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
20541	2024-08-07	Skin lesion classification using ensembles of multi-resolution EfficientNets with meta data 2020, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2020.100864 PMID:32292713	研究论文	本文描述了在ISIC 2019皮肤病变分类挑战中使用多分辨率EfficientNets集成方法的方法	采用数据驱动方法处理测试集中的未知类别，通过损失平衡处理严重的类别不平衡，以及使用两种裁剪策略和多裁剪评估处理不同分辨率的图像	NA	参与并赢得ISIC 2019皮肤病变分类挑战	皮肤病变分类	计算机视觉	皮肤病变	深度学习	EfficientNets, SENet, ResNeXt WSL	图像	涉及不同分辨率的皮肤镜图像和患者元数据
20542	2024-08-05	Low-contrast lesion detection in neck CT: a multireader study comparing deep learning, iterative, and filtered back projection reconstructions using realistic phantoms 2024-Jul-24, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00486-6 PMID:39046565	研究论文	本研究比较了深度学习重建、迭代重建和滤波反投影在颈部CT中的病灶检测效果	使用深度学习重建（DLR）技术提高了颈部CT影像中低对比度病灶的可检测性	仅在患者模拟的颈部假体上进行实验，可能影响结果的推广性	探索不同CT重建算法在颈部低对比度病灶检测中的有效性	使用九个模拟患者颈部假体进行实验，每个假体包含一个低对比度病灶	数字病理学	NA	深度学习重建（DLR）	NA	影像	九个颈部假体
20543	2024-08-05	Developing BioNavi for Hybrid Retrosynthesis Planning 2024-Jul-22, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.4c00228 PMID:39055138	研究论文	本文提出了一种名为BioNavi的模型，用于设计混合合成路径。	BioNavi通过创新多任务学习和反应模板，提高了合成路径设计的可解释性。	未提及特定的限制	研究目的是开发一个有效的混合合成路径设计工具。	研究对象为合成路径，包括化学合成和生物合成。	数字路径学	NA	深度学习	多任务学习	数据集	多个数据集，具体样本数未提及
20544	2024-08-05	Learning generalizable AI models for multi-center histopathology image classification 2024-Jul-19, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00652-4 PMID:39030380	研究论文	本研究提出了一种新的对抗性傅里叶领域适应方法，用于多中心的组织病理图像分类	提出了对抗性傅里叶领域适应（AIDA）方法，利用傅里叶变换的优势改善深度学习模型的泛化能力	现有技术在有效性和可区分性方面存在局限	提升临床病理学中AI模型的诊断准确性与效率	涉及四种癌症（卵巢癌、胸膜癌、膀胱癌和乳腺癌）的亚型分类任务	数字病理学	卵巢癌, 胸膜癌, 膀胱癌, 乳腺癌	对抗性领域适应, 傅里叶变换	卷积神经网络（CNN）	图像	共涉及1113例卵巢癌, 247例胸膜癌, 422例膀胱癌和482例乳腺癌
20545	2024-08-05	Absolute permeability estimation from microtomography rock images through deep learning super-resolution and adversarial fine tuning 2024-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67367-1 PMID:39030317	研究论文	本文提出了一种通过深度学习超分辨率和对抗微调来估计微断层岩石图像的绝对渗透率	使用超分辨率模型提升低分辨率图像质量，并结合代理模型替代数值模拟，以估算感兴趣的岩石物理属性	未提及具体限制因素	旨在提高碳捕集与储存过程中对地下储层物理性质的准确估计	针对地下储层岩石的物理特性进行研究，重点在于渗透率的估算	数字岩石物理	NA	X射线微断层成像	GAN	图像	DeePore数据集
20546	2024-08-05	Enhancing global maritime traffic network forecasting with gravity-inspired deep learning models 2024-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67552-2 PMID:39030401	研究论文	本文开发了一种新的物理启发模型，用于预测全球港口区域间的海洋运输交通	该研究将变压器技术引入重力模型，重建短期和长期依赖关系，从而提高了风险分析的可行性，并实现了比传统深度重力模型提高超过10%的精度	模型的适用性可能受限于特定数据源的可用性和准确性	旨在通过运输网络评估非本地水生物种的扩散风险	研究对象是港口区域间的海洋运输流量	计算机视觉	NA	物理启发模型	变压器	NA	NA
