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
801	2024-08-05	Convolutional neural network application for supply-demand matching in Zhuang ethnic clothing image classification 2024-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64082-9 PMID:38858436	研究论文	本研究设计了一种适用于壮族服装图像分类的分类技术	创新性地结合了供需匹配和卷积神经网络来处理壮族服装图像	未提及具体的局限性	研究旨在提高壮族服装图像分类的准确性	研究对象为壮族服装图像	计算机视觉	NA	卷积神经网络	NA	图像	NA
802	2024-08-05	Efficient deep learning-based approach for malaria detection using red blood cell smears 2024-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63831-0 PMID:38858481	研究论文	本文提出了一种基于深度学习的EfficientNet方法，通过红细胞涂片检测疟疾	引入EfficientNet模型进行复杂图像特征的自动提取，以提高疟疾检测的准确性	没有提及对其他类型模型的比较以及样本的多样性	提高疟疾检测的效率和准确性	红血球图像中的疟疾寄生虫	计算机视觉	疟疾	深度学习	EfficientNet	图像	NA
803	2024-08-05	Deep learning restores speech intelligibility in multi-talker interference for cochlear implant users 2024-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63675-8 PMID:38853168	研究论文	本文探讨了深度学习在多说话者干扰中恢复 cochlear implant 用户的语音可懂度的效果	采用递归神经网络（RNN）和 SepFormer 两种 DNN 算法，显著提高了安装 cochlear implant 的听众在噪声环境中的语音可懂度	尚需更多研究验证 DNN 算法在不同背景噪声中的适用性和效果	研究深度学习算法在复杂噪声情境中提升 cochlear implant 用户的语音理解能力	对使用 cochlear implant 的 13 名听众进行测试	数字病理学	NA	深度神经网络（DNN）	递归神经网络（RNN）, SepFormer	音频	30 小时的定制数据集，13 名 cochlear implant 听众
804	2024-08-05	Systematic Assessment of Deep Learning-Based Predictors of Fragmentation Intensity Profiles 2024-Jun-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00857 PMID:38728051	研究论文	本研究对六种基于深度学习的肽片段强度预测方法进行了全面评估。	创新性在于系统性地比较了多种深度学习方法在不同实验条件下的预测准确性和速度。	未提及特定的限制条件。	提供对深度学习预测肽片段强度的方法的综合评估。	评估六种不同的肽片段强度预测方法。	机器学习	NA	NA	深度学习	实验光谱	接近170万的前体，包括超过1800万个实验光谱
805	2024-08-05	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-Jun-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一个被注释的酶语料库，用于训练和评估酶命名实体识别模型	提出了一种新颖的注释管道，结合词典匹配和基于规则的关键词搜索，以及四种不同词汇和架构的深度学习模型	注释管道在1-score和召回率上被微调的变换器超越	旨在通过开发酶命名实体识别模型来提高生物医学文献的检索效率	通过对超过4800篇全文出版物的自动注释，识别酶实体	自然语言处理	NA	自然语言处理	BiLSTM/transformer	文本	526篇手动注释的全文出版物
806	2024-08-05	Utility of the Morgan Fingerprint in Structure-Based Virtual Ligand Screening 2024-Jun-06, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c01875 PMID:38783525	研究论文	本文介绍了摩根指纹在基于结构的虚拟配体筛选中的应用与改进	结合摩根指纹与其他指纹的方法显著提高了虚拟配体筛选的性能	未提及具体的样本限制或应用范围	旨在提升虚拟配体筛选的准确性	102个目标DUD-E集和81个目标DEKOIS2.0集	计算机视觉	NA	虚拟配体筛选	NA	配体数据	102个DUD-E目标和81个DEKOIS2.0目标
807	2024-08-05	Mechanical Field Guiding Structure Design Strategy for Meta-Fiber Reinforced Hydrogel Composites by Deep Learning 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202310141 PMID:38520708	研究论文	讨论了一种基于深度学习的机械场引导结构设计策略，针对增材纤维强化的水凝胶复合材料。	提出了利用深度学习算法设计的水凝胶复合材料的结构设计策略，能够实现目标机械性能。	文中未提及模型在实际应用中的具体限制和挑战。	研究增材纤维增强水凝胶的结构设计，以实现特定的机械性能。	增材纤维增强的水凝胶复合材料。	材料科学	NA	深度学习，生成对抗网络（GAN）	GAN	数据集，包含纤维分布和相应的机械性能	NA
