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
22201	2024-08-07	Application of deep learning in isolated tooth identification 2024-May-09, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04274-x PMID:38724912	研究论文	本研究探讨了使用深度学习模型通过一组照片对孤立牙齿进行分类的可能性	本研究开发了一种结合最先进特征提取器和注意力机制的深度学习模型，用于从多个角度拍摄的照片中分类牙齿	NA	探索使用深度学习模型进行孤立牙齿识别的可能性	孤立的人类牙齿	计算机视觉	NA	深度学习	深度学习模型	图像	5100张照片，来自850个孤立的人类牙齿样本
22202	2024-08-07	Prediction of anticancer drug sensitivity using an interpretable model guided by deep learning 2024-May-09, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05669-x PMID:38724920	研究论文	本研究提出了一种新的可解释深度学习模型DrugGene，用于预测抗癌药物的敏感性	该模型整合了癌细胞的基因表达、基因突变、基因拷贝数变异以及抗癌药物的化学特性，通过两个不同的神经网络分支来预测药物反应，提高了预测的准确性和可解释性	NA	提高药物治疗效果，通过建立可解释的模型来学习药物反应机制并实现稳定预测	癌细胞和抗癌药物	机器学习	NA	深度学习	神经网络	基因表达数据、基因突变数据、基因拷贝数变异数据、化学结构数据	使用来自Cancer Drug Sensitivity Genome Database和Cancer Treatment Response Portal v2的药物敏感性数据
22203	2024-08-07	Automated segmentation and volume prediction in pediatric Wilms' tumor CT using nnu-net 2024-May-09, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-024-04775-2 PMID:38724944	研究论文	本研究探讨了使用深度学习技术自动分割和预测儿童Wilms肿瘤CT图像体积的方法	引入了一种结合AI自动轮廓描绘和三维肿瘤直径的新方法，提高了Wilms肿瘤体积预测的准确性	NA	探索基于CT的Wilms肿瘤焦点自动分割的可行性	儿童Wilms肿瘤的CT图像	计算机视觉	儿童疾病	深度学习	nnUnet	图像	105名Wilms肿瘤患者
22204	2024-08-07	An efficient deep learning model for tomato disease detection 2024-May-09, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01188-1 PMID:38725014	研究论文	本研究针对复杂背景下的番茄病害图像，提出了一种名为TomatoDet的新型番茄病害检测方法	引入Swin-DDETR的自注意力机制和动态激活函数Meta-ACON，以及增强的双向加权特征金字塔网络（IBiFPN），提高了小目标病害的检测能力和准确性	NA	提高番茄病害检测的准确性和效率	番茄病害图像，特别是晚疫病、灰叶斑病、褐腐病和叶霉病以及健康番茄	计算机视觉	NA	自注意力机制，动态激活函数Meta-ACON，双向加权特征金字塔网络（IBiFPN）	CNN	图像	NA
22205	2024-08-07	Vulnerability of Thalamic Nuclei at CSF Interface During the Entire Course of Multiple Sclerosis 2024-May, Neurology(R) neuroimmunology & neuroinflammation DOI:10.1212/NXI.0000000000200222 PMID:38635941	研究论文	本研究探讨了多发性硬化症（MS）进程中丘脑核团在脑脊液界面的萎缩情况	通过深度学习合成序列的分割策略，验证了丘脑核团水平的萎缩区域，并模型化了四个主要丘脑核团组的动态变化	NA	研究多发性硬化症进程中丘脑核团的动态变化及其机制	多发性硬化症患者的丘脑核团	数字病理学	多发性硬化症	3D-T1 MRI	深度学习	图像	1123名多发性硬化症患者和相同数量的健康对照组
22206	2024-08-07	AI-powered COVID-19 forecasting: a comprehensive comparison of advanced deep learning methods 2024-Apr, Osong public health and research perspectives IF:2.1Q3 DOI:10.24171/j.phrp.2023.0287 PMID:38621765	研究论文	本研究旨在评估多种深度学习模型在预测阿联酋COVID-19病例中的效率和准确性	研究展示了RNN模型在未优化情况下优于其他架构，并验证了深度学习技术在处理复杂数据集中的潜力	NA	评估深度学习模型在预测COVID-19病例中的效率和准确性	COVID-19病例预测	机器学习	COVID-19	深度学习	RNN	数据集	包括确诊COVID-19病例、人口统计数据和社会经济指标的全面数据集
22207	2024-08-07	Contrastive learning for enhancing feature extraction in anticancer peptides 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae220 PMID:38725157	research paper	本文提出了一种使用对比学习技术增强特征提取的深度学习模型，用于筛选抗癌肽（ACPs）。	采用对比学习技术提升模型性能，并使用两个独立编码器替代数据增强技术。	NA	开发一种高效的计算工具，用于筛选抗癌肽，以加速癌症治疗的研究和应用。	抗癌肽（ACPs）	machine learning	cancer	对比学习	深度学习模型	peptide sequences	五个基准数据集
