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
21121	2024-08-05	The Multiscale Surface Vision Transformer 2024-Jun-11, ArXiv PMID:36994163	研究论文	本文提出了一种多尺度表面视觉变换器（MS-SiT），用于表面深度学习的框架结构	引入了局部网格窗口内的自注意力机制以及移位窗口策略，能够实现高分辨率数据采样并改善窗口间的信息共享	在深度预测任务中，自注意力操作的二次成本仍然是一个障碍	研究表面网格在进行深度学习分析时的应用	基于Developing Human Connectome Project (dHCP) 数据集进行新生儿表型预测的任务	计算机视觉	NA	深度学习	变换器	表面网格数据	使用了Developing Human Connectome Project (dHCP) 数据集进行表型预测
21122	2024-08-05	Unveiling Conformational States of CDK6 Caused by Binding of Vcyclin Protein and Inhibitor by Combining Gaussian Accelerated Molecular Dynamics and Deep Learning 2024-Jun-05, Molecules (Basel, Switzerland) DOI:10.3390/molecules29112681 PMID:38893554	研究论文	本文通过结合高斯加速分子动力学和深度学习，揭示了CDK6因Vcyclin蛋白和抑制剂结合而导致的构象状态	创新点在于使用高斯加速分子动力学、深度学习和自由能景观分析识别CDK6的构象转变	研究可能局限于特定的抑制剂和构象状态，未考虑所有可能的外部因素	研究CDK6的构象变化及其在癌症治疗中的作用	主要研究对象为CDK6、Vcyclin蛋白及其抑制剂的结合	数字病理学	癌症治疗	Gaussian加速分子动力学	深度学习	计算数据	NA
21123	2024-08-05	Feasibility of remote monitoring for fatal coronary heart disease using Apple Watch ECGs 2024-Jun, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2024.03.007 PMID:38989042	研究论文	本研究开发了一种基于单导联ECG的深度学习模型，用于预测致命冠心病（FCHD）的风险	首次使用可穿戴设备获取的ECG数据进行FCHD风险预测的人工智能模型	研究主要依赖于特定的数据集，可能限制了结果在更广泛人群中的适用性	评估可穿戴设备ECG在FCHD风险预测中的可行性	使用167,662个ECG记录和243个参与者的配对ECG数据进行研究	数字病理学	冠心病	ECG-AI	深度学习模型	ECG数据	167,662个ECG记录，50,132名患者，243名参与者的配对ECG
21124	2024-08-05	Multitask deep learning for prediction of microvascular invasion and recurrence-free survival in hepatocellular carcinoma based on MRI images 2024-Jun, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.15870 PMID:38436551	研究论文	本研究开发了一种多任务深度学习模型，用于基于MRI扫描预测肝细胞癌中的微血管侵袭和无复发生存期	该研究结合了多任务学习和变换器架构，能够同时预测微血管侵袭和无复发生存期	尚需前瞻性研究来评估该模型在临床应用中的实用性	提高肝细胞癌的个体化管理	725名肝细胞癌患者的MRI扫描数据	数字病理学	肝癌	深度学习	变换器	影像	725名HCC患者的回顾性数据集，包括234名训练患者和58名内部验证患者，以及三个独立的外部验证集（n=212, 111, 110）
21125	2024-08-05	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-May-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本研究扩大和比较了基于深度学习的无似然推断方法与传统的似然方法在病毒系统地理学中的表现	提出了一种基于深度学习的无似然推断方法，与传统的贝叶斯推断方法在准确性和鲁棒性上接近，同时在训练后显著提高了计算速度	模型的精确度较低，且在模型失配的敏感度上有一定的保守性	探讨深度学习方法在病毒传播的系统地理学推断中的应用	使用模拟爆发的系统树和SARS-Cov-2大流行的真实数据	计算机视觉	NA	深度学习	深度神经网络	树形结构数据	来自5个地点的模拟爆发数据
21126	2024-08-05	An adult and pediatric size-based contrast administration reduction phantom study for single and dual-energy CT through preservation of contrast-to-noise ratio 2024-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14340 PMID:38605540	研究论文	本文提供了一个定量框架，用于在降低碘对比剂剂量的同时保持碘CNR	创新性地通过单能CT和双能CT的不同扫描条件，减少碘对比剂的使用	未详细探讨不同患者群体对结果的影响	研究如何在CT检查中通过降低对比剂的剂量来保持图像质量	使用不同直径的模拟物进行CT扫描	数字病理学	NA	CT	深度学习重建	影像	四种不同直径的模拟物（9.7, 15.9, 21.1, 28.5 cm 和 20, 29.5, 34.6, 39.7 cm）
