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
21321	2024-08-05	REME: an integrated platform for reaction enzyme mining and evaluation 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae405 PMID:38769057	研究论文	本文介绍了REME，一个集成的反应酶挖掘与评估平台	提出了REME平台，结合多种技术快速排名和可视化反应，提供用户自定义功能	缺乏对现有工具的系统比较和性能评估	开发一个用于非自然反应催化的酶筛选与评估工具	旨在识别并评估能够催化非自然反应的酶	计算生物学	NA	深度学习	NA	反应数据	NA
21322	2024-08-05	Evaluating the Quality of Serial EM Sections 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/ozae033 PMID:38701183	研究论文	本文探讨了使用深度学习自动评估串行截面扫描电子显微镜图像质量的方法	提出了一种质量评估网络（QEN）的修改版ResNet-50，能够可靠地预测用户生成的图像质量评分	未提及具体的限制	提高串行截面扫描电子显微镜图像的质量评估效率	多个卷积神经网络的能力来复制用户生成的ssSEM图像质量评估	计算机视觉	NA	深度学习	ResNet-50	图像	NA
21323	2024-08-05	Early detection of pediatric health risks using maternal and child health data 2024-07-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65449-8 PMID:38961161	研究论文	使用母子健康数据，介绍了一种新的深度学习模型Ped-BERT，能够准确预测100多种疾病及儿童患者下一次就诊的住院时长	提出了一种基于BERT的深度学习模型Ped-BERT，能够将母亲的健康信息与儿童患者的就诊记录关联，从而提高疾病预测的准确性	尽管模型表现优异，但特定母婴群体的预测错误可能较高，模型的公平性仍需进一步研究	研究如何利用母婴健康数据进行儿科疾病的早期检测与住院时长预测	研究对象为513.9K对母婴数据，主要关注儿童患者的就诊历史及母亲的产前和产后健康信息	机器学习	儿科疾病	深度学习	BERT	医疗诊断代码、住院时长等	513.9K对母婴样本
21324	2024-08-05	Rockfish: A transformer-based model for accurate 5-methylcytosine prediction from nanopore sequencing 2024-Jul-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49847-0 PMID:38961062	研究论文	本文提出了一种基于Transformer的深度学习算法Rockfish，用于准确预测纳米孔测序中的5-甲基胞嘧啶	Rockfish在读级别的5-甲基胞嘧啶检测上显著提高了准确性，并且比现有纳米孔测序方法表现更优	本文未提及具体的实验样本限制	旨在提高5-甲基胞嘧啶在纳米孔测序中的检测准确性	研究对象为不同生物体中的5-甲基胞嘧啶甲基化	数字病理学	NA	纳米孔测序	Transformer	DNA测序数据	涉及人和小鼠样本
21325	2024-08-05	Structure focused neurodegeneration convolutional neural network for modelling and classification of Alzheimer's disease 2024-07-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60611-8 PMID:38961114	研究论文	本文提出了一种结构聚焦的神经退行性卷积神经网络用于阿尔茨海默病的建模和分类	提出了新的结构聚焦神经退行性卷积神经网络架构SNeurodCNN，增强了对大脑皮层神经退行性变化的理解	目前的研究可能在不同种族和年龄段的样本中缺乏广泛性	旨在实现阿尔茨海默病的早期和准确诊断	利用阿尔茨海默病神经影像倡议（ADNI）数据集中的脑图像进行研究	计算机视觉	阿尔茨海默病	磁共振成像（MRI）和深度学习	卷积神经网络（CNN）	图像	NA
21326	2024-08-05	Prediction of chromosomal abnormalities in the screening of the first trimester of pregnancy using machine learning methods: a study protocol 2024-Jul-03, Reproductive health IF:3.6Q1 DOI:10.1186/s12978-024-01839-5 PMID:38961456	研究论文	本文提出了一个基于机器学习方法预测妊娠第一三个月筛查中染色体异常的研究方案	该研究通过应用神经网络优化学习模型，提高了预测染色体异常的准确性	研究仅限于高风险孕妇样本，样本量相对较小	开发一个使用机器学习技术的最佳学习模型来预测染色体异常	研究对象为350名在妊娠第一三个月接受筛查的高风险孕妇	机器学习	NA	机器学习	神经网络	数据	350名孕妇
