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
21141	2024-08-05	Gaussian filter facilitated deep learning-based architecture for accurate and efficient liver tumor segmentation for radiation therapy 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1423774 PMID:38966060	研究论文	本文旨在开发一种基于高斯滤波的自动分割方法，以提高肝肿瘤的自动分割准确性	使用高斯滤波与nnU-Net架构结合，能够有效区分肿瘤与囊肿，从而改善肝肿瘤分割结果	本研究的样本量相对较小，可能影响模型的推广性	改善肝肿瘤分割中的肿瘤边界清晰度及肿瘤与囊肿之间的混淆	肝肿瘤病例，使用LiTS2017、3D-IRCADb数据集及本院收集的肝癌病例	数字病理学	肝癌	高斯滤波	nnU-Net	影像	130个LiTS2017病例进行训练和验证，14个3D-IRCADb病例及25个本院肝癌病例用于测试
21142	2024-08-05	Personalized chemotherapy selection for patients with triple-negative breast cancer using deep learning 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1418800 PMID:38966532	研究论文	本研究探索了深度学习模型在个性化化疗选择中的表现	利用自归一化平衡个体治疗效果模型为三阴性乳腺癌患者提供个性化化疗建议	需要在临床环境中验证这些模型，并增加更多特征和结果测量	旨在量化基线特征对化疗效果的影响	接受模型推荐治疗的三阴性乳腺癌患者	机器学习	三阴性乳腺癌	深度学习	自归一化平衡个体治疗效果模型（SNB）	患者临床数据	共包含10,070名女性三阴性乳腺癌患者
21143	2024-08-07	Editorial: Machine learning and deep learning applications in pathogenic microbiome research 2024, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2024.1429197 PMID:38966252	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
21144	2024-08-05	Calibrated geometric deep learning improves kinase-drug binding predictions 2023-Dec, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-023-00751-0 PMID:38962391	研究论文	本文提出了一种深度学习算法KDBNet，能够利用三维结构数据来预测激酶与药物的结合亲和力	KDBNet结合了3D蛋白质和分子结构数据，利用图神经网络学习结合口袋和药物的几何和空间特征	目前的方法主要集中在局部特征的利用上，可能忽视结合过程的3D特性	探索激酶与化合物之间的相互作用并揭示新型结合活性	激酶和药物分子	机器学习	癌症	深度学习	图神经网络	3D蛋白质和分子结构数据	NA
21145	2024-08-05	Decoding functional proteome information in model organisms using protein language models 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae078 PMID:38962255	研究论文	该文章探讨了如何利用蛋白质语言模型解码模型生物体的功能蛋白组信息	本文展示了蛋白质语言模型在解码功能信息时的高精度和高信息量，超越了深度学习方法	在目前的研究中，没有应用于完整的蛋白质组，只对选定的模型生物体进行了测试	研究蛋白质语言模型在功能蛋白组信息解码中的有效性	选定的模型生物体的蛋白质组	机器学习	NA	机器学习	蛋白质语言模型	蛋白质组数据	选定的模型生物体的全蛋白组数据
21146	2024-08-05	Segmentation and detection of crop pests using novel U-Net with hybrid deep learning mechanism 2024-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8083 PMID:38506377	研究论文	本研究提出了一种新的混合深度学习机制，用于作物害虫的分割和检测	通过将DenseNet-77与传统的U-Net模型混合，减少了U-Net模型的复杂性，并提出了新的卷积切片注意力门控递归单元模型进行害虫的检测	未提及具体的限制	旨在提高作物害虫检测的准确性	作物中的害虫	计算机视觉	NA	深度学习	混合的DenseNet-77 U-Net和卷积切片注意力门控递归单元模型	图像	NA
21147	2024-08-05	An effective segmentation and attention-based reptile residual capsule auto encoder for pest classification 2024-Aug, Pest management science IF:3.8Q1 DOI:10.1002/ps.8085 PMID:38507257	研究论文	本文提出了一种基于深度学习的方法，用于提高农作物害虫的检测和分类精度。	提出了新颖的注意力基于爬行动物残差胶囊自编码器（ARRCAE）技术，并结合改进的爬行动物搜索优化（IRSO）算法对分类参数进行优化调优。	由于抽象中未提及具体的局限性，因此此项信息为NA	提高农业害虫检测和分类的准确性，以改善作物生产力和质量。	主要研究对象为农业作物害虫。	数字病理学	NA	深度学习（DL），注意力基于U-Net方法	注意力基于爬行动物残差胶囊自编码器（ARRCAE）	图像	害虫数据集，具体样本数量在摘要中未明确说明，因此此项信息为NA