20547	2024-08-05	SENSE-PPI reconstructs interactomes within, across, and between species at the genome scale 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110371 PMID:39055916	研究论文	本文介绍了一种名为SENSE-PPI的深度学习模型，用于高效重建蛋白质-蛋白质相互作用网络	SENSE-PPI利用最新一代的蛋白质语言模型和递归神经网络，能在功能相似的蛋白质中区分具体相互作用，且在跨物种预测中表现出高准确性和灵活性	对于系统发育上更远的模型和非模型生物，其性能下降较大，但是信号变化很缓慢	研究蛋白质-蛋白质相互作用网络，以揭示细胞系统的生物机制	涉及成千上万的蛋白质，尤其是在功能上相似的蛋白质	计算生物学	NA	蛋白质语言模型，递归神经网络	深度学习模型	蛋白质序列	可测试10,000种蛋白质
20548	2024-08-05	Risk prediction of heart diseases in patients with breast cancer: A deep learning approach with longitudinal electronic health records data 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110329 PMID:39055938	研究论文	本研究开发并评估了六种心脏疾病风险预测模型，使用真实世界电子健康记录数据。	提出了结合可训练衰减机制的LSTM-D模型，以处理长短期记忆模型中的缺失值，并通过NLP方法提取乳腺癌表型，增强预测效果。	未提到具体的研究限制。	准确预测乳腺癌患者的心脏疾病风险，为临床决策支持和患者安全提供帮助。	本研究以乳腺癌患者为研究对象，评估六种心脏疾病的风险。	机器学习	心血管疾病	电子健康记录（EHRs）	LSTM	结构化和非结构化数据	NA
20549	2024-08-05	Prediction of recurrence risk in endometrial cancer with multimodal deep learning 2024-Jul, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02993-w PMID:38789645	研究论文	本研究开发了HECTOR，一个基于多模态深度学习的预后模型，用于预测子宫内膜癌的远处复发风险	HECTOR模型基于全切片图像和肿瘤分期，超越了目前的金标准，并能够识别具有显著不同预后的患者	当前研究未提及模型在其他癌症类型中的适用性	本研究旨在改善子宫内膜癌的个性化辅助治疗策略	研究对象为来自八个子宫内膜癌队列共2072名患者的数据	数字病理学	子宫内膜癌	深度学习	NA	全切片图像	2072名患者
20550	2024-08-05	Quantifying Geographic Atrophy in Age-Related Macular Degeneration: A Comparative Analysis Across 12 Deep Learning Models 2024-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.42 PMID:39046755	研究论文	这篇文章研究了12种深度学习模型在年龄相关性黄斑变性中对地理萎缩进行分割的表现	探索多种AI架构组合以寻找最有效的地理萎缩分割方法	文章未提及具体的模型限制和数据集的多样性问题	确定用于地理萎缩分割的最有效的AI架构	12种不同的AI架构组合	计算机视觉	老年性疾病	深度学习	FPN, UNet, PSPNet, EfficientNet, ResNet, VGG, Mix Vision Transformer	图像	601幅FAF图像用于训练，156幅FAF图像用于验证
20551	2024-08-05	Automated detection of fatal cerebral haemorrhage in postmortem CT data 2024-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03183-6 PMID:38329584	研究论文	本文提出了一种自动检测致命脑出血的三维PMCT数据的方法	引入了基于深度学习的分类算法，能够在法医成像中有效识别致命脑出血	研究基于单一机构的病例数据，样本量相对较小	旨在通过PMCT数据支持法医病理学的死亡原因评估	回顾性选择了81个PMCT病例作为研究对象	数字病理学	NA	PMCT	CNN和DenseNet	三维图像	81个PMCT病例
20552	2024-08-05	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本文探讨了放射组学特征与3D深度学习结合在评估痴呆患者中的应用。	结合放射组学特征和3D卷积神经网络（CNN）提升了痴呆患者的诊断准确性。	研究未提及模型的长期有效性与外部验证的具体细节。	比较放射组学特征、3D深度学习与二者融合在评估痴呆患者脑部影像中的表现。	85名痴呆患者和125名健康对照者的18F-FDG PET脑部影像。	数字病理学	痴呆症	18F-FDG PET影像	3D卷积神经网络（CNN）	医学影像	85名痴呆患者和125名健康对照，外加40名测试样本
20553	2024-08-05	Knowledge Transfer from Macro-world to Micro-world: Enhancing 3D Cryo-ET Classification through Fine-Tuning Video-based Deep Models 2024-Jun-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae368 PMID:38889274	研究论文	本文提出了一种利用预训练3D模型对Cryo-ET数据进行分类的方法	创新点在于将大型视频数据集上预训练的3D模型应用于Cryo-ET图像分类，展示了跨领域知识转移的潜力	本文没有提及具体的限制因素	研究的目标是利用视频初始化提高Cryo-ET图像的分类准确性	研究对象为Cryo-Electron Tomography（Cryo-ET）图像和相应的三维体素数据	计算机视觉	NA	深度学习	3D模型	图像	模拟和真实的Cryo-ET数据集
