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
361	2024-08-05	Graph-Based Electroencephalography Analysis in Tinnitus Therapy 2024-Jun-25, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071404 PMID:39061978	研究论文	本研究旨在通过分析与耳鸣治疗相关的电生理信号数据集来增强对耳鸣的理解和治疗	本研究的创新点在于将EEG信号的不同通道表示为新的图网络表示法，使用图神经网络进行复杂关系的建模	NA	提升耳鸣治疗的理解与效果	治疗耳鸣的患者的EEG信号	数字病理学	耳鸣	EEG	图卷积网络(GCN) 和长短期记忆网络(LSTM)	电生理信号	NA
362	2024-08-05	Automatic Detection of Acute Leukemia (ALL and AML) Utilizing Customized Deep Graph Convolutional Neural Networks 2024-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070644 PMID:39061726	研究论文	本研究提出了一种利用定制的深度图卷积神经网络自动检测急性白血病的方法	本研究的创新点在于结合图论和卷积神经网络的架构，实现了高达99%的分类准确率	本研究的样本量较小，仅涉及44名患者的670幅图像	旨在开发一种自动化的急性白血病诊断工具	研究对象为急性淋巴细胞白血病（ALL）和急性髓性白血病（AML）	机器学习	急性白血病	深度学习	卷积神经网络（CNN）	图像	44名患者的670幅ALL和AML图像
363	2024-08-05	Brain Tumor MRI Classification Using a Novel Deep Residual and Regional CNN 2024-Jun-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071395 PMID:39061969	研究论文	本文提出了一种新的深度残差区域卷积神经网络用于脑肿瘤分类	创新地结合了区域和边界操作的深度残差网络架构Res-BRNet	未提及该研究的具体局限性	旨在提高脑肿瘤分类的准确性和效率	针对基于MRI扫描的不同种类脑肿瘤进行分类	计算机视觉	脑肿瘤	MRI	CNN	图像	来自Kaggle、Br35H和figshare的多种肿瘤类别的图像数据集
364	2024-08-05	Predicting Drugs Suspected of Causing Adverse Drug Reactions Using Graph Features and Attention Mechanisms 2024-Jun-22, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17070822 PMID:39065673	研究论文	本文设计了一个可疑药物辅助判断模型来识别不良药物反应中的可疑药物	文章使用图同构网络和注意力机制来提取基于患者人口统计信息、药物信息和不良反应信息的特征	本文未提及模型的具体限制	研究旨在提高对不良药物反应的认知并识别可疑药物	研究对象为在不良事件中可疑的药物	机器学习	心血管疾病	深度学习	图同构网络	文本	使用了来自十个药物发现领域的基准数据集进行验证
365	2024-08-05	Prostate Cancer Diagnosis via Visual Representation of Tabular Data and Deep Transfer Learning 2024-Jun-21, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11070635 PMID:39061717	研究论文	本文提出了一种新的机器学习方法，通过临床生物标志物和个性化问卷评估前列腺癌的诊断。	创新性在于首次将卷积神经网络和迁移学习应用于处理表格数据，并通过Tab2Visual建模框架转换为图形表示。	研究可能在样本多样性和临床应用范围上存在局限性。	本研究旨在开发高效的前列腺癌诊断方法，减少对侵入性和高成本程序的依赖。	研究对象为相关的临床生物标志物和个性化问卷数据。	机器学习	前列腺癌	深度转移学习	卷积神经网络 (CNN)	表格数据	样本量与具体样本种类未公开
366	2024-08-05	On Entropic Learning from Noisy Time Series in the Small Data Regime 2024-Jun-28, Entropy (Basel, Switzerland) DOI:10.3390/e26070553 PMID:39056915	研究论文	本研究提出了一种新的方法，用于对有序的噪声数据进行监督分类。	提出了带有马尔可夫正则化的熵稀疏概率逼近（eSPA-Markov）方法，能够同时学习分段模式、熵最优特征空间离散化以及贝叶斯分类规则。	本研究在处理高维非平稳和噪声时间序列时，可能会受到小数据统计量的限制。	研究小数据条件下对噪声时间序列进行有效分类的技术。	对高维的非平稳噪声时间序列进行分类和分析。	机器学习	NA	熵稀疏概率逼近	NA	时间序列	使用了一组玩具学习问题进行验证
367	2024-08-05	Avionics Module Fault Diagnosis Algorithm Based on Hybrid Attention Adaptive Multi-Scale Temporal Convolution Network 2024-Jun-27, Entropy (Basel, Switzerland) DOI:10.3390/e26070550 PMID:39056912	研究论文	提出了一种基于混合注意力自适应多尺度时序卷积网络的航空电子模块故障诊断方法	创新性地结合了互动通道注意力模块和分层块时序注意力模块，提高了故障信号特征提取的效率和准确性	缺乏真实的航空电子模块故障数据，依赖于故障注入和数据增强	研究航空电子模块的故障诊断和健康管理方法	航空电子模块的故障信号	机器学习	NA	故障注入数据增强	混合注意力自适应多尺度时序卷积网络	故障信号数据	P2020通信处理器故障数据集的多个故障类型
