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
821	2024-10-13	Identification of dynamic networks community by fusing deep learning and evolutionary clustering 2024-Oct-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74361-0 PMID:39390015	研究论文	本文提出了一种融合深度学习和进化聚类的动态网络社区检测方法	结合深度学习和进化聚类，提出了一种新的动态社区检测方法DLEC，能够有效挖掘复杂非线性结构并生成高质量的社区结构	NA	旨在提高动态网络中社区检测的准确性和鲁棒性	动态网络中的社区结构	机器学习	NA	深度学习	多层深度自编码器	网络数据	合成网络和真实世界网络
822	2024-10-14	Galformer: a transformer with generative decoding and a hybrid loss function for multi-step stock market index prediction 2024-Oct-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72045-3 PMID:39390029	研究论文	本文介绍了一种名为Galformer的创新型Transformer模型，结合生成式解码和混合损失函数，用于多步股票市场指数预测	Galformer模型具有生成式解码器和混合损失函数，能够显著提高长序列预测的速度，并结合定量误差和趋势准确性优化模型	NA	提高股票市场指数预测的准确性和效率	股票市场指数的多步预测	机器学习	NA	Transformer模型	Transformer	时间序列数据	四个典型股票市场指数：CSI 300指数、S&P 500指数、道琼斯工业平均指数（DJI）和纳斯达克综合指数（IXIC）
823	2024-10-14	Integrating holotomography and deep learning for rapid detection of NPM1 mutations in AML 2024-10-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75168-9 PMID:39390137	研究论文	本研究利用全息断层成像（HT）和深度学习技术，快速检测急性髓系白血病（AML）中的NPM1突变	首次将全息断层成像与深度学习结合，用于检测AML中的NPM1突变，提供了一种早期、高效且成本效益高的诊断方法	研究样本量相对较小，且仅限于AML中的NPM1突变检测	开发一种新的方法，用于快速准确地诊断AML中的NPM1突变	AML患者中的NPM1突变	数字病理学	白血病	全息断层成像（HT）	卷积神经网络（CNN）	图像	2073张HT髓母细胞图像，来自48名个体，包括NPM1野生型和突变样本
824	2024-10-14	Application of artificial intelligence model in pathological staging and prognosis of clear cell renal cell carcinoma 2024-Oct-10, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01437-8 PMID:39390246	研究论文	本研究开发了一种基于全切片图像的深度学习模型，用于预测透明细胞肾细胞癌的病理分期和预后	首次使用深度学习模型从病理图像中准确预测透明细胞肾细胞癌的病理分期和预后	研究样本仅来自TCGA数据库，可能存在数据偏倚	开发一种能够准确预测透明细胞肾细胞癌病理分期和预后的深度学习模型	透明细胞肾细胞癌患者的病理图像	数字病理学	肾癌	深度学习	深度学习模型	图像	513例透明细胞肾细胞癌患者
825	2024-10-14	A multi-task graph deep learning model to predict drugs combination of synergy and sensitivity scores 2024-Oct-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05925-0 PMID:39390357	研究论文	本文提出了一种多任务图深度学习模型'MultiComb'，用于预测药物组合的协同作用和敏感性评分	该模型利用图卷积网络处理药物的SMILES表示，并通过注意力机制优化特征表示，结合交叉缝合模型学习任务间关系，从而实现对药物组合协同作用和敏感性评分的预测	NA	预测药物组合对特定癌细胞系的协同作用和敏感性评分	药物组合的协同作用和敏感性评分	机器学习	癌症	图卷积网络	多任务深度学习模型	分子数据	38种独特药物组合成17,901对药物组合，并在37种独特癌细胞上测试
826	2024-10-14	Automatic maxillary sinus segmentation and pathology classification on cone-beam computed tomographic images using deep learning 2024-Oct-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04924-0 PMID:39390490	研究论文	使用深度学习技术自动分割锥束计算机断层扫描图像中的上颌窦并进行病理分类	采用改进的YOLOv5x架构进行迁移学习，以提高上颌窦及其疾病的分割和检测精度	研究样本量相对较小，且仅限于特定的上颌窦疾病	开发一种自动化的方法来分割和分类上颌窦及其疾病，以辅助医生工作	上颌窦及其相关疾病，包括黏液潴留囊肿、黏膜增厚、完全和部分不透明以及健康上颌窦	计算机视觉	口腔颌面疾病	深度学习	YOLOv5x	图像	307例锥束计算机断层扫描图像，包括173名女性和134名男性患者
