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
381	2024-10-04	Multi-model transfer function approach tuned by PSO for predicting stock market implied volatility explained by uncertainty indexes 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74456-8 PMID:39349738	研究论文	本文研究了商品市场、能源市场、经济政策和地缘政治威胁等不确定性因素对CBOE波动率指数（VIX）的预测能力	采用多模型传递函数技术，并通过粒子群优化（PSO）进行参数优化，捕捉不确定性指标与VIX之间的复杂非线性关系	NA	研究不确定性指标对美国股市波动率的预测能力	CBOE波动率指数（VIX）与不确定性指标之间的关系	机器学习	NA	粒子群优化（PSO）	多模型传递函数	时间序列数据	2012-2022年的数据
382	2024-10-04	Predicting RNA sequence-structure likelihood via structure-aware deep learning 2024-Sep-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05916-1 PMID:39350066	研究论文	本文开发了两种深度学习模型NU-ResNet和NUMO-ResNet，用于评估RNA序列-二级结构对的可能性	提出了NU-ResNet和NUMO-ResNet两种模型，通过3D矩阵显式编码RNA序列-结构信息，并引入了基于基本二级结构描述的2D折叠基序的自动提取方法	目前没有共识确定哪些特征最有效地表征RNA序列-结构对	开发能够准确评估RNA序列-结构对的深度学习模型	RNA序列-二级结构对	机器学习	NA	深度学习	卷积神经网络（CNN）	RNA序列-结构对	在不同RNA家族的独立测试数据集上进行了评估
383	2024-10-04	A deep learning approach for deriving wheat phenology from near-surface RGB image series using spatiotemporal fusion 2024-Sep-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01278-0 PMID:39350264	研究论文	本研究探讨了利用近地表RGB图像序列结合深度学习方法推导小麦物候期的潜力	本研究创新性地采用了三种不同的时空特征融合方法（顺序融合、同步融合和并行融合）构建深度学习模型，并评估了不同图像分辨率、拍摄视角和模型训练策略对模型性能的影响	本研究主要集中在小麦物候期的推导，未涉及其他作物或更广泛的农业应用	本研究的目的是开发一种准确监测小麦物候期的方法，以支持精准农业和优化作物管理实践	本研究的对象是小麦的物候期	计算机视觉	NA	深度学习	深度学习模型（基于顺序融合、同步融合和并行融合方法）	图像	未明确提及具体样本数量
384	2024-10-04	Personalized prediction of immunotherapy response in lung cancer patients using advanced radiomics and deep learning 2024-Sep-30, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00779-4 PMID:39350284	研究论文	本研究开发了一种基于高级放射组学和深度学习的预测模型，用于个性化预测肺癌患者对免疫治疗的反应	结合肿瘤内异质性和肿瘤周围血管的放射组学特征与临床特征，显著提高了对免疫治疗反应的预测能力	本研究为回顾性分析，样本量有限，未来需在前瞻性研究中验证模型的有效性	开发一种预测模型，用于预测肺癌患者在接受免疫治疗后的无进展生存期	肺癌患者及其对免疫治疗的反应	计算机视觉	肺癌	放射组学	DeepSurv	图像	206名接受免疫治疗的肺癌患者
385	2024-10-04	Real-time segmentation of biliary structure in pure laparoscopic donor hepatectomy 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73434-4 PMID:39341910	研究论文	本研究开发了一种基于深度学习的实时分割模型，用于在纯腹腔镜供肝切除术中识别胆道结构	首次提出使用深度学习模型进行实时胆道结构分割，以辅助外科医生在纯腹腔镜供肝切除术中确定最佳切断位置	本研究仅在单个机构的回顾性分析中进行，未来需要验证模型的临床效用和泛化能力	开发一种深度学习模型，用于在纯腹腔镜供肝切除术中实时识别胆道结构	胆道结构和切断位置	计算机视觉	NA	近红外荧光技术	DeepLabV3+	视频	30个纯腹腔镜供肝切除术的术中视频，共300帧
386	2024-10-04	NA-segformer: A multi-level transformer model based on neighborhood attention for colonoscopic polyp segmentation 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74123-y PMID:39342011	研究论文	本文提出了一种基于邻域注意力的多层次Transformer模型NA-SegFormer，用于结肠镜下息肉分割	提出了基于重叠补丁合并的邻域注意力机制的补丁合并模块，以提高现有Transformer分割算法在边缘分割上的性能	NA	提高结肠镜下息肉分割的准确性和实时性	结肠镜下息肉	计算机视觉	结肠癌	Transformer	NA-SegFormer	图像	使用了Kvasir-SEG、Kvasir-Instrument和KvasirCapsule-SEG三个数据集