21148	2024-08-05	Fully Automatic Quantitative Measurement of Equilibrium Radionuclide Angiocardiography Using a Convolutional Neural Network 2024-Aug-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005275 PMID:38967505	研究论文	本研究旨在从平衡放射性核素血管造影数据集中生成基于深度学习的感兴趣区域以测量左心室射血分数	提出了一种使用2维U-Net卷积神经网络自动生成左心室的感兴趣区域的创新方法	研究主要集中在特定类型的图像数据上，可能无法普遍适用于所有类型的血管造影	提高左心室射血分数的测量便利性和可重复性	涉及19458名患者的41462个扫描样本	数字病理学	NA	深度学习	2维U-Net卷积神经网络	医学影像	41462个扫描（19309名患者）
21149	2024-08-05	Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning 2024-Jul-04, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae038 PMID:38709570	研究论文	本文开发了一种方法来系统生成大量木材显微图像数据集	首次使用深度学习自动识别纤维材料中的硬木物种	NA	改善全球木纤维产品流的控制，以保护森林	九个硬木属的显微图像	计算机视觉	NA	深度学习	神经网络	图像	大量木材参照图像数据集
21150	2024-08-05	AnglesRefine: Refinement of 3D Protein Structures Using Transformer Based on Torsion Angles 2024-Jul-03, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3422288 PMID:38959143	研究论文	该研究提出了一种基于变压器的蛋白质结构精炼方法AnglesRefine。	AnglesRefine集中于蛋白质的二级结构，并通过提取结构约束来精炼角度，从而生成更优的蛋白质模型。	目前尚未明确提及本研究的具体限制。	该研究旨在提高蛋白质模型的预测精度，特别是在局部结构残基级别。	研究对象为蛋白质结构及其角度，利用深度学习方法进行精炼。	数字病理学	NA	深度学习	变压器	结构数据	利用CASP11-14和CASP15数据集进行评估
21151	2024-08-05	Localized fine-tuning and clinical evaluation of deep-learning based auto-segmentation (DLAS) model for clinical target volume (CTV) and organs-at-risk (OAR) in rectal cancer radiotherapy 2024-Jul-02, Radiation oncology (London, England) DOI:10.1186/s13014-024-02463-0 PMID:38956690	研究论文	本研究通过局部微调提高了直肠癌放射治疗中深度学习自动分割模型的精确度	提出了局部微调方法以改善在临床场景中的深度学习自动分割模型的表现	未提及模型在其他类型直肠癌患者中的适用性	提升直肠癌放射治疗中深度学习自动分割产品的准确性	回顾性分析了120名中晚期直肠癌患者	数字病理学	直肠癌	深度学习自动分割	NA	CT图像	120名中晚期直肠癌患者
21152	2024-08-05	Accurate Prediction of Protein Structural Flexibility by Deep Learning Integrating Intricate Atomic Structures and Cryo-EM Density Information 2024-Jul-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49858-x PMID:38956032	研究论文	本文提出了一种神经网络模型RMSF-net，能准确预测蛋白质的动态信息	研发了一种整合复杂原子结构与冷冻电子显微镜密度信息的深度学习模型，超越了之前的方法	未提及具体的局限性	旨在提高蛋白质动态信息的计算预测精度	针对大规模蛋白质动态数据集中的蛋白质	计算机视觉	NA	冷冻电子显微镜 (cryo-EM)	神经网络	实验蛋白质结构数据和冷冻电镜数据	通过严格的5折交叉验证评估，但具体样本数量未明确
21153	2024-08-05	Defect detection of photovoltaic modules based on improved VarifocalNet 2024-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66234-3 PMID:38956270	研究论文	提出了一种改进的VarifocalNet，用于提高光伏模块缺陷检测的速度和准确性	设计了新的瓶颈模块以增加网络深度和感受野，同时保持输出特征图大小不变，改进了检测精度和速度	当前方法的检测速度相比部分方法仍有进一步增强的空间	提高光伏模块缺陷检测的速度和准确性	光伏模块缺陷的检测	计算机视觉	NA	深度学习	VarifocalNet	NA	NA