21327	2024-08-05	Colon cancer diagnosis by means of explainable deep learning 2024-07-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63659-8 PMID:38961080	研究论文	本研究通过可解释的深度学习对结肠组织中的腺癌进行早期检测	提出了一种自动检测结肠组织图像中癌细胞存在的方法，并提供预测可解释性	没有详细说明适用的特定临床环境或进一步验证的需求	研究目标是提高结肠癌的早期检测和定位能力	研究对象为结肠组织图像中的癌细胞	数字病理学	结肠癌	深度学习	未特定	图像	10,000张结肠组织图像
21328	2024-08-05	Automatic summarization model based on clustering algorithm 2024-Jul-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66306-4 PMID:38961244	研究论文	该文章提出了一种基于聚类算法的自动文档摘要模型	通过引入聚类算法减少摘要中的语义冗余，并改进了基础BERT对句子的评分	没有提到对其他类型数据源的适用性	旨在减少提取摘要中的语义冗余	研究提取摘要的句子选择	自然语言处理	NA	K-means算法	改进的BERT	文本	CNN/DailyMail数据集中的六个基线对比实验
21329	2024-08-05	DSnet: a new dual-branch network for hippocampus subfield segmentation 2024-07-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66415-0 PMID:38961218	研究论文	提出了一种基于深度学习的新型双支路网络DSnet用于海马亚区段的分割	DSnet通过整合Transformer架构和混合注意力机制，提高了网络的全局感知能力，同时利用双支路结构促进了亚区段的分割	未提及具体限制	研究海马亚区段的精确分割，帮助诊断和研究神经系统疾病	海马亚区段的图像数据	数字病理学	神经系统疾病	深度学习	双支路网络（DSnet）	图像	使用公共Kulaga-Yoskovitz数据集进行验证，样本大小未具体说明
21330	2024-08-05	AI-powered microscopy image analysis for parasitology: integrating human expertise 2024-Jul, Trends in parasitology IF:7.0Q1 DOI:10.1016/j.pt.2024.05.005 PMID:38824067	综述	本文回顾了知识集成深度学习模型在寄生虫学显微镜图像分析中的最新进展	提出了知识集成深度学习模型，增强了人工智能的解释性和准确性	传统深度学习方法缺乏可解释性，且数据驱动的特征使其依赖于稀缺的指导资源	旨在改善寄生虫学中显微镜图像分析的方法	探讨如何将人类专家知识整合进深度学习模型以提高分析效果	数字病理学	寄生虫病	深度学习	知识集成深度学习模型	图像	NA
21331	2024-08-05	Artificial Intelligence, Digital Imaging, and Robotics Technologies for Surgical Vitreoretinal Diseases 2024-Jul, Ophthalmology. Retina DOI:10.1016/j.oret.2024.01.018 PMID:38280425	综述	本文回顾了在手术性玻璃体视网膜疾病中，成像、外科可视化、机器人技术和人工智能的最新技术进展。	文章强调了最新的成像技术和深度学习技术在手术玻璃体视网膜疾病管理中的创新应用。	文章未提及具体的实验数据或样本研究支持。	探讨成像、机器人技术和人工智能在手术性玻璃体视网膜疾病中的应用和发展。	手术性玻璃体视网膜疾病的像拍摄和治疗技术。	数字病理学	玻璃体视网膜疾病	光学相干断层扫描（OCT）、广角成像	深度学习	图像	NA
21332	2024-08-05	Perceptible landscape patterns reveal invisible socioeconomic profiles of cities 2024-Jun-22, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.06.022 PMID:38969538	研究论文	本文提出了一种新的三维城市景观指标（UL3D），以揭示城市的社会经济特征	研究提出了四个新型的三维城市景观指标，并证实其在预测城市社会经济特征中的重要性	缺乏有效的评估指标以及获取大面积三维数据的高成本是研究的限制	本研究旨在评估城市景观对城市发展影响的方式	研究对象为中国303个主要城市的街景图像	数字病理学	NA	深度学习	NA	街景图像	4.03百万张街景图像来自303个主要城市
21333	2024-08-05	Artificial intelligence: a new cutting-edge tool in spine surgery 2024-Jun, Asian spine journal IF:2.3Q2 DOI:10.31616/asj.2023.0382 PMID:38917854	综述	文章详细阐述了人工智能在脊柱外科的应用及其未来方向	人工智能在脊柱外科的应用具有潜在的革命性影响，特别是在个性化治疗和手术规划方面	研究主要基于过去20年内的文献，没有提供新的实验数据	探讨人工智能在脊柱外科的各种应用及其影响	审查和分析关于人工智能在脊柱外科应用的各种研究文献	机载学习	NA	人工智能，机器学习	NA	文献	93篇相关文献
