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
22381	2024-08-05	TP-LMMSG: a peptide prediction graph neural network incorporating flexible amino acid property representation 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae308 PMID:38920345	研究论文	本文章开发了一种新的图深度学习模型TP-LMMSG，用于生物活性肽的预测	TP-LMMSG模型提供了轻量级和易于部署的优点，并在AMP、AVP和ACP的预测性能上超越了其他最先进的模型	目前文章未提及具体的局限性	旨在改进生物活性肽的注释性能	研究对象为抗菌肽（AMP）、抗病毒肽（AVP）和抗癌肽（ACP）	机学习	抗癌肽相关	图神经网络	图深度学习模型	NA	多个实验验证的数据集
22382	2024-08-05	Hierarchical multimodal self-attention-based graph neural network for DTI prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae293 PMID:38920341	研究论文	提出了一种基于层次多模态自注意力的图神经网络HMSA-DTI，用于药物-靶标相互作用的预测	HMSA-DTI通过层次多模态自注意力机制实现药物和蛋白质特征的深度融合，同时考虑了模态内和模态间的交互	现有的多模态模型在特征融合方面能力有限，影响了药物-靶标相互作用的预测准确性	提高药物-靶标相互作用的预测准确性和效率	药物及其SMILES表示、药物分子图、蛋白质序列和蛋白质2-mer序列	计算机视觉	NA	NA	图神经网络	多模态数据	五个基准数据集的多重评估指标
22383	2024-08-05	Enabling Low-Dose In Vivo Benchtop X-ray Fluorescence Computed Tomography through Deep-Learning-Based Denoising 2024-May-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060127 PMID:38921604	研究论文	这篇文章介绍了一种基于深度学习的去噪算法，用于在低剂量下提高X射线荧光计算机断层成像的图像质量	提出了一种优化的Swin-Conv-UNet模型，用于减少低示踪剂浓度下XRF图像的背景噪声	目前只有少数算法针对XFCT进行去噪处理，其他技术主要集中在X射线和CT技术上	研究如何在低剂量情况下提高X射线荧光计算机断层成像的成像质量	低剂量X射线荧光图像的背景噪声	计算机视觉	NA	深度学习	Swin-Conv-UNet	图像	使用了增强的数据进行训练和评估
22384	2024-08-05	Research on Active Safety Situation of Road Passenger Transportation Enterprises: Evaluation, Prediction, and Analysis 2024-May-21, Entropy (Basel, Switzerland) DOI:10.3390/e26060434 PMID:38920443	研究论文	本文研究了道路客运企业的主动安全状况及其影响因素	提出了WDA-DBN模型，并使用DEEPSHAP识别具有较高ASS信息含量的因素	未详细说明数据来源和样本选择的具体情况	评估和预测道路客运企业的主动安全状况	道路客运企业的主动安全状况及相关影响因素	机器学习	NA	GRU, LSTM, ARIMA, Prophet, Conv_LSTM, TCN, WDA-DBN	WDA-DBN, TCN, GRU	时间序列数据	NA
22385	2024-08-05	Deep Learning Prediction of Cervical Spine Surgery Revision Outcomes Using Standard Laboratory and Operative Variables 2024-05, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.02.112 PMID:38408699	研究论文	本文开发了一种深度学习模型，用于预测颈椎手术的修订结果	首次使用标准实验室和手术变量构建颈椎手术修订预测模型	研究数据仅来自于一个地点，可能影响结果的广泛适用性	旨在通过标准实验室和手术变量预测颈椎手术的修订风险	2016年至2022年间接受颈椎手术的3151名患者	机器学习	NA	深度学习（Deep Learning）	深度神经网络（Deep Neural Network）	实验室值和手术变量	3151名接受颈椎手术的患者
22386	2024-08-05	Deep learning framework for comprehensive molecular and prognostic stratifications of triple-negative breast cancer 2024-May, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2022.06.008 PMID:38933195	研究论文	本研究提出了一种深度学习框架，用于对三阴性乳腺癌的分子特征和预后进行全面预测	该框架能够从病理全切片图像中综合预测分子特征、亚型及预后，提供了TNBC异质性的全新见解	该研究主要依赖于特定的多组学TNBC队列，可能对其他人群的适用性有限	本研究旨在改善三阴性乳腺癌患者的分子分层和靶向治疗	本研究对象为三阴性乳腺癌患者的多组学数据及相应的病理图像	数字病理学	乳腺癌	深度学习	神经网络	图像	总样本数为568（425个TNBC样本和143个来自TCGA的样本）
