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
20061	2024-08-07	Real-time plant health assessment via implementing cloud-based scalable transfer learning on AWS DeepLens 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0243243 PMID:33332376	研究论文	本文通过在AWS DeepLens上实施基于云的可扩展迁移学习，实现了对果树和蔬菜植物叶病的实时自动检测和分类	提出的DeepLens分类和检测模型（DCDM）解决了以往机器学习模型在硬件要求高、可扩展性有限和实际使用效率低下的问题	NA	旨在通过自动化识别和分类植物叶病，减少经济损失并保护特定植物物种	果树（苹果、葡萄、桃和草莓）和蔬菜植物（土豆和番茄）的叶病	机器学习	NA	迁移学习	深度学习模型	图像	训练使用了四万张图像，评估使用了十万张图像
20062	2024-08-07	A deep learning backcasting approach to the electrolyte, metabolite, and acid-base parameters that predict risk in ICU patients 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0242878 PMID:33332413	研究论文	本研究通过深度学习回溯方法，利用电解质、代谢物和酸碱参数，预测ICU患者的风险	采用深度学习回溯方法，提高了对ICU患者生理不稳定性发展的早期识别和决策能力	研究为回顾性分析，未来需在前瞻性研究中验证模型的有效性	提高对ICU患者风险恶化的识别能力	ICU患者的电解质、代谢物和酸碱参数	机器学习	NA	深度学习	深度学习模型	数值数据	5157名成年ICU患者
20063	2024-08-04	Biological reinforcement learning simulation for natural enemy -host behavior: Exploring deep learning algorithms for population dynamics 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102845 PMID:39092273	研究论文	本研究介绍了一种生物强化学习模拟，用于探索自然敌人在宿主害虫存在下的行为	创新点在于利用Q学习算法模拟寄生生物/捕食者与害虫的决策过程，分析它们之间的种群动态	模拟参数是随意设置的，可能影响结果的普遍适用性	研究的目的是分析自然敌人与害虫之间的种群动态	研究对象为寄生生物/捕食者与害虫的交互	生态学	NA	Q学习	NA	模拟数据	多个回合的蚜虫-瓢虫交互案例
20064	2024-08-05	Clinical evaluation of deep learning and atlas-based auto-segmentation for organs at risk delineation 2024 Autumn, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2023.11.002 PMID:38061916	研究论文	本研究评估了基于深度学习的自动分割技术在癌症不同解剖部位勾画中的临床效果	深度学习自动分割算法在几何指数上比传统的基于地图的自动分割算法更为准确，并显著缩短了轮廓编辑时间	研究样本数量较小，仅涉及四种癌症类型	评估自动分割技术对放射治疗临床工作流的影响	研究对象为30名头颈、乳腺、腹部和前列腺癌患者	医学影像分割	癌症	深度学习自动分割	NA	图像	共120名患者，四种不同类型癌症各30名
20065	2024-08-04	Automated early detection of acute retinal necrosis from ultra-widefield color fundus photography using deep learning 2024-Aug-01, Eye and vision (London, England) DOI:10.1186/s40662-024-00396-z PMID:39085922	研究论文	本研究开发了一种深度学习框架，以自动检测急性视网膜坏死（ARN）	引入了名为DeepDrARN的深度学习模型，能够有效区分ARN和其他类型的葡萄膜炎	本研究仅限于两中心的回顾性研究，可能存在样本偏倚	旨在通过超广角彩色眼底摄影，实现ARN的早期自动检测	使用11,508幅来自1,112名参与者的超广角彩色眼底摄影图像	数字病理学	NA	深度学习	DeepDrARN	图像	11,508幅超广角彩色眼底摄影图像
20066	2024-08-05	Assessment of image quality and diagnostic accuracy for cervical spondylosis using T2w-STIR sequence with a deep learning-based reconstruction approach 2024-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08409-0 PMID:39007984	研究论文	本研究探讨了通过深度学习重建处理提高颈椎MRI图像质量和诊断准确性。	提出了一种基于深度学习重建的处理方法以进一步提升3.0 T颈椎MRI图像的品质	未能在不同序列的诊断和分级方面发现显著统计差异	旨在通过深度学习技术提升颈椎MRI的图像质量和诊断效果	对71名志愿者的颈椎MRI图像进行评估，比较传统图像和深度学习重建后的图像	医学影像学	NA	深度学习重建(DLR)	NA	图像	71个颈椎MRI图像样本
20067	2024-08-05	Deciphering the Feature Representation of Deep Neural Networks for High-Performance AI 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3363642 PMID:38373137	研究论文	本文开发了一种名为对比特征分析（CFA）的计算框架，以探索深度神经网络（DNN）的特征空间并提高人工智能的性能	提出了一种新颖的数据驱动内核构建策略，改善了传统方法的局限性，使得特征数据的分析变得更加可靠	目前的特征提取技术在应对噪声数据和复杂结构时仍存在挑战	研究深度神经网络中的特征提取及其对人工智能性能的影响	主要集中于深度神经网络的特征空间及其分析	机器学习	NA	对比特征分析（CFA）	深度神经网络（DNN）	特征数据	使用多个最先进的网络和多个经过良好注释的数据集
