine predator using bio-logger data and deep learning 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240271 PMID:39100157	研究论文	本文开发了一种新方法，利用三轴加速度和深度数据通过深度学习神经网络量化帽带企鹅的捕食率，并通过动物携带的视频进行验证	本文创新性地使用深度学习算法处理生物记录传感器产生的大量数据，以稳健估计潜水海洋捕食者的捕食事件	NA	开发一种创新方法来估计潜水海洋捕食者的猎物消耗量	帽带企鹅及其捕食行为	机器学习	NA	深度学习	CNN 和 V-Net	加速度和深度数据	41只帽带企鹅
304	2024-08-18	Optimal sampling of spatial patterns improves deep learning-based early warning signals of critical transitions 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.231767 PMID:39100181	研究论文	本文开发了一种先进的机器学习工具包，称为空间早期预警信号网络（S-EWSNet），用于预测复杂时空系统中的关键转变类型。	通过最优采样策略（OSS）让深度神经网络学习潜在特征，提高了对关键转变类型的预测能力。	NA	解决预测关键转变类型（突然与平滑）的难题。	复杂时空系统中的关键转变类型。	机器学习	NA	机器学习	深度神经网络	时空数据	模拟和实证样本
305	2024-08-18	How many specimens make a sufficient training set for automated three-dimensional feature extraction? 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240113 PMID:39100182	research paper	本研究探讨了用于自动化三维特征提取的深度学习模型所需的最小训练图像数量，并评估了数据增强对提高网络准确性的效果	本研究首次探讨了数据增强在三维图像特征提取中的应用，并揭示了其对提高模型准确性的潜力	研究主要集中在内部结构的体积和形状测量上，对于外部结构的挑战性较低	确定用于自动化三维特征提取的深度学习模型所需的最小训练图像数量	50个浮游有孔虫标本	computer vision	NA	deep learning	NA	three-dimensional images	50个浮游有孔虫标本
306	2024-08-16	Forecasting the consumptions of coagulation tests using a deep learning model 2024-Jun-15, Journal of medical biochemistry IF:2.0Q4 DOI:10.5937/jomb0-40244 PMID:39139177	研究论文	本文开发了一种基于客观数据的模型，用于预测凝血测试的未来消耗量，该模型在COVID-19疫情期间显示出高度可变的消耗量。	本文采用外部输入非线性自回归人工神经网络（NARX）模型，有效预测了凝血测试的消耗量，特别是在COVID-19疫情期间的波动情况。	NA	旨在提高实验室服务的效率和可靠性，通过预测凝血测试的消耗量来优化资源规划。	凝血测试（PTT、aPTT、D-dimer、纤维蛋白原）的月消耗量及不同类型入院人数。	机器学习	NA	外部输入非线性自回归人工神经网络（NARX）	NARX	数值数据	数据收集时间从2018年12月至2021年7月，每月凝血测试消耗量及各类入院人数。
307	2024-08-11	Machine-to-Machine Transfer Function in Deep Learning-Based Quantitative Ultrasound 2024-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3384815 PMID:38857123	研究论文	本文研究了一种机器到机器（M2M）转移函数方法，用于在基于深度学习的定量超声（QUS）中减少数据不匹配问题	引入了M2M转移函数，能够减少深度学习模型开发成本，并实现多源数据或扫描器的组合以及机器间的模型转移	文章未明确提及具体的局限性	探索并改进基于深度学习的定量超声中的数据匹配问题	研究M2M转移函数在不同超声扫描器和探头间的应用效果	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	使用了SonixOne和Verasonics两种机器，配备L9-4和L11-5两种探头进行数据采集
308	2024-08-09	Imaging at the nexus: how state of the art imaging techniques can enhance our understanding of cancer and fibrosis 2024-Jun-13, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05379-1 PMID:38872212	研究论文	本文详细介绍了最新的成像技术在癌症和纤维化疾病诊断中的应用及其相互促进的研究进展	介绍了多种成像技术如PET、MRI、SGHI、超声、放射组学和人工智能在癌症和纤维化诊断中的创新应用	NA	探讨成像技术在癌症和纤维化疾病早期准确诊断中的应用	癌症和纤维化疾病	数字病理学	NA	正电子发射断层扫描(PET), 磁共振成像(MRI), 第二代谐波成像(SGHI), 超声(US), 放射组学, 人工智能(AI)	深度学习(DL)	图像	NA
