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
661	2024-08-05	AI powered quantification of nuclear morphology in cancers enables prediction of genome instability and prognosis 2024-Jun-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00623-9 PMID:38898127	研究论文	本文介绍了一种基于深度学习的数字病理管道，用于全面量化癌症中细胞核的形态，进而预测基因组不稳定性和预后	提出了一种全组织的深度学习方法，用于核检测、分割和分类，能够提取具有临床相关性的核形态生物标记	使用手动收集的核注释进行模型训练可能存在偏差，且模型效能在不同癌症类型中可能存在变化	研究细胞核形态与预后生物标记之间的关联	BRCA、LUAD和PRAD等癌症类型的细胞核	数字病理	乳腺癌、肺腺癌、前列腺癌	深度学习	对象检测和分割模型	图像	使用BRCA、LUAD和PRAD TCGA队列的H&E染色切片样本
662	2024-08-05	EPI-Trans: an effective transformer-based deep learning model for enhancer promoter interaction prediction 2024-Jun-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05784-9 PMID:38890584	研究论文	本研究提出了一种基于变换器的深度学习模型EPI-Trans，用于增强子-启动子相互作用的预测	提出了一种新型的变换器模型EPI-Trans，克服了现有基于卷积神经网络和递归神经网络方法的局限性	当前的方法主要依赖于卷积神经网络和递归神经网络，而未考虑增强子和启动子序列之间的上下文细节和长距离相互作用	研究增强子-启动子相互作用的预测，改善现有计算方法的性能	使用六个基准细胞系的数据进行模型评估	计算机视觉	NA	深度学习	变换器	NA	六个基准细胞系
663	2024-08-05	Empowering artificial intelligence in characterizing the human primary pacemaker of the heart at single cell resolution 2024-06-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63542-6 PMID:38890395	研究论文	本研究利用一种新颖的深度学习去卷积方法对人类窦房结的细胞异质性进行了表征	采用Bulk2space方法首次从单细胞数据集中对人类窦房结进行细胞组成分析	本研究主要依赖于非人类物种的单细胞数据，可能影响结果的直接应用	研究人类窦房结的细胞组成及其特性	人类窦房结细胞种群的组成和特征	数字病理学	心血管疾病	scRNA-Seq	深度学习去卷积	单细胞数据	使用了公共的鼠类scRNA-Seq数据作为参考，识别了18个人类细胞种群
664	2024-08-05	A hybrid deep approach to recognizing student activity and monitoring health physique based on accelerometer data from smartphones 2024-06-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63934-8 PMID:38890409	研究论文	该文章提出了一种基于智能手机加速度计数据的混合深度学习方法，用于识别学生活动和监测健康状况	文章通过使用双向长短期记忆网络（BiLSTM）和贝叶斯优化，显著提高了人类活动识别的性能	当前LSTM网络的隐含单元预设和初始学习率依赖于先前知识，可能导致亚优化状态	通过考虑人类行为的动态特性，提高人类活动识别的性能	研究对象为学生的身体活动和健康状况	计算机视觉	NA	加速度计数据	双向长短期记忆网络 (BiLSTM)	传感器数据	经过五折交叉验证的训练和测试数据集
665	2024-08-05	Head movement dynamics in dystonia: a multi-centre retrospective study using visual perceptive deep learning 2024-Jun-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01140-6 PMID:38890413	研究论文	本研究开发了一种视觉感知深度学习框架，以评估和量化肌张力障碍的病症状态及治疗干预的影响	提出了一种新的深度学习框架，克服了传统评分标准的局限性，提供了一种高效、准确且独立于评分者的方法来评估和监测肌张力障碍患者	研究依赖于标准临床视频，在多中心回顾性研究中可能存在数据不一致性	评估肌张力障碍的动态特征并量化治疗干预影响	收集自七个学术中心的三项回顾性长期队列研究中的临床视频数据	计算机视觉	神经系统疾病	深度学习	视觉感知深度学习框架	视频	三项研究的数据，具体样本数量未说明
666	2024-08-05	NNICE: a deep quantile neural network algorithm for expression deconvolution 2024-06-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65053-w PMID:38890415	研究论文	提出了一种基于深度学习和分位数回归的细胞类型丰度估计方法NNICE	NNICE结合了统计推断和深度学习，提供了准确且可解释的细胞类型去卷积	NA	开发一种快速且经济有效的方法来估计细胞类型的丰度及其不确定性	使用混合RNA-seq数据进行细胞类型丰度的自动去卷积	数字病理学	NA	RNA-seq	深度学习	基因表达数据	NA
