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
1021	2024-08-07	Annotation-free prediction of treatment-specific tissue outcome from 4D CT perfusion imaging in acute ischemic stroke 2024-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102376 PMID:38537536	研究论文	本文提出了一种新的深度学习方法，通过时间压缩直接从4D灌注扫描预测随访CT图像，以预测急性缺血性卒中的治疗特定组织结果，无需手动标注。	该方法无需灌注分析或动脉输入函数选择，通过时间压缩直接预测随访CT图像，实现了更直观和易于解释的预测结果。	NA	开发一种无需手动标注的深度学习方法，用于预测急性缺血性卒中的治疗特定组织结果，以支持临床决策。	急性缺血性卒中的治疗特定组织结果预测。	计算机视觉	急性缺血性卒中	深度学习	深度学习模型	4D CT灌注图像	45名接受溶栓治疗的患者和102名接受血栓切除术的患者
1022	2024-08-07	Physician Assistant Educators' Production Blueprint for Video Pedagogy 2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association DOI:10.1097/JPA.0000000000000592 PMID:38684095	研究论文	本文提出了一种基于认知负荷理论和实践蓝图的医师助理教育视频制作方法，旨在改进视频制作实践并提高学生学习效果	利用认知负荷理论和实践蓝图优化视频制作，以提高学生参与度和学习效果	NA	改进医师助理教育中的视频制作实践，以提升学习效果	医师助理教育中的视频制作方法	NA	NA	视频制作	NA	视频	NA
1023	2024-08-07	Prediction of visceral pleural invasion of clinical stage I lung adenocarcinoma using thoracoscopic images and deep learning 2024-Jun, Surgery today IF:1.7Q2 DOI:10.1007/s00595-023-02756-z PMID:37864054	研究论文	本研究利用胸腔镜图像和深度学习模型预测临床I期肺腺癌患者的脏层胸膜侵犯	本研究首次应用基于卷积神经网络和视觉变换器的深度学习模型，通过胸腔镜图像识别脏层胸膜侵犯	研究样本量较小，需要通过数据扩展来提高模型的临床应用性	开发和验证基于胸腔镜图像的深度学习模型在临床I期肺腺癌患者中识别脏层胸膜侵犯的应用	临床I期肺腺癌患者的脏层胸膜侵犯	机器学习	肺腺癌	深度学习	CNN, ViT	图像	训练集包含463张图像（VPI阴性：269张，VPI阳性：194张），验证集包含46张图像（VPI阴性：28张，VPI阳性：18张）
1024	2024-08-07	In silico prediction of ocular toxicity of compounds using explainable machine learning and deep learning approaches 2024-06, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4586 PMID:38329145	研究论文	本文利用可解释的机器学习和深度学习方法，开发了一种用于预测化合物眼部毒性的计算工具	通过结合政府GHS合规数据库和文献中的最大数据集（4901种化合物），使用12种分子表示和多种机器学习及深度学习算法，开发了高性能的二元分类模型	NA	旨在提高化学品眼部毒性的预测准确性，减少动物测试的使用	化学品的眼部毒性	机器学习	NA	机器学习和深度学习	GCN, RF-Descriptor	化合物数据	4901种化合物
1025	2024-08-07	The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students 2024-Jun-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118520 PMID:38401683	研究论文	本研究探讨了校园绿色空间对大学生身体活动和健康的影响，通过构建包括客观和主观绿色空间暴露指标的框架，使用空间分析、深度学习技术和无人机测量技术进行评估。	创新性地开发了一个从2D到3D的客观暴露评估框架，并结合主观暴露指标，如访问频率和感知质量，以更全面地评估绿色空间的影响。	研究为横断面研究，可能存在因果关系解释的局限性；且仅基于南京的大学生样本，结果的普遍性有待进一步验证。	旨在阐明校园绿色空间、身体活动与健康之间的复杂关系和机制，并为以健康为导向的校园绿色空间规划提供实际参考。	研究对象为南京的820名大学生，关注他们的居住环境和校园绿色空间暴露情况。	NA	NA	空间分析、深度学习技术、无人机测量技术	广义线性模型（GLM）、结构方程模型（SEM）	问卷调查数据	820名大学生
1026	2024-08-07	A robust transformer-based pipeline of 3D cell alignment, denoise and instance segmentation on electron microscopy sequence images 2024-Jun, Journal of plant physiology IF:4.0Q1 DOI:10.1016/j.jplph.2024.154236 PMID:38621330	研究论文	本文提出了一种基于深度学习的3D细胞对齐、去噪和实例分割的完整流程框架，用于从连续电子显微镜图像中重建植物组织	该框架包括五个阶段：图像注册、图像增强和去噪、基于Transformer的神经网络进行语义分割、基于超体素聚类的实例分割以及重建结果的自动分析和统计评估，提供了高精度和高计算效率的3D细胞重建	NA	研究植物细胞发育的定量分析，特别是从体细胞到生殖细胞命运转变的调控机制	植物细胞的超微结构及其在发育过程中的复杂形态变化	计算机视觉	NA	电子显微镜成像	Transformer	图像	使用了拟南芥花药的早期减数分裂阶段的植物组织数据集
