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
801	2024-12-14	How to identify patient perception of AI voice robots in the follow-up scenario? A multimodal identity perception method based on deep learning 2024-Dec, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104757 PMID:39631488	研究论文	本研究构建了一个基于深度学习的多模态身份感知模型，用于识别患者对AI语音机器人的感知	提出了一个结合BERT、TextCNN、AST和LSTM的多模态深度学习模型，用于识别患者对AI语音机器人的感知	NA	识别患者对AI语音机器人的感知，以优化随访过程并提高患者合作度	患者对AI语音机器人的感知	机器学习	NA	深度学习	多模态模型（BERT、TextCNN、AST、LSTM）	音频和文本	2030个患者的响应音频记录和相应的文本数据
802	2024-12-14	HyperMPNN-A general strategy to design thermostable proteins learned from hyperthermophiles 2024-Dec-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.26.625397 PMID:39651244	研究论文	本文提出了一种基于超嗜热菌蛋白质结构数据的自监督学习方法HyperMPNN，用于设计高度耐热蛋白质	通过重新训练的HyperMPNN网络，成功恢复了超嗜热菌蛋白质的独特氨基酸组成，并将其应用于非超嗜热菌蛋白质的设计，显著提高了蛋白质的耐热性	NA	开发一种新的方法来设计高度耐热蛋白质	超嗜热菌蛋白质和非超嗜热菌蛋白质	NA	NA	自监督学习	HyperMPNN	蛋白质结构	NA
803	2024-12-14	Automated confidence estimation in deep learning auto-segmentation for brain organs at risk on MRI for radiotherapy 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14513 PMID:39284283	研究论文	本文提出了一种名为AutoConfidence（ACo）的新型AI驱动质量保证方法，用于在磁共振成像（MRI）上进行脑部危及器官的自动分割，以评估每个体素的分割置信度	创新点在于无需金标准分割即可在每个体素基础上估计分割置信度，从而实现自动分割的稳健和高效审查	研究仅在胶质瘤病例中进行了验证，且未提及在其他类型肿瘤或不同成像模式中的应用	开发一种无需金标准分割的自动分割质量保证方法，以提高放射治疗中自动分割的可靠性和效率	脑部危及器官的自动分割在MRI上的置信度评估	计算机视觉	脑肿瘤	深度学习	生成对抗网络（GAN）	图像	32例回顾性胶质瘤病例用于训练，9例用于测试
804	2024-12-14	Deep learning based ultra-low dose fan-beam computed tomography image enhancement algorithm: Feasibility study in image quality for radiotherapy 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14560 PMID:39540681	研究论文	研究了基于深度学习的超低剂量kV-扇形束CT图像增强算法在腹部和盆腔肿瘤放疗中的临床应用可行性	提出了基于CycleGAN的图像增强模型，显著提高了超低剂量CT图像的质量，接近正常剂量CT图像	研究仅在腹部和盆腔肿瘤患者中进行，样本量相对较小，可能需要进一步验证在其他类型肿瘤中的适用性	评估深度学习增强的超低剂量CT图像在放疗中的临床应用可行性	腹部和盆腔肿瘤患者	计算机视觉	肿瘤	CycleGAN	GAN	图像	76名腹部和盆腔肿瘤患者
805	2024-12-14	Sleep apnea test prediction based on Electronic Health Records 2024-Dec, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104737 PMID:39489457	研究论文	本研究开发了基于电子健康记录（EHR）的预测模型，用于预测50岁以后是否进行睡眠呼吸暂停测试	引入了RankLi方法进行时间变量选择，并探讨了根据EHR记录数量进行子群体建模的有效性	研究仅限于50岁以后的预测，且依赖于EHR记录的可用性	开发预测模型，提前通知潜在的保险成员是否需要进行睡眠呼吸暂停测试	基于电子健康记录的睡眠呼吸暂停测试预测	机器学习	睡眠呼吸暂停	NA	1-CNN, LSTM, 随机森林, 逻辑回归	电子健康记录	NA
806	2024-12-14	Commentator Discussion: Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound 2024-Dec, JTCVS techniques IF:1.7Q2 DOI:10.1016/j.xjtc.2024.10.003 PMID:39669331	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
807	2024-12-13	Improving genome-scale metabolic models of incomplete genomes with deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111349 PMID:39660058	研究论文	本文提出了一种基于深度神经网络的代谢途径填补方法，用于改进不完整基因组的基因组尺度代谢模型	本文引入了深度神经网络引导的代谢途径填补方法（DNNGIOR），通过学习不同细菌基因组中代谢反应的存在与缺失来提高填补效果	NA	改进不完整基因组的基因组尺度代谢模型	微生物代谢模型中的代谢反应填补	机器学习	NA	深度学习	深度神经网络	基因组数据	涉及多种细菌基因组