827	2024-10-14	A deep learning-based dose calculation method for volumetric modulated arc therapy 2024-Oct-10, Radiation oncology (London, England) DOI:10.1186/s13014-024-02534-2 PMID:39390598	研究论文	本研究利用深度学习方法开发了一种用于容积旋转调强放疗（VMAT）的快速且准确的剂量计算方法	本研究采用3D UNet模型，通过学习剂量计算的物理原理，实现了比传统治疗计划系统（TPS）更快的剂量计算速度	本研究仅在头颈部VMAT计划上进行了验证，未来需要在更多类型的放疗计划上进行测试	开发一种基于深度学习的快速且准确的VMAT剂量计算方法	头颈部VMAT计划	机器学习	NA	深度学习	3D UNet	图像	51个头颈部VMAT计划，其中43个用于训练，1个用于验证，7个用于测试
828	2024-10-14	A deep learning model to enhance the classification of primary bone tumors based on incomplete multimodal images in X-ray, CT, and MRI 2024-Oct-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00784-7 PMID:39390604	研究论文	研究开发了一种基于深度学习的模型，用于在X光、CT和MRI等多模态图像不完整的情况下，对原发性骨肿瘤进行分类	提出了基于Transformer的PBTC-TransNet融合模型，能够在多模态图像不完整的情况下有效分类原发性骨肿瘤	研究为回顾性研究，且仅在两个中心的数据集上进行了验证	开发和验证一种基于不完整多模态图像和临床特征的深度学习模型，用于原发性骨肿瘤的分类	原发性骨肿瘤的分类	计算机视觉	骨肿瘤	深度学习	Transformer	图像	1305名患者，包括内部数据集1043例和外部数据集262例
829	2024-10-14	Analyzing hope speech from psycholinguistic and emotional perspectives 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74630-y PMID:39384851	研究论文	本研究利用自然语言处理工具分析社交媒体中的希望言论，提取心理语言学、情感和情感特征	提出了一种利用NLP工具分析社交媒体希望言论的新方法，并展示了LightGBM和CatBoost模型在分类不同类型希望方面的优越性能	NA	研究社交媒体中希望言论的心理语言学和情感特征，并探索利用这些数据分类不同类型希望的潜力	社交媒体中的希望言论	自然语言处理	NA	自然语言处理 (NLP)	LightGBM, CatBoost	文本	希望言论数据集
830	2024-10-14	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-Oct-06, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文介绍了一种自动化免疫荧光染色流程，结合定量高内涵成像技术，用于研究DNA损伤信号传导	提出了自动化液体处理系统与高内涵成像技术的无缝集成方法，并提供了确保实验结果可重复性和可扩展性的实用建议	未明确提及具体的局限性	提升实验室高内涵定量成像能力，通过先进实验室自动化的无缝集成	DNA损伤信号传导	生物技术	NA	自动化液体处理系统，高内涵成像	深度学习	图像	未明确提及具体样本数量
831	2024-10-13	Development and validation of a multimodal deep learning framework for vascular cognitive impairment diagnosis 2024-Oct-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110945 PMID:39391736	研究论文	开发并验证了一种用于血管性认知障碍诊断的多模态深度学习框架	结合了视觉变换器和极端梯度提升算法的多模态深度学习框架，能够识别对血管性认知障碍诊断有显著贡献的大脑区域和临床特征	NA	开发一种准确且可解释的临床决策支持工具，用于识别脑血管疾病患者的血管性认知障碍	307名脑血管疾病患者的临床非影像数据和神经影像数据	机器学习	脑血管疾病	多模态深度学习	视觉变换器和极端梯度提升算法	临床非影像数据和神经影像数据	307名患者
832	2024-10-13	Chain-aware graph neural networks for molecular property prediction 2024-Oct-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae574 PMID:39392786	研究论文	本文提出了一种新的链感知图神经网络模型，用于分子性质预测	通过学习中心节点沿最短路径的表示来捕捉链结构，并使用初始残差差分连接（IRDC）减少层间冗余，从而提高节点特征的表达能力	NA	改进分子性质预测中节点特征的表达能力	分子图及其链结构	机器学习	NA	图神经网络（GNN）	链感知图神经网络	分子图	NA
833	2024-10-13	Benchmarking reveals superiority of deep learning variant callers on bacterial nanopore sequence data 2024-Oct-10, eLife IF:6.4Q1 DOI:10.7554/eLife.98300 PMID:39388235	研究论文	本文通过基准测试比较了深度学习变异检测工具在细菌纳米孔测序数据上的表现	研究发现深度学习变异检测工具在细菌纳米孔测序数据上的准确性显著优于传统方法，甚至超过了Illumina测序	NA	评估深度学习变异检测工具在细菌基因组中的准确性	细菌基因组的变异检测	基因组学	NA	纳米孔测序	深度学习	基因组数据	14种不同细菌物种
