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
861	2024-08-05	A Siamese deep learning framework for efficient hardware Trojan detection using power side-channel data 2024-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62744-2 PMID:38844523	研究论文	本文提出了一种新颖的Siamese神经网络框架来检测硬件特洛伊木马	采用了非侵入性的电源侧信道信号处理，且不需要IC的黄金模型	研究中没有提到实际应用中的复杂环境或其他类型的攻击	提高集成电路安全性，检测隐藏的硬件特洛伊木马	使用从Trojan Power & EM Side-Channel数据集中提取的特征进行训练	计算机视觉	NA	电源侧信道信号处理	SNN, LSTM, GRU, CNN	信号数据	使用Trojan Power & EM Side-Channel数据集的样本
862	2024-08-05	Exploring potential circRNA biomarkers for cancers based on double-line heterogeneous graph representation learning 2024-Jun-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02564-6 PMID:38844961	研究论文	本研究提出了一种新的方法CDA-DGRL，用于预测circRNA-疾病关联	该方法通过图网络和双线表示模型整合图节点特征，实现了对局部和全局图网络结构的有效捕捉，解决了现有模型在稀疏局部结构信息利用上的局限性	该研究可能受到现有生物数据稀疏性的限制，尽管提出了方法来缓解这一问题	本研究旨在可靠地识别circRNA-疾病关联，以减少传统生物实验的需求	该研究的对象是circRNA和疾病之间的关联	数字病理学	NA	深度学习框架，图神经网络	图卷积神经网络	生物信息数据	通过对circR2Disease数据集进行五折交叉验证获得结果
863	2024-08-07	Author Correction: Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs 2024-Jun-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49184-2 PMID:38844459	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
864	2024-08-05	Choroidalyzer: An Open-Source, End-to-End Pipeline for Choroidal Analysis in Optical Coherence Tomography 2024-Jun-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.6.6 PMID:38833259	研究论文	本文开发了一个开源的全自动管道Choroidalyzer，用于光学相干层析中的脉络膜分析	Choroidalyzer通过自动化方法提高了脉络膜、血管和中心凹分割的准确性，是一种客观和标准化的分析工具	本文未涉及不同成像设备和系统疾病对结果的潜在影响	本研究的目的是开发一个脉络膜分析的开源管道	本文的研究对象包括233名受试者，涉及6个系统性疾病队列	数字病理学	NA	OCT	U-Net	图像	5600个OCT B扫描
865	2024-08-05	Label-free white blood cells classification using a deep feature fusion neural network 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31496 PMID:38845979	研究论文	本文提出了一种基于深度特征融合神经网络的无标记白细胞分类方法	该研究创新性地结合了浅层提取的低级特征和深层提取的高级特征用于无标记白细胞检测	目前的深度学习白细胞分类技术在显微镜下无法有效利用白细胞内部结构的微妙差异	旨在通过深度学习改进无标记白细胞图像分析方法	研究对象为白细胞的图像分析和分类	数字病理学	NA	深度学习	深度特征融合神经网络	图像	测试集上准确度达到80.3%
866	2024-08-05	RhizoNet segments plant roots to assess biomass and growth for enabling self-driving labs 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63497-8 PMID:38839814	研究论文	本文介绍了RhizoNet，一个基于深度学习的工作流程，用于语义分割植物根系扫描	RhizoNet通过残差U-Net架构提高预测准确性，并采用凸包操作划分主要根系组件	自动分析因根系结构复杂和图像背景噪声而变得困难	准确分割根系生物量并监测其随时间的生长	生长在名为EcoFAB的水培系统中的植物根系	数字病理学	NA	深度学习	残差U-Net	彩色扫描图像	上千张图像
867	2024-08-05	AMP-RNNpro: a two-stage approach for identification of antimicrobials using probabilistic features 2024-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63461-6 PMID:38839785	研究论文	本研究提出了一种基于RNN的AMP-RNNpro模型用于识别抗菌肽（AMPs）	引入了一种创新的两阶段模型AMP-RNNpro，结合了多种特征编码方法来提高抗菌肽的检测效率	未提及具体的局限性	旨在提高抗菌肽的识别效率，以应对抗生素抗药性问题	研究抗菌肽（AMPs）的识别	机器学习	NA	深度学习	RNN	NA	分析了33个模型并选取了6个最佳模型