808	2024-12-13	IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e40606 PMID:39660181	研究论文	本研究利用迁移学习和深度学习技术，通过卷积神经网络对印度尼西亚药用植物进行分类识别	首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类，并比较了多种深度学习模型的性能	实验仅使用了图像数据，未考虑其他类型的数据（如文本描述），且样本量相对较小	开发一种自动化的方法来识别印度尼西亚药用植物，以促进传统医学实践和农业发展	印度尼西亚的药用植物	计算机视觉	NA	迁移学习，卷积神经网络	CNN	图像	一个包含印度尼西亚药用植物图像的广泛数据集，经过手动精心挑选
809	2024-12-13	Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis 2024-Dec-12, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae204 PMID:39365026	研究论文	本研究使用深度学习技术评估了肉毒杆菌毒素A（BoNT-A）注射对面部表情的影响	首次使用卷积神经网络（CNN）基于面部情感识别系统客观测量BoNT-A注射对面部表情的影响	需要进一步研究以理解这些变化更广泛的影响	客观测量BoNT-A注射对面部表情的影响	BoNT-A注射对面部表情的影响	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	180名年龄在25至60岁之间的患者
810	2024-12-13	Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model 2024-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992c PMID:39622083	研究论文	本文提出了一种基于时间重分配多同步挤压变换（TMSST）和CNN-BiLSTM-Attention机制模型的数字孪生系统，用于脑电图（EEG）癫痫发作预测	创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型，提取患者特定的脉冲特征并进行癫痫发作预测	NA	研究目的是开发一种高效的数字孪生系统，用于脑电图癫痫发作预测	研究对象是脑电图数据和癫痫发作预测	机器学习	神经疾病	时间重分配多同步挤压变换（TMSST）	CNN-BiLSTM-Attention机制模型	脑电图（EEG）数据	22名患者
811	2024-12-13	Leveraging Large Language Models for Improved Understanding of Communications With Patients With Cancer in a Call Center Setting: Proof-of-Concept Study 2024-Dec-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/63892 PMID:39661975	研究论文	本研究评估了GPT-4在分类癌症患者电话咨询目的方面的表现，并将其与LSTM和BERT等判别模型的表现进行了比较	GPT-4在处理复杂和模糊查询方面表现出色，无需大量重新训练，显著优于传统的LSTM和BERT模型	需要进一步优化提示设计和类别定义，以充分发挥GPT-4在实际医疗应用中的潜力	评估GPT-4在分类癌症患者电话咨询目的方面的表现，并探索其在医疗环境中的应用潜力	癌症患者的电话咨询数据	自然语言处理	癌症	GPT-4	GPT-4	文本	430,355条来自2016年至2020年癌症患者电话咨询的句子
812	2024-12-13	Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis 2024-Dec-11, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.24.09.0256 PMID:39662033	研究论文	本研究旨在验证人类补偿储备算法是否可应用于犬类，并探讨简化波形分析预测失血量的可行性	开发了一种基于犬类动脉波形特征的失血量预测模型（cBLVM），并展示了其在预测犬类出血性休克中的优越性	研究样本量较小，仅包括6只犬类，可能影响结果的普适性	验证人类补偿储备算法在犬类中的适用性，并开发一种简化的波形分析方法来预测失血量	犬类出血性休克模型中的失血量预测	机器学习	NA	机器学习	深度学习（hCRM-DL）和机器学习（hCRM-ML）	波形	6只经过麻醉的犬类
813	2024-12-13	Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01364-8 PMID:39663317	研究论文	本文提出了一种基于深度学习的框架，用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织，并展示了其在临床应用中的潜力	本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集，并展示了多种深度学习模型架构和训练配置的实验结果	NA	开发一种自动化的语义分割方法，以增强乳腺X光图像在临床应用中的分析能力	乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织	计算机视觉	乳腺癌	深度学习	语义分割模型	图像	最大的专门用于乳腺X光图像分割关键解剖结构的数据集
814	2024-12-13	A Neural Network for Segmenting Tumours in Ultrasound Rectal Images 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01358-6 PMID:39663316	研究论文	本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型	创新点在于使用全局注意力解码器替代传统的卷积解码器，并结合有效的通道信息融合进行多尺度信息整合	NA	设计一种能够准确识别和分割超声图像中直肠肿瘤的方法，以辅助医生进行直肠癌诊断	超声直肠图像中的肿瘤	计算机视觉	直肠癌	深度学习	神经网络	图像	53名患者（173张图像）用于测试，195名患者（1247张图像）用于训练，20名患者（87张图像）用于验证