20068	2024-08-05	Development and validation of a predictive model for vertebral fracture risk in osteoporosis patients 2024-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08235-4 PMID:38955868	研究论文	本研究旨在开发和验证一个针对骨质疏松患者椎体骨折风险的预测模型	通过整合人口统计学、骨密度、CT成像和深度学习放射组学特征，提出了一种新颖的综合预测模型	NA	研究旨在评估骨质疏松患者椎体骨折风险的预测能力	169名确诊为骨质疏松的患者	数字病理学	骨质疏松	深度转移学习（DTL）	Cox比例风险模型	CT图像	169名患者（椎体骨折组77名，非骨折组92名）
20069	2024-08-04	Attention-enhanced dilated convolution for Parkinson's disease detection using transcranial sonography 2024-Jul-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01265-5 PMID:39085884	研究论文	本文介绍了一种增强注意力的膨胀卷积方法，旨在通过经颅超声检测帕金森病	提出了一种名为AMSNet的深度学习残差网络模型，通过注意力机制和多尺度特征提取来提高诊断精度	尚未讨论现有方法在实际临床应用中的限制和挑战	开发一种新方法以提高经颅超声对帕金森病的诊断准确性	包含来自1109名参与者的经颅超声图像及个人数据	数字病理学	帕金森病	深度学习	残差网络	图像	1109个参与者的经颅超声图像
20070	2024-08-04	Mixed T-domain and TF-domain Magnitude and Phase representations for GAN-based speech enhancement 2024-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68708-w PMID:39085424	研究论文	本文提出了一种名为 M-DGAN 的新方法，通过在时间-频率生成框架中引入时间域编码器-解码器结构以提高语音增强效果	提出了一种新的生成器结构，结合了混合的时间域和时间-频率域的幅度和相位表示	未提及具体的限制	提升在嘈杂条件下的语音信号质量	针对语音增强任务进行的模型测试	深度学习	NA	NA	混合生成对抗网络	音频	使用了 Voice Bank + DEMAND 公共数据集及 NISQA_TEST_LIVETALK 实际数据集进行测试
20071	2024-08-04	CT-based deep learning radiomics biomarker for programmed cell death ligand 1 expression in non-small cell lung cancer 2024-Jul-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01380-8 PMID:39085788	研究论文	该文章探讨了基于CT的深度学习放射组学特征在非小细胞肺癌中预测PD-L1表达的价值	提出了一种新的CT基于深度学习的放射组学生物标志物，能够有效预测非小细胞肺癌中的PD-L1表达	在验证队列中的表现相对较低，提示临床应用可能有限	研究CT图像中深度学习放射组学特征在预测非小细胞肺癌PD-L1表达中的价值	259名病理学确认的非小细胞肺癌患者	数字病理学	肺癌	深度学习，放射组学	NA	CT图像	259名患者
20072	2024-08-04	DGCPPISP: a PPI site prediction model based on dynamic graph convolutional network and two-stage transfer learning 2024-Jul-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05864-w PMID:39085781	研究论文	本文提出了一种基于动态图卷积神经网络和两阶段迁移学习的新型PPI位点预测模型DGCPPISP	采用双重视角进行迁移学习，从特征输入和模型训练方面为模型提供有效的先验知识	方法的局限性在于深度学习算法在PPI位点预测中的提升性能仍面临挑战	提升PPI位点预测的准确性	针对蛋白质中的PPI位点进行预测	计算机视觉	NA	动态图卷积神经网络	NA	数据集	使用了两个基准数据集进行性能评估
20073	2024-08-04	Improving the performance of deep learning models in predicting and classifying gamma passing rates with discriminative features and a class balancing technique: a retrospective cohort study 2024-Jul-31, Radiation oncology (London, England) DOI:10.1186/s13014-024-02496-5 PMID:39085872	研究论文	本文旨在通过使用与机器参数相关的输入特征和类平衡技术来提高深度学习模型在IMRT伽玛通过率预测与分类中的性能	提出了一种新的加权均方误差损失函数，能够在通过和未通过场的预测准确性之间取得平衡	可能无法全面评估所有影响因素，仅基于收集的数据集进行分析	提高深度学习模型的预测和分类性能，特别是针对鼻咽癌患者的IMRT伽玛通过率	分析来自204个鼻咽癌患者的2348个IMRT计划场的历史数据	机器学习	鼻咽癌	深度学习	UNet++	数值数据	2348个场
