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
481	2024-08-16	A deep learning-based real-time hypothermia and hyperthermia monitoring system with a simple body sensor 2024-Jul, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine DOI:10.1177/09544119241266375 PMID:39104260	研究论文	本文介绍了一种基于卷积神经网络（CNN）的实时低温与高温监测系统，该系统使用简单的身体传感器	利用3D打印的热变色材料作为传感器，并通过颜色变化特性实现温度变化的视觉监测	NA	开发一种能够实时监测人体低温与高温的系统	低温与高温的实时监测	机器学习	NA	3D打印	CNN	图像	510张图像数据，涵盖28-44°C的温度范围
482	2024-08-16	Screening Tool for Paroxysmal Atrial Fibrillation Based on a Deep-Learning Algorithm Using Printed 12-Lead Electrocardiographic Records during Sinus Rhythm 2024-Jul, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2507242 PMID:39139435	research paper	本研究开发了一种基于深度学习算法的筛查工具，用于检测使用打印的12导联心电图记录在窦性心律下的阵发性房颤	本研究首次探索了使用打印的心电图记录进行房颤检测的实用性，特别是在发展中国家	NA	评估基于人工智能的筛查工具在打印的窦性心律心电图记录中检测阵发性房颤的有效性	2192名患者在2011年5月至2022年8月期间在北京朝阳医院接受治疗的5688份打印的12导联窦性心律心电图记录	machine learning	心血管疾病	深度学习算法	NA	打印的心电图记录	2192名患者，5688份打印的12导联窦性心律心电图记录
483	2024-08-16	Artificial intelligence at the pen's edge: Exploring the ethical quagmires in using artificial intelligence models like ChatGPT for assisted writing in biomedical research 2024 Jul-Sep, Perspectives in clinical research DOI:10.4103/picr.picr_196_23 PMID:39140014	综述	本文探讨了在生物医学研究中使用如ChatGPT这样的人工智能模型进行辅助写作时的伦理问题	NA	当前所有AI模型如ChatGPT处于初级阶段，存在生成内容不准确、缺乏上下文理解、知识动态差距、辨别能力有限、缺乏责任和问责、隐私问题、数据安全、透明度和偏见、缺乏细微差别和原创性等问题	旨在阐明在医疗保健和医学领域使用ChatGPT等AI模型进行写作辅助的伦理关切	ChatGPT等AI模型在辅助写作中的应用及其伦理问题	自然语言处理	NA	深度学习	ChatGPT	文本	NA
484	2024-08-15	MPEK: a multitask deep learning framework based on pretrained language models for enzymatic reaction kinetic parameters prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae387 PMID:39129365	研究论文	本文提出了一种基于预训练语言模型的多任务深度学习框架MPEK，用于预测酶促反应动力学参数	MPEK模型在预测酶促反应动力学参数kcat和Km时，考虑了pH、温度和生物体信息，并展示了优于先前模型的预测性能	NA	提高酶促反应动力学参数预测的准确性	酶促反应动力学参数kcat和Km	机器学习	NA	深度学习	多任务深度学习模型	文本	使用相同的kcat和Km测试数据集进行验证
485	2024-08-14	Models for depression recognition and efficacy assessment based on clinical and sequencing data 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33973 PMID:39130405	研究论文	本研究利用临床量表评估和测序数据构建疾病预测模型，通过深度学习算法有效区分抑郁症患者与健康对照	本研究结合临床和测序数据，利用深度学习算法构建抑郁症识别和疗效评估模型，提供了一种客观准确的诊断和药效预测方法	NA	开发基于临床和测序数据的抑郁症识别和疗效评估模型	抑郁症患者和健康对照	机器学习	抑郁症	测序	深度学习	临床数据和测序数据	18个差异显著的特征用于构建抑郁症识别模型，33个特征用于构建治疗后2周的疗效预测模型
