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
1161	2024-08-05	Optimized Wasserstein Deep Convolutional Generative Adversarial Network fostered Groundnut Leaf Disease Identification System 2024-Jul-02, Network (Bristol, England) DOI:10.1080/0954898X.2024.2351146 PMID:38953316	研究论文	本文提出了一种优化的Wasserstein深度卷积生成对抗网络用于花生叶病识别系统	提出了利用水平均衡生成对抗网络和Aquila优化算法相结合的方法来提高花生叶病识别的准确性	对比的生物学基础和数据集的多样性没有在论文中详细讨论	研究花生叶病的识别和分类以提高作物产量和质量	对健康叶子、早期叶斑、晚期叶斑、营养缺乏和锈病等不同病症进行分类	计算机视觉	NA	WDCGAN和Aquila优化算法	卷积神经网络	图像	NA
1162	2024-08-05	Ovarian cancer identification technology based on deep learning and second harmonic generation imaging 2024-Jul-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400200 PMID:38955356	研究论文	本文提出了一种结合二次谐波生成成像和深度学习的卵巢癌诊断方法	创新点在于使用SHG成像和PVTv2模型，实现卵巢癌的快速、简单、无标记诊断	研究未提及样本的多样性及外部验证的情况	研究旨在提高卵巢癌的诊断效率	研究对象为未染色的新鲜人类卵巢组织	深度学习	卵巢癌	二次谐波生成成像	Pyramid Vision Transformer V2 (PVTv2)	图像	3240幅SHG图像
1163	2024-08-05	Autonomous design of noise-mitigating structures using deep reinforcement learning 2024-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026474 PMID:38958582	研究论文	本文探讨了应用深度强化学习自主设计噪音缓解结构的方法	使用双深度Q网络算法，无需先前知识即可实现宽频噪音缓解的配置学习	算法倾向于预测局部极大值	研究如何通过深度强化学习自主设计噪音缓解结构	噪音缓解的材料分布配置	计算机视觉	NA	深度强化学习	双深度Q网络	像素数据	NA
1164	2024-08-05	Variant Effect Prediction in the Age of Machine Learning 2024-Jul-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041467 PMID:38621825	研究论文	本文探讨了无监督深度学习方法在预测单核苷酸变异影响方面的应用	提出了无监督方法能够从未注释的蛋白质序列数据中学习，识别蛋白质序列中的显著错误	方法的性能在不同评估指标和变异效应类型上存在差异，且在非人类蛋白质的研究上依然不足	研究无监督深度学习方法在变异效应预测中的有效性	单个氨基酸替换的单核苷酸变异	计算机视觉	NA	深度学习	无监督学习模型	蛋白质序列数据	NA
1165	2024-08-05	Protein Design Using Structure-Prediction Networks: AlphaFold and RoseTTAFold as Protein Structure Foundation Models 2024-Jul-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041472 PMID:38438190	研究论文	本文回顾了使用结构预测神经网络设计蛋白质的最新研究	提出通过结构预测模型为蛋白质设计工具开发提供强大基础	未提及具体的实验结果验证或普遍适用性	探讨深度学习在蛋白质设计中的应用	利用结构预测神经网络设计蛋白质	生物工程	NA	深度学习	神经网络	NA	NA
1166	2024-08-05	Deep learning for automatic facial detection and recognition in Japanese macaques: illuminating social networks 2024-Jul, Primates; journal of primatology DOI:10.1007/s10329-024-01137-5 PMID:38758427	研究论文	本文探讨了使用深度学习在日本猕猴中进行面部检测和个体识别的非侵入性工具	提出了一种新的非侵入性方法，通过深度学习实现日本猕猴的面部检测和个体识别	研究结果仍为初步探索，可能在更大样本上的有效性尚需验证	开发一种自动生成日本猕猴社会网络表示的非侵入性工具	日本猕猴（Macaca fuscata）个体	计算机视觉	NA	深度学习	Faster-RCNN模型和YOLOv8n模型	视频	Kōjima岛猕猴种群的视频数据
1167	2024-08-05	Importance of Terrain and Climate for Predicting Soil Organic Carbon Is Highly Variable across Local to Continental Scales 2024-Jul-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c01172 PMID:38904357	研究论文	本研究探讨地形和气候对土壤有机碳分布的重要性	创新点在于通过深度学习方法揭示不同尺度下地形和气候在预测SOC分布中的作用	未评估因果机制，仅为观察性研究	旨在全面理解土壤有机碳的空间分布及其控制因素	研究对象为土壤有机碳(SOC)的空间分布	NA	NA	深度学习	NA	NA	局部尺度为1.25公里，大陆尺度为美国
