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
901	2024-08-05	Detection of atrial fibrillation using a nonlinear Lorenz Scattergram and deep learning in primary care 2024-Jul-20, BMC primary care IF:2.0Q2 DOI:10.1186/s12875-024-02407-3 PMID:39033295	研究论文	本研究旨在基于非线性 Lorenz 散点图和深度学习构建心房颤动 (AF) 检测模型	该文章使用非线性 Lorenz 散点图与深度学习结合以提高心房颤动的检测准确性	未提及研究的局限性	快速准确地检测心房颤动以促进早期干预	MIT-BIH 正常窦律数据库、MIT-BIH 心律失常数据库和长期心房颤动数据库中的数据	计算机视觉	心房颤动	深度学习	NA	心电图	从多个数据库构建的数据集，不同的内外验证集	NA	NA	NA	NA
902	2024-08-05	STC-UNet: renal tumor segmentation based on enhanced feature extraction at different network levels 2024-Jul-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01359-5 PMID:39030510	研究论文	本文提出了一种新的STC-UNet模型，用于改善肾肿瘤的分割精度	引入选择性卷积核、视觉变换器和坐标注意力模块，以增强网络不同层级的特征提取能力	在现有研究中未具体提及样本多样性和外部验证的限制	提高肾肿瘤的医学图像分割精度	肾肿瘤的医学图像数据	医学图像分割	肾癌	深度学习	U-Net	图像	基于KiTS19数据集的验证	NA	NA	NA	NA
903	2024-08-05	Assessing breast disease with deep learning model using bimodal bi-view ultrasound images and clinical information 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110279 PMID:39045104	研究论文	本研究开发了一种多模式深度学习模型（BreNet），用于区分乳腺癌与良性病变	BreNet模型在乳腺癌的检测中显示出优于放射科医生的诊断能力，并能够提升放射科医生的诊断效果	本研究基于单一中心和两个中心的图像进行测试，实际应用中可能需要更广泛的验证	提高乳腺癌的诊断能力	利用双模式超声图像及临床信息进行乳腺疾病的评估	数字病理学	乳腺癌	深度学习	BreNet	图像	10,108张训练图像和3,762张测试图像	NA	NA	NA	NA
904	2024-08-05	Hybridized deep learning goniometry for improved precision in Ehlers-Danlos Syndrome (EDS) evaluation 2024-Jul-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02601-4 PMID:39026270	研究论文	本研究开发了一种基于图像的体位测量系统，HybridPoseNet，对Ehlers-Danlos综合征（EDS）的评估提供更准确的关节角度测量	该模型结合了CNN与HyperLSTM的优势，提供了更好的泛化和时间一致性，显著改善了常规体位测量库的准确性	本研究的样本量相对较小，仅包括50名访问EDS诊所的个体，可能限制了结果的普遍适用性	旨在开发一种新颖的测量工具，以提高在EDS评估中的关节角度测量准确性	研究对象为50名就诊于EDS诊所的个体，主要关注能够过度伸展的关节	计算机视觉	Ehlers-Danlos综合征	深度学习	HybridPoseNet	视频	50个个体	NA	NA	NA	NA
905	2024-08-05	Research on image recognition of tomato leaf diseases based on improved AlexNet model 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33555 PMID:39044970	研究论文	该文章介绍了一种基于改进AlexNet模型的番茄叶病害图像识别方法	通过HOG和LBP加权融合特征提取改进了传统图像识别技术，提升了图像分类与识别效果	研究未提及样本多样性和可能的环境影响	旨在提高番茄叶病害的识别效率和准确性	针对8种番茄叶病害及健康叶片	计算机视觉	植物病害	深度学习，使用AlexNet模型及转移学习	改进的AlexNet模型	图像	包含8种番茄叶病害的图像数据集	NA	NA	NA	NA
906	2024-08-05	Time Series AI Model for Acute Kidney Injury Detection Based on a Multicenter Distributed Research Network: Development and Verification Study 2024-Jul-05, JMIR medical informatics IF:3.1Q2 DOI:10.2196/47693 PMID:39039992	研究论文	本研究旨在通过可解释的长短期记忆（LSTM）模型，利用分布式研究网络（DRN）中的时间序列数据，检测急性肾损伤（AKI）的早期发生。	本研究首次应用基于时间序列的可解释多变量LSTM（IMV-LSTM）模型，对使用肾毒性药物患者的电子健康记录（EHR）数据进行分析。	未提及本研究的具体局限性。	早期识别急性肾损伤的发生，以便在肾毒性药物开处方前检测不良反应的风险因素。	研究对象为使用肾毒性药物的患者，涉及6家医院的电子健康记录时间序列数据。	数字病理学	急性肾损伤	可解释多变量LSTM	LSTM	电子健康记录时间序列数据	分析了8643名有急性肾损伤的患者和31012名没有急性肾损伤的患者	NA	NA	NA	NA