834	2024-10-13	Riverbed litter monitoring using consumer-grade aerial-aquatic speedy scanner (AASS) and deep learning based super-resolution reconstruction and detection network 2024-Oct-10, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117030 PMID:39393229	研究论文	本文介绍了一种使用消费级空中-水下快速扫描仪（AASS）和基于深度学习的超分辨率重建与检测网络来监测水下垃圾的方法	引入了AASS系统与超分辨率重建（SRR）和增强的YOLOv8检测网络相结合，提高了数据采集效率和检测精度	未提及具体限制	开发一种高效、低成本的消费级技术来自动检测水下垃圾	水下垃圾的检测与分类	计算机视觉	NA	超分辨率重建（SRR）	YOLOv8	图像	未提及具体样本数量
835	2024-10-13	Segmentation-based quantitative measurements in renal CT imaging using deep learning 2024-Oct-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00507-4 PMID:39382755	研究论文	本文开发了一种基于深度学习的肾脏CT图像自动测量方法	使用3D UNet模型对对比增强和非对比增强CT图像进行肾脏测量，模型性能与手动标注相当	当训练集主要由健康受试者组成时，模型在处理不健康肾脏时需要特别注意	开发一种自动化的肾脏CT图像测量方法，以评估肾功能	肾脏CT图像的自动测量	计算机视觉	NA	深度学习	3D UNet	图像	88名潜在肾脏捐献者的对比增强和非对比增强CT扫描，以及18例对比增强、15例光子计数CT扫描和8例低剂量CT扫描的测试集
836	2024-10-13	Deep learning-based defacing tool for CT angiography: CTA-DEFACE 2024-Oct-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00510-9 PMID:39382818	研究论文	本文介绍了一种基于深度学习的CT血管造影（CTA）去识别工具CTA-DEFACE，通过自动生成面部遮罩来保护患者隐私	开发了一种新的深度学习模型CTA-DEFACE，用于自动去识别CTA图像，相比公开的模型，该模型显著降低了面部检测概率和与原始图像的相似度	NA	建立一个自动化的CTA数据去识别流程，以提高数据保护措施	CTA数据的去识别	计算机视觉	NA	人工神经网络（ANN）	ANN	图像	训练集100个面部遮罩，测试集50个外部机构的数据
837	2024-10-13	SMGformer: integrating STL and multi-head self-attention in deep learning model for multi-step runoff forecasting 2024-Oct-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74329-0 PMID:39384833	研究论文	本文提出了一种新的SMGformer模型，用于多步径流预测，该模型结合了STL分解、Informer编码层、双向门控循环单元（BiGRU）和多头自注意力机制（MHSA）	创新点在于将STL分解与多头自注意力机制结合，构建了一个多特征输入集，并通过BiGRU层和MHSA机制优化输出，提高了径流预测的准确性	NA	提高径流预测的准确性，为水资源分配、防洪和减灾提供支持	中国两个水文站的月径流数据	机器学习	NA	STL分解、多头自注意力机制（MHSA）、双向门控循环单元（BiGRU）	SMGformer	时间序列数据	两个水文站的月径流数据
838	2024-10-13	PRN: progressive reasoning network and its image completion applications 2024-Oct-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72368-1 PMID:39384878	研究论文	本文提出了一种用于壁画图像修复的渐进推理网络（PRN），通过模拟壁画绘制过程，实现了对受损壁画的有效修复	提出了一个专门为壁画图像修复设计的渐进推理网络，包含亮度推理模块、草图推理模块和颜色融合模块，通过双编码框架和配对关联学习方法，实现了对缺失区域的亮度、草图和颜色信息的恢复	NA	开发一种能够有效修复受损壁画的深度学习方法	受损的壁画图像	计算机视觉	NA	深度学习	渐进推理网络（PRN）	图像	NA
839	2024-10-13	Predicting SARS-CoV-2 infection among hemodialysis patients using deep neural network methods 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74967-4 PMID:39384931	研究论文	研究使用深度神经网络方法预测血液透析患者中的SARS-CoV-2感染	本研究创新性地使用深度学习模型（如RNN和CNN）来预测SARS-CoV-2感染，相比传统的预测模型（如逻辑回归、SVM和XGBoost），这些模型在特征工程要求较低的情况下表现出更高的准确性	随着疫情的发展，预测准确性有所下降	旨在通过深度学习模型提高对血液透析患者SARS-CoV-2感染的早期预测准确性	血液透析患者中的SARS-CoV-2感染	机器学习	NA	深度学习	RNN, CNN, LSTM	多源数据（包括人口统计学、临床、治疗、实验室、疫苗接种、社会经济状况和COVID-19监测数据）	未明确提及具体样本数量
840	2024-10-13	Accelerated muscle mass estimation from CT images through transfer learning 2024-Oct-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01449-4 PMID:39385108	研究论文	本文提出了一种通过迁移学习加速从CT图像中估计肌肉质量的方法	利用少量手动标注的SEED图像进行迁移学习，训练VNet模型以实现快速器官标注	未提及具体限制	克服CT图像分割中的困难，提高分割模型的效率和鲁棒性	CT图像中的肌肉和肝脏分割	计算机视觉	NA	迁移学习	VNet	图像	少量手动标注的SEED图像