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
20081	2024-08-04	Combining three-dimensional acoustic coring and a convolutional neural network to quantify species contributions to benthic ecosystems 2024-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.240042 PMID:39092142	研究论文	本文开发了一种三维声学取芯系统，能够非侵入性地可视化底栖无脊椎动物的存在和活动	结合三维声学取芯与深度学习技术，有效地提供了物种与沉积物相互作用的详细机制信息	主要利用实验室环境进行测试，可能限制了在自然环境中的应用	量化物种对底栖生态系统的贡献	底栖无脊椎动物	数字病理学	NA	声学取芯	三维卷积神经网络	图像	NA
20082	2024-08-05	DeepARV: ensemble deep learning to predict drug-drug interaction of clinical relevance with antiretroviral therapy 2024-May-06, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00374-0 PMID:38710671	研究论文	本研究评估了深度学习方法预测抗病毒治疗及其合并用药的临床相关药物相互作用的潜力	提出了DeepARV-Sim和DeepARV-ChemBERTa，利用分子结构信息和多样性学习方法有效提高临床相关药物相互作用的预测能力	临床相关药物相互作用研究数量有限，可能影响模型的泛化能力	本研究旨在通过深度学习技术预测抗病毒药物和合并用药之间的临床相关药物相互作用	研究对象为30142对药物的相互作用，来自伦敦HIV药物相互作用数据库	机器学习	NA	DeepARV-Sim和DeepARV-ChemBERTa	Transformer	药物组合数据	30142对药物
20083	2024-08-05	Prediction of tumor origin in cancers of unknown primary origin with cytology-based deep learning 2024-May, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02915-w PMID:38627559	研究论文	本文开发了一种基于细胞学的深度学习方法，用于预测未知原发癌肿瘤的来源	提出了一种新的深度学习方法TORCH，能够准确区分肿瘤来源并优于病理学家的预测效果	需要在随机试验中进一步验证	研究癌症的未知原发部位的诊断挑战及其肿瘤来源预测	利用细胞学图像数据集分析未知原发癌的肿瘤来源	数字病理学	未知原发癌	深度学习	TORCH	细胞学图像	总共分析了57,220个病例的细胞学图像数据
20084	2024-08-04	Pediatric diabetes prediction using deep learning 2024-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-51438-4 PMID:38378741	研究论文	本研究提出了一种新的高准确性糖尿病早期预测技术	创新点在于使用深度学习和优化的深度神经网络实现高达99.8%的糖尿病预测准确率	该研究可能缺乏对不同种族或地区数据的外部验证	研究旨在开发精准的儿童糖尿病预测系统	研究对象为548名拥有18个重要特征的患者	机器学习	糖尿病	深度学习	深度神经网络（DNN）	数据	548名患者
20085	2024-08-04	A fine-tuned vision transformer based enhanced multi-class brain tumor classification using MRI scan imagery 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1400341 PMID:39091923	研究论文	本研究使用多种细调视觉变换器模型对脑肿瘤进行分类	引入了新的细调视觉变换器模型（FTVTs）用于脑肿瘤分类，并与其他深度学习模型进行了比较	研究未提及对比模型的广泛性和适应性问题	探讨细调视觉变换器在脑肿瘤分类中的应用	使用MRI扫描图像对脑肿瘤进行多类分类	计算机视觉	脑肿瘤	MRI	FTVT, ResNet50, MobileNet-V2, EfficientNet-B0	图像	7023张MRI扫描图像
20086	2024-08-04	Factors affecting the intention to use COVID-19 contact tracing application "StaySafe PH": Integrating protection motivation theory, UTAUT2, and system usability theory 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306701 PMID:39088508	研究论文	本文研究了菲律宾官方接触追踪应用StaySafe PH的使用意图影响因素	本研究首次评估和评测菲律宾的接触追踪应用，并整合多种理论框架以提供全面的测量	应用的可用性评分为'D'，表明其可用性较差，且可能存在隐私和数据安全的信任问题	研究菲律宾对使用StaySafe PH应用的意愿	参与研究的对象为菲律宾的646名 respondent	自然语言处理	COVID-19	结构方程模型(SEM)，深度学习神经网络(DLNN)，系统可用性量表(SUS)	NA	问卷调查数据	646名 respondent
20087	2024-08-07	AmiR-P3: An AI-based microRNA prediction pipeline in plants 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308016 PMID:39088479	研究论文	本文提出了一种名为AmiR-P3的植物miRNA预测管道，旨在解决现有miRNA预测工具在植物中的应用问题	该管道结合了多种工具的优势，不依赖于已知miRNA序列的表达水平或组织特异性	尽管方法有效，但仍然可能在某些植物物种中出现准确性问题	开发一种高效的植物miRNA预测工具	植物中的小RNA链（miRNAs）	生物信息学	NA	深度学习分类模型	NA	基因组序列	多种植物物种