1027	2024-08-07	Predicting dust pollution from dry bulk ports in coastal cities: A hybrid approach based on data decomposition and deep learning 2024-Jun-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.124053 PMID:38677458	研究论文	本文提出了一种基于数据分解和深度学习的混合方法，用于预测沿海城市干散货港口的粉尘污染	本文引入了港口运营数据作为输入特征，并采用二次分解与重组（SDR）策略减少数据非平稳性，同时使用基于双阶段注意力机制的序列到序列（DA-Seq2Seq）模型自适应选择相关特征并捕捉长期时间依赖	NA	旨在提高对干散货港口粉尘污染的预测准确性，以便及早识别风险并采取预防措施	沿海城市干散货港口的粉尘污染	机器学习	NA	深度学习	DA-Seq2Seq	时间序列数据	使用了来自中国北部一个干散货港口的数据集
1028	2024-08-07	Deep learning-based skin care product recommendation: A focus on cosmetic ingredient analysis and facial skin conditions 2024-Jun, Journal of cosmetic dermatology IF:2.3Q2 DOI:10.1111/jocd.16218 PMID:38411029	研究论文	本文提出了一种基于深度学习的方法，用于分析化妆品成分并结合AI皮肤分析，为消费者推荐个性化的护肤产品	本文创新地结合了深度神经网络和皮肤分析模型，以优化个人化的化妆品推荐	NA	旨在提出一种基于化妆品成分分析的个性化护肤产品推荐方法	化妆品成分分析和面部皮肤状况	机器学习	NA	深度学习	深度神经网络	图像	NA
1029	2024-08-07	Construction of deep learning-based convolutional neural network model for automatic detection of fluid hysteroscopic endometrial micropolyps in infertile women with chronic endometritis 2024-Jun, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.04.026 PMID:38703449	研究论文	本研究构建了一个基于深度学习的卷积神经网络（CNN）模型，用于自动检测不孕症女性慢性子宫内膜炎患者的宫腔镜液体检查中的子宫内膜微息肉（EMiP）。	本研究首次开发了一种基于深度学习的CNN模型，用于自动检测与慢性子宫内膜炎相关的子宫内膜微息肉，提供了一种更少侵入性的诊断系统。	NA	开发一种更少侵入性的诊断系统，用于慢性子宫内膜炎的诊断。	不孕症女性慢性子宫内膜炎患者的宫腔镜液体检查中的子宫内膜微息肉。	机器学习	不孕症	卷积神经网络（CNN）	CNN	图像	244名不孕症女性
1030	2024-08-07	Clinical outcome prediction with an automated EEG trend, Brain State of the Newborn, after perinatal asphyxia 2024-Jun, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2024.03.007 PMID:38583406	研究论文	本文评估了一种基于深度学习的全自动量化脑电图背景测量方法——新生儿脑状态（BSN），用于早期预测四岁时的临床结果。	BSN提供了一种自动、客观且连续的脑活动测量方法，揭示了脑恢复和结果预测的动态特性。	NA	评估BSN在早期预测新生儿临床结果中的效用。	80名连续新生儿在出生后几天的脑电图监测数据。	机器学习	NA	深度学习	NA	脑电图数据	80名新生儿，总共5427小时的数据
1031	2024-08-07	Deepm6A-MT: A deep learning-based method for identifying RNA N6-methyladenosine sites in multiple tissues 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.03.004 PMID:38485031	研究论文	本文提出了一种基于双向门控循环单元（Bi-GRU）和卷积神经网络（CNN）的改进方法Deepm6A-MT，用于预测RNA N6-甲基腺苷（m6A）修饰位点	Deepm6A-MT通过两个输入通道提高了预测准确性和效率，其中一个通道使用嵌入层后接Bi-GRU和CNN，另一个通道使用单热编码、二核苷酸单热编码和核苷酸化学性质编码	NA	开发一种新的深度学习方法，以提高RNA m6A修饰位点的预测性能	RNA m6A修饰位点	机器学习	NA	双向门控循环单元（Bi-GRU）和卷积神经网络（CNN）	Bi-GRU和CNN	RNA序列	NA
1032	2024-08-07	Deep learning methods in biomedical informatics 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.002 PMID:38588786	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1033	2024-08-07	DEEP-EP: Identification of epigenetic protein by ensemble residual convolutional neural network for drug discovery 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.004 PMID:38621436	研究论文	本文提出了一种基于深度学习的新模型，用于准确预测表观遗传蛋白（EP）	引入了基于深度学习的模型，结合DDE编码和ERCNN模型，实现了对EP的精确预测	NA	旨在通过深度学习技术加速表观遗传蛋白的研究和药物发现	表观遗传蛋白（EP）	机器学习	NA	深度学习	ERCNN	蛋白质序列	两个不同的数据集