1168	2024-08-05	Construction and validation of a deep learning prognostic model based on digital pathology images of stage III colorectal cancer 2024-Jul, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108369 PMID:38703632	研究论文	本文研究了一种基于数字病理图像的深度学习预后模型，用于预测III期结直肠癌的预后	本研究展示了一种新型的肿瘤风险签名（TRS），用于量化III期结直肠癌患者的肿瘤微环境	该研究的局限性在于样本仅限于III期结直肠癌患者，可能不适用于其他阶段	探讨基于深度学习的肿瘤风险签名在III期结直肠癌预后中的价值	研究对象为265例来自癌症基因组图谱的III期结直肠癌患者和70例来自中山大学附属第六医院的III期结直肠癌患者	数字病理学	结直肠癌	深度学习	Cox模型	全切片图像	总共335例III期结直肠癌患者
1169	2024-08-05	Deep learning reconstruction algorithm for frequency-resolved optical gating 2024-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.519973 PMID:38950256	研究论文	提出一种基于深度学习的算法，用于重建超短激光脉冲	首次采用Seq2Seq模型及注意力机制精准重建超短脉冲	对非常有限的光谱图进行重建可能存在不确定性	研发高效的FROG技术用于超短激光脉冲的高速度测量	超短激光脉冲及其光谱图	光学技术	NA	深度学习	Seq2Seq	光谱图	整体测试数据集的样本
1170	2024-08-05	A comprehensive survey on deep active learning in medical image analysis 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103201 PMID:38776841	综述	本文综述了深度主动学习在医学图像分析中的核心方法及其整合。	首次详细总结了主动学习与其他标签高效技术的整合，特别是针对医学图像分析的主动学习工作	未明确指出具体的实验限制	探讨主动学习在医学图像分析中的应用及未来趋势	医学图像分析中的主动学习方法	数字病理学	NA	深度学习	NA	医学图像	NA
1171	2024-08-05	Coronary plaque phenotype associated with positive remodeling 2024 Jul-Aug, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2024.04.009 PMID:38677958	研究论文	该文章研究了与冠状动脉正重塑相关的斑块表型	利用四种机器学习模型识别与冠状动脉正重塑紧密相关的特征	NA	探讨正重塑与冠状动脉斑块特征的关系	426名接受冠状动脉CTA和光学相干断层扫描(OCT)的患者	计算机视觉	心血管疾病	光学相干断层扫描(OCT)	梯度提升机(GBM)、随机森林(RF)、深度学习(DL)、支持向量机(SVM)	NA	426名患者
1172	2024-08-05	A deep learning model for translating CT to ventilation imaging: analysis of accuracy and impact on functional avoidance radiotherapy planning 2024-Jul, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-024-01550-2 PMID:38536558	研究论文	本文介绍了一种将规划CT影像直接转换为通气影像的深度学习模型	该研究提出了一种新颖的深度学习模型，可以将CT影像准确转换为通气影像	本研究的样本量较小，且需要进一步的前瞻性试验来验证结果	探讨功能性影像在放射治疗计划中的应用，旨在减少肺部毒性	研究对象为48名非小细胞肺癌患者的配对规划CT和4DCT扫描	数字病理学	肺癌	深度学习	3D U-Net	影像	48名患者，测试集为7名患者
1173	2024-08-05	A deep-learning approach to predict bleeding risk over time in patients on extended anticoagulation therapy 2024-Jul, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2024.04.005 PMID:38642704	研究论文	这篇文章展示了深度学习如何利用患者的时间序列随访数据来改进主要出血的预测	文章的创新点在于将时间序列随访数据纳入预测模型，超越了仅依赖基线预测因子的传统临床模型	研究依赖于收集到的随访数据，可能受到临床访谈不规律性的影响	研究的目的是提高在接受长期抗凝治疗的患者中对主要出血风险的预测能力	研究对象是2542名在长期抗凝治疗中的患者，其中118名发生了主要出血	机器学习	NA	深度学习	前馈神经网络和递归神经网络的集成	时间序列数据	2542名患者（其中118名发生主要出血）
1174	2024-08-05	Development and evaluation of a deep learning framework for the diagnosis of malnutrition using a 3D facial points cloud: A cross-sectional study 2024-Jul, JPEN. Journal of parenteral and enteral nutrition DOI:10.1002/jpen.2643 PMID:38796717	研究论文	本文开发并评估了一种基于3D面部点云的深度学习框架用于营养不良的诊断	提出了一种新工具来整合与营养不良相关的面部特征，以进行疾病筛查	该研究未提及对数据收集过程或模型训练的其他限制	旨在开发一个深度学习框架以准确确定营养不良	对482名患者进行了研究	机器学习	NA	深度学习	PointNet++	3D点云	482名患者
