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
1061	2024-09-17	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	研究使用深度学习模型ResNet-50来诊断新生儿坏死性小肠结肠炎（NEC），并与资深外科住院医师的诊断准确性进行比较	首次将深度学习模型应用于新生儿坏死性小肠结肠炎的放射影像诊断，并展示了其与资深外科住院医师相当的诊断准确性	研究样本仅来自单一机构，且未使用普遍应用的“金标准”进行诊断	评估深度学习模型在诊断新生儿坏死性小肠结肠炎中的准确性，并比较其与资深外科住院医师的诊断能力	新生儿坏死性小肠结肠炎的腹部放射影像	计算机视觉	新生儿疾病	深度学习	ResNet-50	图像	494张新生儿腹部放射影像（214张为NEC，280张为其他）
1062	2024-09-17	Progression or Aging? A Deep Learning Approach for Distinguishing Glaucoma Progression From Age-Related Changes in OCT Scans 2024-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.04.030 PMID:38703802	研究论文	开发了一种深度学习算法，用于在缺乏参考标准的情况下，通过光学相干断层扫描（OCT）图像检测青光眼进展	提出了噪声正未标记（Noise-PU）深度学习模型，结合卷积神经网络（CNN）和长短期记忆网络（LSTM），用于区分青光眼进展和年龄相关变化	研究基于回顾性队列，且依赖于特定的OCT设备（Spectralis, Heidelberg Engineering）	开发一种深度学习算法，用于在缺乏参考标准的情况下，通过OCT图像检测青光眼进展	青光眼和健康眼的OCT图像序列	机器学习	眼科疾病	光学相干断层扫描（OCT）	卷积神经网络（CNN）和长短期记忆网络（LSTM）结合模型	图像	3253只眼（1859名受试者），共8785个随访序列，平均随访时间为3.5 ± 1.6年
1063	2024-09-17	Automatic diagnosis for adenomyosis in ultrasound images by deep neural networks 2024-Oct, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.07.046 PMID:39121648	研究论文	本文介绍了一种基于深度神经网络的自动诊断子宫腺肌症的新技术	提出了一种基于Transformer网络的端到端统一网络框架A2DNet，用于自动诊断子宫腺肌症	NA	开发一种非侵入性的自动诊断子宫腺肌症的新技术	子宫腺肌症的自动诊断	计算机视觉	妇科疾病	深度学习	Transformer网络	图像	1654名患者
1064	2024-09-17	Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability 2024-Oct, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111886 PMID:39217668	研究论文	本文提出了一种基于门控循环单元（GRU）和alpha-EEG节律的深度学习模型，用于精神分裂症（SZ）的诊断	本文创新性地提出了Rudiment Densely-Coupled Convolutional Gated Recurrent Unit（RDCGRU）模型，用于基于EEG节律（gamma, beta, alpha, theta, 和 delta）的精神分裂症诊断	NA	研究目的是验证alpha-EEG节律在基于门控循环单元的深度学习模型中诊断精神分裂症的可靠性	研究对象是精神分裂症患者和alpha-EEG节律	机器学习	精神疾病	深度学习	门控循环单元（GRU）	脑电图（EEG）	NA
1065	2024-09-17	Deep Learning Prediction for Distal Aortic Remodeling After Thoracic Endovascular Aortic Repair in Stanford Type B Aortic Dissection 2024-Oct, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028231160101 PMID:36927177	研究论文	本研究旨在开发一种深度学习模型，用于预测斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后远端主动脉的重塑情况	本研究首次使用卷积神经网络（CNN）和点云神经网络（PC-NN）来预测主动脉重塑情况，并发现PC-NN在预测负性主动脉重塑和再干预方面优于CNN	本研究为回顾性研究，样本量相对较小，且仅在一个中心进行	开发一种基于CTA的深度学习算法，用于自动化预测胸主动脉腔内修复术后远端主动脉的重塑情况	斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后的远端主动脉重塑情况	计算机视觉	心血管疾病	CTA	CNN, PC-NN	图像	147例急性或亚急性斯坦福B型主动脉夹层患者
1066	2024-09-17	Efficient Generation of Pretraining Samples for Developing a Deep Learning Brain Injury Model via Transfer Learning 2024-Oct, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03354-3 PMID:37642795	研究论文	研究如何通过迁移学习使用高精度的变换神经网络（TNN）生成预训练样本，以减少开发深度学习脑损伤模型所需的计算资源	提出了一种通过迁移学习使用TNN生成预训练样本的方法，显著提高了CNN模型的准确性，特别是在微调数据集较小的情况下	当微调样本数量达到3000或更多时，预训练带来的改进不明显	研究如何通过迁移学习减少开发深度学习脑损伤模型所需的计算资源	脑损伤模型	机器学习	NA	迁移学习	卷积神经网络（CNN），变换神经网络（TNN）	合成冲击数据，增强冲击数据	100个合成冲击样本，100个增强冲击样本，191个独立测量冲击样本
