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
20841	2024-08-07	Deep learning-based phenotype imputation on population-scale biobank data increases genetic discoveries 2023-Dec, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01558-w PMID:37985819	研究论文	本文提出了一种基于深度学习的表型填补方法AutoComplete，用于在人口规模生物银行数据集中填补缺失的表型	AutoComplete方法在表型填补准确性上显著优于现有方法，并能有效增加遗传关联分析的关联位点数量	NA	提高现有生物银行数据集中遗传发现的效力	人口规模生物银行数据集中的缺失表型	机器学习	NA	深度学习	深度学习模型	生物银行数据	约300,000名个体
20842	2024-08-07	Artificial Intelligence and Machine Learning Applications in Sudden Cardiac Arrest Prediction and Management: A Comprehensive Review 2023-11, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-023-01964-w PMID:37792134	综述	本文综述旨在全面概述近期在预测模型和AI及ML在心肺复苏（CPR）成功预测中的应用进展	深度学习在放射组学和人口健康中日益突出，用于疾病风险预测；AI与自动体外除颤器（AEDs）结合显示出在心脏骤停事件中更好检测可电击节律的潜力	心脏骤停（SCA）的预测和预防仍是一个持续挑战，尽管有先进的第一响应系统，但生存率仍然很低	理解AI和ML在医疗保健中的作用，特别是在医学诊断、统计和精准医学中，并探索其在预测和管理心脏骤停结果中的应用	AI和ML在医疗保健中的应用，特别是在医学诊断、统计和精准医学中，以及在预测和管理心脏骤停结果中的应用	机器学习	心血管疾病	NA	深度学习	NA	NA
20843	2024-08-07	Signal Improved ultra-Fast Light-sheet Microscope (SIFT) for large tissue imaging 2023-Jun-28, Research square DOI:10.21203/rs.3.rs-2990328/v1 PMID:37461705	研究论文	本文介绍了一种改进的超快速光片显微镜（SIFT），用于大组织成像，通过精确控制两个固定距离的光片焦点来实现ASLM，提高了成像速度和信号强度	提出的SIFT技术将成像速度提高了四倍，并在特定帧率下将信号强度提高了一倍，同时开发了基于深度学习的组织信息分类器，以加速组织边界的确定	NA	提高大组织成像的速度和质量	大组织样本	生物医学成像	NA	光片荧光显微镜（LSFM）	深度学习模型	图像	多种已清除的组织样本
20844	2024-08-07	Large Language Models Demonstrate the Potential of Statistical Learning in Language 2023-03, Cognitive science IF:2.3Q2 DOI:10.1111/cogs.13256 PMID:36840975	研究论文	探讨大型语言模型（LLMs）在从语言输入中学习语言能力方面的潜力	提出大型语言模型可能为评估人类从语言经验中学习语言能力提供计算工具	大型语言模型在语义和语用方面存在明显局限	研究语言可以从语言输入中学习的程度	大型语言模型及其在语言学习中的应用	自然语言处理	NA	深度学习	大型语言模型（LLMs）	文本	NA
20845	2024-08-07	Artificial intelligence-based locoregional markers of brain peritumoral microenvironment 2023-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26448-9 PMID:36653382	研究论文	本文通过扩散张量成像（DTI）技术，利用人工智能（AI）提取脑肿瘤周围微环境异质性的新型标志物	提出了一种基于深度学习的脑肿瘤周围微环境指数（PMI），并利用该指数提取了区域性的AI标志物，以捕捉肿瘤浸润异质性的不同方面	NA	开发新的AI标志物以量化脑肿瘤周围区域的浸润异质性，并用于临床决策	脑肿瘤周围区域的浸润异质性	数字病理学	脑肿瘤	扩散张量成像（DTI）	深度学习	图像	275例成人型弥漫性胶质瘤（CNS WHO 4级）
20846	2024-08-07	Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1223377 PMID:37886239	研究论文	开发一种基于深度学习的方法，从常规的T1和T2加权MRI图像中回顾性地量化前列腺的T2值	该方法能够从临床获取的T1和T2加权图像中回顾性地估计前列腺T2图，有助于改善前列腺癌的诊断和特征描述，无需额外扫描	NA	开发一种深度学习方法，用于从常规MRI图像中回顾性地量化前列腺的T2值	前列腺T2值的量化	数字病理学	前列腺癌	MRI	U-Net	图像	25名受试者用于训练，38名前列腺癌患者用于验证