21154	2024-08-05	Enhancing efficiency of protein language models with minimal wet-lab data through few-shot learning 2024-Jul-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49798-6 PMID:38956442	研究论文	该文章介绍了一种名为FSFP的训练策略，用于优化蛋白质语言模型以进行适应性预测	FSFP结合了元迁移学习、排名学习和参数高效微调，能够在极少数据的情况下显著提升蛋白质语言模型的表现	尽管FSFP表现出优势，但仍受限于需要充分的标记样本来进行训练	研究旨在提升蛋白质语言模型在极少实验数据下的预测准确性	研究对象为目标蛋白的单位突变体	机器学习	NA	NA	NA	深度突变扫描数据集	使用了数十个目标蛋白的单位突变体标记样本
21155	2024-08-05	SIGNIFICANCE deep learning based platform to fight illicit trafficking of Cultural Heritage goods 2024-Jul-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65885-6 PMID:38956250	研究论文	该文章介绍了SIGNIFICANCE项目的成果，旨在通过深度学习平台打击文化遗产商品的非法交易	创新点在于开发了一个用户友好的平台，结合人工智能和深度学习技术来识别和追踪在线非法活动	该研究未明确指出具体的限制因素	本研究旨在通过技术手段解决文化遗产商品的非法交易问题	研究对象为文化遗产商品及其非法交易行为	数字病理学	NA	人工智能，深度学习	NA	网络数据，社交媒体数据	初步结果显示识别到的非法文物数量增加了10-15%
21156	2024-08-05	Predicting risk of the subsequent early pregnancy loss in women with recurrent pregnancy loss based on preconception data 2024-Jul-02, BMC women's health DOI:10.1186/s12905-024-03206-9 PMID:38956627	研究论文	本研究旨在基于孕前数据开发预测反复流产女性后续早期流产风险的预测模型	本文通过结合LASSO回归和多变量逻辑回归选择变量，利用GBM模型预测后续早期流产风险	未来需要进行前瞻性研究以验证临床适用性	评估反复流产女性后续早期流产的风险	1050名经历过反复流产的非怀孕女性	数字病理学	NA	LASSO回归、多变量逻辑回归、GBM、随机森林、深度学习	GBM	临床数据	1050名女性，605名女性在研究结束时有后续妊娠结果
21157	2024-08-05	LMBiS-Net: A lightweight bidirectional skip connection based multipath CNN for retinal blood vessel segmentation 2024-07-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63496-9 PMID:38956117	研究论文	本文介绍了一种轻量级神经网络LMBiS-Net，旨在实现视网膜血管的分割。	LMBiS-Net采用了多路径特征提取块和双向跳跃连接，显著提高了模型的计算效率和准确性。	尽管在多个数据集上表现出色，但对一些未见数据的表现仍需进一步验证。	本文旨在优化视网膜血管分割的技术，以应对现有方法的局限性。	研究对象为视网膜血管，主要利用公开数据集进行评估。	数字病理学	NA	卷积神经网络 (CNN)	LMBiS-Net	图像	使用了四个公开数据集：DRIVE, STARE, CHASE_DB1, 和 HRF
21158	2024-08-05	A fine-grained dataset for sewage outfalls objective detection in natural environments 2024-Jul-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03574-9 PMID:38956054	研究论文	本文提出了一种高质量的数据集，用于在自然环境中检测污水排放口	创建了名为iSOOD的数据集，专门用于污水排放口的目标检测	目前的研究没有提及现有数据集的不足之处	开发自动化的污水排放口检测工具以改善河流治理	使用无人机和手持相机拍摄的污水排放口图像数据集	计算机视觉	NA	深度学习	YOLOv10	图像	10481张图像
21159	2024-08-05	Deep learning pneumoconiosis staging and diagnosis system based on multi-stage joint approach 2024-Jul-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01337-x PMID:38956579	研究论文	本研究开发了一种基于多阶段联合深度学习的方法，用于肺尘埃病的筛查和分期诊断	提出了一种创新的多阶段联合深度学习方法，以提高肺尘埃病分期的诊断准确性	未提及特定的局限性	研究肺尘埃病的计算机辅助诊断系统	对498例肺尘埃病患者的胸部X光影像进行分析	计算机视觉	肺尘埃病	深度学习	Efficient-Net与Res-Net 34	医学影像	498份胸部X光影像
21160	2024-08-07	Correction: Improving the enzymatic activity and stability of N‑carbamoyl hydrolase using deep learning approach 2024-Jul-02, Microbial cell factories IF:4.3Q1 DOI:10.1186/s12934-024-02461-7 PMID:38956633	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA