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
841	2024-08-05	An effective deep learning-based approach for splice site identification in gene expression 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241266588 PMID:39051530	研究论文	本文提出了一种基于深度学习的计算机辅助诊断技术，用于快速准确识别基因表达中的剪接位点序列	提出了一种基于LSTM的框架，能够更快速和准确地检测RNA序列中的剪接位点	未具体说明局限性	旨在提高剪接位点序列识别的准确性和速度	研究对象为RNA序列中的剪接位点	机器学习	NA	深度学习	LSTM	RNA序列	使用了接受者和供体位点数据集，具体样本量未说明
842	2024-08-05	Deciphering lung adenocarcinoma prognosis and immunotherapy response through an AI-driven stemness-related gene signature 2024-Jul, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18564 PMID:39046884	研究论文	本研究构建了一个人工智能驱动的干性相关基因特征，用于解析肺腺癌的预后和免疫疗法反应	创新点在于利用AI融合传统回归、机器学习和深度学习算法构建干性相关基因特征，以提高预后准确性和免疫治疗反应的预测	本研究可能受到样本量和实验验证范围的限制	旨在改进肺腺癌患者的预后评估及免疫治疗反应预测	肺腺癌的干性相关基因及其与免疫环境的关系	数字病理学	肺癌	单细胞RNA测序	人工智能网络	基因组数据	NA
843	2024-08-05	Low-contrast lesion detection in neck CT: a multireader study comparing deep learning, iterative, and filtered back projection reconstructions using realistic phantoms 2024-Jul-24, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00486-6 PMID:39046565	研究论文	本研究比较了深度学习重建、迭代重建和滤波反投影在颈部CT中的病灶检测效果	使用深度学习重建（DLR）技术提高了颈部CT影像中低对比度病灶的可检测性	仅在患者模拟的颈部假体上进行实验，可能影响结果的推广性	探索不同CT重建算法在颈部低对比度病灶检测中的有效性	使用九个模拟患者颈部假体进行实验，每个假体包含一个低对比度病灶	数字病理学	NA	深度学习重建（DLR）	NA	影像	九个颈部假体
844	2024-08-05	Developing BioNavi for Hybrid Retrosynthesis Planning 2024-Jul-22, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.4c00228 PMID:39055138	研究论文	本文提出了一种名为BioNavi的模型，用于设计混合合成路径。	BioNavi通过创新多任务学习和反应模板，提高了合成路径设计的可解释性。	未提及特定的限制	研究目的是开发一个有效的混合合成路径设计工具。	研究对象为合成路径，包括化学合成和生物合成。	数字路径学	NA	深度学习	多任务学习	数据集	多个数据集，具体样本数未提及
845	2024-08-05	Learning generalizable AI models for multi-center histopathology image classification 2024-Jul-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00652-4 PMID:39030380	研究论文	本研究提出了一种新的对抗性傅里叶领域适应方法，用于多中心的组织病理图像分类	提出了对抗性傅里叶领域适应（AIDA）方法，利用傅里叶变换的优势改善深度学习模型的泛化能力	现有技术在有效性和可区分性方面存在局限	提升临床病理学中AI模型的诊断准确性与效率	涉及四种癌症（卵巢癌、胸膜癌、膀胱癌和乳腺癌）的亚型分类任务	数字病理学	卵巢癌, 胸膜癌, 膀胱癌, 乳腺癌	对抗性领域适应, 傅里叶变换	卷积神经网络（CNN）	图像	共涉及1113例卵巢癌, 247例胸膜癌, 422例膀胱癌和482例乳腺癌
846	2024-08-05	Absolute permeability estimation from microtomography rock images through deep learning super-resolution and adversarial fine tuning 2024-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67367-1 PMID:39030317	研究论文	本文提出了一种通过深度学习超分辨率和对抗微调来估计微断层岩石图像的绝对渗透率	使用超分辨率模型提升低分辨率图像质量，并结合代理模型替代数值模拟，以估算感兴趣的岩石物理属性	未提及具体限制因素	旨在提高碳捕集与储存过程中对地下储层物理性质的准确估计	针对地下储层岩石的物理特性进行研究，重点在于渗透率的估算	数字岩石物理	NA	X射线微断层成像	GAN	图像	DeePore数据集
847	2024-08-05	Enhancing global maritime traffic network forecasting with gravity-inspired deep learning models 2024-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67552-2 PMID:39030401	研究论文	本文开发了一种新的物理启发模型，用于预测全球港口区域间的海洋运输交通	该研究将变压器技术引入重力模型，重建短期和长期依赖关系，从而提高了风险分析的可行性，并实现了比传统深度重力模型提高超过10%的精度	模型的适用性可能受限于特定数据源的可用性和准确性	旨在通过运输网络评估非本地水生物种的扩散风险	研究对象是港口区域间的海洋运输流量	计算机视觉	NA	物理启发模型	变压器	NA	NA