1067	2024-09-15	Image dataset for cattle biometric detection and analysis 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110835 PMID:39263231	研究论文	本文介绍了一个用于牛生物特征检测和分析的图像数据集	该数据集包含了72头霍林郭勒黄牛的侧面和背面图像，并附有详细的生物特征标注，可用于构建深度学习模型以实现自动化牲畜监测系统	NA	提高畜牧业管理效率和运营效果，促进农业智能化和可持续发展	霍林郭勒黄牛的生物特征	计算机视觉	NA	深度学习	NA	图像	72头霍林郭勒黄牛
1068	2024-09-15	Radiographic imaging and diagnosis of spinal bone tumors: AlexNet and ResNet for the classification of tumor malignancy 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100629 PMID:39257652	研究论文	研究探讨了放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用，特别是AlexNet和ResNet模型的应用	研究首次将AlexNet和ResNet模型应用于脊柱骨肿瘤的恶性分类，展示了深度学习和卷积神经网络在医学影像分析中的潜力	研究仅限于脊柱骨肿瘤的恶性分类，且样本量相对较小，未来需扩大样本量和研究范围	探索放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用	脊柱骨肿瘤的恶性分类	计算机视觉	NA	卷积神经网络 (CNN)	AlexNet, ResNet	图像	580名患者，1532张图像（679张良性肿瘤图像，853张恶性肿瘤图像）
1069	2024-09-15	Create distinctive databases of ancient languages and using a computer vision model to accurately recognize and classify them 2024-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110809 PMID:39257691	研究论文	本文提出了一种基于深度学习的楔形文字识别方法，通过计算机视觉模型快速识别和分类楔形文字图像	利用预先存在的音译和拉丁字母表示法，解决了希伯来字母数据收集困难的问题，并使用Yolov8预训练模型进行对象识别	NA	加速楔形文字的识别和分类过程	楔形文字图像和希伯来字母	计算机视觉	NA	深度学习	Yolov8	图像	约500张希伯来语书籍插图和超过1000张伊拉克发现的古代文档图像
1070	2024-09-15	Personalized Deep Learning Model for Clinical Target Volume on Daily Cone Beam Computed Tomography in Breast Cancer Patients 2024-Oct, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2024.101580 PMID:39258144	研究论文	开发了一种深度学习算法，用于在乳腺癌患者的每日锥形束CT扫描中改进临床靶区体积的分割	利用Intentional Deep Overfit Learning (IDOL)框架，实现了基于患者特异性学习的个性化图像引导放射治疗	未来研究应探索IDOL框架在不同深度学习模型、数据集和癌症部位的适应性	提高乳腺癌放射治疗中每日锥形束CT扫描的临床靶区体积分割精度	乳腺癌患者的每日锥形束CT扫描	计算机视觉	乳腺癌	深度学习	Swin UNETR, UNET, SegResNET	图像	240次CBCT扫描，来自100名乳腺癌患者
1071	2024-09-14	The research hotspots and theme trends of artificial intelligence in nurse education: A bibliometric analysis from 1994 to 2023 2024-10, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2024.106321 PMID:39084073	综述	本文通过文献计量分析探讨了1994年至2023年间人工智能在护理教育中的研究热点和主题趋势	本文通过多种分析工具揭示了人工智能在护理教育中的研究热点和未来趋势	本文主要依赖文献计量分析，可能忽略了其他定性研究方法的贡献	探讨人工智能在护理教育中的研究热点和主题趋势	人工智能在护理教育中的应用	机器学习	NA	文献计量分析	NA	文本	135篇文章
1072	2024-09-14	Non-invasive prediction of axillary lymph node dissection exemption in breast cancer patients post-neoadjuvant therapy: A radiomics and deep learning analysis on longitudinal DCE-MRI data 2024-Oct, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2024.103786 PMID:39137488	研究论文	本研究利用放射组学和深度学习分析纵向DCE-MRI数据，预测乳腺癌患者在新辅助治疗后腋窝淋巴结切除豁免的可能性	本研究引入了一种基于支持向量机的“数据整合”模型，显著提高了腋窝淋巴结状态评估的准确性	本研究为回顾性分析，样本量有限，需要进一步的前瞻性研究验证	开发一种精确的方法来评估乳腺癌患者在新辅助治疗后腋窝淋巴结的状态	乳腺癌患者在新辅助治疗后的腋窝淋巴结状态	数字病理学	乳腺癌	动态对比增强MRI (DCE-MRI)	支持向量机 (SVM)	图像	160名乳腺癌患者
1073	2024-09-14	Artificial intelligence-assisted grading for tear trough deformity 2024-Oct, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2024.07.048 PMID:39151284	研究论文	本文研究了利用智能手机摄影和人工智能深度学习技术辅助泪沟畸形分级的方法	首次展示了使用内置智能手机摄像头和AI深度学习程序对泪沟畸形进行分类的可行性	研究样本量相对较小，且仅使用了单一的智能手机摄像头	建立一个可靠且精确的数字图像分级模型，以辅助外科医生进行临床评估和手术决策	泪沟畸形	计算机视觉	NA	深度学习	NA	图像	504名患者和983张照片
