深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
741	2024-08-04	Intercomparison of deep learning models in predicting streamflow patterns: insight from CMIP6 2024-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63989-7 PMID:39080322	研究论文	本研究通过四种深度学习模型预测巴基斯坦斯瓦特河流域的每日流量	采用多模型集成计算的最佳组合以提高流量预测的准确性	研究仅限于特定地区的流量预测，可能不适用于其他地区	预测斯瓦特河流域的每日流量以支持水资源管理	斯瓦特河流域的每日流量数据	机器学习	NA	深度学习	TLANN, FFANN, SANN, LSTM	流量数据	NA	NA	NA	NA	NA
742	2024-08-04	Prediction of protein secondary structure by the improved TCN-BiLSTM-MHA model with knowledge distillation 2024-07-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67403-0 PMID:39020005	研究论文	本研究提出了一种改进的TCN-BiLSTM-MHA模型来预测蛋白质的二级结构	通过多尺度融合和双向操作改进的TCN模型更好地提取氨基酸序列特征，并结合知识蒸馏技术提升性能	模型的有效性可能受限于训练数据的多样性和规模	提高蛋白质二级结构预测的准确性，以助于蛋白质功能理解	使用改进的深度学习模型对蛋白质的二级结构进行预测	生物信息学	NA	深度学习	改进的TCN-BiLSTM-MHA模型	多种数据集	六个数据集的样本，包括TS115, CB513和PDB (2018-2020)	NA	NA	NA	NA
743	2024-08-04	Finite element models with automatic computed tomography bone segmentation for failure load computation 2024-07-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66934-w PMID:39019937	研究论文	本研究提出了一种基于深度学习的CT扫描骨骼分割方法，用于生物力学失效载荷模拟	提出了一个专门的预处理、基于深度学习的分割方法和后处理管道，能够有效处理有限的CT数据	需谨慎训练并验证模型，以确保自动分割的质量和可靠性	研究用于骨转移患者的CT数据中的骨骼分割，以进行失效载荷模拟	研究对象为人类股骨和椎骨的CT扫描图像	数字病理学	骨癌转移	CT扫描	U-Net	图像	涉及多位患者的股骨和椎骨CT扫描	NA	NA	NA	NA
744	2024-08-04	In Silico drug repurposing pipeline using deep learning and structure based approaches in epilepsy 2024-07-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67594-6 PMID:39020064	研究论文	本研究开发了一种新颖的体外药物重新利用管道，用于癫痫治疗	结合变换器深度学习方法和分子结合亲和力计算来处理药物重新利用	对于特定靶点蛋白的候选抑制剂数量存在显著差异，影响管道普适性	开发高效的新药物重新利用策略以治疗癫痫	针对在癫痫发生机制中涉及的获得功能基因编码的24个靶点蛋白的候选药物	数字病理学	癫痫	变换器深度学习方法	NA	NA	对24个靶点蛋白的候选抑制剂进行了评估	NA	NA	NA	NA
745	2024-08-04	Transformation from hematoxylin-and-eosin staining to Ki-67 immunohistochemistry digital staining images using deep learning: experimental validation on the labeling index 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.047501 PMID:39087085	研究论文	本研究提出了一种数字染色方法，旨在利用深度学习将子宫内膜癌的H&E染色图像转化为Ki-67 IHC染色图像	使用深度学习和颜色去混合技术将H&E图像转化为高分辨率的IHC染色图像，这是一个新的数字染色方法	在跨案例验证中，数字染色与物理染色之间的相关性相对较低	旨在通过数字染色技术提高子宫内膜癌肿瘤的分子级可视化分析	研究对象为子宫内膜癌的整个切片图像	数字病理学	子宫内膜癌	深度学习	U-Net	图像	NA	NA	NA	NA	NA
746	2024-08-04	Learning three-dimensional aortic root assessment based on sparse annotations 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044504 PMID:39087084	研究论文	该文章提出了一种基于稀疏标注的三维主动脉根部评估方法	通过二维横截面标注和点云表面重建，减少了对大量注释数据的需求，简化了注释过程	在特定区域的注释可能仍需专家验证，以确保准确性	旨在为经导管主动脉瓣置换术(TAVI)提供准确的主动脉根部和左心室流出道(LVOT)的分析	主动脉根部和左心室流出道的几何形状和结构	数字病理学	NA	深度学习	3D分割网络	NA	NA	NA	NA	NA	NA
747	2024-08-04	Artificial intelligence assisted ultrasound for the non-invasive prediction of axillary lymph node metastasis in breast cancer 2024-Jul-29, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12619-6 PMID:39075447	研究论文	本研究开发了一种人工智能辅助的超声系统用于非侵入性预测乳腺癌患者的腋下淋巴结转移	创新点在于使用深度学习模型与人工智能辅助技术相结合，为乳腺癌提供非侵入性的淋巴结状态评估方法	研究局限于回顾性研究，且样本量相对较小	本研究的目的在于开发一种非侵入性的方法，以有效预测乳腺癌患者的腋下淋巴结转移	研究对象为266名在北京协和医学院医院接受腺体生检和腋下淋巴结切除的乳腺癌患者	计算机视觉	乳腺癌	深度学习	DeepLabV3+ 和卷积神经网络	超声图像	266名乳腺癌患者	NA	NA	NA	NA
748	2024-08-04	Single-cell hdWGCNA reveals metastatic protective macrophages and development of deep learning model in uveal melanoma 2024-Jul-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05421-2 PMID:39075441	研究论文	本研究揭示了与转移性保护性巨噬细胞相关的关键基因及其在虹膜黑色素瘤中的作用	首次使用单细胞RNA测序和深度学习模型分析巨噬细胞亚群与转移性肿瘤之间的关系	转移机制及其对预后的影响仍未完全理解	探讨虹膜黑色素瘤的转移机制及巨噬细胞在其中的作用	虹膜黑色素瘤的转移性和原发性癌症患者的巨噬细胞亚群	数字病理学	虹膜黑色素瘤	单细胞RNA测序	卷积神经网络（CNN）	基因表达数据	NA	NA	NA	NA	NA
749	2024-08-04	Origami single-end capacitive sensing for continuous shape estimation of morphing structures 2024-Jul-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67149-9 PMID:39075071	研究论文	本文提出了一种新颖的单端变形电容传感方法FxC，用于形状追踪。	与其他折纸电容器不同，FxC仅使用每个通道的单个导电板，直接改变导电板的几何形状。	NA	研究如何通过电容信号实时估计变形结构的几何形状。	采用折纸结构及其结合的电容传感器进行形状追踪。	NA	NA	电容传感	深度神经网络	信号	多个折叠模式的实验结果，包括Accordion, Chevron, Sunray和V-Fold模式	NA	NA	NA	NA
750	2024-08-04	Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01345-x PMID:39030496	研究论文	本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测	结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性	未提及具体的限制	提高医学影像中肺癌检测的诊断准确性	利用统一格式的数据集进行肺癌影像分类	计算机视觉	肺癌	深度学习	集成模型	影像	IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明	NA	NA	NA	NA