22208	2024-08-07	DeepSSM: A blueprint for image-to-shape deep learning models 2024-Jan, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103034 PMID:37984127	研究论文	本文提出了一种基于深度学习的框架DeepSSM，用于从医学图像中直接推断出低维形状描述符及其相关形状表示	DeepSSM避免了传统模型所需的繁重手动预处理和分割步骤，显著提高了计算时间，并引入了基于模型的数据增强策略来解决形状建模应用中的数据稀缺问题	NA	开发一种深度学习框架，用于直接从3D图像中推断出统计形状表示	医学图像中的低维形状描述符及其相关形状表示	计算机视觉	NA	深度学习	CNN	图像	使用了三个医学数据集
22209	2024-08-07	Multimodal deep learning-based drought monitoring research for winter wheat during critical growth stages 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300746 PMID:38722916	研究论文	本文针对传统干旱监测方法的滞后性和局限性，提出了一种基于多模态深度学习的冬小麦干旱胁迫监测S-DNet模型	结合冬小麦的田间干旱表型特征、气象因素和物联网技术，整合气象干旱指数SPEI和深度图像学习数据，构建了多模态深度学习模型S-DNet，提高了干旱识别的准确性和泛化能力	NA	旨在解决传统干旱监测方法的不足，实现对冬小麦干旱胁迫的非破坏性、准确和快速监测	冬小麦在关键生长阶段的干旱胁迫	机器学习	NA	深度学习	DenseNet-121	图像	涉及冬小麦在拔节-抽穗、抽穗-开花和开花-成熟阶段的干旱胁迫图像数据集
22210	2024-08-07	Natural language processing augments comorbidity documentation in neurosurgical inpatient admissions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303519 PMID:38723044	研究论文	研究使用自然语言处理技术识别神经外科住院患者常见并发症的可行性	采用自然语言处理技术，通过机器学习和深度学习算法，从放射学报告中可靠地识别常见的神经外科并发症	研究仅限于单一医院的神经外科服务和急诊部门，样本量相对较小	验证自然语言处理技术能否仅通过住院患者头部影像的文本报告识别两种常见的神经外科并发症	神经外科住院患者的头部影像报告	自然语言处理	NA	自然语言处理	随机森林分类器	文本	979份CT或MRI脑部扫描报告，其中76份用于子集比较
22211	2024-08-07	Lumbar spine MRI annotation with intervertebral disc height and Pfirrmann grade predictions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302067 PMID:38728318	研究论文	本文提出了一种自动标注腰椎间盘高度和退变程度的方法，通过使用Pfirrmann分级系统量化退变状态	采用了ResNet-50模型和集成决策树分类器组合，实现了对腰椎间盘MRI图像的高度和Pfirrmann等级的自动预测	NA	开发一种高效准确的腰椎间盘MRI自动标注方法	腰椎间盘及其退变状态	计算机视觉	腰椎疾病	深度学习	ResNet-50	图像	515个MRI研究
22212	2024-08-07	Predicting drug-Protein interaction with deep learning framework for molecular graphs and sequences: Potential candidates against SAR-CoV-2 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299696 PMID:38728335	研究论文	本文提出了一种基于注意力机制的深度学习框架，用于预测药物与蛋白质的相互作用，并筛选出针对SARS-CoV-2的潜在候选药物。	该研究利用深度学习框架GraphDPI-3CL，通过分子图和序列数据，实现了对3CLpro酶的高效预测，并发现了具有高结合亲和力的10种分子。	NA	开发针对SARS-CoV-2的广谱抗病毒药物。	SARS-CoV-2的3CLpro酶及其潜在的抗病毒药物。	机器学习	COVID-19	深度学习	注意力机制	分子图和序列数据	训练数据集包含114,555个化合物，筛选数据集包含276,003个化合物
22213	2024-08-07	Short-term prediction of PM2.5 concentration by hybrid neural network based on sequence decomposition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299603 PMID:38728371	研究论文	本研究提出了一种新的混合预测模型MIC-CEEMDAN-CNN-BiGRU，用于基于24小时历史数据窗口的PM2.5短期预测	该模型结合了最大信息系数（MIC）特征选择、完整集合经验模态分解与自适应噪声（CEEMDAN）、卷积神经网络（CNN）和双向循环门控神经网络（BiGRU），以优化预测准确性	NA	准确预测PM2.5浓度，以减轻空气污染	PM2.5浓度	机器学习	NA	CEEMDAN, CNN, BiGRU	CNN, BiGRU	时间序列数据	使用2016年北京PM2.5监测数据
22214	2024-08-07	Efficacy of Smartphone-Based Telescreening for Retinopathy of Prematurity With and Without Artificial Intelligence in India 2023-06-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.1466 PMID:37166816	研究论文	本研究评估了智能手机基底眼底成像系统（SBFI）与广域数字眼底成像（WDFI）在早产儿视网膜病变（ROP）筛查中的有效性，并比较了人工智能（AI）和人工评分者的表现	本研究首次在实际的远程医疗环境中测试了SBFI系统，并结合AI技术进行ROP筛查	研究仅在一个中心进行，且样本量相对较小	评估SBFI系统在ROP筛查中的有效性，并比较AI和人工评分者的表现	早产儿视网膜病变（ROP）的筛查	数字病理学	早产儿视网膜病变	智能手机基底眼底成像（SBFI）	ResNet18深度学习架构	图像	156名早产儿（312只眼）
