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
861	2024-08-05	Key factor screening in mouse NASH model using single-cell sequencing combined with machine learning 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33597 PMID:39040415	研究论文	本研究通过单细胞RNA测序和机器学习分析非酒精性脂肪性肝炎（NASH）相关的基因	结合单细胞RNA测序与机器学习，发现与NASH相关的关键基因，提供新的治疗靶点	研究未提及样本的多样性和外部验证的必要性	识别与非酒精性脂肪性肝炎进展密切相关的基因	研究对象为小鼠NASH模型中的细胞群体	数字病理学	非酒精性脂肪性肝炎	单细胞RNA测序	卷积神经网络	基因数据	NA
862	2024-08-05	The construction of urban cultural and creative industries using deep learning and information management 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33787 PMID:39040397	研究论文	本研究探讨了中国城市文化创意产业（CCI）的发展及其影响因素	构建了基于LSTM算法的文化和创意推荐模型，并揭示了可持续盈利和文化影响因素对CCI发展的重要性	研究主要集中在城市A，缺乏其他城市的详细案例分析	探讨和分析城市文化创意产业的发展动态	以城市A为研究对象，比较分析多个城市的CCI发展	数字创意产业	NA	深度学习与信息管理	LSTM	发展数据	2021年各城市相关发展数据
863	2024-08-05	The educational resource management based on image data visualization and deep learning 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32972 PMID:39040365	研究论文	本研究通过结合图像数据可视化技术与深度学习中的卷积神经网络（CNN）优化教育资源管理系统（ERMS）	提出了优化的CNN模型和系统架构，通过实验数据验证了模型的合理性，并显著提高了性能指标	无明显的局限性说明	优化教育资源管理系统，提高资源定位的准确性和利用效率	教育资源管理系统及其相关的图像数据可视化技术和CNN应用	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了MNIST数据集和CIFAR-10数据集进行实验
864	2024-08-05	Deep learning for predicting circular retinal nerve fiber layer thickness from fundus photographs and diagnosing glaucoma 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33813 PMID:39040392	研究论文	该研究提出了一种新的深度学习方法，通过眼底照片预测视神经纤维层厚度并诊断青光眼	建立了一种基于局部图像的深度学习方法，以提供眼底照片中视神经纤维层厚度的全面定量信息	未提及具体的局限性	旨在自动预测视神经纤维层厚度并基于该预测信息诊断青光眼	研究对象为1196名参与者的1403只眼睛的眼底照片和光学相干断层扫描（OCT）	计算机视觉	青光眼	深度学习（DL），光学相干断层扫描（OCT）	残差深度神经网络	图像	1403对眼底照片和OCT视神经纤维层厚度扫描
865	2024-08-05	Assessing Chlorophyll-a Variations in Caspian Sea during the COVID-19 Pandemic 2024-Jul-04, Bulletin of environmental contamination and toxicology IF:2.7Q3 DOI:10.1007/s00128-024-03914-w PMID:38960950	研究论文	本文评估了COVID-19疫情期间里海沿岸水质变化，特别是伊朗海岸线的氯ophyll-a浓度的变化	研究新颖地使用深度学习算法对疫情期间氯ophyll-a的变化进行了预测和分析	未探讨其他环境因素对氯ophyll-a浓度变化的影响	研究COVID-19疫情对里海沿岸城市水质的影响与变化	研究对象是2020年至2023年期间的里海沿岸氯ophyll-a浓度数据	数字病理学	NA	MODIS-AQUA卫星数据与深度学习算法	长短期记忆网络	水质数据	使用2015年至2023年的卫星氯ophyll-a数据
866	2024-08-05	Machine learning and deep learning approaches for enhanced prediction of hERG blockade: a comprehensive QSAR modeling study 2024-Jul, Expert opinion on drug metabolism & toxicology IF:3.9Q1 DOI:10.1080/17425255.2024.2377593 PMID:38968091	研究论文	本文主要研究如何通过机器学习和深度学习方法提高hERG通道阻断的预测能力	引入了新的深度学习算法来提升已有QSAR模型的准确性	外部验证结果的部分MCC值与已报告模型相近，表明需要进一步优化模型	旨在提高对药物心脏安全性问题的预测能力，特别是hERG通道的阻断	使用大规模训练数据集构建和评估多种QSAR模型	机器学习	心血管疾病	QSAR建模	集成模型	数据集	多个训练和外部数据集
