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
581	2024-12-12	Examples of implementations and the future of AI in medical diagnostics 2024-Dec-10, Przeglad epidemiologiczny DOI:10.32394/pe/195240 PMID:39660712	综述	本文介绍了人工智能在医疗诊断中的应用实例，并展望了未来的发展方向	探讨了深度学习算法的发展、5G技术与互联网的整合以及医疗个性化等潜在创新	提到了法律监管和数据管理适应的挑战	探讨人工智能在医疗诊断中的应用及未来发展	人工智能在医疗诊断中的应用实例及未来研究方向	机器学习	NA	深度学习	NA	NA	NA
582	2024-12-12	Domain generalization for mammographic image analysis with contrastive learning 2024-Dec-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109455 PMID:39657447	研究论文	本文提出了一种新的对比学习方法MSVCL+，用于增强深度学习模型在乳腺X光图像分析中的风格泛化能力	开发了一种新的对比学习方法MSVCL+，通过多风格和多视角的无监督自学习方案，使深度学习模型在面对不同风格数据时具有更强的鲁棒性	NA	提高深度学习模型在乳腺X光图像分析中的泛化能力	乳腺X光图像的风格泛化能力	计算机视觉	NA	对比学习	深度学习模型	图像	使用了来自不同厂商风格域的乳腺X光图像和多个公共数据集
583	2024-12-12	Natural compounds for Alzheimer's prevention and treatment: Integrating SELFormer-based computational screening with experimental validation 2024-Dec-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109523 PMID:39657444	研究论文	本研究开发并应用了一种结合SELFormer化学语言模型和深度学习技术的计算管道，用于预测具有阿尔茨海默病治疗潜力的天然化合物	首次将SELFormer模型与实验验证相结合，用于筛选和验证阿尔茨海默病治疗相关的天然化合物	实验验证仅限于体外细胞研究，尚未进行临床试验	开发一种新的计算方法来筛选和验证阿尔茨海默病治疗相关的天然化合物	天然化合物及其在阿尔茨海默病治疗中的潜在作用	机器学习	阿尔茨海默病	SELFormer模型，深度学习技术，分子对接分析，UMAP投影，QSAR分析	Transformer	化合物数据	17种高活性天然化合物，NGF分化的PC12细胞
584	2024-12-12	Autoencoder-based phenotyping of ophthalmic images highlights genetic loci influencing retinal morphology and provides informative biomarkers 2024-Dec-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae732 PMID:39657956	研究论文	本文使用自编码器对31,135名UK Biobank参与者的视网膜光学相干断层扫描（OCT）图像进行表型分析，识别影响视网膜形态的遗传位点并提供有用的生物标志物	本文首次使用深度学习方法（自编码器）从OCT图像中提取更细微的图像变异模式，并通过全基因组关联研究（GWAS）识别新的遗传位点	本文未详细讨论自编码器模型的具体训练过程和参数设置，且未对所有识别的遗传位点进行功能验证	探索深度学习方法在视网膜OCT图像表型分析中的应用，识别影响视网膜形态的遗传因素	31,135名UK Biobank参与者的视网膜OCT图像	计算机视觉	眼科疾病	自编码器	自编码器	图像	31,135名参与者的视网膜OCT图像
585	2024-12-12	Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias 2024-Dec-09, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awae388 PMID:39657969	研究论文	本文介绍了一种基于神经病理学的多标签深度学习框架，用于识别和量化阿尔茨海默病、血管性痴呆和路易体痴呆的生前T1加权MRI扫描中的生物标志物	提出了DeepSPARE指数，这是一种精确、对病理敏感且单值的无创神经影像学指标，能够将传统的T1影像与组织病理学相结合	NA	解决临床中神经退行性和血管病理共存导致的诊断挑战	阿尔茨海默病、血管性痴呆和路易体痴呆的生前T1加权MRI扫描中的生物标志物	机器学习	阿尔茨海默病	深度学习	深度学习模型	影像	423名痴呆患者和361名对照参与者