21127	2024-08-05	Triple-0: Zero-shot denoising and dereverberation on an end-to-end frozen anechoic speech separation network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301692 PMID:39012881	研究论文	本研究提出了一种新颖的方法，通过一个端到端的冻结双耳无回声语音分离网络进行语音去噪和去混响。	该网络无需对新任务进行任何架构更改或微调，展示了在零样本测试条件下的有效性。	预训练模型在其训练期间从未遇到过噪声和混响条件，可能影响其在极端情况下的表现。	研究旨在改进语音增强技术，尤其是在噪声和混响环境中的非监督学习能力。	研究对象为被淹没在噪声和回声中的目标语音信号。	自然语言处理	NA	深度学习	NA	音频	使用了不同数据集上的语音样本进行测试，具体样本数量未说明
21128	2024-08-05	ArabBert-LSTM: improving Arabic sentiment analysis based on transformer model and Long Short-Term Memory 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1408845 PMID:39015364	研究论文	本文提出了一种基于变压器模型和长短期记忆网络(LSTM)的阿拉伯语情感分析模型。	创新之处在于结合了变压器模型和LSTM以处理阿拉伯语情感分析的复杂性。	本文未提及特定的限制条件。	本研究旨在提高阿拉伯语情感分析的准确性和可靠性。	研究对象为阿拉伯语文本中的情感分类。	自然语言处理	NA	变压器模型	LSTM	文本	四个阿拉伯语基准数据集
21129	2024-08-05	Comparison of deep learning architectures for predicting amyloid positivity in Alzheimer's disease, mild cognitive impairment, and healthy aging, from T1-weighted brain structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1387196 PMID:39015378	研究论文	本文比较了多种深度学习架构在预测阿尔茨海默病、轻度认知障碍和健康老龄化中的β-淀粉样蛋白阳性。	提出了一种将经典机器学习算法与深度学习模型相结合的新方法，能够从T1加权MRI中推断β-淀粉样蛋白阳性	需要在更多样化的数据上进行进一步测试以验证结果	研究旨在从非侵入性的脑部扫描中预测β-淀粉样蛋白阳性，以帮助早期筛查阿尔茨海默病	参与者包括1847名老年人，包含健康对照组、轻度认知障碍者和痴呆患者	计算机视觉	阿尔茨海默病	MRI	CNN, 3D Vision Transformers	影像	1847名老年参与者（包括661名健康对照，889名轻度认知障碍者和297名痴呆患者）
21130	2024-08-05	Prospective Role of Foundation Models in Advancing Autonomous Vehicles 2024, Research (Washington, D.C.) DOI:10.34133/research.0399 PMID:39015204	研究论文	本文综述了基础模型在自动驾驶中的应用及未来趋势	探讨了基础模型在场景理解、推理及提升自动驾驶安全性方面的潜力	目前尚未详细说明在实际驾驶中的具体应用及验证情况	研究基础模型在自动驾驶领域的应用潜力	基础模型及其在自动驾驶中的应用	计算机视觉	NA	自监督学习	基础模型	语言和视觉数据	NA
21131	2024-08-07	Exploring infection clinicians' perceptions of bias in Large Language Models (LLMs) like ChatGPT: A deep learning study 2023-12, The Journal of infection IF:14.3Q1 DOI:10.1016/j.jinf.2023.09.006 PMID:37743022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21132	2024-08-05	Stroke-GFCN: ischemic stroke lesion prediction with a fully convolutional graph network 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044502 PMID:37465592	研究论文	本研究提出了一种几何深度学习模型，用于缺血性脑卒中的病灶分割。	本文创新性地使用了全卷积图网络，并结合样条卷积和图结构特征来改进缺血性脑卒中病灶的预测。	本研究没有使用优化的训练方法，如数据增强或补丁处理，这可能影响模型表现的进一步提升。	研究旨在提高缺血性脑卒中病灶的分割准确性，以便为临床干预提供支持。	研究对象为缺血性脑卒中病灶的CT灌注参数图像数据。	计算机视觉	脑卒中	CT灌注参数	全卷积图网络	图像	NA
21133	2024-08-07	Deep Learning to Predict Traumatic Brain Injury Outcomes in the Low-Resource Setting 2022-08, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2022.02.097 PMID:35247613	研究论文	本文旨在开发首个用于预测低资源环境下创伤性脑损伤（TBI）结果的深度学习模型，并将其性能与较简单的算法进行比较	首次使用深度学习进行TBI预测，特别是在低收入和中等收入国家（LMICs）中，这些地区对决策支持系统有迫切需求	深度学习并非万能，最佳算法选择取决于特定的临床环境	增强LMICs中TBI的分类管理	TBI患者的预后预测	机器学习	创伤性脑损伤	深度神经网络	深度神经网络、浅层神经网络和弹性网正则化逻辑回归模型	临床变量	2164名患者，其中12%有不良预后
21134	2024-08-07	Machine Learning to Predict Successful Opioid Dose Reduction or Stabilization After Spinal Cord Stimulation 2022-08-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000001969 PMID:35384918	研究论文	本文利用机器学习模型预测脊髓刺激（SCS）后患者成功减少或稳定阿片类药物使用的情况	首次提出基于机器学习的模型来预测SCS后阿片类药物使用的减少或稳定	NA	预测SCS后阿片类药物使用的成功减少或稳定，并评估深度学习是否比逻辑回归提供显著优势	脊髓刺激后阿片类药物使用的减少或稳定	机器学习	NA	逻辑回归（LR）和深度神经网络（DNNs）	逻辑回归模型和深度神经网络模型	医疗数据库数据	7022名患者