848	2024-08-05	SENSE-PPI reconstructs interactomes within, across, and between species at the genome scale 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110371 PMID:39055916	研究论文	本文介绍了一种名为SENSE-PPI的深度学习模型，用于高效重建蛋白质-蛋白质相互作用网络	SENSE-PPI利用最新一代的蛋白质语言模型和递归神经网络，能在功能相似的蛋白质中区分具体相互作用，且在跨物种预测中表现出高准确性和灵活性	对于系统发育上更远的模型和非模型生物，其性能下降较大，但是信号变化很缓慢	研究蛋白质-蛋白质相互作用网络，以揭示细胞系统的生物机制	涉及成千上万的蛋白质，尤其是在功能上相似的蛋白质	计算生物学	NA	蛋白质语言模型，递归神经网络	深度学习模型	蛋白质序列	可测试10,000种蛋白质
849	2024-08-05	Risk prediction of heart diseases in patients with breast cancer: A deep learning approach with longitudinal electronic health records data 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110329 PMID:39055938	研究论文	本研究开发并评估了六种心脏疾病风险预测模型，使用真实世界电子健康记录数据。	提出了结合可训练衰减机制的LSTM-D模型，以处理长短期记忆模型中的缺失值，并通过NLP方法提取乳腺癌表型，增强预测效果。	未提到具体的研究限制。	准确预测乳腺癌患者的心脏疾病风险，为临床决策支持和患者安全提供帮助。	本研究以乳腺癌患者为研究对象，评估六种心脏疾病的风险。	机器学习	心血管疾病	电子健康记录（EHRs）	LSTM	结构化和非结构化数据	NA
850	2024-08-05	Prediction of recurrence risk in endometrial cancer with multimodal deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02993-w PMID:38789645	研究论文	本研究开发了HECTOR，一个基于多模态深度学习的预后模型，用于预测子宫内膜癌的远处复发风险	HECTOR模型基于全切片图像和肿瘤分期，超越了目前的金标准，并能够识别具有显著不同预后的患者	当前研究未提及模型在其他癌症类型中的适用性	本研究旨在改善子宫内膜癌的个性化辅助治疗策略	研究对象为来自八个子宫内膜癌队列共2072名患者的数据	数字病理学	子宫内膜癌	深度学习	NA	全切片图像	2072名患者
851	2024-08-05	Quantifying Geographic Atrophy in Age-Related Macular Degeneration: A Comparative Analysis Across 12 Deep Learning Models 2024-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.42 PMID:39046755	研究论文	这篇文章研究了12种深度学习模型在年龄相关性黄斑变性中对地理萎缩进行分割的表现	探索多种AI架构组合以寻找最有效的地理萎缩分割方法	文章未提及具体的模型限制和数据集的多样性问题	确定用于地理萎缩分割的最有效的AI架构	12种不同的AI架构组合	计算机视觉	老年性疾病	深度学习	FPN, UNet, PSPNet, EfficientNet, ResNet, VGG, Mix Vision Transformer	图像	601幅FAF图像用于训练，156幅FAF图像用于验证
852	2024-08-05	Automated detection of fatal cerebral haemorrhage in postmortem CT data 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03183-6 PMID:38329584	研究论文	本文提出了一种自动检测致命脑出血的三维PMCT数据的方法	引入了基于深度学习的分类算法，能够在法医成像中有效识别致命脑出血	研究基于单一机构的病例数据，样本量相对较小	旨在通过PMCT数据支持法医病理学的死亡原因评估	回顾性选择了81个PMCT病例作为研究对象	数字病理学	NA	PMCT	CNN和DenseNet	三维图像	81个PMCT病例
853	2024-08-05	A deep learning-based method for the detection and segmentation of breast masses in ultrasound images 2024-Jul-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad61b6 PMID:38986480	研究论文	本文提出了一种基于深度学习的方法，用于超声图像中乳腺肿块的检测和分割	本研究开发了一种结合YOLOv5网络和Global-Local策略的新型卷积神经网络框架	本研究未提及算法在其他类型的医学影像中的适用性	本研究旨在提高超声图像中乳腺肿块的检测和分割的准确性	研究对象为乳腺超声图像中的肿块	计算机视觉	乳腺癌	深度学习	卷积神经网络	图像	本研究使用了包含28,477张乳腺超声图像的USTC数据集进行训练和测试