20847	2024-08-07	Region of interest-specific loss functions improve T2 quantification with ultrafast T2 mapping MRI sequences in knee, hip and lumbar spine 2022-12-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26266-z PMID:36564430	研究论文	本文提出了一种针对加速采集的区域兴趣特定后处理方法，使用循环UNet深度学习架构，从加速的T准备快照梯度回波采集序列中提供膝关节软骨、髋关节软骨和腰椎间盘的T2图谱，通过多组件损失函数优化软骨和间盘性能。	本文创新性地引入了区域兴趣特定损失函数，以优化软骨和间盘的重建性能，并提出了一种基于灰度共生矩阵的评估方案。	NA	旨在改进T2量化技术，通过区域兴趣特定损失函数提高MRI T2图谱序列在膝关节、髋关节和腰椎的量化准确性。	研究对象包括膝关节软骨、髋关节软骨和腰椎间盘。	计算机视觉	NA	MRI	循环UNet	图像	研究涵盖了从加速因子R=2到R=12的不同情况。
20848	2024-08-07	Applications of Artificial Intelligence to Obesity Research: Scoping Review of Methodologies 2022-12-07, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/40589 PMID:36476515	综述	本文通过综述分析了人工智能在肥胖研究中的应用方法	介绍了多模态或多任务AI模型、合成数据生成和人在回路等新兴趋势	部分研究显示不同AI模型性能在不同数据集和任务上的结果不一	为研究人员和从业者提供AI在肥胖研究中的应用概览，并促进AI技术的采用	肥胖研究中的人工智能应用	机器学习	肥胖	机器学习（ML）和深度学习（DL）	ML和DL模型	表格数据、图像和文本数据	46项研究
20849	2024-08-07	Latent traits of lung tissue patterns in former smokers derived by dual channel deep learning in computed tomography images 2021-03-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-84547-5 PMID:33649381	研究论文	本文利用双通道深度学习网络从CT图像中提取前吸烟者肺组织模式的潜在特征	采用无监督的三维卷积自编码器-特征构造器深度学习网络，结合探索性因子分析，从CT数据中学习并共同推导出组织模式簇	NA	探索慢性阻塞性肺疾病患者肺组织模式的潜在特征	前吸烟者和健康非吸烟者的肺组织模式	计算机视觉	慢性阻塞性肺疾病	CT	3D卷积自编码器-特征构造器	图像	541名前吸烟者和59名健康非吸烟者
20850	2024-08-07	Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020190925 PMID:32013791	研究论文	开发并验证了一种用于评估X光片上髋关节骨关节炎特征严重程度的多任务深度学习模型	该模型能够在大规模流行病学研究中替代专家放射科医生的详细结构评估	该研究为回顾性研究，且模型性能在外部测试集上略有下降	开发一种多任务深度学习模型，用于评估髋关节骨关节炎的放射学特征，并比较其与执业放射科医生的表现	髋关节骨关节炎的五个特征：股骨骨赘、髋臼骨赘、关节间隙狭窄、骨赘下硬化和骨赘下囊肿	机器学习	骨关节炎	DenseNet-161	多任务神经网络	X光片	共评估了4368名参与者（平均年龄61.0岁，2538名女性），15364个髋关节，7738张负重前后位骨盆X光片
20851	2024-08-07	Evaluation of two deep learning-based approaches for detecting weeds growing in cabbage 2024-Jun, Pest management science IF:3.8Q1 DOI:10.1002/ps.7990 PMID:38323798	研究论文	本研究比较了两种基于深度学习的方法在卷心菜中检测杂草的效果	提出了一种间接检测杂草的方法，通过生成覆盖作物的边界框，并将边界框外的绿色像素视为杂草	直接检测杂草的性能较低，可能是由于不同密度和生长阶段的多种杂草物种及其不同的植物形态	比较两种不同的深度学习方法在卷心菜中检测杂草的效果	卷心菜中的杂草	计算机视觉	NA	深度学习	YOLOv5, YOLOv8	图像	NA
20852	2024-08-07	OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment 2024-Jun, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152420 PMID:38422727	research paper	本文通过OMERACT过滤器评估深度学习（DL）自动量化膝关节积液-滑膜炎的效果	使用DL算法自动量化膝关节积液体积，并与专家的手动半定量评分进行比较	需要进一步评估区分度和真实性与临床结果的关系，以完全满足OMERACT过滤器的要求	评估深度学习自动量化膝关节积液的准确性	膝关节积液的量化	machine learning	NA	deep learning	NA	MRI image	53名OAI受试者
20853	2024-08-07	Image2InChI: Automated Molecular Optical Image Recognition 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02082 PMID:38359459	研究论文	本文提出了一种基于深度学习的自动化分子光学图像识别模型Image2InChI，用于将分子图像转换为机器可读的表示	引入了具有注意机制的新型特征融合网络，以整合图像块和InChI预测	NA	提高分子图像识别的准确性和效率	分子图像的自动识别和分析	计算机视觉	NA	深度学习	SwinTransformer和Transformer Decoder	图像	NA