22387	2024-08-05	Predicting COPD exacerbations based on quantitative CT analysis: an external validation study 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1370917 PMID:38933101	研究论文	这篇文章探讨了基于定量CT分析预测慢性阻塞性肺病(COPD)加重的潜力	首次确认了CT衍生的生物标记物与COPD加重之间的关联，并开发了深度学习系统进行预测	这是一个回顾性研究，可能存在选择偏倚	研究定量CT分析在预测COPD加重方面的效果	包含1150名COPD患者的临床数据	医学影像学	慢性阻塞性肺病	定量CT分析	深度学习系统	临床数据	1150名患者
22388	2024-08-05	Finding the limits of deep learning clinical sensitivity with fractional anisotropy (FA) microstructure maps 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1415085 PMID:38933144	研究论文	本研究探讨了使用深度学习减少扩散加权成像中的输入体积数量对临床敏感性的影响	开发了一种名为“one-minute FA”的深度学习网络，可以使用更少的DW体积生成与标准方法相同特征的FA图	在外部临床数据集上测试时，使用4或7个DW体积的网络未能显示患者组之间的显著差异	研究减少扩散加权成像输入体积数量对生成FA图及其临床敏感性的影响	评估在不同数量的DW输入体积下训练的深度学习网络的表现和临床敏感性	数字病理学	神经疾病	扩散加权成像 (DW)	深度学习网络	图像	使用高分辨率的开放获取人类连通组项目数据集，测试了两个未见过的外部临床数据集
22389	2024-08-05	Detection and Identification of Tassel States at Different Maize Tasseling Stages Using UAV Imagery and Deep Learning 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0188 PMID:38933805	研究论文	本研究展示了一种利用无人机和深度学习技术来准确识别和评估玉米杂交田中穗子的状态的方法	提出了一种特定的穗子注释和数据增强策略，以显著提升穗子训练数据的质量	研究中未提及样本的多样性或数据的局限性	研究的目的是提高玉米杂交田中穗子状态的识别精度	研究对象为玉米杂交田中的穗子	计算机视觉	NA	深度学习	对象检测模型	图像	NA
22390	2024-08-05	ConfluentFUCCI for fully-automated analysis of cell-cycle progression in a highly dense collective of migrating cells 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305491 PMID:38924026	研究论文	介绍了ConfluentFUCCI，一个用于密集细胞群体的细胞周期进展全自动分析的开源框架	ConfluentFUCCI通过集成多种前沿工具，提供了与以往工具不同的全自动细胞周期分析方法	对比最新相关工具的准确性和效率的研究，可能存在样本或应用范围上的限制	研究细胞周期进展的机制和生物物理特性之间的关系	高度密集的迁移细胞群体	数字病理学	癌症研究	FUCCI	NA	图像	NA
22391	2024-08-05	SS-DRPL: self-supervised deep representation pattern learning for voice-based Parkinson's disease detection 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1414462 PMID:38933392	研究论文	本研究探讨了自监督深度表示模式学习在基于声音的帕金森病检测中的应用	提出了一种将自监督深度表示模式学习与深度学习算法结合的新方法，以提高基于声音的帕金森病分类准确性	未提及具体的限制	旨在提高基于声音的帕金森病检测的准确性	研究对象为语音数据中的帕金森病病例	机器学习	帕金森病	自监督深度表示模式学习	长短期记忆网络和递归神经网络（LSTM-RNN）、深度神经网络（DNN）	声音	未提及具体的样本大小
22392	2024-08-05	Enhancing brain tumor classification in MRI scans with a multi-layer customized convolutional neural network approach 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418546 PMID:38933391	研究论文	该文章提出了一种新型卷积神经网络架构，以提高脑肿瘤在MRI扫描中的检测准确性和效率	该研究创造性地采用了多任务分类模型，通过单一CNN模型进行多种分类任务，展现了深度学习在医学应用中的巨大潜力	未提及	研究旨在优化脑肿瘤的检测和诊断流程	研究对象为7,023幅被分类为胶质瘤、脑膜瘤、无肿瘤和垂体肿瘤的脑MRI图像	计算机视觉	脑肿瘤	卷积神经网络	CNN	图像	7,023幅脑MRI图像
22393	2024-08-05	A single fast Hebbian-like process enabling one-shot class addition in deep neural networks without backbone modification 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1344114 PMID:38933813	研究论文	介绍了一种快速的Hebbian-like过程，使预训练深度学习图像分类器无需修改其主干即可进行一次性类别添加	提出了一种新颖的解释，将权重印记过程的一部分与Hebbian规律对齐，简化了一次性类别添加的方法	尽管方法简单，但其与神经科学的相关性仍然模糊，并且可能干扰原始图像分类	研究深度学习模型的优化，使其能够进行一次性类别添加	预训练的深度学习图像分类器	机器学习	NA	非参数归一化	深度学习图像分类器	图像	NA