1074	2024-09-13	Machine learning and matrix-assisted laser desorption/ionization time-of-flight mass spectra for antimicrobial resistance prediction: A systematic review of recent advancements and future development 2024-Oct-11, Journal of chromatography. A DOI:10.1016/j.chroma.2024.465262 PMID:39197363	综述	本文综述了使用机器学习和基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF MS）预测抗生素抗性的最新进展和未来发展	本文强调了深度学习技术在抗生素抗性预测中的潜力	本文主要集中在随机森林、支持向量机和逻辑回归等传统机器学习算法上，未深入探讨其他新兴技术	评估当前使用机器学习从MALDI-TOF质谱数据中检测和分类抗生素抗性的技术水平	研究对象主要包括金黄色葡萄球菌、肺炎克雷伯菌和大肠杆菌等细菌及其对抗生素的抗性	机器学习	NA	基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF MS）	随机森林、支持向量机、逻辑回归、人工神经网络	质谱数据	40项研究符合纳入标准
1075	2024-09-13	m5c-iDeep: 5-Methylcytosine sites identification through deep learning 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.07.008 PMID:39089345	研究论文	本文开发了一种基于深度学习的计算方法m5c-iDeep，用于快速准确地识别RNA中的5-甲基胞嘧啶位点	m5c-iDeep模型在准确性和鲁棒性方面优于现有的m5c预测工具，达到了99.9%的准确率	NA	开发一种高效的计算方法来识别RNA中的5-甲基胞嘧啶位点	RNA中的5-甲基胞嘧啶位点	机器学习	NA	深度学习	LSTM	序列数据	NA
1076	2024-09-13	Quantum-level machine learning calculations of Levodopa 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108146 PMID:39067350	研究论文	本文使用量子级别的机器学习方法ANI-1x神经网络势能预测了L-3,4-二羟基苯丙氨酸（Levodopa）的势能面	首次使用ANI-1x神经网络势能在量子级别上预测Levodopa的势能面，并展示了与DFT计算的良好一致性	NA	研究机器学习在药物分子势能面计算中的应用	L-3,4-二羟基苯丙氨酸（Levodopa）分子	机器学习	NA	密度泛函理论（DFT）	神经网络	分子结构数据	NA
1077	2024-09-13	Multi-scale DNA language model improves 6 mA binding sites prediction 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108129 PMID:39067351	研究论文	本文开发了一种基于多尺度DNA语言模型的框架，用于预测6mA结合位点	提出了名为iDNA6mA-MDL的多尺度DNA语言模型，结合多种kmer和核苷酸属性及频率方法进行特征嵌入，并利用DNABERT弥补全局DNA信息捕捉的不足	NA	开发一种高效的方法来预测6mA结合位点，以替代传统的湿实验方法	6mA结合位点的预测	机器学习	NA	深度学习	多尺度DNA语言模型	DNA序列	在经典的6mA水稻基因数据集上进行了实验，并在另外11个6mA数据集上进行了验证
1078	2024-09-13	Deep learning based method for predicting DNA N6-methyladenosine sites 2024-Oct, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.07.012 PMID:39097179	研究论文	提出了一种基于深度学习的预测DNA N6-甲基腺苷位点的方法	提出了基于全局响应归一化的多尺度卷积模型（CG6mA）来解决6mA位点预测问题	未提及	开发一种高效的方法来预测DNA N6-甲基腺苷位点	DNA N6-甲基腺苷位点	机器学习	NA	深度学习	多尺度卷积模型	DNA序列	使用了三种不同类型的基准数据集进行测试
1079	2024-09-13	MMCL-CPI: A multi-modal compound-protein interaction prediction model incorporating contrastive learning pre-training 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108137 PMID:39079285	研究论文	本文提出了一种名为MMCL-CPI的多模态化合物-蛋白质相互作用预测模型，结合对比学习预训练方法	本文的创新点在于提出了从一维SMILES和二维图像两种模态提取化合物特征，并设计了一种多模态模型，同时引入了多模态预训练策略，利用对比学习在大规模未标注数据集上建立SMILES字符串与化合物图像之间的对应关系	NA	本文的研究目的是提高化合物-蛋白质相互作用预测的准确性	本文的研究对象是化合物和蛋白质的相互作用	机器学习	NA	对比学习	多模态模型	序列和图像	NA
1080	2024-09-13	ACDMBI: A deep learning model based on community division and multi-source biological information fusion predicts essential proteins 2024-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108115 PMID:38865861	研究论文	本文提出了一种基于社区划分和多源生物信息融合的深度学习模型ACDMBI，用于预测关键蛋白质	ACDMBI模型通过整合蛋白质相互作用网络、基因表达数据和亚细胞定位数据，有效提升了关键蛋白质预测的准确性	NA	提高关键蛋白质预测的准确性，为药物研究和疾病诊断提供支持	关键蛋白质	机器学习	NA	图卷积网络（GCN）、图注意力网络（GAT）、双向长短期记忆网络（BiLSTM）、多头自注意力机制	深度神经网络（DNN）	蛋白质相互作用网络、基因表达数据、亚细胞定位数据	酿酒酵母数据