808	2024-08-05	ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins 2024-Jun, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5015 PMID:38747369	研究论文	本文介绍了一种新的计算模型ProkDBP，用于更精准地预测原核DNA结合蛋白。	创新之处在于提出ProkDBP模型，该模型结合了浅层学习和深度学习算法，以改进原核DNA结合蛋白的预测准确性。	目前的研究主要集中在模型准确性上，对其在更广泛的实际应用中的效果尚无深入验证。	研究目的是提高对原核DNA结合蛋白的准确预测，以促进新蛋白的发现和疾病干预的药物开发。	研究对象为原核DNA结合蛋白，这些蛋白在基因调控和细胞功能中起着重要作用。	机器学习	NA	机器学习	LGBM	NA	14种机器学习模型进行评估
809	2024-08-07	DL4MicEverywhere: deep learning for microscopy made flexible, shareable and reproducible 2024-Jun, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02295-6 PMID:38760611	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
810	2024-08-05	Predicting hematoma expansion using machine learning: An exploratory analysis of the ATACH 2 trial 2024-Jun-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2024.123048 PMID:38749281	研究论文	本文旨在利用深度学习算法构建分类模型，以预测脑出血患者的血肿扩展。	该研究首次使用深度学习算法预测血肿扩展，而不依赖于高级影像学特征。	该模型的AUC仅稍好于其他模型，需要更大且更具异质性的数据集来进一步构建和泛化模型。	研究的目的是预测脑出血患者中的血肿扩展。	研究对象为参与ATACH-2试验的脑出血患者。	机器学习	脑出血	深度学习算法	人工神经网络（ANN）	数据	1000名患者中924名具有完整参数
811	2024-08-05	Unraveling the Correlation between the Interface Structures and Tunable Magnetic Properties of La1-xSrxCoO3-δ/La1-xSrxMnO3-δ Bilayers Using Deep Learning Models 2024-Jun-12, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.3c18773 PMID:38780088	研究论文	本文探讨了La1-xSrxCoO3-δ/La1-xSrxMnO3-δ双层界面的结构与可调磁性之间的关系	该研究利用深度学习模型和大量模拟探索了层状钙钛矿氧化物双层的界面特性和磁性行为	文章中关于界面化学和物理特性的具体原子级组成尚未直接测得	研究钙钛矿氧化物双层界面的新设计原则，从而优化其在磁性和铁电器件中的应用	研究对象为LaSrCoO/LaSrMnO双层的氧缺陷率和锶浓度影响下的结构及磁性	材料科学	NA	第一性原理模拟、进化算法、神经网络搜索	深度学习模型	结构数据	超过50000个LSCO/LSMO双层结构
812	2024-08-05	Automated detection of steps in videos of strabismus surgery using deep learning 2024-Jun-10, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-024-03504-8 PMID:38853240	研究论文	本研究开发和验证了一种深度学习模型，用于自动检测斜视手术视频中的步骤	采用Transformer算法相比于RNN模型在识别视频步骤上表现更佳，展示了视频帧时空特征建模的优越性	可能存在视频数据集不够多样性以及仅限于特定医院的手术视频	提高斜视手术教学效果和住院医生表现评估的效率	479个斜视手术视频，这些视频被切割成3345个关于八个手术步骤的剪辑	计算机视觉	NA	深度学习	Transformer和RNN	视频	479个斜视手术视频，切割为3345个剪辑
813	2024-08-05	Unlocking the potential: T1-weighed MRI as a powerful predictor of levodopa response in Parkinson's disease 2024-Jun-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01690-z PMID:38853208	研究论文	本研究探讨了T1加权MRI对帕金森病患者左旋多巴反应的预测能力	本文首次使用深度学习模型提取T1w MRI特征，以预测帕金森病患者的左旋多巴反应，并且其鲁棒性优于传统临床信息	研究基于回顾性数据，可能存在数据偏倚	探索T1加权MRI在帕金森病患者左旋多巴反应预测中的潜力	帕金森病患者的MRI图像和临床特征数据	人工智能	帕金森病	深度学习	SVM, XgBoost, MLP	医学影像	436个记录（219个来自PPMI，217个来自瑞金医院的外部临床数据集）