867	2024-08-05	Multi-Plexus Nonperfusion Area Segmentation in Widefield OCT Angiography Using a Deep Convolutional Neural Network 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.15 PMID:39023443	研究论文	本研究旨在训练和验证卷积神经网络以分割宽场光学相干断层扫描血管造影中的非灌注区域	采用深度卷积神经网络结合并行U-Net模块，能够准确检测多个视网膜血管丛的非灌注区域	该研究未提及可能存在的数据集限制或外部验证	提高糖尿病视网膜病变的诊断准确性	包括202名糖尿病视网膜病变患者和39名健康参与者的样本	数字病理学	糖尿病视网膜病变	OCTA	深度卷积神经网络	图像	共202名糖尿病视网膜病变患者和39名健康参与者
868	2024-08-05	Recent progress in machine learning approaches for predicting carcinogenicity in drug development 2024-Jul, Expert opinion on drug metabolism & toxicology IF:3.9Q1 DOI:10.1080/17425255.2024.2356162 PMID:38742542	评论	本综述探讨了机器学习在药物开发中的致癌性预测的变革性影响	强调了机器学习方法在克服数据解释、伦理考虑和法规接受方面的挑战上的重要性	传统方法如体内啮齿动物生物测定和体外测定存在局限性和资源强度	研究机器学习在药物开发安全评估中的应用	涵盖了药物开发安全评估各个方面的机器学习、深度学习及其他人工智能方法	机器学习	NA	机器学习	深度学习	NA	NA
869	2024-08-05	Prediction of radiologic outcome-optimized dose plans and post-treatment magnetic resonance images: A proof-of-concept study in breast cancer brain metastases treated with stereotactic radiosurgery 2024-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100602 PMID:39040435	研究论文	本研究探讨了一种深度学习框架，用于预测在立体定向放射外科（SRS）治疗乳腺癌脑转移的放射治疗后影像。	提出了一种基于深度学习的前向与反向模型，可以从治疗前的影像和剂量映射中预测治疗后的影像和所需剂量。	样本量较小，仅涉及39名患者，可能限制了模型的泛化能力。	研究旨在优化乳腺癌脑转移患者的放射治疗剂量规划与影像预测。	研究对象为接受立体定向放射外科治疗的乳腺癌脑转移患者。	数字病理学	乳腺癌	深度学习	pix2pix	影像	39名患者的影像数据，包含1940个切片用于训练，437个切片用于测试
870	2024-08-05	TrueTH: A user-friendly deep learning approach for robust dopaminergic neuron detection 2024-Jul-27, Neuroscience letters IF:2.5Q3 DOI:10.1016/j.neulet.2024.137871 PMID:38857698	研究论文	本文介绍了TrueTH，一种用户友好且可靠的深度学习方法，用于准确检测多巴胺能神经元	TrueTH提供了一个开源且用户友好的解决方案，填补了现有工具在可接入性和编程要求方面的空白	NA	探讨多巴胺能神经元的量化方法以提升帕金森病研究的准确性	帕金森病大鼠模型中的多巴胺能神经元	数字病理学	帕金森病	深度学习	NA	图像	多个帕金森病小鼠模型
871	2024-08-05	Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction 2024-Jul-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6117 PMID:38981592	研究论文	提出了一种新的PET-MRI联合重建模型MC-Diffusion，以提高PET-MRI的图像质量	创新性地将PET和MRI的数据互补性结合，通过基于扩散的模型实现了联合重建	未提及具体的局限性	旨在利用PET和MRI数据的内在互补性提高图像质量	PET和MRI成像数据	数字病理学	NA	基于扩散的模型	MC-Diffusion	图像	ADNI数据集中的样本
872	2024-08-05	Accurately Predicting Spatiotemporal Variations of Near-Surface Nitrous Acid (HONO) Based on a Deep Learning Approach 2024-Jul-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02221 PMID:38982681	研究论文	本文建立了一个深度学习模型来预测近地表亚硝酸（HONO）的时空变化	该研究首次将深度神经网络应用于HONO浓度预测，并提出了新的HONO形成机制	模型性能可能受到数据质量和可用性限制的影响	研究旨在准确预测HONO水平，以改善气象和空气质量模型的表现	研究对象为中国四个典型大都市群的常规空气质量和气象数据	机器学习	NA	深度学习	深度神经网络（DNN）	数值数据	四个典型大都市群的数据
873	2024-08-05	EBC-Net: 3D semi-supervised segmentation of pancreas based on edge-biased consistency regularization in dual perturbation space 2024-Jul-23, Medical physics IF:3.2Q1 DOI:10.1002/mp.17323 PMID:39042373	研究论文	提出了一种基于边缘偏置一致性正则化的3D半监督胰腺分割方法EBC-Net	引入边缘优先知识及双扰动空间的概念，提高了胰腺图像分割的准确性	目前方法可能在分割其他器官或图像时表现不佳	解决有限标注数据和感兴趣区域边界模糊的问题	胰腺在增强CT中的图像	计算机视觉	胰腺癌	深度学习	EBC-Net	3D医学图像	NA