907	2024-08-05	An integrative approach to protein sequence design through multiobjective optimization 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011953 PMID:38991035	研究论文	本文展示了一种通过多目标优化的整合方法进行蛋白质序列设计	创新点在于适应进化多目标优化技术，并将其与多个模型和目标函数整合到生成设计流程中	本文未提到任何特别的局限性	研究目的在于开发能够整合不同模型和目标函数的蛋白质设计框架	研究对象包括进化多目标优化方法及其在蛋白质设计中的应用	计算蛋白质设计	NA	深度学习、进化多目标优化技术	NSGA-II	蛋白质序列	涉及的样本包括RfaH、PapD和钙调蛋白	NA	NA	NA	NA
908	2024-08-05	Cabin air dynamics: Unraveling the patterns and drivers of volatile organic compound distribution in vehicles 2024-Jul, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae243 PMID:39045013	研究论文	本文研究了汽车座舱内挥发性有机化合物（VOCs）的分布模式及其驱动因素	提出了一种结合了注意力机制和集成策略的LSTM-A-E深度学习模型来预测座舱内VOCs浓度	缺乏对其他车辆类型和环境条件下的VOCs动态的进一步验证	探讨汽车座舱内挥发性有机化合物的动态变化和影响因素	新的汽车在夏季工作日内的环境参数和VOCs水平	数字病理学	NA	深度学习	LSTM	环境参数和VOCs浓度数据	7个夏季工作日内对新车的观察数据	NA	NA	NA	NA
909	2024-08-05	Active Discovery of the Allosteric Inhibitor Targeting Botrytis cinerea Chitinase Based on Neural Relational Inference for Food Preservation 2024-Jul-24, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.4c03023 PMID:39003764	研究论文	本文介绍了一种基于神经关系推理的活性发现方法，以寻找针对Botrytis cinerea几丁质酶的别构抑制剂。	利用深度学习神经关系推理框架主动识别了2-乙酰萘酮作为一种新的别构抑制剂。	暂无明显说明的限制因素	开发针对耐药性病原体的食品保存剂。	Botrytis cinerea几丁质酶及其抑制剂。	机器学习	NA	深度学习	神经关系推理	化学活性实验数据	使用了樱桃番茄的感染模型进行实验	NA	NA	NA	NA
910	2024-08-05	Fine-grained knowledge about manipulable objects is well-predicted by contrastive language image pre-training 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110297 PMID:39040066	研究论文	本研究展示了CLIP-ViT模型在细粒度可操作物体知识的逼近能力	本研究展示了CLIP-ViT在预训练过程中使用多模态数据相较于单一图像数据集的优势	未涉及人类独特的行为维度的直接比较	探讨深度学习模型在识别可操纵物体的细粒度知识方面的能力	针对可操控物体的知识进行细粒度组织和预测	计算机视觉	NA	CLIP-ViT	多模态网络	图像和文本	大规模和多样化的图像-文本对	NA	NA	NA	NA
911	2024-08-05	Deep learning for automated scoring of immunohistochemically stained tumour tissue sections - Validation across tumour types based on patient outcomes 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32529 PMID:39040241	研究论文	本文旨在开发深度学习模型以自动评分免疫组化染色的肿瘤组织切片，并与手动评分的临床相关蛋白进行比较	该研究展示了深度学习模型在不同肿瘤类型中自动评分的有效性，提供了手动评分的有效替代方案	研究可能未涵盖所有类型的肿瘤，且模型的泛化能力需进一步验证	研究目的是开发和验证深度学习模型以提高免疫组化评分的效率和准确性	研究对象包括多个癌症患者群体，包括结肠癌、前列腺癌、乳腺癌和子宫内膜癌	数字病理学	前列腺癌、乳腺癌、结肠癌、子宫内膜癌	深度学习	卷积神经网络(CNN)	图像	涉及五个癌症患者群体的样本	NA	NA	NA	NA
912	2024-08-05	Efficient colorectal polyp segmentation using wavelet transformation and AdaptUNet: A hybrid U-Net 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33655 PMID:39040380	研究论文	本文提出了一种基于AdaptUNet的混合U-Net模型，用于高效的结直肠息肉分割	采用自定义的U-Net架构和小波变换来改善息肉分割的准确性	NA	提高结直肠息肉在内镜图像中的早期检测能力	结直肠息肉的分割	计算机视觉	结直肠癌	小波变换	AdaptUNet	图像	使用Hyper Kvasir分割图像数据集进行训练	NA	NA	NA	NA
913	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	NA	NA	NA	NA
914	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	NA	NA	NA	NA
915	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	NA	NA	NA	NA
916	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	NA	NA	NA	NA
917	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	NA	NA	NA	NA
918	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	NA	NA	NA	NA
919	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	NA	NA	NA	NA
920	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	NA	NA	NA	NA