368	2024-08-05	Adaptive Joint Carrier and DOA Estimations of FHSS Signals Based on Knowledge-Enhanced Compressed Measurements and Deep Learning 2024-Jun-26, Entropy (Basel, Switzerland) DOI:10.3390/e26070544 PMID:39056907	研究论文	本文提出了一种自适应压缩方法，用于频跳扩频信号的载波和到达方向(DOA)的联合估计	通过基于信号后验知识和特定任务的信息优化，自适应设计压缩测量核，并结合深度神经网络提高测量核设计的效率	本文的限制没有在摘要中提到	研究频跳扩频信号的载波和到达方向的估计方法	使用压缩测量核来提取频跳扩频信号	数字信号处理	NA	深度学习	深度神经网络	模拟数据	NA
369	2024-08-05	Utilizing TabNet Deep Learning for Elephant Flow Detection by Analyzing Information in First Packet Headers 2024-Jun-22, Entropy (Basel, Switzerland) DOI:10.3390/e26070537 PMID:39056900	研究论文	本研究利用TabNet深度学习架构通过分析初始数据包头的5元组字段来检测大型数据流，即大象流	提出了使用TabNet模型在流开始时准确识别大象流的创新方法	未提及具体的局限性	提高网络流量管理的效率和准确性	大型数据流（大象流）的检测	计算机视觉	NA	深度学习	TabNet	数据包信息	一个校园网络的全面数据集
370	2024-08-05	Robust PCA with Lw,∗ and L2,1 Norms: A Novel Method for Low-Quality Retinal Image Enhancement 2024-Jun-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070151 PMID:39057722	研究论文	提出了一种新颖的鲁棒主成分分析方法，以增强低质量的视网膜图像	通过低秩稀疏分解整合加权核范数和L2,1范数的鲁棒主成分分析方法，克服了现有方法的局限性	现有的无监督学习方法在视网膜图像增强方面对噪声和异常值敏感，并且在可扩展性和可解释性方面存在困难	提高低质量视网膜图像的质量，特别是在高噪声或显著存在伪影的有限数据背景下	非散瞳视网膜底部图像	计算机视觉	眼科疾病	加权核范数，L2,1范数	鲁棒主成分分析(RPCA)	图像	多个数据集的模拟结果
371	2024-08-05	Efficient Wheat Head Segmentation with Minimal Annotation: A Generative Approach 2024-Jun-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070152 PMID:39057723	研究论文	本文提出了一种通过最小化标注实现高效的小麦穗分割的方法	创新点在于通过计算机模拟生成大规模标注数据集，并使用生成对抗网络（GAN）填补模拟数据与真实数据之间的域间隙	该方法的局限性在于虽然其在小麦穗分割中表现良好，但可能无法直接推广到所有作物类型或所有类型的图像	旨在开发一种使用合成数据进行小麦穗分割的深度学习模型	研究对象为小麦穗的图像分割	计算机视觉	NA	生成对抗网络（GAN）	深度学习模型	图像	内部数据集的Dice得分为83.4%，对两个外部数据集的得分分别为79.6%和83.6%
372	2024-08-05	Knowledge Transfer from Macro-world to Micro-world: Enhancing 3D Cryo-ET Classification through Fine-Tuning Video-based Deep Models 2024-Jun-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae368 PMID:38889274	研究论文	本文提出了一种利用预训练3D模型对Cryo-ET数据进行分类的方法	创新点在于将大型视频数据集上预训练的3D模型应用于Cryo-ET图像分类，展示了跨领域知识转移的潜力	本文没有提及具体的限制因素	研究的目标是利用视频初始化提高Cryo-ET图像的分类准确性	研究对象为Cryo-Electron Tomography（Cryo-ET）图像和相应的三维体素数据	计算机视觉	NA	深度学习	3D模型	图像	模拟和真实的Cryo-ET数据集
373	2024-08-05	Associations of Intrapancreatic Fat Deposition With Incident Diseases of the Exocrine and Endocrine Pancreas: A UK Biobank Prospective Cohort Study 2024-06-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000002792 PMID:38587286	研究论文	本研究调查了胰腺内脂肪沉积与外分泌和内分泌胰腺疾病之间的关联	该研究使用MRI和深度学习框架nnUNet量化胰腺内脂肪沉积，揭示其与多种胰腺疾病的独立风险关系	本研究的局限性在于仅使用了UK Biobank的数据，可能缺乏多样化的样本来源	研究增高的胰腺内脂肪沉积是否增加外分泌和内分泌胰腺疾病的风险	研究对象为42,599名参与者，分析其胰腺脂肪变性及相关疾病的风险	数字病理学	胰腺癌, 糖尿病, 急性胰腺炎	MRI, nnUNet	Cox比例风险模型	临床数据	42,599名参与者