20554	2024-08-05	Clinical Validation of a Handheld Deep Learning Tool for Identification of Glaucoma Medications 2024 Apr-Jun, Journal of ophthalmic & vision research IF:1.6Q3 DOI:10.18502/jovr.v19i2.13983 PMID:39055502	研究论文	本研究验证了一种基于卷积神经网络（CNN）的智能手机应用程序在青光眼眼药水识别中的有效性	应用了CNN技术以提高青光眼药物的识别准确性和效率，特别是在视力受损的患者中	未包含非英语患者，样本数量有限，可能影响普遍适用性	验证一种智能手机应用程序在青光眼患者药物识别中的临床有效性	68名在青光眼门诊就诊的视力正常及受损患者	机器学习	青光眼	卷积神经网络（CNN）	CNN	数据	68名青光眼患者
20555	2024-08-05	Predicting lncRNA-disease associations using multiple metapaths in hierarchical graph attention networks 2024-Jan-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05672-2 PMID:38287236	研究论文	本研究提出了一种基于分层图注意网络的深度学习模型，用于预测未知的lncRNA-疾病关联	通过多种元路径提取特征，构建lncRNA-疾病-miRNA异质图，并在此基础上实现更精确的关联预测	模型在处理部分复杂网络结构时可能存在路径信息的遗失	探索lncRNA与疾病之间的潜在关联，以增进对复杂疾病的理解	主要研究lncRNA及其与肺癌、食管癌和乳腺癌等疾病的关联	计算机视觉	肺癌	深度学习	MMHGAN	图数据	共研究15个与肺癌、食管癌和乳腺癌相关的lncRNA
20556	2024-08-05	Highly Accurate and Efficient Deep Learning Paradigm for Full-Atom Protein Loop Modeling with KarmaLoop 2024, Research (Washington, D.C.) DOI:10.34133/research.0408 PMID:39055686	研究论文	本文提出了一种名为KarmaLoop的深度学习模型，用于全原子蛋白质环建模	KarmaLoop是首个以全原子为中心的深度学习方法，具有更高的准确性和计算效率	现有方法在原子精度或计算效率方面仍然不足	研究蛋白质结构预测中的环建模问题	全原子蛋白质环模型	机器学习	NA	深度学习	NA	NA	CASP13+14和CASP15基准数据集
20557	2024-08-05	Fast reconstruction of SMS bSSFP myocardial perfusion images using noise map estimation network (NoiseMapNet): a head-to-head comparison with parallel imaging and iterative reconstruction 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1350345 PMID:39055659	研究论文	本研究提出了一种新的图像重建技术NoiseMapNet，用于SMS-bSSFP心肌灌注成像。	首次将噪声图估计网络与平行成像和图像去噪相结合，改善了心肌灌注成像的质量和速度。	与ITER相比，NoiseMapNet在图像质量和感知信噪比方面略显不足。	开发一种结合平行成像和图像去噪的SMS-bSSFP心肌灌注成像重建技术。	包括17名接受应激灌注成像的患者样本。	数字病理学	心血管疾病	深度学习	2D Unet	医学图像	17名患者
20558	2024-08-05	Realistic morphology-preserving generative modelling of the brain 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00864-0 PMID:39055051	研究论文	本文介绍了一种三维生成模型，可生成真实且形态保持的人脑图像	提出了一种能够在必要规模下训练的生成模型，以生成多样且高分辨率的人脑样本，并保持生物学和疾病表型	尽管该模型具有广泛的未来适用性，但具体的局限性未在文中详细讨论	解决医疗影像数据稀缺和可获取性的问题	人脑的三维生成模型	数字病理学	NA	生成模型	三维生成模型	图像	NA
20559	2024-08-05	Enhanced LSTM-based robotic agent for load forecasting in low-voltage distributed photovoltaic power distribution network 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1431643 PMID:39055779	研究论文	本研究探讨了低电压分布式光伏电力分配网络的负载预测问题	提出了一种增强的长短期记忆（LSTM）模型与频域分解（FDD）相结合的负载预测方法	实验仅在广东省的历史操作数据集上验证，外部地区的适用性需进一步研究	研究低电压分布式光伏电力分配网络的负载预测技术	低电压分布式光伏电力分配网络的负载数据	机器学习	NA	频域分解（FDD），长短期记忆（LSTM）	LSTM	数据集	广东省的历史操作数据集
20560	2024-08-05	Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images 2023-Dec, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231220664 PMID:38279511	研究论文	本研究旨在构建和评估一个深度学习模型，以准确区分良性和恶性甲状腺结节	这项研究使用了ResNet进行甲状腺结节预测，并应用Grad-CAM可视化模型过程，提供了与放射科医师的诊断精度比较	需要进一步研究以提高诊断精度并支持初级护理中的辅助诊断	探索深度学习在恶性甲状腺结节诊断中的应用	利用超声图像区分良性和恶性甲状腺结节	计算机视觉	甲状腺癌	超声波成像	ResNet	图像	2096张超声图像，655个不同的甲状腺结节