815	2024-12-13	Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01345-x PMID:39663320	研究论文	本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量	首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能	研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果	探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量	直肠癌患者的T2加权成像	计算机视觉	直肠癌	深度学习重建	NA	图像	52名直肠癌患者
816	2024-12-13	Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging 2024-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01373-7 PMID:39663321	研究论文	本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析	首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位	NA	开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预	癌症患者的腹部/骨盆CT扫描图像	计算机视觉	NA	CT	Swin UNETR	图像	200例癌症患者的腹部/骨盆CT扫描
817	2024-12-13	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2024-Dec-11, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种基于Vision Transformer和残差密集网络的深度贝叶斯网络辅助阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病检测	创新点在于结合了Vision Transformer和残差密集网络进行特征提取，并使用自适应深度贝叶斯网络进行阿尔茨海默病的检测，同时通过增强高尔夫优化算法优化模型参数	未提及具体的局限性	开发一种高效的深度学习方法，用于在早期阶段识别阿尔茨海默病，以提供有效的治疗	阿尔茨海默病及其在MRI图像中的特征	机器学习	阿尔茨海默病	MRI	Vision Transformer-based Residual DenseNet, Adaptive Deep Bayesian Network	图像	未提及具体样本数量
818	2024-12-13	Vocal Biomarkers for Parkinson's Disease Classification Using Audio Spectrogram Transformers 2024-Dec-10, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2024.11.008 PMID:39665946	研究论文	本研究评估了音频频谱图Transformer（AST）模型在通过语音生物标志物检测帕金森病（PD）中的有效性	提出了使用音频频谱图Transformer模型，利用其自注意力机制更好地捕捉PD相关的语音障碍，相较于传统深度学习方法具有更高的分类性能	需要进一步在更多样化的人群中进行验证以实现临床应用	评估音频频谱图Transformer模型在通过语音生物标志物检测帕金森病中的有效性	帕金森病患者的语音生物标志物	机器学习	帕金森病	音频频谱图Transformer（AST）模型	Transformer	音频	150名参与者（PC-GITA数据集：50名PD患者，50名健康对照；ITA数据集：28名PD患者，22名健康对照）
819	2024-12-13	Prediction of incident atrial fibrillation using deep learning, clinical models, and polygenic scores 2024-Dec-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehae595 PMID:39217446	研究论文	本研究开发并测试了一种基于深度学习的ECG-AI模型，用于预测心房颤动（AF），并与临床模型和AF多基因评分（PGS）进行了比较	本研究首次将深度学习应用于心电图（ECG）数据，提出了一种新的ECG-AI模型，并在多个数据集上验证了其性能，显示出比传统临床模型和多基因评分更高的预测准确性	本研究的样本主要来自一个三级心脏中心，外部验证数据集的样本量较小，可能限制了模型的普适性	开发和验证一种基于深度学习的心电图分析模型，用于预测新发心房颤动	心电图数据和心房颤动的预测	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	669,782份心电图数据，来自145,323名患者
820	2024-12-13	SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition 2024-Dec-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae046 PMID:39573886	研究论文	本文提出了一种基于比例分割氨基酸组成（PSAAC）的集成学习模型SAMP，用于识别抗菌肽	SAMP引入了新的特征类型PSAAC，能够捕捉抗菌肽序列中的残基模式和序列顺序信息，并通过集成随机投影（RP）架构提高了处理大规模数据的能力	NA	开发一种新的计算模型，用于更准确地识别抗菌肽，以应对未来可能出现的耐药细菌感染问题	抗菌肽（AMPs）及其在消除耐药病原体中的作用	机器学习	NA	集成学习模型，随机投影（RP）	集成学习模型	序列数据	不同平衡和不平衡数据集