868	2024-08-05	Vortex-like vs. turbulent mixing of a Viscum album preparation affects crystalline structures formed in dried droplets 2024-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63797-z PMID:38839929	研究论文	研究了不同混合方法对干燥液滴中晶体结构的影响	展示了涡流混合与湍流混合对晶体模式复杂度的不同影响	未提及具体的样本大小和实验重复性	探索液体流动对同源制备过程的影响	分析不同混合方式下的Viscum album制备品	数字病理学	NA	微滴蒸发法、计算机支持的图像分析、深度学习	NA	图像	NA
869	2024-08-05	High-Throughput Single-Entity Electrochemistry with Microelectrode Arrays 2024-Jun-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01092 PMID:38780285	研究论文	本文描述了一种自动化的阵列微电池方法用于微纳米电极阵列分析	该研究创新地应用了AMCM于高通量单体电化学，并使用U-Net深度学习模型分析碰撞瞬态大小	实验中对溶剂蒸发影响的研究可能未涵盖所有变量	研究微电极阵列在单实体电化学中的应用	研究对象为不同直径（100 nm至2 μm）的电极和纳米颗粒的碰撞事件	电化学	NA	阵列微电池法（AMCM）	U-Net	实验数据	记录了来自671个电极的3270个单颗粒事件
870	2024-08-05	Multi-task aquatic toxicity prediction model based on multi-level features fusion 2024-Jun-04, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.06.002 PMID:38844122	研究论文	本文提出了一个基于多级特征融合的多任务水生毒性预测模型ATFPGT-multi	创新点在于将分子指纹和分子图结合，以多任务深度神经网络框架同时预测不同鱼类的急性毒性	未提及具体的限制	研究有机化合物在不同水生物中的毒性预测	四种不同鱼类的急性毒性	数字病理学	NA	深度学习	深度神经网络	实验数据集	四个鱼类数据集
871	2024-08-05	Assessing the Efficacy of Synthetic Optic Disc Images for Detecting Glaucomatous Optic Neuropathy Using Deep Learning 2024-Jun-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.6.1 PMID:38829624	研究论文	本文评估了合成视神经盘图像在深度学习中识别青光眼性视神经病变的有效性	创新点在于使用对抗生成网络（DCGAN）生成高质量的视神经盘图像，从而提高青光眼的检测精度	虽然模型在合成数据上表现良好，但仍需更多验证以确认其在临床环境中的实施效果	本研究旨在开发和评估能够有效识别青光眼性视神经病变的深度学习模型	研究对象为使用DCGAN生成的合成视神经盘图像及真实的临床图像	计算机视觉	青光眼	深度卷积生成对抗网络（DCGAN）	未指定具体模型	图像	总共使用了17,060幅基金镜图像，其中包括6874幅青光眼和10,186幅健康图像
872	2024-08-05	Electrotransfer for nucleic acid and protein delivery 2024-Jun, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2023.11.009 PMID:38102019	综述	本文探讨了电转移在生物技术中的应用，尤其是在核酸和蛋白质的传递方面	文章强调了电转移在纳米技术和深度学习技术的结合下克服传统电穿孔的局限性	研究中可能对传统电转移技术的局限性分析不够全面	研究电转移在生物医学中的应用及其前沿领域	探讨核酸和蛋白质在免疫细胞和干细胞及其前体细胞中的电转移	生物技术	NA	电转移	NA	临床试验数据	NA
873	2024-08-05	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	本研究旨在确定医学影像衍生的身体成分是否有助于评估组织层面的生物年龄	使用深度学习模型构建的组织年龄估算模型结合了六种身体成分生物标志物	本研究样本仅限于一定地理区域，可能影响结果的普遍性	评估医学影像在组织层面生物年龄评估中的应用	4900名20至89岁、接受腹部CT扫描的人群	数字病理学	心血管疾病	CT扫描	深度学习模型	医学影像数据	4900名样本
874	2024-08-05	Assistive tools for classifying neurological disorders using fMRI and deep learning: A guide and example 2024-Jun, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3554 PMID:38841732	研究论文	本文介绍了结合fMRI和深度学习的辅助工具，用于分类神经疾病	本文提供了一些流行的深度学习和fMRI辅助工具的入门指南，并展示了使用这些工具的自闭症谱系障碍分类模型的实例	缺乏对非专业群体如学生和临床医生使用的模型设计，限制了其临床应用和推广	旨在提高fMRI和深度学习管道在神经疾病诊断中的可及性和实用性	自闭症谱系障碍（ASD）分类模型	计算机视觉	神经疾病	fMRI, 深度学习	卷积神经网络	图像	NA