814	2024-08-05	A deep image classification model based on prior feature knowledge embedding and application in medical diagnosis 2024-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63818-x PMID:38853158	研究论文	提出了一种基于先前特征知识嵌入的深度学习图像分类模型，应用于医学诊断	结合了先前特征知识嵌入和多尺度特征提取，使用RBPNN进行图像分类	对样本集的完整性要求较低，但可能影响分类特性	提高医学图像分类的准确性	脑肿瘤MRI图像和心脏超声图像数据集	计算机视觉	NA	深度学习，RBPNN	ResNet50	图像	脑肿瘤MRI数据集和心脏超声图像数据集，准确率分别为85.82%和83.92%
815	2024-08-05	Deep learning models for predicting the survival of patients with hepatocellular carcinoma based on a surveillance, epidemiology, and end results (SEER) database analysis 2024-06-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63531-9 PMID:38853169	研究论文	本研究基于SEER数据库分析建立了深度学习模型以预测肝细胞癌患者的生存率	提出了一个新的NMTLR深度学习模型，其预后评估和治疗建议可能优于传统线性模型	研究对象仅限于2011年至2015年在SEER数据库中确诊的肝细胞癌患者，可能影响结果的普遍性	旨在使用深度学习模型提高对肝细胞癌患者生存率的预测精准度	研究对象包括2197名在SEER数据库中确诊的肝细胞癌患者	机器学习	肝癌	深度学习	NMTLR	临床数据	2197名患者，其中训练队列1537名，测试队列660名
816	2024-08-05	Reduced field-of-view DWI based on deep learning reconstruction improving diagnostic accuracy of VI-RADS for evaluating muscle invasion 2024-Jun-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01686-9 PMID:38853219	研究论文	本研究调查了基于深度学习重建的缩小视野扩散加权成像(DWI)在评估膀胱癌肌肉浸润中的诊断准确性	采用深度学习重建技术的缩小视野DWI提高了诊断性能并减少了采集时间	未发现rFOV DWI与标准rFOV DWI在评估肌肉浸润的诊断准确性上存在差异	研究使用深度学习重建的缩小视野DWI是否能提高肌肉浸润评估的准确性	86名膀胱癌患者	数字病理学	膀胱癌	深度学习重建（DLR）	NA	影像	86名膀胱癌患者
817	2024-08-05	Establishment and preliminary application of personalized three-dimensional reconstruction of thyroid gland with automatic detection of thyroid nodules based on ultrasound videos 2024-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14332 PMID:38528686	研究论文	本研究旨在建立基于超声视频的甲状腺及甲状腺结节的三维重建方法	首次采用深度学习技术构建个性化的甲状腺三维模型，并结合自动检测技术	样本量较小，仅涉及20名患者和15名外科医生，可能影响结果的普遍性	评估基于二维超声视频的甲状腺三维重建方法的临床价值	甲状腺、甲状腺结节和颈总动脉	数字病理学	NA	超声	BC-UNet, MTN-Net, RDPA-U-Net	视频	20名患者和15名外科医生
818	2024-08-05	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	研究论文	本文提出了一种简单的深度学习U-Net框架，用于增强LED基础的光声成像的信噪比和对比度	提出了U-Net框架以提高低帧数平均获得的光声图像的信噪比，显著增强图像质量	存在模糊的结果和无法减少盐和胡椒噪声等缺点	研究提高光声成像系统中使用LED光源的图像质量	使用体外模型和体内模型进行的光声成像实验	数字病理学	NA	NA	U-Net	图像	涉及体外模型和体内模型的样本
819	2024-08-05	[Artificial intelligence-enhanced electrocardiography : Will it revolutionize diagnosis and management of our patients?] 2024-Jun, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-024-00997-0 PMID:38361131	研究论文	本文概述了人工智能增强心电图分析的当前进展及其潜在的临床革命。	引入了利用人工智能的新诊断选项，提高了传统心电图分析的准确性。	讨论了现有的局限性和医疗专业人员可能面临的挑战。	探讨人工智能在心电图分析中的应用及其对诊断和管理的影响。	焦点在于心电图的智能化分析及其在临床中的应用。	医学影像学	心脏病	心电图 (ECG)	深度学习	心电图数据	NA
820	2024-08-05	Research on runoff process vectorization and integration of deep learning algorithms for flood forecasting 2024-Jun, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.121260 PMID:38833924	研究论文	本文提出了一种径流过程向量化方法，并结合三种深度学习模型进行洪水预测	提出的径流过程向量化方法显著提高了深度学习洪水预测的准确性	模型在实际应用中可能受到数据质量和可用性的限制	研究多步洪水预测方法以优化洪水预防和水资源管理	对中黄河地区九个典型流域的洪水径流数据进行研究	机器学习	NA	深度学习	LSTM, TCN, Transformer	洪水径流数据	九个典型流域的数据