667	2024-08-05	Daily station-level records of air temperature, snow depth, and ground temperature in the Northern Hemisphere 2024-Jun-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03483-x PMID:38890309	研究论文	本研究组建了1960-2021年北半球气温、雪深和土壤温度的综合数据集	首次将深度学习方法应用于重建气温、雪深和土壤温度的数据缺失问题，并构建了高时间分辨率的数据集	现场观察的数据稀疏且不一致，缺失数据量较大	研究高纬度地区地面及地下热条件	北半球（纬度超过30°N）气温、雪深和土壤温度的观测数据	数字病理学	NA	深度学习	NA	时间序列数据	27768个气温测站、32417个雪深测站和659个土壤温度测站
668	2024-08-05	Bio-inspired deep learning-personalized ensemble Alzheimer's diagnosis model for mental well-being 2024-Jun-18, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100161 PMID:38901762	研究论文	本文介绍了一种个性化的动态集成卷积神经网络用于阿尔茨海默病的诊断	引入了基于样本特性的动态集成策略，使模型能够针对个体差异进行调整	缺乏对大规模样本的验证和普适性的评估	研究旨在改善阿尔茨海默病的个性化诊断	研究对象为阿尔茨海默病患者的脑部样本	计算机视觉	阿尔茨海默病	卷积神经网络（CNN）	动态集成模型	图像	NA
669	2024-08-05	The Prediction of Recombination Hotspot Based on Automated Machine Learning 2024-Jun-12, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168653 PMID:38871176	研究论文	本文研究了基于自动化机器学习的重组热点预测方法	引入了自动化机器学习方法构建重组热点预测模型，结合序列信息和物理化学特性进行特征提取	尚未提及具体的局限性	探讨和改进重组热点预测方法	重组热点预测模型及其特征提取	机器学习	NA	TF-IDF-Kmer	NA	序列数据	三个不同的数据集
670	2024-08-05	Lung Cancer Diagnosis on Virtual Histologically Stained Tissue Using Weakly Supervised Learning 2024-Jun, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100487 PMID:38588884	研究论文	该文章提出了一种基于弱监督学习的方法，用于对无标签组织切片进行肺腺癌的分类。	创新性地将自动荧光图像转换为虚拟的H&E染色图像，并应用于弱监督深度生成模型.	该研究主要集中在肺腺癌上，可能对其他类型的癌症适用性有限.	研究旨在开发一种快速、成本效益高且可解释性的肺癌诊断工作流程.	研究对象为无标签组织切片，关注肺腺癌的分类.	数字病理学	肺癌	弱监督学习	基于注意力的多实例学习模型	图像	150个H&E染色全切片图像和58个虚拟H&E染色全切片图像
671	2024-08-05	Artificial Intelligence-Guided Gut-Microenvironment-Triggered Imaging Sensor Reveals Potential Indicators of Parkinson's Disease 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307819 PMID:38569219	研究论文	介绍了一种人工智能指导的肠道微环境触发成像传感器用于帕金森病的筛查	提出了一种新型传感器，结合人工智能和深度学习算法，可以非侵入性准确监测帕金森病的早期指标	NA	寻找基于肠道的非侵入性生物标志物以便早期诊断帕金森病	主要对象为肠道微生物群及其与帕金森病进程的关系	数字病理学	帕金森病	深度学习算法	NA	图像	NA
672	2024-08-05	Computed tomography-based prediction of pancreatitis following biliary metal stent placement with the convolutional neural network 2024-Jun, Endoscopy international open IF:2.2Q2 DOI:10.1055/a-2298-0147 PMID:38904060	研究论文	本研究探讨了基于计算机断层扫描的卷积神经网络在预测胆道金属支架放置后胰腺炎的应用	首次在恶性胆道梗阻情况下，利用深度学习图像识别预测胰腺炎	CNN模型的表现处于中等水平，可能需要进一步优化	研究深度学习技术在胰腺炎预测中的潜力	包括70名接受自膨胀金属支架（SEMS）置入的患者	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	70名患者的计算机断层扫描图像（≥120,960幅增广图像）
673	2024-08-05	Approved AI-based fluid monitoring to identify morphological and functional treatment outcomes in neovascular age-related macular degeneration in real-world routine 2024-Jun-20, The British journal of ophthalmology DOI:10.1136/bjo-2022-323014 PMID:37775259	研究论文	本研究旨在利用人工智能对液体进行定量，以预测新生血管年龄相关性黄斑变性(nAMD)患者的治疗需求、视力和形态结果。	该论文使用经过监管批准的人工智能液体监测方法，能够自动化指导AMD患者的治疗，并预测长期形态结果。	该研究的样本主要来自单一注册中心，可能无法代表更广泛的人群。	本研究的目标是预测新生血管年龄相关性黄斑变性患者的治疗需求和视觉及形态结果。	研究对象为158名未接受治疗的新生血管年龄相关性黄斑变性患者。	数字病理学	年龄相关性黄斑变性	光谱域光学相干断层扫描	深度学习算法	影像	158名治疗未经验患者的数据，评估了202只眼睛