586	2024-12-12	Focus on atrial fibrillation: role of atrioventricular node ablation, prediction by deep learning, and anticoagulation in device-detected arrhythmia 2024-Dec-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae826 PMID:39657597	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
587	2024-12-12	Enhancing novel isoform discovery: leveraging nanopore long-read sequencing and machine learning approaches 2024-Dec-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae031 PMID:39158328	综述	本文综述了利用纳米孔长读长测序技术和机器学习方法增强新剪接异构体发现的研究进展	本文讨论了长读长测序技术在检测新剪接异构体和重建复杂剪接模式方面的改进，并介绍了机器学习和深度学习算法在提高长读长测序转录组研究可靠性方面的进展	目前缺乏对哪些生物信息学工具和流程能产生最精确和一致结果的共识	讨论和比较利用长读长测序技术进行新剪接异构体发现的可行方法，并展示开发标准分析流程、工具和转录本模型规范的必要性	长读长测序技术和机器学习算法在新剪接异构体发现中的应用	生物信息学	NA	纳米孔长读长测序	机器学习	RNA转录本	25种工具
588	2024-12-12	Multi-horizon event detection for in-hospital clinical deterioration using dual-channel graph attention network 2024-Dec-06, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105745 PMID:39657403	研究论文	本文提出了一种基于双通道图注意力网络的多时间尺度临床恶化事件检测方法，用于医院内早期检测	本文创新性地提出了双通道图注意力网络，结合多任务学习策略，能够同时学习任务相关性和减少多任务学习中的任务不平衡效应	NA	开发一种端到端的深度学习架构，用于早期检测医院内的临床恶化事件	医院内的临床恶化事件	机器学习	NA	图注意力网络	双通道图注意力网络	时间序列	两个来自重症监护病房（ICU）的临床时间序列数据集
589	2024-12-12	An extrapolation-driven network architecture for physics-informed deep learning 2024-Dec-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106998 PMID:39657525	研究论文	本文提出了一种基于外推驱动的网络架构，用于物理信息深度学习，以克服传统物理信息神经网络（PINN）在处理时间依赖偏微分方程（PDEs）时的弱点	通过引入外推能力和修正项，提出了一种新的神经网络架构，能够在单个网络中实现全局解，并严格保持时间间隔节点处的连续性和平滑性	NA	克服传统物理信息神经网络在处理时间依赖偏微分方程时的弱点	时间依赖偏微分方程（PDEs）的求解	机器学习	NA	物理信息神经网络（PINN）	神经网络	数值数据	NA
590	2024-12-12	M4Net: Multi-level multi-patch multi-receptive multi-dimensional attention network for infrared small target detection 2024-Dec-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.107026 PMID:39657528	研究论文	本文提出了一种用于红外小目标检测的多层次多补丁多感受野多维注意力网络（M4Net）	创新点在于设计了多层次特征提取模块（MFEM）、多补丁注意力模块（MPAM）、多感受野模块（MRFM）和多维交互模块（MDIM），以实现高层次和低层次特征之间的信息交互，保持目标轮廓和位置细节	NA	解决传统红外小目标检测方法依赖手动特征设置以及深度学习方法在深层丢失目标的问题	红外小目标的检测	计算机视觉	NA	ViT（视觉变换器）	CNN（卷积神经网络）	图像	红外小目标检测数据集