21135	2024-08-07	Highly accelerated multishot echo planar imaging through synergistic machine learning and joint reconstruction 2019-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.27813 PMID:31106902	研究论文	本文介绍了一种结合机器学习（ML）和物理基础的图像重建框架，实现了无需导航器的高加速多重回波平面成像（msEPI），并展示了其在高分辨率结构和扩散成像中的应用	利用深度学习获取具有最小伪影的临时图像，并结合联合虚拟线圈灵敏度编码（JVC-SENSE）重建技术，提高了图像质量	NA	开发一种新的图像重建框架，以实现高加速的多重回波平面成像	高分辨率结构和扩散成像	机器学习	NA	多重回波平面成像（msEPI）	深度学习网络	图像	使用2次EPI拍摄实现8倍平面内加速和2倍多频带加速，以及使用5次拍摄实现9倍平面内加速和2倍多频带加速
21136	2024-08-07	Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges 2019-08, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00227-x PMID:31144149	research paper	本文对利用深度学习技术进行医学图像分割的流行方法进行了关键性评估，并总结了最常见的挑战及可能的解决方案	NA	NA	评估深度学习技术在医学图像分割中的应用	医学图像分割的深度学习方法及其挑战	computer vision	NA	deep learning	NA	image	NA
21137	2024-08-07	ORCA-SPOT: An Automatic Killer Whale Sound Detection Toolkit Using Deep Learning 2019-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-47335-w PMID:31358873	研究论文	本文介绍了一种使用深度学习自动检测虎鲸声音的工具包ORCA-SPOT	ORCA-SPOT工具包能够自动从大型生物声学数据库中提取虎鲸声音，提高了处理效率和准确性	NA	旨在通过自动识别虎鲸的通信模式来增进对非人类动物种内通信的理解	虎鲸（Orcinus orca）的声音和环境噪音	机器学习	NA	深度神经网络	深度学习模型	声音	11,509个虎鲸信号和34,848个噪音片段
21138	2024-08-07	Two-stage framework for optic disc localization and glaucoma classification in retinal fundus images using deep learning 2019-07-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0842-8 PMID:31315618	研究论文	本文提出了一种两阶段框架，用于在视网膜眼底图像中定位视盘并进行青光眼分类	该方法在视盘定位和青光眼分类方面达到了新的最先进水平，并提出了一种基于规则的半自动地面实况生成方法，用于训练基于RCNN的模型进行自动视盘定位	在评估青光眼分类时，仅报告曲线下面积可能无法全面反映分类器的性能，需要额外的性能指标来证实结果	开发一种自动化的方法来定位视盘并进行青光眼分类，以辅助临床医生进行疾病识别	视网膜眼底图像中的视盘定位和青光眼分类	计算机视觉	青光眼	深度学习	CNN	图像	七个公开可用的视盘定位数据集和一个包含健康和青光眼标签的最大公开可用数据集ORIGA
21139	2024-08-07	Deep Learning to Assess Long-term Mortality From Chest Radiographs 2019-07-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2019.7416 PMID:31322692	研究论文	本文开发并测试了一种名为CXR-risk的卷积神经网络（CNN），用于从胸部X光片预测长期死亡率，包括非癌症死亡	利用深度学习技术从单一胸部X光片中评估长期死亡风险，为预防和干预提供依据	NA	开发和测试一种CNN模型，用于预测基于胸部X光片的长期死亡率	胸部X光片数据及其与长期死亡率的关系	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	开发阶段样本量为41,856，测试阶段样本量为10,464，外部测试样本量为5,493
21140	2024-08-07	Deep learning for automatic Gleason pattern classification for grade group determination of prostate biopsies 2019-Jul, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-019-02577-x PMID:31098801	研究论文	本文利用卷积神经网络（CNN）自动检测前列腺活检中的Gleason模式（GP）并确定分级组（GG），以减少前列腺癌病理分级中的观察者间变异性。	本文首次使用Inception-v3卷积神经网络对数字化前列腺活检图像进行GP的自动检测和GG的确定，提高了病理分级的准确性。	研究样本量较小，仅涉及38名患者的96份前列腺活检样本，可能影响结果的泛化性。	开发一种计算机辅助方法，通过自动检测Gleason模式和确定分级组，提高前列腺癌病理分级的准确性和治疗选择的优化。	前列腺活检样本中的Gleason模式和分级组。	数字病理学	前列腺癌	卷积神经网络（CNN）	Inception-v3	图像	96份前列腺活检样本来自38名患者