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
701	2024-08-05	Exploring Implicit Biological Heterogeneity in ASD Diagnosis Using a Multi-Head Attention Graph Neural Network 2024-Jul-17, Journal of integrative neuroscience IF:2.5Q3 DOI:10.31083/j.jin2307135 PMID:39082298	研究论文	本文提出了一种新型深度学习方法，利用多头注意力图神经网络探索自闭症谱系障碍（ASD）的隐性生物异质性	创新点在于采用多头注意力机制建模功能连接图，能够同时模拟与ASD相关的复杂大脑连接模式	该研究未提及样本的多样性以外的限制因素	研究目的在于提高ASD的诊断准确性和推动神经科学研究	研究对象为自闭症患者的脑部成像数据	数字病理学	自闭症谱系障碍	功能连接（FC）图建模	图神经网络	脑部成像数据	使用了来自自闭症脑成像数据交换（ABIDE）I和II的异质性队列数据
702	2024-08-04	Morphological classification of neurons based on Sugeno fuzzy integration and multi-classifier fusion 2024-07-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66797-1 PMID:38992081	研究论文	本文提出了一种基于Sugeno模糊积分和多分类器融合的神经元形态分类方法	采用了三种优化的深度学习模型融合，通过Sugeno模糊积分提升分类准确率	未提及模型在其他数据集或实际应用中性能的表现	准确分类神经元类型以提取重要的形态特征	神经元图像的分类	计算机视觉	NA	深度学习	AlexNet, VGG11_bn, ResNet-50	图像	Img_raw, Img_resample, Img_XYalign数据集，分类准确率为四分类98.04%, 91.75%, 93.13%; 十二分类97.82%, 85.68%, 87.60%
703	2024-08-04	Selection of pre-trained weights for transfer learning in automated cytomegalovirus retinitis classification 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67121-7 PMID:38987446	研究论文	本研究探讨了利用不同预训练权重进行自动化细胞巨病毒视网膜炎分类的有效性	提出了一种顺序转移学习方法，通过不同的数据集预训练权重，提高了细胞巨病毒视网膜炎的分类精度与效率	该研究的模型依赖于有限数量的细胞巨病毒视网膜炎图像，可能影响模型的普适性	研究旨在改进细胞巨病毒视网膜炎的自动化诊断	研究对象为来自Siriraj医院的955幅视网膜图像，包括524幅细胞巨病毒视网膜炎图像和431幅正常图像	计算机视觉	细胞巨病毒视网膜炎	卷积神经网络（CNN）	DenseNet121	图像	955幅视网膜图像（524幅CMVR和431幅正常图像）
704	2024-08-04	Better performance of deep learning pulmonary nodule detection using chest radiography with pixel level labels in reference to computed tomography: data quality matters 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66530-y PMID:38987309	研究论文	该文章探讨了使用像素级标签的胸部X光图像在肺结节检测中的深度学习模型性能与CT扫描的关系	提出了一种使用参考胸部CT的像素级注释数据来提高肺结节检测的深度学习模型	研究主要依赖于特定的数据集，可能限制了模型的普遍适用性	研究旨在提高胸部X光下肺结节的检测和定位性能	研究对象为使用胸部X光图像和CT图像进行标注的数据集	计算机视觉	肺癌	深度学习	DenseNet	图像	包含国家卫生研究院的胸部X光标注数据集和AI-HUB的CT标注数据集
705	2024-08-04	Automatic wild bird repellent system that is based on deep-learning-based wild bird detection and integrated with a laser rotation mechanism 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66920-2 PMID:38987345	研究论文	提出了一种基于深度学习的自动野鸟驱散系统	系统集成了激光旋转机制，能够检测并驱散野鸟	未提及系统在不同环境下的表现	降低农业中的野鸟数量以减少经济损失	野鸟探测和驱散系统	计算机视觉	NA	深度学习	NA	图像	在台湾云林的一个户外鸭场进行的实验
706	2024-08-04	Nano fuzzy alarming system for blood transfusion requirement detection in cancer using deep learning 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66607-8 PMID:38987580	研究论文	本文提出了一种基于深度学习的纳米模糊警报系统，用于检测癌症患者的输血需求	首次使用体内数据处理血癌患者的输血需求预测，结合LSTM神经网络和纳米模糊技术	样本量为98，可能限制结果的普遍性和适用性	预测癌症患者的输血需求以减少输血相关风险	血癌患者，包含98个样本和61个特征的多变量数据	机器学习	血癌	LSTM	LSTM	临床与实验室数据	98个血癌患者样本