854	2024-08-05	A fourfold-objective-based cloud privacy preservation model with proposed association rule hiding and deep learning assisted optimal key generation 2024-Jul-26, Network (Bristol, England) DOI:10.1080/0954898X.2024.2378836 PMID:39054942	研究论文	本文提出了一种云环境中的隐私保护模型，旨在处理敏感数据	创新点在于提出了基于四个目标的混合优化方法和深度学习的调优密钥生成机制	尚未提及该研究的具体局限性	研究目的是为云环境中的敏感数据提供有效的隐私保护	研究对象是云环境中的敏感数据	计算机视觉	NA	LSTM, MUAOA	LSTM	NA	NA
855	2024-08-05	Efficient determination of Born-effective charges, LO-TO splitting, and Raman tensors of solids with a real-space atom-centered deep learning approach 2024-Jul-25, Journal of physics. Condensed matter : an Institute of Physics journal DOI:10.1088/1361-648X/ad64a2 PMID:39019077	研究论文	本文介绍了一种名为radnet的深度神经网络框架，能够准确预测固体中的极化和电子介电常数张量	提出了一种新的深度学习方法，解决了现有机器学习模型在周期性系统中对拉曼预测的限制	未提及具体的局限性	旨在提高固体中拉曼预测的准确性和效率	研究对象包括GaAs和BN材料	机器学习	NA	深度卷积神经网络	深度神经网络	固体材料的电子介电常数张量和拉曼光谱	两个典型示例: GaAs和BN
856	2024-08-05	Precise Localization for Anatomo-Physiological Hallmarks of the Cervical Spine by Using Neural Memory Ordinary Differential Equation 2024-Jul-25, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500564 PMID:39049777	研究论文	本文提出了一种用于颈椎解剖生理标志精准定位的深度神经网络架构	创新性地采用神经记忆常微分方程，并引入多分辨率聚焦模块以提高关键点预测精度	在处理医疗图像时，算法仍然受到颈椎数据集固有变异性的限制	改善颈椎生理解剖关键点的定位精度	专注于颈椎X光图像中的关键点定位	计算机视觉	NA	神经记忆常微分方程	深度神经网络	图像	包含经过骨科专家注释的X光图像的数据集
857	2024-08-05	Relationship evolution shapes inter-brain synchrony in affective sharing: The role of self-expansion 2024-Jul-25, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-024-02841-0 PMID:39052095	研究论文	这项研究探讨了人际关系的发展如何影响非语言社会情感互动中的脑间同步现象	通过采用基于EEG的超扫描技术，探讨了自我扩展模型在社交互动中的适用性，并发现随着关系的发展，脑间耦合发生了变化	该研究的样本规模和人际关系的多样性未被详细说明	研究人际关系演变对社交互动中脑间同步性的影响	被试的二人组在七个月时间内的社交互动	自然语言处理	NA	EEG超扫描技术	深度学习模型	脑电图数据	二人组，在七个月内的互动
858	2024-08-05	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2024-Jul-24, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种新的混合方法MI-CSBO，用于心肌梗死分类	引入了使用频谱图和贝叶斯优化的混合方法进行心肌梗死分类	缺乏对比其他方法的详细评估	提高心肌梗死的早期诊断准确性	使用PTB数据库中的ECG信号进行分析	计算机视觉	心肌梗死	频谱图, 贝叶斯优化	深度残差CNN	ECG图像数据	使用PTB数据库的ECG信号数据集
859	2024-08-05	Deep Learning Used with a Colorimetric Sensor Array to Detect Indole for Nondestructive Monitoring of Shrimp Freshness 2024-Jul-24, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c04223 PMID:38980942	研究论文	该研究开发了一种基于深度学习的颜色传感器阵列，用于无损监测虾的新鲜度	通过使用色谱传感器阵列和深度学习技术，实现了对虾中新鲜度指示物吲哚的定量分析	该研究可能未考虑其他因素影响色变化的复杂性	开发一种有效的监测虾新鲜度的方法	主要研究对象为虾的新鲜度和相关的吲哚浓度	数字病理学	NA	色谱传感器	DCNN	图像	研究中使用的样本量未具体说明
860	2024-08-05	Multimodal deep learning using on-chip diffractive optics with in situ training capability 2024-Jul-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50677-3 PMID:39043669	研究论文	该文章提出了一种基于芯片衍射光学的可训练的衍射光学神经网络芯片，支持多模态深度学习	提出了一种可训练的TDONN芯片，能够同时处理视觉、音频和触觉数据，突破了传统光学深度学习在数据模态方面的限制	当前的研究主要集中在四类分类任务上，可能无法扩展到更复杂或更多模态的数据集	探索在光学领域实现多模态深度学习的可行性	针对不同模态（视觉、音频和触觉）的分类任务进行研究	机器学习	NA	衍射光学	神经网络	多模态数据	NA