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
20481	2024-08-05	Deep learning for automated scoring of immunohistochemically stained tumour tissue sections - Validation across tumour types based on patient outcomes 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32529 PMID:39040241	研究论文	本文旨在开发深度学习模型以自动评分免疫组化染色的肿瘤组织切片，并与手动评分的临床相关蛋白进行比较	该研究展示了深度学习模型在不同肿瘤类型中自动评分的有效性，提供了手动评分的有效替代方案	研究可能未涵盖所有类型的肿瘤，且模型的泛化能力需进一步验证	研究目的是开发和验证深度学习模型以提高免疫组化评分的效率和准确性	研究对象包括多个癌症患者群体，包括结肠癌、前列腺癌、乳腺癌和子宫内膜癌	数字病理学	前列腺癌、乳腺癌、结肠癌、子宫内膜癌	深度学习	卷积神经网络(CNN)	图像	涉及五个癌症患者群体的样本
20482	2024-08-05	Efficient colorectal polyp segmentation using wavelet transformation and AdaptUNet: A hybrid U-Net 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33655 PMID:39040380	研究论文	本文提出了一种基于AdaptUNet的混合U-Net模型，用于高效的结直肠息肉分割	采用自定义的U-Net架构和小波变换来改善息肉分割的准确性	NA	提高结直肠息肉在内镜图像中的早期检测能力	结直肠息肉的分割	计算机视觉	结直肠癌	小波变换	AdaptUNet	图像	使用Hyper Kvasir分割图像数据集进行训练
20483	2024-08-05	Key factor screening in mouse NASH model using single-cell sequencing combined with machine learning 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33597 PMID:39040415	研究论文	本研究通过单细胞RNA测序和机器学习分析非酒精性脂肪性肝炎（NASH）相关的基因	结合单细胞RNA测序与机器学习，发现与NASH相关的关键基因，提供新的治疗靶点	研究未提及样本的多样性和外部验证的必要性	识别与非酒精性脂肪性肝炎进展密切相关的基因	研究对象为小鼠NASH模型中的细胞群体	数字病理学	非酒精性脂肪性肝炎	单细胞RNA测序	卷积神经网络	基因数据	NA
20484	2024-08-05	The construction of urban cultural and creative industries using deep learning and information management 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33787 PMID:39040397	研究论文	本研究探讨了中国城市文化创意产业（CCI）的发展及其影响因素	构建了基于LSTM算法的文化和创意推荐模型，并揭示了可持续盈利和文化影响因素对CCI发展的重要性	研究主要集中在城市A，缺乏其他城市的详细案例分析	探讨和分析城市文化创意产业的发展动态	以城市A为研究对象，比较分析多个城市的CCI发展	数字创意产业	NA	深度学习与信息管理	LSTM	发展数据	2021年各城市相关发展数据
20485	2024-08-05	The educational resource management based on image data visualization and deep learning 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32972 PMID:39040365	研究论文	本研究通过结合图像数据可视化技术与深度学习中的卷积神经网络（CNN）优化教育资源管理系统（ERMS）	提出了优化的CNN模型和系统架构，通过实验数据验证了模型的合理性，并显著提高了性能指标	无明显的局限性说明	优化教育资源管理系统，提高资源定位的准确性和利用效率	教育资源管理系统及其相关的图像数据可视化技术和CNN应用	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了MNIST数据集和CIFAR-10数据集进行实验
20486	2024-08-05	Deep learning for predicting circular retinal nerve fiber layer thickness from fundus photographs and diagnosing glaucoma 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33813 PMID:39040392	研究论文	该研究提出了一种新的深度学习方法，通过眼底照片预测视神经纤维层厚度并诊断青光眼	建立了一种基于局部图像的深度学习方法，以提供眼底照片中视神经纤维层厚度的全面定量信息	未提及具体的局限性	旨在自动预测视神经纤维层厚度并基于该预测信息诊断青光眼	研究对象为1196名参与者的1403只眼睛的眼底照片和光学相干断层扫描（OCT）	计算机视觉	青光眼	深度学习（DL），光学相干断层扫描（OCT）	残差深度神经网络	图像	1403对眼底照片和OCT视神经纤维层厚度扫描
20487	2024-08-05	Assessing Chlorophyll-a Variations in Caspian Sea during the COVID-19 Pandemic 2024-Jul-04, Bulletin of environmental contamination and toxicology IF:2.7Q3 DOI:10.1007/s00128-024-03914-w PMID:38960950	研究论文	本文评估了COVID-19疫情期间里海沿岸水质变化，特别是伊朗海岸线的氯ophyll-a浓度的变化	研究新颖地使用深度学习算法对疫情期间氯ophyll-a的变化进行了预测和分析	未探讨其他环境因素对氯ophyll-a浓度变化的影响	研究COVID-19疫情对里海沿岸城市水质的影响与变化	研究对象是2020年至2023年期间的里海沿岸氯ophyll-a浓度数据	数字病理学	NA	MODIS-AQUA卫星数据与深度学习算法	长短期记忆网络	水质数据	使用2015年至2023年的卫星氯ophyll-a数据