21334	2024-08-05	AttABseq: an attention-based deep learning prediction method for antigen-antibody binding affinity changes based on protein sequences 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae304 PMID:38960407	研究论文	本研究开发了一种基于深度学习的模型AttABseq，用于预测抗原-抗体结合亲和力的变化	AttABseq是一种高效的注意力基础模型，能够从抗原-抗体复合物序列中预测残基突变导致的结合亲和力变化	AttABseq对改变残基的数量没有限制，但可能对特定类型的突变或特殊情况的预测能力有限	加速和改善治疗抗体的开发	连接抗体突变的抗原-抗体结合亲和力变化	生物信息学	NA	深度学习	注意力模型	序列数据	三组基准数据集
21335	2024-08-05	Retinal imaging for the assessment of stroke risk: a systematic review 2024-May, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-023-12171-6 PMID:38430271	系统评价	本研究系统评估了视网膜成像在中风风险评估中的作用	该论文识别出三种利用人工智能算法分析视网膜图像以预测中风的模型	目前没有预测模型显著超越传统风险评估分数，且仅有两项研究使用了OCT成像	研究视网膜成像特征作为中风风险指示的有效性	前瞻性研究中评估视网膜成像衍生生物标志物的研究	数字病理学	心血管疾病	OCT	人工智能算法	图像	共纳入24项研究
21336	2024-08-05	A transformer-based pyramid network for coronary calcified plaque segmentation in intravascular optical coherence tomography images 2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102347 PMID:38341945	研究论文	提出了一种基于变换器的金字塔网络AFS-TPNet用于从血管内光学相干断层扫描图像中分割冠状动脉钙化斑块	结合了增强特征分离模块和残差卷积位置编码机制，改进了变换器在捕捉细粒度特征和全局上下文方面的能力	CNN在上下文推理方面固有的局限性可能会影响现有方法的性能	研究如何利用OCT图像进行冠状动脉钙化斑块的端到端分割	冠状动脉钙化斑块的自动分割	计算机视觉	动脉粥样硬化	OCT	变换器	图像	广泛的实验，具体样本数量未提及
21337	2024-08-05	AndroDex: Android Dex Images of Obfuscated Malware 2024-Feb-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03027-3 PMID:38365866	研究论文	本文创建了一个名为AndroDex的Android恶意软件数据集，包含24,746个样本，涵盖180多个恶意软件家族	本研究创造了一种新的数据集结构，通过对APK进行混淆处理后生成.dex图像，以便更好地检测和分类Android恶意软件	该数据集仅基于静态分析，使用.dex文件图像，动态分析需要时间	创建一个可靠的大规模恶意软件数据集，以帮助研究人员提高Android恶意软件的检测和分类能力	包含24,746个样本的Android恶意软件数据集，反映恶意软件特征	数字病理学	NA	.dex图像	NA	图像	24,746个样本
21338	2024-08-05	Child face detection on front passenger seat through deep learning 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2346811 PMID:38717829	研究论文	本研究提出了一种儿童面部检测系统，以提高前排乘客座位上儿童的安全性	使用深度学习技术，如迁移学习和面部检测，创建了专门为检测儿童座椅而生成的数据集	结果在实验环境下实现了100%的准确率，但在实际应用中可能会受到直接阳光、污垢或杂物的影响	提高儿童在前排乘客座位上的安全性	研究对象是前排乘客座位上的儿童面部	计算机视觉	NA	深度学习	深度卷积神经网络（Deep CNN）	图像	共收集102个空座位、71名儿童（0-13岁）和96名成人（14-75岁）的图像
21339	2024-08-05	Large field-of-view pine wilt disease tree detection based on improved YOLO v4 model with UAV images 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1381367 PMID:38966144	研究论文	基于改进的YOLO v4模型和无人机图像，快速检测松枯病树木。	提出了一种改进的YOLO v4网络，结合了通道注意机制以增强神经网络的学习能力。	未提供关于模型在不同环境或多样化病害种类下的普适性验证	探讨松枯病的快速检测与智能诊断解决方案。	针对松枯病树木的检测与识别。	计算机视觉	松枯病	深度学习	YOLO v4	图像	多个时段的病树样本
21340	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