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
21681	2024-08-05	Advancements in hand-drawn chemical structure recognition through an enhanced DECIMER architecture 2024-Jul-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00872-7 PMID:38970120	研究论文	提出了一种增强的DECIMER架构以提高手绘化学结构的识别精度	该DECIMER模型是唯一专门针对手绘化学结构识别的开源模型，并在处理手写风格变体方面表现更好	模型的性能评估主要基于合成手绘图像和真实手绘化学结构数据集，实际应用中的表现可能有所不同	改善手绘化学结构的识别精度以辅助数字化化学信息	手绘化学结构及其在不同风格元素下的变体	计算机视觉	NA	卷积神经网络 (CNN)，变换器 (Transformer)	CNN，变换器	图像	使用合成手绘图像进行训练，评估中使用真实手绘化学结构数据集
21682	2024-08-05	Single-Subject Deep-Learning Image Reconstruction with a Neural Optimization Transfer Algorithm for PET-enabled Dual-Energy CT Imaging 2024-Jun-19, ArXiv PMID:37873021	研究论文	提出了一种使用神经优化传输算法的单个受试者深度学习图像重建方法，以改善PET支持的双能CT成像	首次将深度神经网络作为深度系数先验应用于仅使用单个受试者数据的图像重建，避免了大规模数据库的需求	该方法的效果可能受到受试者个体条件的限制，可能不适用于所有临床场景	改善PET支持的双能CT重建的图像质量	对gCT图像的重建进行了深入研究，特别是在PET/CT扫描中	数字病理学	NA	PET，双能CT	深度神经网络	图像	计算机模拟、真实仿真数据和真实患者数据
21683	2024-08-05	PheSeq, a Bayesian deep learning model to enhance and interpret the gene-disease association studies 2024-04-16, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-024-01330-7 PMID:38627848	研究论文	本文介绍了一种名为PheSeq的贝叶斯深度学习模型，用于增强和解释基因-疾病关联研究	PheSeq模型通过整合和感知表型描述，提高了基因-疾病关联研究的稳健性和解释能力	未提及具体的局限性	旨在提高基因-疾病关联研究的可靠性和可解释性	研究对象包括阿尔茨海默病、乳腺癌和肺癌的基因	机器学习	阿尔茨海默病; 乳腺癌; 肺癌	贝叶斯深度学习	NA	NA	三个案例研究涉及多个基因，阿尔茨海默病1024个基因，乳腺癌818个基因，肺癌566个基因
21684	2024-08-05	Single cell lineage tracing reveals clonal dynamics of anti-EGFR therapy resistance in triple negative breast cancer 2024-04-11, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-024-01327-2 PMID:38605363	研究论文	本研究揭示了三阴性乳腺癌（TNBC）中针对EGFR治疗抵抗的克隆动态	通过单细胞转录组学和细胞条形码技术，揭示了EGFR扩增的TNBC细胞在afatinib处理下的亚克隆动态	NA	阐明三阴性乳腺癌中EGFR治疗抵抗的机制	EGFR扩增的三阴性乳腺癌细胞	数字病理学	乳腺癌	单细胞转录组学	深度学习	NA	NA
21685	2024-08-05	Single-Subject Deep-Learning Image Reconstruction With a Neural Optimization Transfer Algorithm for PET-Enabled Dual-Energy CT Imaging 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3418347 PMID:38941203	研究论文	该文章提出了一种单主体深度学习图像重建方法，以改善PET辅助的双能CT成像。	本研究通过使用神经网络表示作为深度系数先验，提出了一种不依赖于群体基础预训练的新方法，从而提高了gCT图像重建的效果。	本研究未提供方法在不同临床环境下的适用性验证。	本研究旨在提高PET辅助双能CT成像的图像重建质量。	本研究关注于gCT图像的重建，基于单主体的神经网络表示。	数字病理学	NA	POSITRON发射断层成像 (PET)	深度神经网络	图像	计算机模拟，真实的假体数据和真实的患者数据
21686	2024-08-05	Heart-Brain 346-7 Score: the development and validation of a simple mortality prediction score for carbon monoxide poisoning utilizing deep learning 2023-07, Clinical toxicology (Philadelphia, Pa.) DOI:10.1080/15563650.2023.2226817 PMID:37417305	研究论文	开发并验证了一种简单的死亡风险预测评分系统，针对一氧化碳中毒患者	提出并验证了Heart-Brain 346-7评分系统，以根据特定变量预测一氧化碳中毒患者的住院和长期死亡风险	本研究的有效性需要进一步验证，且主要依赖于电子病历数据	研究旨在识别患有一氧化碳中毒的患者的急性和长期死亡风险	研究对象为811名一氧化碳中毒的成人患者与462名验证队列患者	数字病理学	NA	Firth逻辑回归	NA	电子病历数据	811名在开发队列中的患者和462名在验证队列中的患者