674	2024-08-05	Deep learning detection of diabetic retinopathy in Scotland's diabetic eye screening programme 2024-Jun-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-323395 PMID:37704266	研究论文	本文旨在开发基于深度学习的自动分级系统，用于评估苏格兰糖尿病视网膜病变的筛查程序中的视网膜图像	提出了一种新的深度学习算法，与现有的支持向量机基自动分级系统相比，具备更好的特异性	仅评估了50%参与国家DR筛查项目的患者，可能限制了结果的普遍适用性	开发深度学习算法来自动评估糖尿病视网膜病变，并与当前自动化分级系统进行性能比较	179944名患者的视网膜图像、质量保证数据和常规DR分级	数字病理学	糖尿病视网膜病变	深度学习	NA	图像	179944名患者的图像和744张的质量保证图像
675	2024-08-05	Automated classification of multiple ophthalmic diseases using ultrasound images by deep learning 2024-Jun-20, The British journal of ophthalmology DOI:10.1136/bjo-2022-322953 PMID:37852741	研究论文	该研究开发了一种多分支变换网络（MBT-Net）用于自动分类多种眼科疾病的超声图像	提出了一种新的深度学习模型MBT-Net，能够在多种超声设备和操作者下自动分类多种眼科疾病	该研究中模型的表现与资深眼科医生相比仍有差距	开发一种能自动识别多种眼科疾病的深度学习模型	使用临床确认的六类眼科疾病的超声图像进行模型的开发和评估	计算机视觉	眼科疾病	超声波成像	多分支变换网络（MBT-Net）	图像	共收集了10,184张超声图像
676	2024-08-05	Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography 2024-Jun-18, The British journal of radiology DOI:10.1093/bjr/tqae094 PMID:38733576	研究论文	本研究评估了超分辨率深度学习重建对冠状动脉CT血管成像图像质量和支架伪影的影响	提出了一种超分辨率深度学习重建算法，显著提高了冠状动脉支架的清晰度和图像质量	仅对66名患者进行了回顾性分析，样本量相对较小	研究超分辨率深度学习重建在冠状动脉CT成像中的应用与效果	66名进行冠状动脉CT血管成像的患者	图像处理	心血管疾病	超分辨率深度学习重建(SR-DLR)	NA	图像	66名冠状动脉CT患者
677	2024-08-05	DeepLeish: a deep learning based support system for the detection of Leishmaniasis parasite from Giemsa-stained microscope images 2024-Jun-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01333-1 PMID:38890604	研究论文	提出了一种基于深度学习的人工智能检测工具，用于从Giemsa染色的显微镜图像中检测利什曼虫	开发了一个新的基于YOLOV5模型的检测工具，改善了利什曼病的诊断效率	在寄生虫细胞和血细胞的大小差异下，模型的准确性有时降低	旨在开发用于利什曼病检测的人工智能工具	利用Giemsa染色的显微镜图像进行寄生虫检测	计算机视觉	利什曼病	深度学习	YOLOV5	图像	经过专家标注的显微镜图像
678	2024-08-05	Stereochemically-aware bioactivity descriptors for uncharacterized chemical compounds 2024-Jun-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00867-4 PMID:38890727	研究论文	本研究系统地探讨了立体异构与生物活性之间的关系	提出了一种新的立体化学意识描述符，能够更准确地描述小分子生物活性特性	NA	探讨立体异构体与生物活性之间的关系，并生成生物活性描述符	超过100万种化合物及其立体异构体	计算机视觉	NA	深度学习	深度神经网络	化合物数据	超过100万种化合物
679	2024-08-05	Revolutionizing disease diagnosis and management: Open-access magnetic resonance imaging datasets a challenge for artificial intelligence driven liver iron quantification 2024-Jun-16, World journal of clinical cases IF:1.0Q3 DOI:10.12998/wjcc.v12.i17.2921 PMID:38898864	评论	本文强调了开放获取的磁共振成像数据集对人工智能驱动的肝铁定量的重要性	提出了标准化数据集在推动医疗成像中AI和CNN应用的关键角色	缺乏开放获取的数据集可能会延缓该领域医疗研究的进展	探讨人工智能在疾病诊断和管理中的潜力	人工智能技术在肝铁负荷评估中的应用	医疗成像	NA	磁共振成像	卷积神经网络（CNN）	NA	NA
680	2024-08-05	Deep learning to detect left ventricular structural abnormalities in chest X-rays 2024-Jun-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad782 PMID:38503537	研究论文	本研究开发了一种深度学习模型，用于在胸部X光片中检测左心室结构异常。	首次利用深度学习方法在胸部X光片中准确检测严重左心室肥大和扩张的能力。	模型的评估依赖于回顾性数据，可能存在样本选择偏差。	研究旨在改进心力衰竭患者的早期筛查和识别。	研究对象为24,689名患者的71,589幅胸部X光片及相关的超声心动图标签。	计算机视觉	心血管疾病	深度学习	NA	图像	71,589幅胸部X光片