875	2024-08-05	Deep learning-based automated scan plane positioning for brain magnetic resonance imaging 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1740 PMID:38846304	研究论文	本文提出了一种基于深度学习的自动扫描平面定位框架，用于脑部磁共振成像	本研究结合了物理知识，开发了一种新的深度学习框架，以提高脑部MRI扫描的定位准确性和效率	未提及具体的时间和空间限制，以及模型在其他类型MRI扫描的适用性	旨在开发一种有效、可靠且精确的自动化头部扫描平面定位方法	采用229个临床脑部MRI扫描进行研究	计算机视觉	NA	深度学习	级联3D卷积神经网络	图像	229个MRI头部扫描
876	2024-08-05	Automated detection and classification of coronary atherosclerotic plaques on coronary CT angiography using deep learning algorithm 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1513 PMID:38846308	研究论文	本研究评估了深度学习算法在冠状动脉计算机断层血管成像中检测和分类冠状动脉粥样硬化斑块的性能	本研究展示了深度学习算法在CAD斑块检测和分类上的高敏感性和准确性，这为初级放射科医师和介入心脏病学家提供了支持	限制在于回顾性分析和样本的临床经验差异	评估深度学习算法在冠状动脉疾病中检出和分类粥样硬化斑块的能力	669名怀疑患有冠状动脉疾病的患者的CCTA图像	数字病理学	心血管疾病	深度学习算法	NA	图像	669名患者
877	2024-08-05	Pixelwise Gradient Model for Image Fusion (PGMIF): a multi-sequence magnetic resonance imaging (MRI) fusion model for tumor contrast enhancement of nasopharyngeal carcinoma 2024-Jun-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1559 PMID:38846293	研究论文	本研究提出了一种新的图像融合方法PGMIF，用于增强鼻咽癌的MRI肿瘤对比度	创新性地结合了基于像素梯度的图像融合和生成对抗网络(GAN)来提升肿瘤对比度	研究仅基于80例鼻咽癌患者的MRI数据，可能限制了方法的普适性	改善鼻咽癌患者MRI图像中的肿瘤对比度	80例鼻咽癌患者的T1加权和T2加权MRI图像	数字病理学	鼻咽癌	MRI	生成对抗网络(GAN)	图像	80例
878	2024-08-05	Simultaneous determination of pigments of spinach (Spinacia oleracea L.) leaf for quality inspection using hyperspectral imaging and multi-task deep learning regression approaches 2024-Jun-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101481 PMID:38840724	研究论文	本研究利用高光谱成像和多任务深度学习回归方法同时测定菠菜叶中的色素含量以进行质量检测	结合高光谱成像和多任务学习方法，可以同时预测菠菜的多个质量属性	仅限于在特定的存储条件下进行实验，可能不适用于所有情况	快速准确地测定菠菜叶中的色素含量以进行质量检查	不同存储条件下的菠菜叶，主要测定其叶绿素和类胡萝卜素的含量	数字病理	NA	高光谱成像	卷积神经网络(CNN)	图像	不同存储条件下的菠菜样本，具体样本数量未提供
879	2024-08-05	Nuclei-level prior knowledge constrained multiple instance learning for breast histopathology whole slide image classification 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109826 PMID:38832012	研究论文	提出了一种基于核级先验知识约束的多实例学习方法用于乳腺全切片图像分类	NPKC-MIL方法结合了转移学习、聚焦池化和K-NN算法，提升了深度学习模型的可解释性与分类精度	缺乏对其他类型癌症的适用性验证	改进乳腺癌全切片图像的分类精度和可解释性	乳腺癌患者的全切片组织图像	数字病理学	乳腺癌	转移学习, K-NN	NA	图像	NA
880	2024-08-05	A deep learning approach based on graphs to detect plantation lines 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31730 PMID:38841473	研究论文	提出了一种基于图的深度学习方法来检测农业景观中的种植线	使用图建模考虑每个植物位置作为顶点，形成边，并基于三个概率分类边来进行种植线检测	方法的表现可能在复杂的种植模式中仍然存在挑战	开发一种自动检测种植线的深度学习方法	农业航拍图像中的玉米、橙子和桉树种植线	计算机视觉	NA	深度学习	VGG16	图像	涉及玉米、橙子和桉树的多个样本