22215	2024-08-07	Yield prediction through integration of genetic, environment, and management data through deep learning 2023-04-11, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad006 PMID:36625555	研究论文	本文通过深度神经网络整合遗传、环境和管理数据来预测玉米产量，并比较了两种模型开发方法的效果	本文发现深度学习和最佳线性无偏预测（BLUP）模型在包含交互作用时表现最佳，且优化深度神经网络子模块以适应每种数据类型能提高模型性能	NA	准确预测由不同基因型、环境和管理干预组合产生的表型结果	玉米产量预测	机器学习	NA	深度学习	深度神经网络	遗传、环境和管理数据	NA
22216	2024-08-07	A deep learning MRI approach outperforms other biomarkers of prodromal Alzheimer's disease 2022-03-29, Alzheimer's research & therapy DOI:10.1186/s13195-022-00985-x PMID:35351193	研究论文	本文研究了一种基于深度学习的MRI方法，用于早期阿尔茨海默病的诊断，并与其他生物标志物进行比较	提出了一种基于结构MRI的体素级深度学习方法，该方法在早期阿尔茨海默病的诊断中表现优于其他神经影像学方法	NA	验证基于MRI的深度学习模型在早期阿尔茨海默病诊断中的有效性和优势	早期阿尔茨海默病及其相关生物标志物	机器学习	阿尔茨海默病	MRI	深度学习模型	图像	NA
22217	2024-08-07	Predicting diagnosis 4 years prior to Alzheimer's disease incident 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.102993 PMID:35344803	研究论文	本研究利用深度学习纵向模型，即图卷积和循环神经网络（graph-CNN-RNN），对阿尔茨海默病（AD）的脑结构MRI扫描进行预测分析	首次采用graph-CNN-RNN模型对AD进行长达4年的早期诊断预测，并展示了脑形态学从预测到明显AD阶段的定量轨迹	NA	旨在利用深度学习技术提前预测阿尔茨海默病的发生	阿尔茨海默病的早期诊断和预测	机器学习	阿尔茨海默病	MRI扫描	graph-CNN-RNN	图像	训练集包含1559个样本，验证集包含930个样本
22218	2024-08-07	Predicting influenza-like illness trends based on sentinel surveillance data in China from 2011 to 2019: A modelling and comparative study1 2024-Sep, Infectious Disease Modelling IF:3.0Q1 DOI:10.1016/j.idm.2024.04.010 PMID:38725432	研究论文	本研究基于2011年至2019年中国哨点监测数据，使用三种模型预测流感样疾病（ILI）趋势，并比较其预测性能	本研究首次比较了广义加性模型（GAM）、基于门控循环单元（GRU）的深度学习混合模型和自回归移动平均-广义自回归条件异方差（ARMA-GARCH）模型在预测流感样疾病趋势方面的性能	模型预测性能随着预测周数的增加而下降	预测中国不同气候特征地区的流感样疾病趋势，并评估和比较三种模型的预测性能	流感样疾病（ILI）趋势	NA	急性呼吸道感染疾病	广义加性模型（GAM）、基于门控循环单元（GRU）的深度学习混合模型、自回归移动平均-广义自回归条件异方差（ARMA-GARCH）模型	GAM、GRU、ARMA-GARCH	哨点监测数据	2011年至2019年中国北京、天津、山西、湖北、重庆、广东、海南和香港特别行政区的哨点监测数据
22219	2024-08-07	Frequency compensated diffusion model for real-scene dehazing 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106281 PMID:38579573	研究论文	本文提出了一种基于条件扩散模型的去雾框架，通过频率补偿块（FCB）和新的数据合成流程HazeAug，提高了模型对真实雾霾图像的泛化能力和性能	设计了频率补偿块（FCB）以解决高频模式学习不足的问题，并提出了新的数据合成流程HazeAug以增强雾霾的多样性和程度	NA	提高基于深度学习的图像去雾方法在真实世界雾霾图像上的性能	图像去雾	计算机视觉	NA	条件扩散模型	扩散模型	图像	使用了合成雾霾-清晰图像对进行训练，并在多个真实去雾数据集上进行了评估
22220	2024-08-07	Medical image segmentation network based on multi-scale frequency domain filter 2024-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106280 PMID:38579574	研究论文	本文提出了一种基于多尺度频域滤波器的医学图像分割网络，通过改进UNet的基础块和引入新的线性模块及通道注意力机制，提高了分割性能和泛化能力。	提出了一种新的UNet基础块替换方案Double residual depthwise atrous convolution (DRDAC)块，设计了多尺度频域滤波器(MFDF)和轴向选择通道注意力(ASCA)机制，以增强网络的特征提取和通道间关系建模能力。	NA	提高医学图像分割的性能和泛化能力。	医学图像分割网络的性能和泛化能力。	计算机视觉	NA	深度学习	UNet	图像	五个公开的医学图像数据集