387	2024-10-04	Enhanced gastric cancer classification and quantification interpretable framework using digital histopathology images 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73823-9 PMID:39342030	研究论文	本文提出了一种新的胃癌分类和量化解释框架，通过数字病理图像分析提高胃癌分类和分割的准确性	该框架通过自适应关注图像的相关特征，实现了对传统深度学习和机器学习模型的边际改进，并在处理数据变异性和泛化能力方面表现出色	NA	旨在提高胃癌分类和分割的准确性，并增强模型的解释性	胃癌的数字病理图像	数字病理学	胃癌	深度学习 (DL) 和机器学习 (ML)	Naïve Bayes 分类器	图像	两个公开数据集，验证集准确率分别为98.87%和97.28%，测试集准确率分别为98.47%和97.31%
388	2024-10-01	The application of advanced deep learning in biomedical graph analysis 2024-Sep-27, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.09.013 PMID:39343054	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
389	2024-10-04	MRI-based deep learning for differentiating between bipolar and major depressive disorders 2024-Sep-25, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111907 PMID:39357171	研究论文	本文提出了一种基于MRI的深度学习框架SE-ResNet，用于区分双相情感障碍和重度抑郁症	本文创新性地扩展了传统的Squeeze-and-Excitation层，引入空间注意力图生成分支，采用soft-pooling和7×7卷积，以检测复杂的空间模式，并通过元素级加法融合通道和空间注意力图，增强模型特征区分能力	本文仅在一个包含303名受试者的专有数据集上进行了验证，未来需要在更大规模和多样化的数据集上进行进一步验证	开发一种基于MRI的深度学习方法，以提高双相情感障碍和重度抑郁症的诊断准确性	双相情感障碍、重度抑郁症和健康对照组	计算机视觉	精神疾病	MRI	ResNet	图像	303名受试者
390	2024-10-04	DeepPBI-KG: a deep learning method for the prediction of phage-bacteria interactions based on key genes 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae484 PMID:39344712	研究论文	提出了一种基于关键基因和蛋白质的深度学习方法DeepPBI-KG，用于预测噬菌体与细菌的相互作用	该方法通过K-means采样选择高质量的负样本，并利用特征选择和深度神经网络进行预测，显著提高了预测性能	NA	开发一种高效的方法来预测噬菌体与细菌的相互作用，以支持快速筛选用于治疗的噬菌体	噬菌体与细菌的相互作用	机器学习	NA	深度学习	深度神经网络	基因组信息	NA
391	2024-10-04	MLSNet: a deep learning model for predicting transcription factor binding sites 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae489 PMID:39350338	研究论文	本文提出了一种名为MLSNet的深度学习模型，用于预测转录因子结合位点	MLSNet创新性地结合了多尺寸卷积融合和长短期记忆网络（LSTM），以有效捕捉DNA稀疏的高阶序列特征，并引入了超级令牌注意力和双向LSTM来系统地提取和整合高阶DNA形状特征	NA	提高转录因子结合位点的预测准确性	转录因子结合位点	机器学习	NA	ChIP-seq	MLSNet	DNA序列	165个ChIP-seq数据集
392	2024-10-04	OCT Radiomic Features Used for the Assessment of Activity of Thyroid Eye Disease 2024-Sep-09, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000010503 PMID:39361327	研究论文	本研究旨在基于光学相干断层扫描（OCT）图像开发深度学习放射组学模型，以评估甲状腺眼病的活动性	利用OCT图像进行深度学习放射组学分析，评估甲状腺眼病的活动性	研究样本量较小，且仅限于北京同仁医院的患者	开发基于OCT图像的深度学习放射组学模型，评估甲状腺眼病的活动性	甲状腺眼病患者的眼部OCT图像和临床活动评分	计算机视觉	甲状腺眼病	光学相干断层扫描（OCT）	随机森林（RF）和支持向量机（SVM）	图像	33名患者（66个眼眶）
393	2024-10-04	Improving Computer-aided Detection for Digital Breast Tomosynthesis by Incorporating Temporal Change 2024-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.230391 PMID:39140867	研究论文	开发了一种利用时间信息改进数字乳腺断层合成中癌症病变检测性能的深度学习算法	引入PriorNet作为级联深度学习模块，利用额外的生长信息来优化恶性概率的最终概率	NA	改进现有数字乳腺断层合成癌症检测框架的性能	数字乳腺断层合成图像中的癌症病变	计算机视觉	乳腺癌	深度学习	深度学习框架	图像	973例癌症和7123例非癌症病例
394	2024-10-04	Cross-modal integration of bulk RNA-seq and single-cell RNA sequencing data to reveal T-cell exhaustion in colorectal cancer 2024-Sep, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70101 PMID:39344205	研究论文	本文提出了一种名为DeepTEX的多组学深度学习方法，通过整合bulk RNA-seq和单细胞RNA测序数据，研究结直肠癌中T细胞耗竭的异质性	本文创新性地提出了DeepTEX方法，通过跨模态数据整合和知识蒸馏模型，预测T细胞耗竭的异质性，并识别关键功能通路和基因	NA	研究结直肠癌中T细胞耗竭的异质性，并探索相关的治疗靶点	结直肠癌中的T细胞耗竭	机器学习	结直肠癌	RNA-seq	深度学习模型	RNA序列数据	NA