1175	2024-08-05	Diagnostic performance of a deep-learning model using 18F-FDG PET/CT for evaluating recurrence after radiation therapy in patients with lung cancer 2024-Jul, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-024-01925-5 PMID:38589677	研究论文	本文开发了一种深度学习模型，以区分肺癌患者放疗后的变化与肿瘤复发	创新点在于使用了二维卷积神经网络（CNN）对放疗相关变化和肿瘤复发进行有效区分	研究局限于单一医院的数据回顾，可能影响外部有效性	研究目的在于提高放疗后肺癌患者肿瘤复发的诊断准确性	308名接受放疗的肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT	CNN	图像	308名患者，3329个切片
1176	2024-08-05	A deep learning method for reflective boundary estimation 2024-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026437 PMID:38949286	研究论文	该文章提出了一种用于反射边界估计的深度学习方法	该方法使用卷积神经网络，能够在不需要正确分配回声的情况下，实现鲁棒的二维边界估计	需要已知的发射器和接收器位置，可能限制了方法的适用范围	研究在复杂声学环境中进行环境估计的方法	反射边界的位置和声学回声的估计	计算机视觉	NA	卷积神经网络	CNN	图像	模拟数据和水箱的真实数据
1177	2024-08-05	Coronary artery disease evaluation during transcatheter aortic valve replacement work-up using photon-counting CT and artificial intelligence 2024 Jul-Aug, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.01.010 PMID:38368176	研究论文	本研究评估了光子计数CT与人工智能结合用于冠状动脉疾病评估的能力	该研究创新性地将光子计数CT与深度学习模型结合，以提高冠状动脉狭窄量化和血流储备预测的准确性	研究为回顾性单中心研究，可能存在选择偏倚	评估在经导管主动脉瓣置换术准备过程中使用光子计数CT与人工智能评估冠状动脉疾病的能力	对2021年10月到2023年6月之间的260名严重症状性主动脉瓣狭窄患者进行研究	医学影像学	冠状动脉疾病	光子计数CT	深度学习模型	临床数据	260名患者（138名男性，122名女性）
1178	2024-08-05	Machine learning methods for genomic prediction of cow behavioral traits measured by automatic milking systems in North American Holstein cattle 2024-Jul, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2023-24082 PMID:38395400	研究论文	本文旨在比较传统基因组预测方法与深度学习算法在自动挤奶系统中对北美荷斯坦奶牛行为特征的基因组预测性能	研究了深度学习算法在奶牛行为特征的基因组预测中相较于传统方法的表现，提供了对预测精度的新见解	深度学习方法的计算需求较高，且在未基因分型个体上的预测能力有限	提高复杂性状如奶牛行为的基因组预测精度	北美荷斯坦奶牛的挤奶拒绝和挤奶失败	机器学习	NA	自动挤奶系统	LASSO, MLP, CNN, GBLUP	每日记录	4,511头基因分型的荷斯坦奶牛，总计1,993,509条记录
1179	2024-08-05	Deep Learning Auto-Segmentation Network for Pediatric Computed Tomography Data Sets: Can We Extrapolate From Adults? 2024-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.01.201 PMID:38246249	研究论文	本研究评估了基于人工智能的自动分割模型在儿童CT数据集上的表现及其跨扫描仪兼容性	探讨了使用包含儿童数据的训练模型对提高分割性能的重要性	主要集中在特定的盆腔/胸部器官，可能无法推广至其他类型的医疗影像	评估成人CT数据训练的AI模型在儿童数据集上的性能	成人和儿童的CT扫描数据集，涵盖459个儿童CT扫描和950个成年CT扫描	数字病理学	NA	自动分割模型	nnU-Net	CT图像	儿童CT扫描459例，成人CT扫描950例
1180	2024-08-05	MOUNT: Learning 6DoF Motion Prediction Based on Uncertainty Estimation for Delayed AR Rendering 2024-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2022.3228807 PMID:37015352	研究论文	本文提出了一种基于深度学习的6DoF运动预测方法，用于补偿增强现实中的时间延迟	本文提出的MOUNT网络通过估计输入数据的不确定性来提高运动预测的准确性和流畅性	NA	研究增强现实设备中运动预测的优化方法	研究复杂的人体运动	计算机视觉	NA	深度学习	MOtion UNcerTainty encode decode network (MOUNT)	传感器数据	在EuRoC数据集和我们收集的数据集中进行了实验