22394	2024-08-05	Correction: Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306470 PMID:38924028	更正	本文章修正了之前发表的关于沉浸式营销环境下消费者偏好的研究。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
22395	2024-08-05	Automatic prediction of non-iodine-avid status in lung metastases for radioactive I131 treatment in differentiated thyroid cancer patients 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1429115 PMID:38933823	research paper	本研究提出了一种自动化的非碘摄取状态预测方法，以优化分化型甲状腺癌患者的肺转移治疗	创新点在于开发了一种无创、低辐射的自动化方法，通过深度学习来预测肺转移的非碘摄取状态	研究的可行性需要进一步在多中心的大规模前瞻性研究中验证	本研究旨在开发有效的诊断成像工具，以预测分化型甲状腺癌患者肺转移的非碘摄取状态	研究对象为496例接受过处理的分化型甲状腺癌患者的1962个肺转移病灶	医学影像学	甲状腺癌	深度学习	SE-Net	医学影像	496例分化型甲状腺癌患者的1962个肺转移病灶，以及来自其他两家医院的24例患者的123个肺转移病灶
22396	2024-08-05	A deep neural network and transfer learning combined method for cross-task classification of error-related potentials 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1394107 PMID:38933146	研究论文	本文提出了一种结合深度神经网络和迁移学习的方法，用于错误相关电位的跨任务分类。	创新性地整合卷积层和变换器编码器，并采用迁移学习策略，有效提高了错误相关电位的分类准确性。	目前的方法仍受限于电极信号的高非平稳性和可用ErrPs数据集的有限性。	研究如何通过深度学习提高错误相关电位的分类精度。	该研究的对象是错误相关电位（ErrPs）及其分类。	机器学习	NA	深度学习	卷积神经网络和变换器	EEG信号	NA
22397	2024-08-05	Clinical Applications, Methodology, and Scientific Reporting of Electrocardiogram Deep-Learning Models: A Systematic Review 2023-Dec, JACC. Advances DOI:10.1016/j.jacadv.2023.100686 PMID:38288263	研究论文	本文对电心电图深度学习模型的临床应用、方法学和科学报告进行了系统性回顾	该研究定义了临床相关ECG深度学习模型的现状，并考察了这些研究的科学报告实践	方法学报告存在高度变异，无法重现模型的完整信息的出版物较少	探讨电心电图深度学习模型的现状及其科学报告的实践	临床相关的电心电图深度学习模型	机器学习	心血管疾病	深度学习	NA	NA	44篇文献，包含53个独特的、临床相关的ECG深度学习模型
22398	2024-08-05	Detect and attribute the extreme maize yield losses based on spatio-temporal deep learning 2023-Nov, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2022.05.006 PMID:38933002	研究论文	本研究开发了一种基于深度学习的多任务学习框架，以估计美国玉米带2006年至2018年间玉米产量的变化。	提出了一种新的时空深度学习框架，用于评估和归因作物产量对气候变化的响应。	未提及具体限制	准确估计大空间尺度的作物产量并理解极端气候压力下的产量损失。	研究对象为美国玉米带的玉米产量。	机器学习	NA	深度学习	深度神经网络	县级产量数据	2006年至2018年期间的县级玉米产量数据
22399	2024-08-05	SwarmDeepSurv: swarm intelligence advances deep survival network for prognostic radiomics signatures in four solid cancers 2023-Aug-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100777 PMID:37602223	研究论文	本文提出了一种新方法SwarmDeepSurv，用于在四种实体肿瘤中进行预后放射组学特征的研究	SwarmDeepSurv结合了群体智能算法与深度生存模型，优化了预后预测并选择了不同的特征	未提及明显的局限性	研究生物标志物与治疗效果之间的关系	四种不同类型的癌症样本	机器学习	NA	深度学习	NA	多中心数据	1,058 个样本
22400	2024-08-05	Identifying Mitral Valve Prolapse at Risk for Arrhythmias and Fibrosis From Electrocardiograms Using Deep Learning 2023-Aug, JACC. Advances DOI:10.1016/j.jacadv.2023.100446 PMID:37936601	研究论文	本文利用深度学习分析心电图识别有心律失常和纤维化风险的二尖瓣脱垂患者	该研究采用卷积神经网络（CNN）分析12导联心电图，能够识别出有心律失常和死亡风险的二尖瓣脱垂患者，并发现与心律失常风险相关的新型心电图表现	本文未详细讨论心电图预测的临床应用和长期跟踪的具体实施方案	评估基于心电图的机器学习能否识别风险较高的二尖瓣脱垂患者	569名来自加州大学旧金山分校的二尖瓣脱垂患者以及与之相关的心电图数据	机器学习	心脏病	深度学习	卷积神经网络（CNN）	心电图	6916个12导联心电图，来自569名患者