707	2024-08-04	Classification of osteoarthritic and healthy cartilage using deep learning with Raman spectra 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66857-6 PMID:38987563	研究论文	本文提出了一种端到端的卷积神经网络，自动学习最优的预处理策略，以分类来自骨关节炎和健康对照患者的拉曼光谱。	创新点在于引入了集成梯度方法来识别网络决策过程中的生物相关特征，并展示了使用多通道输入和集成梯度的方法可以简化拉曼光谱的临床应用。	研究样本主要集中在骨关节炎和健康对照患者，可能限制了结果的普遍适用性。	研究的目的是提高拉曼光谱分类技术在骨关节炎诊断中的应用效果。	研究对象为45名骨关节炎患者和19名健康对照患者的软骨拉曼光谱。	数字病理	骨关节炎	拉曼光谱	卷积神经网络	光谱	共64个样本，包括45名骨关节炎患者和19名健康对照患者
708	2024-08-04	Habitat radiomics and deep learning fusion nomogram to predict EGFR mutation status in stage I non-small cell lung cancer: a multicenter study 2024-07-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66751-1 PMID:38982267	研究论文	开发一个结合深度学习、影像组学和临床变量的影像组学标定图，以预测第一期非小细胞肺癌患者的EGFR突变状态	首次将栖息地影像组学与深度学习相结合，用于预测EGFR突变状态	仅基于回顾性数据，可能无法覆盖所有EGFR突变的临床变异性	预测第一期非小细胞肺癌患者的EGFR突变状态	438名接受治愈性手术并完成驱动基因突变测试的第一期NSCLC患者	数字病理学	肺癌	CT影像组学	深度学习模型	影像	438名患者
709	2024-08-04	Deep learning with a small dataset predicts chromatin remodelling contribution to winter dormancy of apple axillary buds 2024-Jul-02, Tree physiology IF:3.5Q1 DOI:10.1093/treephys/tpae072 PMID:38905284	研究论文	本研究探讨了在苹果腋芽冬季休眠初期，植物如何识别持续的寒冷。	提出了使用小数据集的深度学习模型来预测染色质重塑对苹果腋芽冬季休眠的贡献。	模型是基于两个时间点的小数据集构建的，限制了数据的广泛性。	研究植物如何在芽休眠初期识别持续的寒冷。	以'富士'苹果的腋芽作为研究对象。	数字病理学	NA	深度学习	NA	数据集	两个时间点的小数据集
710	2024-08-05	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-Jul-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	本文提出了一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	创新性地结合了信号质量评估和麻醉深度估计，通过深度学习技术改进了脑电图信号的准确性	未提及具体的限制	改善手术中麻醉深度的监测方法	脑电图信号的质量评估以及麻醉深度分析	数字病理	NA	脑电图(EEG)	卷积神经网络(CNN)	信号	使用VitalDB数据库进行训练和测试
711	2024-08-05	A medical image classification method based on self-regularized adversarial learning 2024-Jul-30, Medical physics IF:3.2Q1 DOI:10.1002/mp.17320 PMID:39078069	研究论文	本研究提出了一种基于对抗学习的医学图像分类框架，以提高分类性能	创新性地将GAN模型作为辅助正则化项支持分类，解决医学图像领域的挑战	依赖高质量生成图像，且对GAN模型的大量训练数据的需求未完全解决	提高医学图像分类的准确性和减少过拟合问题	针对COVID-19胸部X光图像和口咽鳞状细胞癌的PET图像进行分析	数字病理学	COVID-19，口咽鳞状细胞癌	对抗生成网络（GAN）	GAN-DL框架，包括F-Net, R-Net 和 D-Net	图像	包括13,958张胸部X光图像和3,255张PET图像
712	2024-08-07	Deep learning-assisted approaches in screening of marine natural products for acetylcholinesterase inhibition activity 2024-Jul-29, Natural product research IF:1.9Q3 DOI:10.1080/14786419.2024.2383992 PMID:39075812	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
713	2024-08-05	Predicting bone metastasis-free survival in non-small cell lung cancer from preoperative CT via deep learning 2024-Jul-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00649-z PMID:39068240	研究论文	本研究旨在通过术前CT建立和验证深度学习模型以预测非小细胞肺癌患者的骨转移无生存期	首次应用基于CT的深度学习特征来预测非小细胞肺癌患者的骨转移风险	研究为回顾性分析，可能存在选择偏倚，并且仅在两家医院进行	预测非小细胞肺癌患者手术后骨转移无生存期	1547名接受完全手术切除的非小细胞肺癌患者	计算机视觉	肺癌	深度学习	3D卷积神经网络	图像	1547名非小细胞肺癌患者