309	2024-08-09	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文从技术角度对现有的无源域无监督域适应（SFUDA）方法进行了系统的文献综述	提出了对SFUDA方法的分类，包括白盒SFUDA和黑盒SFUDA，并进一步细分为不同的学习策略子类别	讨论了每个子类别方法的挑战，以及白盒和黑盒SFUDA方法的优缺点	综述无源域无监督域适应方法，探讨其未来发展方向	无源域无监督域适应方法及其应用	机器学习	NA	深度学习	NA	NA	NA
310	2024-08-07	Prediction model of early recurrence of multimodal hepatocellular carcinoma with tensor fusion 2024-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4f45 PMID:38776945	研究论文	本文提出了一种基于张量融合的多模态肝细胞癌早期复发预测模型	引入了张量融合方法处理多尺度多维数据融合，并首次考虑了肝脏背景的影响，通过深度学习分割算法将其整合到特征提取过程中	NA	提高肝细胞癌术后复发预测的准确性	肝细胞癌的早期复发	数字病理学	肝癌	张量融合技术	深度学习模型	图像	176例病例用于训练和交叉验证，40例病例用于外部测试
311	2024-08-07	Automated wound segmentation and classification of seven common injuries in forensic medicine 2024-Jun, Forensic science, medicine, and pathology DOI:10.1007/s12024-023-00668-5 PMID:37378809	研究论文	该文章提出了一种自动化的方法来分割和分类法医学中的七种常见伤害	研究通过训练和比较多种深度学习架构，提高了法医伤害评分和报告的效率	模型在区分背景与受伤区域方面存在困难，并且某些伤害类型的伤口边界不清晰	提高法医医学调查中伤害评估的准确性和加速报告的过程	对法医学相关图片中的伤口进行自动分割和分类	计算机视觉	NA	深度学习	NA	图片	法医学相关照片数据库中的样本
312	2024-08-05	DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data 2024-Jun-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14070766 PMID:39062480	研究论文	该文章介绍了一种新型计算工具DeepIMAGER，用于从scRNA-seq数据中推断细胞特异性基因调控网络	DeepIMAGER通过深度学习和数据整合，将基因对的共表达模式转化为类似图像的表示，结合转录因子结合信息进行模型训练	使用的模型在某些情况下可能仍然存在假阳性的问题，尽管有较好的表现	揭示不同细胞类型中基因调控网络的动态变化	多种细胞类型中的基因调控网络	计算机视觉	多发性骨髓瘤	scRNA-seq	深度学习模型	基因表达数据	六种细胞系的综合数据集
313	2024-08-05	Rapid and Precise Diagnosis of Retroperitoneal Liposarcoma with Deep-Learned Label-Free Molecular Microscopy 2024-06-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c05417 PMID:38810149	研究论文	本研究结合双标记自由的非线性光学模态，通过深度学习实现了对Retroperitoneal Liposarcoma的快速准确诊断	采用了双模态成像技术结合深度学习，显著提高了对WDLPS的检测精度和灵敏度	研究样本数量相对较少，仅涉及35例RLPS和34例正常脂肪样本	旨在提高Retroperitoneal Liposarcoma的术中诊断准确性	研究对象为35例Retroperitoneal Liposarcoma患者的组织样本和正常脂肪样本	数字病理	肺脂肪肉瘤	刺激拉曼散射(SRS)显微镜和二次谐波生成(SHG)显微镜	ResNeXt101	组织图像	35例Retroperitoneal Liposarcoma和34例正常脂肪样本
314	2024-08-05	Reversible Fusion-Fission MXene Fiber-Based Microelectrodes for Target-Specific Gram-Positive and Gram-Negative Bacterium Discrimination 2024-06-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01314 PMID:38818541	研究论文	本文开发了可逆融合-裂变MXene基纤维微电极用于分析革兰氏阳性和革兰氏阴性细菌	提出了一种新的微电极设计，通过可逆融合来提高微电极的灵敏度和选择性	没有提到关于不同菌株的比较或长期稳定性的研究	提高革兰氏阳性和阴性细菌的快速诊断能力	聚焦于革兰氏阳性和革兰氏阴性细菌的识别和定量	数字病理学	NA	电化学阻抗谱	深度学习模型	样本浓度数据	多种比例浓度的细菌样本 (1:100-100:1)