591	2024-12-12	Deep learning-based segmentation of acute ischemic stroke MRI lesions and recurrence prediction within 1 year after discharge: A multicenter study 2024-Dec-02, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2024.12.002 PMID:39631660	研究论文	研究基于深度学习的急性缺血性卒中MRI病灶分割及其出院后1年内复发预测的多中心研究	提出了基于多尺度残差注意力UNet（MRA-UNet）的深度学习算法用于MRI病灶分割，并结合影像组学特征和临床因素开发了预测急性缺血性卒中复发的新模型	研究未详细讨论模型的泛化能力以及在不同医疗中心的适用性	探索深度学习在急性缺血性卒中MRI病灶分割中的表现，并开发结合影像组学特征和临床因素的模型以准确预测出院后1年内的复发	急性缺血性卒中患者的MRI影像及其出院后1年内的复发情况	机器学习	脑血管疾病	MRI	MRA-UNet	影像	多中心研究，具体样本量未在摘要中提及
592	2024-12-12	Deep learning dives: Predicting anxiety in zebrafish through novel tank assay analysis 2024-Dec-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2024.114696 PMID:39293590	研究论文	本研究使用深度学习模型对斑马鱼在新环境中的焦虑行为进行分类	本研究首次使用DeepLabCut和InceptionV3等深度学习模型对斑马鱼的焦虑行为进行自动化分析，提供了一种高效且成本效益高的替代传统方法的方案	本研究的局限性在于仅使用了特定的深度学习模型进行分类，未探讨其他可能更适合的模型	开发一种自动化分析斑马鱼新环境潜水实验（NTD）的方法，以预测其焦虑水平	斑马鱼的焦虑行为	计算机视觉	NA	深度学习	InceptionV3	图像	训练数据集包含图像帧
593	2024-12-12	Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction 2024-Dec-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2024.4299 PMID:39382865	研究论文	本研究评估了在特定风险群体上训练的风险预测模型的性能，以解决手术风险预测中的类别不平衡问题	通过使用特定风险群体进行模型训练，显著提高了对低发病率并发症的预测性能	研究仅在两所大学的医院进行，样本量和结果的普适性可能有限	评估在特定风险群体上训练的风险预测模型的性能	手术后常见并发症的风险预测	机器学习	NA	深度学习	深度学习模型	文本	109445例住院手术
594	2024-12-12	Efficient deep learning surrogate method for predicting the transport of particle patches in coastal environments 2024-Dec, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117251 PMID:39547071	研究论文	本文提出了一种用于预测沿海环境中颗粒团残留运输的深度学习代理模型方法	通过仅使用相关强迫条件，训练深度学习模型来预测颗粒团的位移和扩散，并将其与简化的拉格朗日模型结合，以获得更长时间的预测	NA	开发一种高效的预测沿海环境中污染物运输的代理模型	沿海环境中颗粒团的运输	机器学习	NA	深度学习模型	DLM	颗粒团数据	NA
595	2024-12-12	Identifying and quantifying multiple pollution sources in estuaries using fluorescence spectra and gradient-based deep learning 2024-Dec, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117254 PMID:39551020	研究论文	本研究开发了一种智能方法，用于识别和量化河口地区的水污染源	提出了结合激发-发射矩阵（EEM）荧光光谱和梯度输入的深度学习模型，以提高分类和定量精度	随着混合污染源数量的增加，模型精度有所下降	开发一种智能方法来识别和量化河口地区的水污染源	河口地区的七种污染源，包括海水、雨水和五种典型污染源	机器学习	NA	深度学习	深度学习模型	荧光光谱	七种污染源的激发-发射矩阵（EEM）荧光光谱数据
596	2024-12-12	Technical and functional design considerations for a real-world interpretable AI solution for NIR perfusion analysis (including cancer) 2024-Dec, 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.2024.108273 PMID:38538505	研究论文	本文讨论了在近红外（NIR）灌注分析中应用可解释人工智能（AI）的技术和功能设计考虑，以提高动态解释的准确性并扩展其应用	本文提出了一种新的可解释AI方法，用于实时区分手术室中的癌症和良性组织，并通过生成荧光强度曲线来实现组织灌注分类	本文主要讨论了设计和功能考虑，未详细探讨实际应用中的具体挑战和限制	开发一种可解释的AI解决方案，用于近红外灌注分析，特别是在手术中进行癌症检测和组织健康评估	近红外（NIR）灌注分析中的组织和癌症检测	机器学习	癌症	近红外（NIR）分析，荧光评估，机器学习	机器学习分类器	视频	NA