714	2024-08-05	Development of a deep learning model for cancer diagnosis by inspecting cell-free DNA end-motifs 2024-Jul-27, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00635-5 PMID:39068267	研究论文	本研究开发并验证了一种基于深度学习的模型，用于通过检测cfDNA末端特征区分癌症患者和非癌症患者	该研究提出了一种名为EMIT的自监督学习方法，通过变换器模型从cfDNA末端特征中学习特征表示	该研究的局限性未在摘要中明确提及	本研究旨在通过分析cfDNA末端特征实现早期癌症诊断	研究对象为接受不同类型cfDNA测序的4606个样本	数字病理学	肺癌	cfDNA测序	变换器	样本	4606个样本
715	2024-08-05	AGILE platform: a deep learning powered approach to accelerate LNP development for mRNA delivery 2024-Jul-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50619-z PMID:39060305	研究论文	本研究提出AGILE平台，通过深度学习加速mRNA递送的脂质纳米颗粒（LNP）开发	AGILE平台结合深度学习和组合化学，能够快速设计和评估适用于不同细胞类型的离子化脂质	本研究未讨论AGILE平台对于特定细胞类型以外的应用限制	旨在拓宽mRNA治疗的应用范围，开发定制化的LNP	离子化脂质在mRNA递送中的设计和评估	机器学习	NA	深度学习	深度神经网络	化学库数据	使用了一个庞大的脂质库进行设计与评估
716	2024-08-05	Advancing Ionic Liquid Research with pSCNN: A Novel Approach for Accurate Normal Melting Temperature Predictions 2024-Jul-23, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c02393 PMID:39072063	研究论文	本文提出了一种新颖的伪-西安尼卷积神经网络(pSCNN)用于准确预测离子液体的正常熔点。	创新点在于开发了一种高效的模型pSCNN，以改进离子液体熔点的预测性能。	未讨论模型在特定领域应用的实际限制。	研究目的是开发一个用于预测离子液体熔点的有效模型。	研究对象为3098种离子液体。	机器学习	NA	深度学习	pSCNN	离子液体数据集	3098种离子液体
717	2024-08-05	Deep learning for predicting fibrotic progression risk in diabetic individuals with metabolic dysfunction-associated steatotic liver disease initially free of hepatic fibrosis 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34150 PMID:39071617	研究论文	本研究开发了一种增强的深度学习模型，以提高对无肝纤维化迹象的2型糖尿病患者中纤维化进展风险的预测。	该研究将超声弹性成像与临床数据相结合，开发的深度学习集成模型在预测中显示出优越的性能。	本研究的样本限制在946名患者，可能影响模型的一般性。	研究旨在改善对代谢功能障碍相关脂肪肝病患者纤维化进展的预测能力。	研究对象为946名无严重纤维化的糖尿病MASLD患者。	机器学习	代谢功能障碍相关脂肪肝病	超声弹性成像	深度学习集成模型	图像和临床数据	946名患者
718	2024-08-05	Deep-learning-based 3D super-resolution CT radiomics model: Predict the possibility of the micropapillary/solid component of lung adenocarcinoma 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34163 PMID:39071606	研究论文	本研究构建并评估了一个基于深度学习的三维超分辨率CT放射组学模型，以预测肺腺癌微乳头/实性成分的存在	创新点在于开发了结合超分辨率成像的深度学习放射组学模型，显著提高了预测的准确性	该研究的样本量有限，未来需要更广泛的验证来确保模型的临床应用潜力	本研究旨在为肺腺癌提供更准确和个性化的预oper治疗计划	研究对象为接受肺腺癌根治性切除手术的患者	数字病理学	肺癌	超分辨率CT	支持向量机(SVM)	影像	共招募245名患者，其中109名（44.5%）被诊断为含有微乳头/实性成分的侵袭性肺腺癌
719	2024-08-05	ScLNet: A cornea with scleral lens OCT layers segmentation dataset and new multi-task model 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33911 PMID:39071564	研究论文	本文开发了一种用于分割不规则角膜和检测硬性隐形眼镜下泪液储存区边界的深度学习方法	提出了一个公开可用的OCT图像数据集ScLNet，以及一个多任务网络以实现快速、准确的自动分割	NA	研究的目的是提高不规则角膜的分割精度和泪液储存区边界的检测	研究对象包括佩戴硬性隐形眼镜的患者的角膜OCT图像	数字病理学	NA	OCT	NA	图像	31,360张OCT图像
720	2024-08-05	A method for cabbage root posture recognition based on YOLOv5s 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31868 PMID:39071611	研究论文	该文章提出了一种基于YOLOv5s的卷心菜根部姿态识别方法	结合深度学习与传统图像处理算法，以实现卷心菜根部姿态的准确识别	未提及研究的局限性	提高卷心菜机械化采收过程中的根部切割准确性	卷心菜根部的姿态识别	计算机视觉	NA	深度学习、图像处理	YOLOv5s	图像	NA