315	2024-08-04	Combining three-dimensional acoustic coring and a convolutional neural network to quantify species contributions to benthic ecosystems 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240042 PMID:39092142	研究论文	本文开发了一种三维声学取芯系统，能够非侵入性地可视化底栖无脊椎动物的存在和活动	结合三维声学取芯与深度学习技术，有效地提供了物种与沉积物相互作用的详细机制信息	主要利用实验室环境进行测试，可能限制了在自然环境中的应用	量化物种对底栖生态系统的贡献	底栖无脊椎动物	数字病理学	NA	声学取芯	三维卷积神经网络	图像	NA
316	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
317	2024-08-04	GraphsformerCPI: Graph Transformer for Compound-Protein Interaction Prediction 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00609-y PMID:38457109	研究论文	本文提出了一种名为GraphsformerCPI的深度学习框架，用于预测化合物与蛋白质的相互作用	通过引入结构增强的自注意力机制和双重注意力机制，显著提高了预测性能和可解释性	文章未提及具体的限制条件	研究旨在提高化合物-蛋白质相互作用预测的准确性和可解释性	研究对象为化合物及其与蛋白质之间的相互作用	计算机视觉	NA	深度学习	Transformer	结构化数据	多个数据集，包括人类、秀丽隐杆线虫、Davis和KIBA数据集
318	2024-08-04	ResDeepSurv: A Survival Model for Deep Neural Networks Based on Residual Blocks and Self-attention Mechanism 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00617-y PMID:38489147	研究论文	本文提出了一种基于残差块和自注意力机制的生存模型ResDeepSurv，用于生存分析	该模型结合了神经网络的优势和Cox比例风险回归模型，不需要严格的生存数据基本分布假设	模型可能对非常复杂的风险函数仍然可能存在限制	旨在提供一种提高生存分析性能的新方法	探讨患者协变量与疾病之间的关系及治疗策略的有效性	机器学习	NA	深度学习	残差网络	临床数据	多个公共临床数据集
319	2024-08-04	GEnDDn: An lncRNA-Disease Association Identification Framework Based on Dual-Net Neural Architecture and Deep Neural Network 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00619-w PMID:38733474	研究论文	本文提出了一种基于深度学习的lncRNA-疾病关联预测框架GEnDDn	GEnDDn结合相似性计算、非负矩阵分解和图注意自编码器提取特征，并通过双网神经架构和深度神经网络进行分类，从而创新性地识别lncRNA-疾病关联	需要进一步的生物医学实验验证以确认结果	识别新的lncRNA-疾病关联，从而更好地理解疾病机制及为癌症靶向治疗和抗癌药物设计提供见解	主要研究lncRNA及其与疾病的关联	数字病理学	肺癌	深度学习	双网神经架构	NA	使用了六种不同的评估指标验证了GEnDDn在四种竞争性lncRNA-疾病关联识别方法上的优越性，并在lncRNADisease和MNDR数据库进行了五折交叉验证
320	2024-08-05	Automating Linear and Angular Measurements for the Hip and Knee After Computed Tomography: Validation of a Three-Stage Deep Learning and Computer Vision-Based Pipeline for Pathoanatomic Assessment 2024-Jun, Arthroplasty today IF:1.5Q3 DOI:10.1016/j.artd.2024.101394 PMID:39071819	研究论文	本研究展示了一种可重复和可扩展的方法，用于分析基于CT的解剖学，以处理髋部和膝部的测量。	开发了一个三阶段的深度学习和计算机视觉管道，能够自动识别和测量髋膝解剖特征。	未提及具体的临床参数整合方法及其对结果的影响。	研究旨在提高CT图像处理的有效性，以改善围手术期的规划和执行。	研究对象为100名接受全膝关节置换术的骨关节炎患者，其预处理的CT扫描数据。	计算机视觉	骨关节炎	深度学习	UNet3+和Attention U-Net	CT图像	100个预处理的CT扫描