20854	2024-08-07	Intramolecular and Water Mediated Tautomerism of Solvated Glycine 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00273 PMID:38620066	研究论文	本研究使用基于深度学习势能的增强采样分子动力学方法，探究了水溶液中甘氨酸的互变异构平衡	本研究首次观察到甘氨酸的互变异构可以通过分子内和分子间质子转移两种途径进行，并且这两种途径的能垒相当，对反应通量的贡献几乎相等	NA	理解互变异构现象并表征溶剂对动态过程的影响	甘氨酸在水溶液中的互变异构平衡	NA	NA	增强采样分子动力学	深度学习模型	分子动力学模拟数据	NA
20855	2024-08-07	MMSyn: A New Multimodal Deep Learning Framework for Enhanced Prediction of Synergistic Drug Combinations 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00165 PMID:38676916	研究论文	本文提出了一种新的多模态深度学习框架MMSyn，用于增强协同药物组合的预测	MMSyn框架结合了药物分子特征和癌症细胞系数据，通过注意力机制和交互模块集成处理特征，提高了药物组合预测的准确性	NA	开发一种有效的深度学习框架，用于预测协同药物组合	协同药物组合的预测	机器学习	癌症	深度学习	多层感知器	基因表达数据、DNA拷贝数、通路活性	使用了多种药物分子特征和癌症细胞系数据
20856	2024-08-07	EEGminer: discovering interpretable features of brain activity with learnable filters 2024-May-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad44d7 PMID:38684154	研究论文	本文提出了一种新的可微分解码流程，包括可学习滤波器和预定的特征提取模块，用于从多通道EEG记录中学习信息丰富的潜在表示	引入了由广义高斯函数参数化的滤波器，提供平滑的导数以实现稳定的端到端模型训练，并允许学习可解释的特征	NA	设计一个系统，从多通道EEG活动中学习信息丰富的潜在表示	EEG数据中的脑活动模式	神经科学	NA	可学习滤波器	可微分解码模型	EEG数据	721名受试者
20857	2024-08-07	Omics data classification using constitutive artificial neural network optimized with single candidate optimizer 2024-May-12, Network (Bristol, England) DOI:10.1080/0954898X.2024.2348726 PMID:38736309	研究论文	本文提出了一种使用单候选优化器优化的组成型人工神经网络进行omics数据分类的方法	该方法通过使用自适应变分贝叶斯滤波进行数据预处理，并采用斑马优化算法进行降维，以及组成型人工神经网络进行分类，提高了分类准确性	NA	提高omics数据分类的准确性	omics数据	机器学习	NA	自适应变分贝叶斯滤波, 斑马优化算法, 组成型人工神经网络	组成型人工神经网络	omics数据	NA
20858	2024-08-07	The analysis of ecological security and tourist satisfaction of ice-and-snow tourism under deep learning and the Internet of Things 2024-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61598-y PMID:38730047	研究论文	本文提出了一种基于深度学习和物联网技术的预测方法，用于解决冰雪旅游领域的生态安全和游客满意度问题	该方法通过结合深度学习模型和物联网技术，提高了预测冰雪旅游生态安全和游客满意度的准确性和性能指标	NA	提出一种新的预测方法，以提高冰雪旅游生态安全和游客满意度的预测准确性	冰雪旅游的生态安全和游客满意度	机器学习	NA	深度学习 (DL) 和物联网 (IoT)	卷积神经网络和循环神经网络	环境数据和游客行为数据	NA
20859	2024-08-07	Fine tuning deep learning models for breast tumor classification 2024-05-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60245-w PMID:38730248	研究论文	本文提出了一种利用深度学习模型对乳腺癌肿瘤进行良恶性分类的方法	使用自定义卷积神经网络（Custom CNN）模型，结合灰狼优化（GWO）和改进的猩猩部队优化（MGTO）算法进行超参数调优，显著提高了分类准确率	NA	提高乳腺癌肿瘤良恶性分类的准确性	乳腺癌肿瘤的良恶性分类	计算机视觉	乳腺癌	卷积神经网络（CNN）	Custom CNN	图像	使用BreakHis数据集中的组织病理学图像
20860	2024-08-07	Fragment ion intensity prediction improves the identification rate of non-tryptic peptides in timsTOF 2024-May-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48322-0 PMID:38730277	研究论文	本文研究了在timsTOF平台上通过片段离子强度预测提高非胰蛋白酶肽的鉴定率	通过深度学习模型Prosit对片段离子强度预测进行微调，显著提高了免疫肽的鉴定率	NA	提高免疫肽的鉴定率，支持免疫疗法和疫苗开发	非胰蛋白酶肽的鉴定	蛋白质组学	NA	质谱分析	深度学习	质谱数据	分析了302,105个独特的合成非胰蛋白酶肽，生成了包含93,227个MS/MS光谱的基准数据集