20488	2024-08-05	Machine learning and deep learning approaches for enhanced prediction of hERG blockade: a comprehensive QSAR modeling study 2024-Jul, Expert opinion on drug metabolism & toxicology IF:3.9Q1 DOI:10.1080/17425255.2024.2377593 PMID:38968091	研究论文	本文主要研究如何通过机器学习和深度学习方法提高hERG通道阻断的预测能力	引入了新的深度学习算法来提升已有QSAR模型的准确性	外部验证结果的部分MCC值与已报告模型相近，表明需要进一步优化模型	旨在提高对药物心脏安全性问题的预测能力，特别是hERG通道的阻断	使用大规模训练数据集构建和评估多种QSAR模型	机器学习	心血管疾病	QSAR建模	集成模型	数据集	多个训练和外部数据集
20489	2024-08-05	Multi-Plexus Nonperfusion Area Segmentation in Widefield OCT Angiography Using a Deep Convolutional Neural Network 2024-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.7.15 PMID:39023443	研究论文	本研究旨在训练和验证卷积神经网络以分割宽场光学相干断层扫描血管造影中的非灌注区域	采用深度卷积神经网络结合并行U-Net模块，能够准确检测多个视网膜血管丛的非灌注区域	该研究未提及可能存在的数据集限制或外部验证	提高糖尿病视网膜病变的诊断准确性	包括202名糖尿病视网膜病变患者和39名健康参与者的样本	数字病理学	糖尿病视网膜病变	OCTA	深度卷积神经网络	图像	共202名糖尿病视网膜病变患者和39名健康参与者
20490	2024-08-05	Recent progress in machine learning approaches for predicting carcinogenicity in drug development 2024-Jul, Expert opinion on drug metabolism & toxicology IF:3.9Q1 DOI:10.1080/17425255.2024.2356162 PMID:38742542	评论	本综述探讨了机器学习在药物开发中的致癌性预测的变革性影响	强调了机器学习方法在克服数据解释、伦理考虑和法规接受方面的挑战上的重要性	传统方法如体内啮齿动物生物测定和体外测定存在局限性和资源强度	研究机器学习在药物开发安全评估中的应用	涵盖了药物开发安全评估各个方面的机器学习、深度学习及其他人工智能方法	机器学习	NA	机器学习	深度学习	NA	NA
20491	2024-08-05	Prediction of radiologic outcome-optimized dose plans and post-treatment magnetic resonance images: A proof-of-concept study in breast cancer brain metastases treated with stereotactic radiosurgery 2024-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100602 PMID:39040435	研究论文	本研究探讨了一种深度学习框架，用于预测在立体定向放射外科（SRS）治疗乳腺癌脑转移的放射治疗后影像。	提出了一种基于深度学习的前向与反向模型，可以从治疗前的影像和剂量映射中预测治疗后的影像和所需剂量。	样本量较小，仅涉及39名患者，可能限制了模型的泛化能力。	研究旨在优化乳腺癌脑转移患者的放射治疗剂量规划与影像预测。	研究对象为接受立体定向放射外科治疗的乳腺癌脑转移患者。	数字病理学	乳腺癌	深度学习	pix2pix	影像	39名患者的影像数据，包含1940个切片用于训练，437个切片用于测试
20492	2024-08-05	Accuracy of Artificial Intelligence in Predicting Facial Changes Post-Orthognathic Surgery: A Comprehensive Scoping Review 2024-May, Journal of clinical and experimental dentistry DOI:10.4317/jced.61500 PMID:38988747	综述	本文全面评估了人工智能在预测正颌手术后面部变化的准确性	创新点在于比较了AI与传统模型在面部变化预测中的优缺点	研究的局限性包括样本量小和缺乏外部验证	研究目的在于评估AI在正颌手术后预测面部变化的准确性	研究对象为使用AI模型进行正颌手术后结果预测的研究	机器学习	NA	机器学习和深度学习算法	NA	NA	总共筛选了1579个记录，最终选择了7个符合条件的研究
20493	2024-08-05	Incremental Trainable Parameter Selection in Deep Neural Networks 2024-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3210297 PMID:36219657	研究论文	本文探讨了利用深度学习模型的有效自由度（DoF）来正则化基于随机梯度下降（SGD）的训练	提出了增量可训练参数选择（ITPS）算法，该算法能够逐步选择对训练损失敏感的参数，从而增大模型的自由度	NA	旨在通过ITPS算法优化深度学习模型的参数选择	不同的神经网络架构，包括CNN、变换器、递归神经网络（RNN）和多层感知器	机器学习	NA	SGD	CNN, 变换器, RNN, 多层感知器	图像	使用公开数据集CIFAR-10, SLT-10和MIMIC-III进行训练