21687	2024-08-05	CVAE-DF: A hybrid deep learning framework for fertilization status detection of pre-incubation duck eggs based on VIS/NIR spectroscopy 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124569 PMID:38878719	研究论文	本文提出了一种基于可见光/近红外光谱的预孵化鸭蛋受精状态检测的混合深度学习框架CVAE-DF	创新性地结合了卷积变分自编码器和改进的深度森林模型用于鸭蛋受精状态的早期检测	研究主要集中在鸭蛋的检测，可能对其他类型的蛋类适用性有限	旨在尽早检测预孵化鸭蛋的受精状态以减少污染风险	255个预孵化鸭蛋的可见光/近红外光谱数据	数字病理学	NA	可见光/近红外光谱	卷积变分自编码器 (CVAE) 和深度森林 (DF) 模型	光谱数据	255个鸭蛋
21688	2024-08-05	Non-invasive detection of systemic lupus erythematosus using SERS serum detection technology and deep learning algorithms 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124592 PMID:38861826	研究论文	本研究开发了一种基于SERS技术和深度学习算法的系统性红斑狼疮（SLE）非侵入性检测方法	研究中提出了使用Au@Ag-PSi复合基材结合深度学习算法对SLE进行准确筛查的创新方法	文章中未详细说明研究的具体局限性	旨在提高系统性红斑狼疮快速筛查的效率与准确性	研究对象为系统性红斑狼疮患者的血清样本	数字病理	系统性红斑狼疮	SERS	CNN	血清样本	涉及SLE患者的血清样本，样本大小未具体说明
21689	2024-08-05	Rapid identification and quantitative analysis of malachite green in fish via SERS and 1D convolutional neural network 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124655 PMID:38885572	研究论文	本文开发了一个结合表面增强拉曼散射和深度学习网络的现场检测平台，用于快速定量检测鱼类中的美蓝。	本文提出了一种透明柔性表面增强拉曼散射基底与一维卷积神经网络结合的新方法，显示了优越的检测性能。	本研究没有涉及其他假设影响因素的系统评估。	研究旨在确保水产品中美蓝的安全性，提供快速定量检测方法。	研究对象为水产产品中的美蓝和鱼鳞上的残留物。	数字病理学	NA	表面增强拉曼散射(SERS)	一维卷积神经网络(1D CNN)	光谱数据	NA
21690	2024-08-05	The use of artificial intelligence algorithms to detect macroplastics in aquatic environments: A critical review 2024-Oct-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173843 PMID:38871326	评论	本文对在水域环境中检测宏观塑料的人工智能算法进行了批判性综述	本文分析了机器学习和深度学习方法在水域环境中检测、分类和数量化宏观塑料的应用，并介绍了最新的发展趋势	传统的机器学习技术在多类分类中表现出效率不足，且对处理大量数据的计算需求较高	评估机器学习和深度学习在检测宏观塑料中的有效性，并提供有效的废物管理策略	分析水域环境中宏观塑料的检测和分类方法	机器学习	NA	深度学习	卷积神经网络	卫星图像、航拍图像和无人机视频记录	NA
21691	2024-08-05	Deep learning-based quantification of osteonecrosis using magnetic resonance images in Gaucher disease 2024-Sep, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117142 PMID:38834102	研究论文	本研究提出了一种基于深度学习的方法，用于通过MRI图像定量评估高雪病患者的骨坏死。	使用深度学习构建U-net模型进行骨坏死的分割和特征参数提取，实现了对骨坏死的客观定量评估。	在定量测量骨坏死时没有发现与骨髓负担评分之间的强相关性。	开发一种新的定量方法，以客观评估高雪病患者的骨坏死程度。	研究对象为来自英国国家高雪病研究数据库的高雪病患者的MRI T1加权图像。	数字病理学	高雪病	MRI	U-net	图像	364个T1w图像（脊柱176个，股骨188个）用于训练，917个T1w图像用于应用
21692	2024-08-05	On leveraging self-supervised learning for accurate HCV genotyping 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64209-y PMID:38965254	研究论文	本文提出了一种基于自监督学习的深度学习方法用于HCV基因分型	引入了混沌游戏表示法进行基因组序列的二维映射，并利用卷积自编码器进行深层特征提取，显著超过传统方法	当前方法在处理某些基因型时可能存在数据稀缺的问题	研究旨在提高HCV基因分型的准确性，以改善患者管理和治疗决策	分析了十种HCV基因型：1a、1b、2a、2b、2c、3a、3b、4、5和6	计算基因组学	肝炎C	自监督学习	卷积自编码器	基因组序列	分析中使用了十种不同的HCV基因型
21693	2024-08-05	Early detection of tuberculosis: a systematic review 2024-Jul-05, Pneumonia (Nathan Qld.) DOI:10.1186/s41479-024-00133-z PMID:38965640	系统评审	本系统评审分析了关于结核病早期检测的多个研究结果	强调了不同方法学和限制，并展示了它们对理解结核病早期检测的重要贡献	未详细列出各个研究的具体局限性	探讨结核病早期检测的有效方法	分析已发布的早期检测结核病的研究	NA	结核病	干扰素伽马释放检测、便携式X光、核酸扩增检测、高灵敏度酶联免疫吸附检测	深度学习模型	NA	NA