597	2024-12-12	Prediction of Perceived Exertion Ratings in National Level Soccer Players Using Wearable Sensor Data and Machine Learning Techniques 2024-Dec, Journal of sports science & medicine DOI:10.52082/jssm.2024.744 PMID:39649569	研究论文	本研究旨在探讨外部和内部负荷参数与主观感知疲劳评分（RPE）之间的关系，并利用这些关系评估不同的机器学习模型，设计深度学习架构以预测高水平足球运动员的RPE	本研究首次结合可穿戴传感器数据和机器学习技术，设计深度学习模型来预测高水平足球运动员的RPE，并发现多种外部和内部参数而非单一变量对RPE预测具有重要影响	本研究仅针对26名职业男性足球运动员，研究结果的普适性可能有限	探讨外部和内部负荷参数与主观感知疲劳评分（RPE）之间的关系，并设计机器学习模型预测高水平足球运动员的RPE	26名职业男性足球运动员的训练和比赛数据	机器学习	NA	机器学习算法，深度学习架构	深度学习模型，树基机器学习模型	可穿戴传感器数据，RPE评分	26名职业男性足球运动员，5402次训练和732场比赛的数据
598	2024-12-12	Deep learning-based classification of alfalfa varieties: A comparative study using a custom leaf image dataset 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.103051 PMID:39650117	研究论文	本研究利用深度学习技术对苜蓿品种进行分类，并通过自定义的叶片图像数据集比较了几种先进模型的性能	本研究引入了包含1214张苜蓿品种图像的独特数据集，并比较了几种先进深度学习模型在不同超参数配置下的性能，突出了迁移学习在植物分类任务中的优越性	NA	研究深度学习技术在苜蓿品种分类中的应用	苜蓿品种（Bilensoy-80、Diana和Nimet）的分类	计算机视觉	NA	深度学习	MobileNetV3, InceptionV3, Xception, VGG19, DenseNet121, ResNet101, EfficientNetB3	图像	1214张苜蓿品种图像
599	2024-12-12	iResNetDM: An interpretable deep learning approach for four types of DNA methylation modification prediction 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.006 PMID:39650332	研究论文	本文提出了一种名为iResNetDM的可解释深度学习模型，用于预测四种DNA甲基化修饰	首次将DNA甲基化修饰预测任务作为多类分类问题，并引入了结合残差网络和自注意力机制的深度学习模型，能够区分四种DNA甲基化修饰类型	之前的模型仅限于二元预测，无法全面分析不同修饰类型之间的关系，且缺乏对模型决策过程的充分解释	开发一种能够区分多种DNA甲基化修饰类型并具有解释性的深度学习模型	四种DNA甲基化修饰类型及其相互关系	机器学习	NA	深度学习	ResNet	DNA序列	NA
600	2024-12-12	Effect of shear rate on early Shewanella oneidensis adhesion dynamics monitored by deep learning 2024-Dec, Biofilm IF:5.9Q1 DOI:10.1016/j.bioflm.2024.100240 PMID:39650339	研究论文	研究了剪切率对早期Shewanella oneidensis粘附动力学的影响，并通过深度学习进行监测	首次使用深度学习方法（YOLOv8）在个体水平上追踪早期粘附细菌的动态行为，并量化了不同剪切率对细菌粘附和定殖的影响	研究仅限于单一细菌种类（MR-1）和特定的剪切率范围，未来研究可以扩展到其他细菌种类和更广泛的剪切率范围	评估剪切率对早期细菌粘附动力学的影响，以更好地理解细菌定殖过程并制定相应的控制策略	Shewanella oneidensis细菌在不同剪切率下的早期粘附行为	计算机视觉	NA	深度学习	YOLOv8	图像	超过20,000个细菌样本