20088	2024-08-04	Detection of freezing of gait in Parkinson's disease from foot-pressure sensing insoles using a temporal convolutional neural network 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1437707 PMID:39092074	研究论文	该文章开发了一种基于足压传感鞋垫的深度学习模型，以准确检测帕金森病患者的步态冻结	文章创新性地使用时间卷积神经网络（TCNN）结合足压传感器数据，超越了现有技术的准确性和实用性	样本量有限，仅包含14名帕金森病患者	研究旨在提高帕金森病患者步态冻结的检测准确性	研究对象为14名帕金森病患者及其在标准步态测试中的数据	机器学习	帕金森病	深度学习，足压传感器	时间卷积神经网络（TCNN）	传感器数据	14名帕金森病患者
20089	2024-08-05	Generative Adversarial Network (GAN) for Simulating Electroencephalography 2023-09, Brain topography IF:2.3Q3 DOI:10.1007/s10548-023-00986-5 PMID:37410276	研究论文	本研究探讨了生成对抗网络在模拟脑电图方面的应用	本研究首次利用生成对抗网络生成多通道脑电图数据，能够重建脑电图信号的时空特性	数据生成依赖于网络训练的质量，可能对某些特征的再现存在限制	研究生成对抗网络在脑电图模拟中的有效性	生成高质量的合成脑电图数据以供神经成像分析使用	机器学习	NA	生成对抗网络	GAN	脑电图数据	NA
20090	2024-08-04	Using Ensemble OCT-Derived Features beyond Intensity Features for Enhanced Stargardt Atrophy Prediction with Deep Learning 2023-Jul-02, Applied sciences (Basel, Switzerland) DOI:10.3390/app13148555 PMID:39086558	研究论文	本文提出了一种使用高级OCT衍生特征来增强对Stargardt萎缩预测的方法	本研究的创新点在于使用了多个OCT衍生特征，而不仅仅依赖常用的平均强度特征	未提及特定限制	研究预测Stargardt疾病进展的有效方法	Stargardt疾病患者的视网膜层变化	数字病理学	Stargardt病	SD-OCT	集成深度学习神经网络	图像	涉及多个视网膜层的图像数据
20091	2024-08-07	Clinically significant prostate cancer detection and segmentation in low-risk patients using a convolutional neural network on multi-parametric MRI 2020-Dec, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07008-z PMID:32594208	研究论文	本文开发了一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌，并评估其在常规临床环境中的表现。	使用3D卷积神经网络在多参数MRI上进行临床显著性前列腺癌的识别和分割。	模型在较小体积病变（>0.03 cc）上的性能不如较大体积病变（>0.5 cc）。	开发和评估一种自动方法，用于在低风险患者中识别和分割临床显著性前列腺癌。	低风险患者中的临床显著性前列腺癌。	计算机视觉	前列腺癌	多参数MRI	CNN	MRI图像	292名低风险患者
20092	2024-08-07	Power-law scaling to assist with key challenges in artificial intelligence 2020-11-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76764-1 PMID:33184422	研究论文	本文探讨了幂律缩放在深度学习中的应用，特别是在手写数字识别任务中，优化后的测试错误率随着数据库大小增加而趋近于零的幂律收敛现象	提出幂律缩放有助于解决当前人工智能应用中的关键挑战，并能预先估计数据集大小以达到所需的测试准确度	NA	研究幂律缩放在深度学习中的应用及其对人工智能关键挑战的辅助作用	深度学习中的幂律缩放现象及其在手写数字识别任务中的应用	机器学习	NA	深度学习	NA	图像	涉及最大数据集的测试错误率接近当前最先进算法的水平
20093	2024-08-07	COVID-Net: a tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images 2020-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76550-z PMID:33177550	研究论文	本文介绍了COVID-Net，一个专门为从胸部X光图像中检测COVID-19病例设计的深度卷积神经网络，并公开了该网络和COVIDx数据集	COVID-Net是首批公开的用于从胸部X光图像中检测COVID-19的网络设计之一	COVID-Net并非一个生产就绪的解决方案，而是希望加速开发高度准确的深度学习解决方案	开发一个有效的工具来帮助筛查COVID-19感染患者	COVID-19病例的胸部X光图像	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	13,975张胸部X光图像，涉及13,870个病例
20094	2024-08-07	Toward Preparing a Knowledge Base to Explore Potential Drugs and Biomedical Entities Related to COVID-19: Automated Computational Approach 2020-Nov-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/21648 PMID:33055059	研究论文	本文通过自动化计算方法，从公开的科学文献和相关资源中挖掘信息，构建了一个专门针对COVID-19的知识库平台，用于探索与COVID-19相关的潜在药物和生物医学实体。	本文首次开发了一个专门针对COVID-19的知识库平台，通过自然语言处理、情感分析和深度学习等技术，自动挖掘和标记科学文献中的信息，以评估药物对疾病的有效性。	NA	探索与冠状病毒相关疾病（包括COVID-19）相关的潜在药物和生物医学实体，并通过自动化计算方法从科学文献中提取信息。	COVID-19及相关冠状病毒疾病，包括相关的药物、基因和疾病。	生物信息学	COVID-19	自然语言处理、情感分析、深度学习	NA	文本	1805种疾病、2454种药物、1910个基因