486	2024-08-14	Scientific paper recommender system using deep learning and link prediction in citation network 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34685 PMID:39130403	研究论文	本研究结合内容分析和引用网络，设计了一个用于科学文章推荐的系统（RECSA），利用自然语言处理和深度学习技术处理标题并提取文章内容属性，同时使用链接预测方法分析科学文章的引用网络，最终通过结合内容和引用相似性矩阵进行推荐	本研究的创新点在于结合了内容分析和引用网络，使用TF-IDF和CNN分析基于内容的特征，并整合引用和基于内容的数据，提高了推荐的准确性和效率	NA	设计一个高效的科学文章推荐系统	科学文章的推荐	自然语言处理	NA	自然语言处理，深度学习	CNN	文本	NA
487	2024-08-14	A deep learning drug screening framework for integrating local-global characteristics: A novel attempt for limited data 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34244 PMID:39130417	研究论文	本文提出了一种基于卷积神经网络的药物筛选模型LGCNN，该模型能够整合药物分子结构和药物-靶点相互作用的局部和全局特征，用于在数据有限的情况下进行快速药物筛选	LGCNN模型在有限数据下表现出比其他先进分类方法更好的性能，并且能够预测多靶点药物-靶点相互作用，超越了传统模型仅预测单一药物靶点相互作用的局限	NA	解决在“Disease X”疫情初期药物发现和开发中数据不足和不平衡的问题，最大化有限数据的信息价值	药物分子结构和药物-靶点相互作用	机器学习	NA	CNN	CNN	数据	NA
488	2024-08-14	PD-DETECTOR: A sustainable and computationally intelligent mobile application model for Parkinson's disease severity assessment 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34593 PMID:39130458	research paper	本文介绍了一种基于移动云的预测模型，用于辅助帕金森病（PD）患者的病情评估	该模型利用智能手机收集语音样本，并通过混合深度学习模型分析数据，以估计PD症状的严重程度	NA	开发一种可持续且计算智能的移动应用模型，用于帕金森病严重程度评估	帕金森病患者	machine learning	帕金森病	混合深度学习模型	混合深度学习模型	语音数据	使用UCI帕金森远程监测语音数据集进行训练
489	2024-08-14	Craniomaxillofacial landmarks detection in CT scans with limited labeled data via semi-supervised learning 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34583 PMID:39130473	研究论文	本文开发了一种半监督学习模型CephaloMatch，用于在有限标记数据的条件下检测颅颌面CT扫描中的地标点	提出的半监督学习模型通过强弱扰动一致性框架和头部位置校正技术，提高了标记和未标记数据集之间的一致性	NA	旨在减少医学专业人员的工作量并提高三维头影分析的准确性	颅颌面CT扫描中的地标点检测	计算机视觉	NA	半监督学习	半监督学习模型	CT扫描图像	使用了362个颅颌面CT扫描数据，包括60个训练集、14个验证集和288个未标记集
490	2024-08-14	Compositional transferability of deep learning potentials: a case study for LiCl-KCl melt 2024-Jul-26, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-024-06084-y PMID:39060545	研究论文	本文研究了深度学习势能在LiCl-KCl熔融混合物中成分转移的可行性	模型展示了显著的非直觉成分转移能力，能够预测远离参考成分的熔体的物理化学性质	NA	探讨机器学习势能在多组分系统中的成分转移性	LiCl-KCl熔融混合物的成分转移性	机器学习	NA	密度泛函理论	神经网络	物理化学性质数据	训练数据集仅使用了60% LiCl-40% KCl的近共晶成分