751	2024-08-04	Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66812-5 PMID:39013934	研究论文	本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。	引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。	缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息	旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。	基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。	机器学习	NA	深度学习	NA	电子健康记录	使用了MIMIC-IV数据库中的患者数据	NA	NA	NA	NA
752	2024-08-04	Deep learning pose detection model for sow locomotion 2024-07-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62151-7 PMID:39013897	研究论文	本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。	提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。	当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。	开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。	母猪，特别是不同跛行评分的个体。	计算机视觉	NA	深度学习	LEAP架构	视频	使用了来自不同跛行评分母猪的视频图像数据库	NA	NA	NA	NA
753	2024-08-04	Deep learning application of vertebral compression fracture detection using mask R-CNN 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67017-6 PMID:39009647	研究论文	本研究开发了一种基于深度学习的椎体压缩骨折检测模型	创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较	研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨	旨在提供一种工具以改进椎体压缩骨折的早期诊断	研究对象为胸腰椎区域的椎体压缩骨折	数字病理学	NA	深度学习	Mask R-CNN	影像	487张侧位X光片，包含598个骨折	NA	NA	NA	NA
754	2024-08-04	Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models 2024-07-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202304-0767OC PMID:38471111	研究论文	通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。	提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。	研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。	利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。	涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。	数字病理学	阻塞性睡眠呼吸暂停	深度学习	多模态深度学习模型	图像	内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者	NA	NA	NA	NA
755	2024-08-04	Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis 2024-07-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67130-6 PMID:39009636	研究论文	本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法	该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能	未提及具体的限制	研究FLAIR图像中斑块的分割能力	研究对象为100名患有活动性脑斑块的多发性硬化症患者	数字病理学	多发性硬化症	卷积神经网络（CNN）	DeepLabV3Plus SE	MRI切片图像	分析了100名患者，使用了1500个标记切片进行深度学习	NA	NA	NA	NA
756	2024-08-04	Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65795-7 PMID:39003269	研究论文	本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法	提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题	尚未详细说明当前方法在不同临床场景下的适用性和局限性	旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持	主要研究对象为脊椎的3D重建	数字病理学	NA	深度学习	NA	图像	基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验	NA	NA	NA	NA
757	2024-08-04	Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer 2024-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67217-0 PMID:39003325	研究论文	评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性	提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性	研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性	旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策	280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶	数字病理学	乳腺癌	MRI	多层感知器 (MLP)	影像	280 名患者	NA	NA	NA	NA
758	2024-08-04	Establishment of a corneal ulcer prognostic model based on machine learning 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66608-7 PMID:38997339	研究论文	本文建立了一种基于机器学习的角膜溃疡预后模型	提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类	仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限	分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略	研究对象为角膜溃疡患者的临床数据和裂隙灯图像	机器学习	NA	机器学习算法，包括XGBoost和LightGBM	深度学习模型	图像和临床数据	4973个裂隙灯图像和240个临床病例数据	NA	NA	NA	NA
759	2024-08-04	Medical intelligence using PPG signals and hybrid learning at the edge to detect fatigue in physical activities 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66839-8 PMID:38997404	研究论文	本研究提出了一种创新的深度学习框架，用于实时预测运动学生的疲劳。	创新点在于采用深度学习和边缘计算技术实时监测学生的生理疲劳，且比较了多种深度学习模型的效果。	研究面临的挑战是使用有限的训练数据来确定PPG信号的最佳参数。	旨在提高对运动学生疲劳状态的监测精度。	研究对象为参与体育活动的学生。	机器学习	NA	光电容积脉搏波 (PPG)	深度残差网络卷积神经网络 (ResNetCNN), Xception架构, 双向长短期记忆 (BILSTM)	信号	在本研究中使用了多个PPG信号的数据集进行训练	NA	NA	NA	NA
760	2024-08-04	Efficient musculoskeletal annotation using free-form deformation 2024-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67125-3 PMID:38992241	研究论文	该文章介绍了一种高效的工具，用于非专家进行肌肉分割的注释	开发了一种新工具，通过自由形变简化了医学图像的注释过程	本研究未提及工具在不同类型医学图像中的适用性	探索通过非专家进行自动肌肉分割数据集创建的方法	评估非专家使用该工具进行肌肉分割的效果	数字病理学	NA	自由形变	NA	医学图像	NA	NA	NA	NA	NA