20494	2024-08-05	Panoramic imaging errors in machine learning model development: a systematic review 2024-Mar-25, Dento maxillo facial radiology DOI:10.1093/dmfr/twae002 PMID:38273661	系统评估	本研究探讨了机器学习模型开发中全景放射成像数据集的管理和成像误差问题	揭示了机器学习研究中全景成像误差管理的不一致性，并提出了需要更多研究来理解低质量输入对模型性能的影响	研究表明各项研究的成像质量评估标准差异较大，易受到偏见的影响	旨在研究全景放射数据集中成像误差的管理	涉及使用机器学习模型的全景放射影像研究	机器学习	NA	深度学习	深度学习模型	影像	共筛选400篇文章，符合纳入标准的有41篇
20495	2024-08-05	A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss 2024-Mar-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04079-y PMID:38468273	研究论文	本研究建立了一种基于深度学习的级联学习方法，用于精确测量特定牙位的放射性骨丧失。	提出了一种新的利用SegFormer模型进行牙位识别和牙齿语义分割的级联学习方法。	未提及具体的样本数量和多样性，可能影响结果的普适性。	旨在提供准确的放射线下骨丧失测量，以帮助牙周病的诊断。	研究对象为牙齿的冠部、骨内部分和骨外部分。	数字病理学	牙周病	深度学习（DL）、主成分分析（PCA）	SegFormer	放射图像	NA
20496	2024-08-05	SSF-DDI: a deep learning method utilizing drug sequence and substructure features for drug-drug interaction prediction 2024-Jan-23, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05654-4 PMID:38262923	研究论文	本文提出了一种基于药物序列和亚结构特征的药物相互作用预测新模型SSF-DDI	SSF-DDI模型结合了药物序列特征和药物分子图的结构特征，提高了药物相互作用预测的准确性	NA	研究旨在提高药物相互作用预测的准确性	药物相互作用	计算机视觉	NA	深度学习	NA	真实数据集	多个数据集
20497	2024-08-05	TabDEG: Classifying differentially expressed genes from RNA-seq data based on feature extraction and deep learning framework 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305857 PMID:39037985	研究论文	本文提出了一种名为TabDEG的模型，用于根据RNA-seq数据预测差异表达基因。	TabDEG结合了数据增强和基于深度学习的表格数据模型，克服了小样本数据集的传统模型局限。	尽管提高了准确性，TabDEG仍然面临RNA-Seq数据标记不足的问题。	研究旨在提升RNA-seq数据中差异表达基因的预测能力。	研究对象为来自癌症基因组图谱数据库的基因表达数据。	机器学习	癌症	RNA-seq，数据增强	深度学习模型	基因表达数据	有限样本数据集，确切样本量未提供
20498	2024-08-05	TemBERTure: advancing protein thermostability prediction with deep learning and attention mechanisms 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae103 PMID:39040220	研究论文	本研究开发了TemBERTure，一个深度学习框架，用于从蛋白质序列预测热稳定性类别和熔融温度	引入深度学习和注意力机制，并强调数据多样性对训练强健模型的重要性	本研究未提及具体的实验验证或临床应用的限制	旨在改进蛋白质热稳定性预测方法，通过深度学习提升准确性	蛋白质序列及其热稳定性	生物信息学	NA	深度学习	NA	蛋白质序列	涉及来自多种生物的蛋白质序列
20499	2024-08-05	Unveiling the landscape of pathomics in personalized immunotherapy for lung cancer: a bibliometric analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1432212 PMID:39040448	研究论文	该文章揭示了肺癌个体化免疫疗法中路径组学的研究趋势和前景	创新点在于整合人工智能与路径组学进行肺癌组织数字分析，并制定多模态融合模型	N/A	阐明路径组学在肺癌个体化免疫疗法中的应用趋势	分析2018年至2023年间发表的相关论文及其关键字	数字病理学	肺癌	文献计量学	N/A	文章	109篇相关论文或综述
20500	2024-08-05	Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images 2024, The journal of prevention of Alzheimer's disease DOI:10.14283/jpad.2024.66 PMID:39044523	研究论文	本研究利用飞优化的密集连接卷积神经网络对MRI图像进行阿尔茨海默病预测	该论文提出了一种基于元启发式调优的深度学习方法来检测阿尔茨海默病影响区域，并展示了比现有技术更好的性能	对于大规模数据处理的时间成本依然较高，具体样本大小未在摘要中说明	旨在通过深度学习技术增强阿尔茨海默病的早期和准确诊断	本研究关注于阿尔茨海默病患者的MRI图像	机器学习	阿尔茨海默病	深度学习	卷积神经网络	图像	Kaggle数据集