395	2024-10-04	Development and validation of a deep learning model for detecting signs of tuberculosis on chest radiographs among US-bound immigrants and refugees 2024-Sep, PLOS digital health DOI:10.1371/journal.pdig.0000612 PMID:39348377	研究论文	开发并验证了一种用于检测美国移民和难民胸部X光片中结核病迹象的深度学习模型	首次开发了一种深度学习模型，用于大规模支持美国疾病控制与预防中心（CDC）的胸部X光片质量控制活动	模型性能在外部测试数据集上略有波动，需要进一步验证和优化	开发和验证一种深度学习模型，用于检测胸部X光片中的结核病迹象	美国移民和难民的胸部X光片	计算机视觉	肺结核	深度学习	深度学习模型	图像	152,012张图像（每名申请人一张；平均申请人年龄39岁）
396	2024-10-04	Optimizing Object Detection Algorithms for Congenital Heart Diseases in Echocardiography: Exploring Bounding Box Sizes and Data Augmentation Techniques 2024-Sep, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2509335 PMID:39355611	研究论文	研究优化先天性心脏病在超声心动图中的目标检测算法，探索边界框大小和数据增强技术的影响	首次探讨了在标注过程中包含心脏结构信息和应用数据增强技术对检测模型性能的影响	研究仅限于特定的YOLO版本和特定的先天性心脏病类型	优化医学影像中的目标检测算法，提高先天性心脏病的诊断准确性	先天性心脏病中的房间隔和室间隔缺损	计算机视觉	心血管疾病	深度学习	YOLO	图像	具体样本数量未在摘要中提及
397	2024-10-03	Effectiveness of data-augmentation on deep learning in evaluating rapid on-site cytopathology at endoscopic ultrasound-guided fine needle aspiration 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72312-3 PMID:39341885	研究论文	研究数据增强技术在深度学习评估内镜超声引导下细针穿刺细胞学快速现场评估中的效果	开发了一种基于人工智能的ROSE-AI系统，并通过数据增强技术提高了其诊断准确性	某些数据增强技术反而降低了诊断能力	探讨数据增强技术对ROSE-AI系统诊断能力的影响	内镜超声引导下细针穿刺细胞学快速现场评估	计算机视觉	胰腺癌	数据增强技术	深度学习模型	图像	4059张EUS-FNA切片图像，来自45名患者
398	2024-10-03	Combining 2.5D deep learning and conventional features in a joint model for the early detection of sICH expansion 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73415-7 PMID:39341957	研究论文	研究通过结合2.5D深度学习和传统特征，建立联合模型用于早期检测sICH扩展	首次将2.5D深度学习特征与临床特征、放射学标志和放射组学签名结合，建立联合模型用于早期sICH扩展的预测	研究为回顾性，样本量有限，需进一步前瞻性研究和多中心验证	评估联合模型在早期sICH扩展预测中的性能，并比较其与其他模型的表现	sICH患者的早期扩展风险	机器学习	脑血管疾病	2.5D深度学习	联合模型	图像	254名sICH患者
399	2024-10-03	Microbe-drug association prediction model based on graph convolution and attention networks 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71834-0 PMID:39333143	研究论文	本文提出了一种基于图卷积和注意力网络的微生物-药物关联预测模型	该模型结合了图卷积网络和图注意力网络，旨在通过学习相关特征揭示微生物与药物之间的潜在关系，从而提高预测的效率和准确性	NA	解决传统实验方法在预测潜在微生物-药物关联中的不足	微生物与药物之间的关联	机器学习	NA	图卷积网络（GCN）和图注意力网络（GAT）	GCNATMDA	微生物-药物关联矩阵	NA
400	2024-10-03	Deep learning domain adaptation to understand physico-chemical processes from fluorescence spectroscopy small datasets and application to the oxidation of olive oil 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73054-y PMID:39333249	研究论文	本文提出了一种利用领域适应和预训练视觉模型的新方法，结合新颖的可解释性算法，来分析荧光光谱数据中的物理化学过程	本文的创新点在于利用领域适应和预训练视觉模型，结合新颖的可解释性算法，将深度学习应用于荧光光谱数据分析，使其从黑箱转变为理解复杂生物和化学过程的工具	本文的局限性在于所使用的数据集通常较小且稀疏，且荧光激发-发射矩阵（EEMs）的高维度和重叠光谱特征增加了分析难度	本文的研究目的是通过深度学习方法分析荧光光谱数据，特别是荧光激发-发射矩阵（EEMs），以理解物理化学过程	本文的研究对象是荧光光谱数据，特别是橄榄油氧化过程中的荧光激发-发射矩阵（EEMs）	机器学习	NA	深度学习	神经网络	光谱数据	小数据集