1034	2024-08-07	Language model based on deep learning network for biomedical named entity recognition 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.013 PMID:38641084	研究论文	本文提出了一种基于BiLSTM-CRF架构的多任务学习框架，结合语言模型用于生物医学命名实体识别，通过差异化编码和多任务学习方法提高实体识别性能	模型使用语言模型设计差异化编码，获取动态词向量以区分不同数据集中的词汇，并通过多任务学习方法共享不同类型实体的动态词向量	深度学习方法需要大量训练数据，数据不足会影响模型识别性能	解决生物医学命名实体识别任务中多义词和数据不足的问题	生物医学文本中的命名实体	自然语言处理	NA	深度学习	BiLSTM-CRF	文本	四个典型训练集
1035	2024-08-07	Quantifying abnormal emotion processing: A novel computational assessment method and application in schizophrenia 2024-Jun, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115893 PMID:38657475	研究论文	本文介绍了一种使用深度学习技术从口语中快速评估情感处理的新方法，并在精神分裂症谱系障碍患者和健康对照组中进行了测试	提出了一种新的计算评估方法，利用深度学习从口语中估计情感处理，并引入了“情感对齐”（EA）这一新指标	需要进一步的验证工作来确认该方法的有效性和普遍性	开发一种自动化的方法来评估精神分裂症谱系障碍中的情感处理	精神分裂症谱系障碍患者和健康对照组的情感处理能力	机器学习	精神分裂症	深度学习	NA	口语	37名精神分裂症谱系障碍患者和51名健康对照组
1036	2024-08-07	A deep learning based multi-model approach for predicting drug-like chemical compound's toxicity 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.020 PMID:38702021	研究论文	本研究开发了多种深度学习模型，用于评估不同类型的化合物毒性，包括急性毒性、致癌性、hERG心脏毒性、肝毒性和致突变性	利用图卷积网络（GCN）回归模型和多个GCN二元分类模型，针对不同类型的毒性进行预测，并集成了这些模型到一个虚拟筛选流程中，以识别潜在的低毒性药物候选物	NA	通过早期和准确的化合物毒性预测，减少药物开发过程中的成本和风险	化学化合物的毒性预测	机器学习	NA	图卷积网络（GCN）	GCN	化合物数据	使用了批准的药物数据集来确定预测分数的适当阈值
1037	2024-08-07	Convolutional neural network allows amylose content prediction in yam (Dioscorea alata L.) flour using near infrared spectroscopy 2024-Jun, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.12825 PMID:37400424	研究论文	本研究利用近红外光谱技术结合卷积神经网络预测山药粉中的直链淀粉含量	首次使用卷积神经网络成功预测山药粉中的直链淀粉含量	PLS方法未能成功预测直链淀粉含量	验证卷积神经网络在预测山药粉直链淀粉含量方面的可靠性和效率	山药粉中的直链淀粉含量	机器学习	NA	近红外光谱技术	卷积神经网络	光谱数据	186份山药粉样品
1038	2024-08-07	Financial impact of incorporating deep learning reconstruction into magnetic resonance imaging routine 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111434 PMID:38520806	研究论文	本文评估了将深度学习重建算法应用于磁共振成像常规流程对财务影响的实用性和经济可行性	本文首次详细分析了深度学习重建算法在磁共振成像中的应用，相较于传统扩容方法，如增加扫描仪或提高周末设备利用率，能显著降低运营成本	NA	研究深度学习重建算法在磁共振成像中的应用对医院运营成本的影响	深度学习重建算法在磁共振成像中的应用	机器学习	NA	深度学习重建算法	深度学习	NA	涉及五台磁共振成像扫描仪
1039	2024-08-07	Deep learning reconstruction for turbo spin echo to prospectively accelerate ankle MRI: A multi-reader study 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111451 PMID:38593573	研究论文	评估深度学习重建技术在加速踝关节磁共振成像中的应用效果	深度学习重建技术（DLR-TSE）在踝关节MRI中显著缩短了采集时间，同时提高了图像质量并减少了伪影和噪声	NA	评估深度学习重建技术在踝关节MRI中的应用效果	踝关节MRI的采集时间、图像质量和病变检测能力	计算机视觉	NA	深度学习重建技术（DLR-TSE）	NA	图像	56名患者
1040	2024-08-07	Thin-slice elbow MRI with deep learning reconstruction: Superior diagnostic performance of elbow ligament pathologies 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111471 PMID:38636411	研究论文	本研究比较了1毫米切片厚度的MRI与深度学习重建（DLR）和3毫米切片厚度的MRI在肘部肌腱和韧带病理诊断中的图像质量和诊断性能	使用深度学习重建技术提高了1毫米切片厚度MRI在诊断肘部肌腱和韧带病理中的性能	研究为回顾性研究，且样本量较小	评估不同切片厚度和深度学习重建技术对肘部MRI图像质量和诊断性能的影响	肘部肌腱和韧带的病理	计算机视觉	NA	MRI	深度学习重建（DLR）	图像	53名患者