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
1061	2024-08-07	Consistent and effective method to define the mouse estrous cycle stage by a deep learning-based model 2024-Jun-01, The Journal of endocrinology IF:3.4Q2 DOI:10.1530/JOE-23-0204 PMID:38593833	研究论文	本文提出了一种基于深度学习模型的方法，用于准确且可重复地确定小鼠动情周期的阶段	开发了一种使用深度卷积神经网络（CNN）的模型，通过像素级多类语义分割从171个苏木精染色的样本中提取图像特征，实现了对小鼠动情周期阶段的自动分类	由于M阶段时间短且不易由研究人员定义，CNN对M阶段的识别存在挑战，且缺乏适当的基准真相	开发一种可靠且有效的方法来分类小鼠动情周期的阶段	小鼠动情周期的四个阶段：发情前期（P）、发情期（E）、发情后期（M）和间情期（D）	机器学习	NA	深度卷积神经网络（CNN）	CNN	数字全玻片图像（WSIs）	171个苏木精染色的样本用于训练，148个幻灯片用于验证
1062	2024-08-07	Advanced deep learning-based image reconstruction in lumbar spine MRI at 0.55 T - Effects on image quality and acquisition time in comparison to conventional deep learning-based reconstruction 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100567 PMID:38711678	研究论文	评估在0.55T腰椎MRI中使用优化深度学习图像后处理技术对图像质量和采集时间的影响	采用先进的深度学习后处理技术（ADLR）在0.55T腰椎MRI中显著提高图像质量并减少采集时间	对于脊髓管和神经孔的可评估性，评估者间的一致性为中等	评估在0.55T腰椎MRI中使用深度学习后处理技术对图像质量和采集时间的影响	18名患者的腰椎MRI图像	计算机视觉	NA	深度学习	NA	图像	18名患者
1063	2024-08-07	ASOptimizer: Optimizing antisense oligonucleotides through deep learning for IDO1 gene regulation 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102186 PMID:38706632	research paper	本文介绍了一种基于深度学习的平台ASOptimizer，用于高效且低成本地设计反义寡核苷酸（ASOs），以优化IDO1基因的调控	ASOptimizer不仅选择最有效的mRNA靶点，还优化化学修饰以增强性能	NA	开发一种高效且低成本的方法来设计反义寡核苷酸，用于癌症治疗	IDO1 mRNA的反义寡核苷酸设计	machine learning	NA	deep learning	NA	sequence	NA
1064	2024-08-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	本文提出了一种基于图自编码器（GAE）的FMSRT-LPI模型，用于预测长非编码RNA与蛋白质的相互作用（LPI）	首次将路径掩蔽和度回归策略集成到GAE框架中，用于潜在的LPI推断	NA	准确预测长非编码RNA与蛋白质的相互作用，以阐明lncRNA的功能和致病机制	长非编码RNA与蛋白质的相互作用	生物信息学	NA	图自编码器（GAE）	GAE	网络数据	多个公共数据集
1065	2024-08-07	Evaluation of Deep Learning Clinical Target Volumes Auto-Contouring for Magnetic Resonance Imaging-Guided Online Adaptive Treatment of Rectal Cancer 2024-Jun, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101483 PMID:38706833	研究论文	本文提出并应用了一个全面的框架，用于评估深度学习在直肠癌患者MRI引导在线自适应放疗中自动勾画临床目标体积（CTV）的性能和临床可用性。	本文创新地提出了一种全面的评估框架，用于验证深度学习自动勾画CTV的准确性和临床信任度。	尽管模型在专家修正后性能与观察者间变异相当，但仍引入了一定的偏差，尽管对临床实践影响不大。	旨在评估深度学习在直肠癌放疗中自动勾画CTV的性能和临床应用潜力。	研究对象为接受MRI引导在线自适应放疗的直肠癌患者。	机器学习	直肠癌	深度学习	nnU-Net	图像	44名直肠癌患者
1066	2024-08-07	UIdataGB: Multi-Class ultrasound images dataset for gallbladder disease detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110426 PMID:38708300	research paper	本文介绍了一个大型数据集UIdataGB，包含10,692张高分辨率的胆囊超声图像，用于胆囊疾病检测。	该研究首次提供了一个开放访问的胆囊器官超声图像数据集，有助于推动计算机辅助诊断胆囊疾病的研究。	由于是首次提供此类数据集，可能存在数据集质量和可用性方面的限制。	旨在通过提供一个大型胆囊超声图像数据集，推动医学影像领域的发展，改善患者治疗。	研究对象包括1,782名个体的胆囊超声图像，涵盖多种胆囊疾病类型。	computer vision	胆囊疾病	NA	NA	image	10,692张胆囊超声图像，来自1,782名个体
1067	2024-08-07	Bangla_MER: A unique dataset for Bangla mathematical entity recognition 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110407 PMID:38708312	research paper	本文介绍了一个新的孟加拉语数学实体识别数据集Bangla_MER，包含13,717条记录	孟加拉语数学实体识别领域的新颖性，以及首个公开可用的数据集	NA	促进孟加拉语数学实体的识别和相关研究	孟加拉语中的数学实体，包括数学运算符、著名数学术语和操作数	自然语言处理	NA	NA	NA	文本	13,717条记录
1068	2024-08-08	Tea leaf age quality: Age-stratified tea leaf quality classification dataset 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110462 PMID:38711743	研究论文	本文介绍了“茶叶叶片年龄质量”数据集，这是一个用于基于叶片年龄进行茶叶分类、检测和质量预测的创新农业和机器学习资源。	该数据集首次系统地根据年龄质量标准将茶叶叶片分为四个不同类别，并提供了原始、未注释和增强的数据，以促进高级研究。	NA	旨在通过提供详细的年龄分层茶叶叶片分类，推动农业领域的技术进步。	茶叶叶片的分类和质量评估。	机器学习	NA	深度学习	NA	图像	2208张原始图像