874	2024-08-05	Transfer learning for cross-context prediction of protein expression from 5'UTR sequence 2024-Jul-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae491 PMID:38864396	研究论文	本文展示了一种简单的迁移学习方法，可以有效调节预训练的深度学习模型，用于预测Escherichia coli中不同背景下的蛋白质翻译速率	通过迁移学习方法解决了深度学习模型在不同遗传和实验背景下的泛化能力不足的问题	本研究的迁移学习方法可能对某些特定背景的适应性有限	提高基于模型的DNA序列设计的泛化能力	E. coli中的5'非翻译区（5'UTR）序列	计算机视觉	NA	深度学习	深度学习模型	DNA序列数据	少量新测量
875	2024-08-05	Reinventing gene expression connectivity through regulatory and spatial structural empowerment via principal node aggregation graph neural network 2024-Jul-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae514 PMID:38884259	研究论文	本文提出了一种通过主节点聚合图神经网络重塑基因表达连接的新方法	采用了空间图神经网络的创新策略，结合监管和结构元素，以改善基因表达预测	NA	旨在预测基因表达并描述复杂的基因相互作用网络	人类基因组中的基因及其相互关系	计算机视觉	NA	图神经网络(GNN)	主节点聚合模型	图结构数据	NA
876	2024-08-05	Prediction of DNA methylation-based tumor types from histopathology in central nervous system tumors with deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02995-8 PMID:38760587	研究论文	本文开发了一个深度学习模型，利用组织病理学图像预测中枢神经系统肿瘤的DNA甲基化类型	提出了DEPLOY模型，能从组织病理学图像中实现快速且准确的肿瘤分类	DNA甲基化分析仍需时间，DEPLOY的应用仍受限于数据的可获取性	提高中枢神经系统肿瘤的诊断精度	针对1,796名患者的内部数据集和3个独立的外部测试数据集进行肿瘤分类	数字病理学	NA	深度学习	深度学习模型	图像	1796名患者的内部数据集和2156名患者的外部测试数据集
877	2024-08-05	Magnetic Resonance Imaging Images Based Brain Tumor Extraction, Segmentation and Detection Using Convolutional Neural Network and VGC 16 Model 2024-07-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001097 PMID:38632686	研究论文	本文讨论如何利用CNN模型从磁共振成像中提取、分割和检测脑瘤	提出了一种基于卷积神经网络的分类方法，提高了脑瘤分割的准确性	对于大规模数据的处理和训练可能依赖于复杂的优化算法	旨在探讨不同的脑瘤分割方法	研究对象为脑瘤的磁共振成像图像	数字病理学	脑肿瘤	数字图像处理和深度学习	卷积神经网络 (CNN) 和 VGC 16模型	图像	使用来自'Brain web'的数据集的多幅磁共振成像图像
878	2024-08-05	Deep Learning in Image-Based Plant Phenotyping 2024-Jul, Annual review of plant biology IF:21.3Q1 DOI:10.1146/annurev-arplant-070523-042828 PMID:38382904	review	本文回顾了深度学习在基于图像的植物表型分析中的应用	提出了利用深度学习分析大量图像数据以提高作物表型检测效率的研究	未详细探讨深度学习在所有植物表型研究中的实际应用效果	探讨深度学习如何改善植物表型数据的分析和应用	关注作物表型检测和深度学习技术的结合	计算机视觉	NA	深度学习	NA	图像	NA
879	2024-08-05	Real-time non-invasive hemoglobin prediction using deep learning-enabled smartphone imaging 2024-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02585-1 PMID:38951831	研究论文	本研究介绍了一种使用深度学习和智能手机技术来准确估计血红蛋白水平的系统	提出了一种新颖、紧凑且高效的系统，消除了对补充设备的需求，提供了一种经济、快速且准确的血红蛋白检测方法	模型的R^2值相对较低，表明预测的准确性在某些情况下可能受限	研究旨在提供一种快速、便捷的血红蛋白浓度测量方法以支持医疗评估	研究对象为通过智能手机拍摄的眼部图像用以预测血红蛋白水平	数字病理学	NA	深度学习，智能手机成像	EGE-Unet，DHA(C3AE)	图像	NA
880	2024-08-05	Image Quality Assessment Using Convolutional Neural Network in Clinical Skin Images 2024-Jul, JID innovations : skin science from molecules to population health DOI:10.1016/j.xjidi.2024.100285 PMID:39036289	研究论文	本文开发了一种图像质量分析工具，用于评估患者和初级保健医生提供的临床皮肤图像	使用深度学习模型，细化了VGG16模型以评估临床图像质量	用户可能需要捕获额外的图像，尽管这会在临床团队的工作负载和效率上有所改善	评估临床评估中获得的图像质量	来自2018年8月21日至2022年6月30日的患者和初级保健医生提供的图像	计算机视觉	皮肤病	深度学习	VGG16	图像	300张额外的图像（来自患者和初级保健医生）