374	2024-08-05	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	综述	这项系统评价考察了在医院环境中用于检测不当处方的机器学习和深度学习模型的现状	本研究强调了在医院临床药学中集成人工智能工具的潜在价值，尽管目前相关的原始研究相对较少	大多数研究具有较高的偏倚风险，训练数据集多样性大，且现有研究数量有限	该系统评价的目的是评估检测不当药物处方的机器学习和深度学习模型的现状	研究对象主要为医院临床药师使用的人工智能模型	机器学习	NA	人工智能	监督学习	处方订单	13篇文献，分析的处方订单数量从31到5,804,192不等
375	2024-08-05	Molecular insights into regulatory RNAs in the cellular machinery 2024-Jun, Experimental & molecular medicine DOI:10.1038/s12276-024-01239-6 PMID:38871819	评论	本文讨论了细胞机械中调控RNA的主要特性	分析了调控RNA在生物系统各层次中的复杂功能及其机制	尚不清楚通过深度测序识别的调控RNA是否在预期机制中实际发挥作用	探讨调控RNA在细胞机械中的功能和特性	调控RNA及其涉及的生物系统和机制	数字病理学	NA	深度测序	NA	NA	NA
376	2024-08-05	Big data and deep learning for RNA biology 2024-Jun, Experimental & molecular medicine DOI:10.1038/s12276-024-01243-w PMID:38871816	review	本文讨论了深度学习在RNA生物学中的应用及其潜力	提供了将深度学习概念应用于RNA生物学各种问题的指导原则和成功示例	尚未解决在RNA生物学中开发深度学习模型所面临的挑战	探讨深度学习在RNA生物学中的应用潜力和有效方式	各类RNA生物学相关问题	计算机视觉	NA	深度学习	NA	大规模数据集	NA
377	2024-08-05	[Phenotypic drug discovery promotes research and development of innovative drugs based on traditional Chinese medicine] 2024-Jun, Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica DOI:10.19540/j.cnki.cjcmm.20240222.601 PMID:39041072	研究论文	本文讨论了基于传统中医的创新药物研发的潜力。	提出了表型药物发现方法结合尖端技术促进传统中医药创新药物研发的思路。	传统中医药成分复杂，药效物质和作用机制不明确，影响了创新药物的研发。	探讨传统中医在创新药物发现和研发中的巨大潜力。	基于传统中医的创新药物及其活性成分的识别与特征分析。	数字病理学	NA	表型药物发现、细胞绘画、深度学习、器官芯片	NA	NA	NA
378	2024-08-05	The identification of effective tumor-suppressing neoantigens using a tumor-reactive TIL TCR-pMHC ternary complex 2024-Jun, Experimental & molecular medicine DOI:10.1038/s12276-024-01259-2 PMID:38866910	研究论文	本研究开发了VACINUS预测癌症免疫治疗中有效的新抗原。	本研究创新性地结合了肿瘤反应性TIL TCR-pMHC三元复合物，提高了免疫新抗原的预测能力。	本文的局限性在于只在小规模的患者和动物模型中验证。	研究免疫新抗原的预测和验证，以改善癌症免疫疗法的效果。	研究对象包括肝细胞癌患者和B16F10小鼠黑色素瘤模型。	数字病理学	肝癌	NGS，生物信息学	深度学习	生物数据	包含8名肝细胞癌患者和小鼠模型
379	2024-08-05	Integration of deep learning and habitat radiomics for predicting the response to immunotherapy in NSCLC patients 2024-Jun-04, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-024-03724-3 PMID:38833187	研究论文	本研究构建了一个非侵入性模型，用于预测晚期非小细胞肺癌患者对免疫疗法的反应。	结合深度学习与栖息地放射组学的方法，在非小细胞肺癌患者中进行免疫疗法反应预测。	样本仅来自三个医疗中心，可能限制了模型的普适性.	研究旨在构建预测免疫疗法反应的非侵入性模型。	研究对象为来自三家医院的晚期非小细胞肺癌患者。	数字病理	非小细胞肺癌	深度学习与栖息地放射组学	支持向量机（SVM）	影像	训练组164名患者，测试组82名患者
380	2024-08-05	Ensemble model for grape leaf disease detection using CNN feature extractors and random forest classifier 2024-Jun-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33377 PMID:39027444	研究论文	本文提出了一种集成模型，以使用CNN特征提取器和随机森林分类器检测葡萄叶病害	该文章结合了多种CNN模型作为特征提取器，采用并行配置以提取更丰富的特征，克服了有限数据集的不足	文章解决了有限数据集的问题，但局限于特定的葡萄叶数据集	本研究旨在提高有限数据集情况下的葡萄叶病害检测性能	研究对象是用于检测葡萄叶病害的图像数据集	计算机视觉	NA	卷积神经网络 (CNN)	集成模型	图像	葡萄叶数据集分为原始集和修改集