491	2024-08-14	EEG-Oriented Self-Supervised Learning With Triple Information Pathways Network 2024-Jul-08, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3410844 PMID:38976458	研究论文	本文提出了一种面向脑电图（EEG）的自监督学习方法和一种新的深度架构，用于学习丰富的表示，包括神经振荡的多样化频谱特性、电极传感器分布的空间属性以及全局和局部视角的时间模式	本文引入了三重信息路径网络，结合自监督学习策略和特征归一化方法，有效解决了EEG信号的内在和外在变异性问题	NA	旨在改进基于深度学习的脑电图分析和解码方法，以更好地监测用户的临床状况和识别其意图/情绪	脑电图信号的频谱、空间和时间特性	机器学习	NA	自监督学习	三重信息路径网络	脑电图信号	四个公开可用的数据集
492	2024-08-14	Deep learning for accelerated and robust MRI reconstruction 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01173-8 PMID:39042206	综述	本文综述了深度学习在磁共振成像（MRI）重建中的最新进展，重点介绍了各种深度学习方法和架构，旨在提高图像质量、加速扫描并解决数据相关挑战	探讨了端到端神经网络、预训练和生成模型以及自监督方法，强调了它们在克服传统MRI限制方面的贡献	讨论了当前深度学习在MRI重建中的成功、局限以及未来发展方向	利用深度学习技术优化MRI重建，以显著影响临床影像实践	磁共振成像（MRI）重建	计算机视觉	NA	深度学习（DL）	神经网络	图像	NA
493	2024-08-14	A Deep Learning-Based Assessment Pipeline for Intraepithelial and Stromal Tumor-Infiltrating Lymphocytes in High-Grade Serous Ovarian Carcinoma 2024-07, The American journal of pathology DOI:10.1016/j.ajpath.2024.02.016 PMID:38537936	研究论文	本研究开发了两个卷积神经网络模型，用于检测和确定高级别浆液性卵巢癌患者全切片图像中肿瘤浸润淋巴细胞（TILs）的空间位置，并建立了一个空间评估流程，客观量化上皮内和间质TILs	本研究首次使用深度学习技术客观量化上皮内和间质TILs，并根据TILs密度将患者分为三种免疫表型，为个性化治疗提供了新的评估方法	NA	开发一种新的评估方法，用于客观量化高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs），并探索其在临床个性化治疗中的应用潜力	高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs）	机器学习	卵巢癌	卷积神经网络（CNN）	CNN	图像	多个队列的高级别浆液性卵巢癌患者
494	2024-08-14	Multimodal Cardiac Imaging Revisited by Artificial Intelligence: An Innovative Way of Assessment or Just an Aid? 2024-Jul, Cureus DOI:10.7759/cureus.64272 PMID:39130913	综述	本文综述了人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的影响	人工智能，尤其是机器学习和深度学习，显著提升了心脏诊断能力，如无创冠状动脉疾病诊断、心律失常检测及个性化治疗策略	仍需解决数据标准化、算法验证、监管批准及伦理问题等挑战	探讨人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的贡献	人工智能在心脏影像中的应用及其对心血管疾病诊断的影响	计算机视觉	心血管疾病	机器学习, 深度学习	NA	影像	NA
495	2024-08-13	Deep Learning Based Automatic Left Ventricle Segmentation from the Transgastric Short-Axis View on Transesophageal Echocardiography: A Feasibility Study 2024-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14151655 PMID:39125530	研究论文	本研究评估了基于深度学习的U-Net算法在经食管超声心动图（TEE）中自动分割左心室的可行性	本研究首次探索了使用深度学习技术自动分割TEE图像中的左心室，特别是使用了四种不同的U-Net变体模型	研究数据仅来自451名患者，且时间跨度有限，可能影响模型的泛化能力	评估深度学习在TEE图像中自动分割左心室的可行性	研究对象为经食管超声心动图中的左心室图像	计算机视觉	心血管疾病	深度学习	U-Net, Attention U-Net, UNet++, UNeXt	图像	1388个TSV图像来自451名患者