20074	2024-08-04	Pyramid diffractive optical networks for unidirectional image magnification and demagnification 2024-Jul-31, Light, science & applications DOI:10.1038/s41377-024-01543-w PMID:39085224	研究论文	本文展示了一种专为单向图像放大和缩小设计的金字塔结构衍射光学网络。	该设计通过金字塔缩放衍射层，仅在一个方向实现高保真度的图像放大或缩小，同时抑制反方向的图像形成。	尽管可以在不同波长下操作，但该设计是在单一波长下训练的，可能限制了其适用性。	研究旨在实现一种新型的单向图像处理策略。	主要研究金字塔结构的衍射深度神经网络（P-DNN）在图像放大和缩小中的应用。	计算机视觉	NA	衍射深度神经网络	NA	图像	通过实验验证了多个单向P-DNN模块的有效性
20075	2024-08-05	Multicell-Fold: geometric learning in folding multicellular life 2024-Jul-22, ArXiv PMID:39040638	研究论文	提出了一种几何深度学习模型来预测多细胞折叠和胚胎发生的过程	提出了一个统一的图数据结构，通过几何深度学习准确建模细胞在发育过程中的机制和行为	可能未考虑所有细胞行为的复杂性	研究细胞如何在胚胎发生过程中折叠成特定结构	多细胞折叠和胚胎发育中的细胞行为	机器学习	NA	几何深度学习	NA	图数据	NA
20076	2024-08-05	A deep learning approach to hard exudates detection and disorganization of retinal inner layers identification on OCT images 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63844-9 PMID:39030181	研究论文	本研究旨在通过深度学习系统检测硬性渗出物并分类视网膜内层的组织混乱	采用先进的神经网络架构和集合学习技术来提高检测和分类的性能	模型的AP@0.5分数相对较低，表明在某些情况下可能存在检测困难	研究旨在提高对糖尿病性黄斑水肿眼睛的硬性渗出物和视网膜内层组织混乱的检测能力	研究对象是442幅OCT图像，这些图像标注了6847个硬性渗出物及其视网膜内层组织混乱的存在	计算机视觉	糖尿病性眼病	深度学习	Yolov7, ConvNeXt, RegNetX	图像	442幅OCT图像
20077	2024-08-04	Review of AlphaFold 3: Transformative Advances in Drug Design and Therapeutics 2024-Jul, Cureus DOI:10.7759/cureus.63646 PMID:39092344	评论	本文章回顾了AlphaFold 3在药物设计和治疗中的变革性进展	AlphaFold 3在准确性和速度上超过了其前身，能够在几秒钟内预测复杂蛋白质的结构	NA	探讨AlphaFold 3及其对计算生物化学和药物开发的影响	AlphaFold 3模型及其在蛋白质结构预测中的应用	计算生物学	NA	机器学习和深度学习	深度学习模型	NA	NA
20078	2024-08-05	DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data 2024-Jun-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14070766 PMID:39062480	研究论文	该文章介绍了一种新型计算工具DeepIMAGER，用于从scRNA-seq数据中推断细胞特异性基因调控网络	DeepIMAGER通过深度学习和数据整合，将基因对的共表达模式转化为类似图像的表示，结合转录因子结合信息进行模型训练	使用的模型在某些情况下可能仍然存在假阳性的问题，尽管有较好的表现	揭示不同细胞类型中基因调控网络的动态变化	多种细胞类型中的基因调控网络	计算机视觉	多发性骨髓瘤	scRNA-seq	深度学习模型	基因表达数据	六种细胞系的综合数据集
20079	2024-08-05	Rapid and Precise Diagnosis of Retroperitoneal Liposarcoma with Deep-Learned Label-Free Molecular Microscopy 2024-06-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c05417 PMID:38810149	研究论文	本研究结合双标记自由的非线性光学模态，通过深度学习实现了对Retroperitoneal Liposarcoma的快速准确诊断	采用了双模态成像技术结合深度学习，显著提高了对WDLPS的检测精度和灵敏度	研究样本数量相对较少，仅涉及35例RLPS和34例正常脂肪样本	旨在提高Retroperitoneal Liposarcoma的术中诊断准确性	研究对象为35例Retroperitoneal Liposarcoma患者的组织样本和正常脂肪样本	数字病理	肺脂肪肉瘤	刺激拉曼散射(SRS)显微镜和二次谐波生成(SHG)显微镜	ResNeXt101	组织图像	35例Retroperitoneal Liposarcoma和34例正常脂肪样本
20080	2024-08-05	Reversible Fusion-Fission MXene Fiber-Based Microelectrodes for Target-Specific Gram-Positive and Gram-Negative Bacterium Discrimination 2024-06-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01314 PMID:38818541	研究论文	本文开发了可逆融合-裂变MXene基纤维微电极用于分析革兰氏阳性和革兰氏阴性细菌	提出了一种新的微电极设计，通过可逆融合来提高微电极的灵敏度和选择性	没有提到关于不同菌株的比较或长期稳定性的研究	提高革兰氏阳性和阴性细菌的快速诊断能力	聚焦于革兰氏阳性和革兰氏阴性细菌的识别和定量	数字病理学	NA	电化学阻抗谱	深度学习模型	样本浓度数据	多种比例浓度的细菌样本 (1:100-100:1)