20095	2024-08-07	Novel Deep Learning Network Analysis of Electrical Stimulation Mapping-Driven Diffusion MRI Tractography to Improve Preoperative Evaluation of Pediatric Epilepsy 2020-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2020.2977531 PMID:32142416	研究论文	研究深度卷积神经网络（DCNN）在儿童局灶性癫痫（FE）术前评估中作为新的影像工具的临床效用	DCNN轨迹分类在非侵入性检测ESM空间分辨率内的功能区域方面表现出色，准确率达到98%	NA	探讨DCNN轨迹分类在儿童局灶性癫痫术前评估中的临床效用	儿童局灶性癫痫患者	机器学习	癫痫	扩散MRI轨迹图	CNN	影像	89名儿童局灶性癫痫患者
20096	2024-08-07	Deep learning methods for forecasting COVID-19 time-Series data: A Comparative study 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110121 PMID:32834633	研究论文	本文比较了五种深度学习方法在预测COVID-19时间序列数据中的应用	本文首次比较了多种深度学习模型在COVID-19病例预测中的性能，并发现VAE模型的表现优于其他算法	研究基于小量数据进行，可能影响模型的泛化能力	优化医疗资源分配并减缓COVID-19疾病的进展	COVID-19的新感染和康复病例数	机器学习	COVID-19	深度学习	RNN, LSTM, BiLSTM, GRUs, VAE	时间序列数据	每日确诊和康复病例数据，来自意大利、西班牙、法国、中国、美国和澳大利亚六个国家
20097	2024-08-07	A deep learning and grad-CAM based color visualization approach for fast detection of COVID-19 cases using chest X-ray and CT-Scan images 2020-Nov, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2020.110190 PMID:32836918	研究论文	本文提出了一种基于深度学习和Grad-CAM的颜色可视化方法，用于通过胸部X射线和CT扫描图像快速检测COVID-19病例	本文采用了深度迁移学习算法，结合胸部X射线和CT扫描图像，实现了对COVID-19病例的快速检测，检测时间仅需2秒，比传统的RT-PCR测试更快	NA	旨在通过深度学习技术快速准确地检测COVID-19病例，以应对全球健康危机	COVID-19病例的胸部X射线和CT扫描图像	计算机视觉	COVID-19	深度学习	深度迁移学习算法	图像	使用了三个数据集：COVID-chest X-ray、SARS-COV-2 CT-scan和Chest X-Ray Images (Pneumonia)
20098	2024-08-07	Transcranial MR Imaging-Guided Focused Ultrasound Interventions Using Deep Learning Synthesized CT 2020-10, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A6758 PMID:32883668	研究论文	本研究探讨了使用深度学习技术将MR图像直接转换为合成CT图像，以简化经颅MR引导聚焦超声治疗计划的可行性	本研究首次使用深度学习技术将MR图像转换为合成CT图像，用于经颅MR引导聚焦超声治疗计划	NA	简化经颅MR引导聚焦超声治疗的临床工作流程	深度学习技术在将MR图像转换为合成CT图像中的应用	计算机视觉	NA	深度学习	U-Net神经网络	图像	41名受试者（平均年龄66.4±11.0岁，其中15名女性）
20099	2024-08-07	Automatic segmentation and applicator reconstruction for CT-based brachytherapy of cervical cancer using 3D convolutional neural networks 2020-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13024 PMID:32991783	研究论文	本研究提出了一种基于深度学习的自动分割和施用器重建方法，用于宫颈癌近距离放射治疗（BT）的计算机断层扫描（CT）规划，具有高精度和高效率	提出了一种新的三维（3D）卷积神经网络（CNN）架构DSD-UNET，用于自动分割高危临床目标体积（HR-CTV）和危险器官（OARs），并在施用器重建中实现了高精度的分割	NA	提高宫颈癌近距离放射治疗规划的效率和一致性	宫颈癌患者的CT图像分割和施用器重建	计算机视觉	宫颈癌	3D卷积神经网络	DSD-UNET	CT图像	91名接受CT基础宫颈癌近距离放射治疗的患者
20100	2024-08-07	LncMirNet: Predicting LncRNA-miRNA Interaction Based on Deep Learning of Ribonucleic Acid Sequences 2020-Sep-23, Molecules (Basel, Switzerland) DOI:10.3390/molecules25194372 PMID:32977679	研究论文	本文提出了一种基于深度卷积神经网络的混合序列特征模型LncMirNet，用于预测长链非编码RNA（lncRNA）与微小RNA（miRNA）的相互作用	LncMirNet通过引入四种基于序列的特征（k-mer、CTD、doc2vec和图嵌入特征）并采用直方图融合方法，提高了预测lncRNA-miRNA相互作用的准确性和AUC值	NA	预测lncRNA与miRNA之间的相互作用，以帮助探索新的调控模式	lncRNA与miRNA的相互作用	机器学习	NA	深度卷积神经网络（CNN）	CNN	序列	使用来自lncRNASNP2的真实数据集进行五折交叉验证