496	2024-08-13	Deep Learning and Histogram-Based Grain Size Analysis of Images 2024-Jul-30, Sensors (Basel, Switzerland) DOI:10.3390/s24154923 PMID:39123970	研究论文	本文提出了一种结合直方图层的深度学习模型，用于分析具有模糊边缘和不规则排列的沉积模拟实验（SSE）图像的粒度分析	该方法通过使用ResNet18提取特征并结合直方图层，提高了对不规则粒度分布图像的分析效率和准确性	NA	提高沉积模拟实验中粒度分析的量化和自动化水平	沉积模拟实验图像中的粒度大小和分布	计算机视觉	NA	深度学习	ResNet18	图像	未具体说明
497	2024-08-13	Hybrid Twins Modeling of a High-Level Radioactive Waste Cell Demonstrator for Long-Term Temperature Monitoring and Forecasting 2024-Jul-30, Sensors (Basel, Switzerland) DOI:10.3390/s24154931 PMID:39123978	研究论文	本文探讨了利用混合双胞胎模型对高级别放射性废物储存单元进行长期温度监测和预测的挑战与应用	本文引入了混合双胞胎模型，结合数值模拟和在线传感器测量数据，以预测和监测放射性废物储存单元的长期物理变化	数据质量问题、现实数据的复杂性以及模型复杂度的平衡是本文面临的主要挑战	评估放射性废物储存单元在关闭阶段是否按照预期轨迹进行	高级别放射性废物储存单元的长期温度监测和预测	机器学习	NA	机器学习和深度学习方法	混合双胞胎模型	数值模拟数据和在线传感器测量数据	具体样本数量未在摘要中提及
498	2024-08-13	Enhancing UWB Indoor Positioning Accuracy through Improved Snake Search Algorithm for NLOS/LOS Signal Classification 2024-Jul-29, Sensors (Basel, Switzerland) DOI:10.3390/s24154917 PMID:39123964	研究论文	本研究通过改进的蛇搜索算法优化非视距/视距信号分类，提高超宽带室内定位精度	引入混沌映射进行种群初始化，并结合基于减法平均的优化器与动态探索概率改进蛇搜索算法，优化反向传播神经网络的初始权重和阈值	NA	解决非视距误差对超宽带室内定位精度的影响，有效区分视距与非视距信号	超宽带室内定位中的非视距/视距信号分类	计算机视觉	NA	反向传播神经网络	BP神经网络	信号	NA
499	2024-08-13	Improving Nowcasting of Intense Convective Precipitation by Incorporating Dual-Polarization Radar Variables into Generative Adversarial Networks 2024-Jul-28, Sensors (Basel, Switzerland) DOI:10.3390/s24154895 PMID:39123942	研究论文	本文通过将双偏振雷达变量融入生成对抗网络，改进了强对流降水的临近预报	提出了一种对抗自回归网络（AANet），采用两阶段生成器和结构相似性损失（SSIM损失）以及两阶段对抗（Tadv）策略，以生成更真实且高度相似的生成数据	深度学习模型在临近预报方法中存在进化方法容易在迭代过程中累积误差和自回归模型的“回归到平均”问题导致的“模糊”现象	提高强对流降水的临近预报准确性，以防止由强对流降水引起的重大经济损失和人员伤亡	强对流降水的临近预报	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	雷达数据	未具体说明
500	2024-08-13	Developing a Semi-Supervised Approach Using a PU-Learning-Based Data Augmentation Strategy for Multitarget Drug Discovery 2024-Jul-28, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25158239 PMID:39125808	研究论文	本研究开发了一种基于PU学习的数据增强策略的半监督方法，用于多靶点药物发现	引入了一种新的半监督学习框架——负增强PU集成SVM（NAPU-bagging SVM），该方法能够在保持高召回率的同时管理误报率	NA	探索机器学习（ML）和深度学习（DL）方法与分子表示和数据增强策略之间的协同作用，并开发新的半监督学习框架用于多靶点药物发现	多靶点药物发现中的多靶点导向配体（MTDLs）	机器学习	NA	SVM	SVM	分子数据	NA