21694	2024-08-05	Uncovering hidden and complex relations of pandemic dynamics using an AI driven system 2024-07-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65845-0 PMID:38965354	研究论文	该文章介绍了一种新型的决策支持系统BayesCovid，旨在帮助医疗专业人员应对COVID-19大流行的复杂性	BayesCovid结合了贝叶斯网络模型和深度学习技术，自动化数据预处理并揭示COVID-19症状动态的复杂模式	无法提供关于模型的所有局限性的信息	旨在开发一个适应COVID-19病例管理复杂性的临床决策支持系统	该研究关注COVID-19的症状动态和疾病严重性预测	计算机视觉	COVID-19	贝叶斯网络，深度学习	贝叶斯深度学习模型	NA	NA
21695	2024-08-05	Bibliometric analysis of the application of deep learning in cancer from 2015 to 2023 2024-Jul-04, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00737-0 PMID:38965599	研究论文	本研究探讨了深度学习在癌症研究中的应用现状和热点	提供了自2015年至2023年深度学习在癌症领域的文献计量分析	对深度学习在癌症中的应用分析尚不够全面	探索深度学习在癌症研究领域的应用及其发展趋势	分析所有关于深度学习在癌症中应用的文章	机器学习	癌症	深度学习	NA	文章	6016篇原始文章
21696	2024-08-05	Temporal-spatial cross attention network for recognizing imagined characters 2024-07-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59263-5 PMID:38965248	研究论文	提出了一种新的时间空间交叉注意力网络模型TSCA-Net以识别想象的字符	通过引入时间空间交叉模块，研究时间与空间特征之间的关联，填补了以往研究的空白	尚未提及关于模型应用的具体场景和潜在限制	探索脑机接口信号中时间和空间特征的相互关系	研究手写字符的脑电图（BCI）信号	计算机视觉	NA	LSTM，Transformer	TSCA-Net	信号	来自两个微电极阵列的公共数据集
21697	2024-08-05	SEP-AlgPro: An efficient allergen prediction tool utilizing traditional machine learning and deep learning techniques with protein language model features 2024-Jul, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.133085 PMID:38871100	研究论文	本文提出了SEP-AlgPro，一种高效的过敏原预测工具，利用传统的机器学习和深度学习技术结合蛋白质语言模型特征	该研究通过分析不同的特征和分类器，展示了蛋白质语言模型衍生特征在区分过敏原方面的优越性	研究主要依赖于所选特征和模型，未涉及更多潜在的影响因素	旨在提高过敏原蛋白的识别准确性	研究对象为不同的过敏原和非过敏原蛋白序列	机器学习	NA	传统机器学习和深度学习	深度神经网络	序列信息	使用了15种不同的分类器和10种传统蛋白质特征
21698	2024-08-05	Geometric deep learning methods and applications in 3D structure-based drug design 2024-Jul, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2024.104024 PMID:38759948	review	本文总结了几何深度学习方法及其在基于三维结构的药物设计中的应用	创新之处在于探讨使用几何深度学习解决三维药物设计中的模型训练问题	未提及具体的实验结果或数据来支持方法的有效性	研究几何深度学习在基于三维结构的药物设计中的应用	讨论三维分子表示和各种生成模型方法	machine learning	NA	深度学习	EGNN, GANs, VAE等	三维分子图数据	NA
21699	2024-08-05	A Deep Learning Model for Cancer Type Prediction Sets a New Standard 2024-Jun-03, Cancer discovery IF:29.7Q1 DOI:10.1158/2159-8290.CD-24-0280 PMID:38826098	研究论文	本文描述了一种新工具，利用临床测序面板的信息来诊断肿瘤类型	该模型在面对未知原发癌等挑战性病例时表现出特别稳健的性能	摘要中未提及具体的局限性	研究的目的是开发一种能够有效分类肿瘤类型的深度学习模型	研究对象为不同类型的癌症，特别是未知原发的癌症	机器学习	癌症	临床测序	深度学习模型	临床数据	NA
21700	2024-08-05	A toolkit for the dynamic study of air sacs in siamang and other elastic circular structures 2024-Jun, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012222 PMID:38913743	研究论文	本研究提出了一种工具包，用于自动跟踪生物视频数据中半圆形弹性结构的动态研究	创新点在于提供了用于软组织动态研究的自动跟踪工具包，并填补了生物运动研究中的空白	对于弹性软组织的研究仍处于初步阶段，可能缺乏全面的应用范围	支持对软组织结构的动态研究	主要研究物种为狨猴以及其他弹性圆形结构	计算机视觉	NA	无监督计算机视觉工具和监督深度学习	DeepLabCut	视频	超过7小时的狨猴唱歌的音视频记录