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
22461	2024-08-05	Histopathologic image-based deep learning classifier for predicting platinum-based treatment responses in high-grade serous ovarian cancer 2024-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48667-6 PMID:38762636	研究论文	本研究开发了一种基于组织病理学图像的分类器，用于预测高级别浆液性卵巢癌对铂类化疗的反应。	开发了Pathologic Risk Classifier for HGSOC (PathoRiCH)，其预测铂类治疗反应的性能优于现有的分子生物标志物。	缺乏对不同种族或年龄段患者的广泛适应性验证。	旨在提高对女性高级别浆液性卵巢癌的铂类化疗反应的预测能力。	对394个内科病例和两个独立外部队列（284个和136个）进行训练和验证的组织病理学图像。	数字病理学	卵巢癌	组织病理学图像分析	分类器	图像	总共614个样本：394个内科病例和两个独立外部队列（284个和136个）
22462	2024-08-05	A multicenter proof-of-concept study on deep learning-based intraoperative discrimination of primary central nervous system lymphoma 2024-May-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48171-x PMID:38704409	研究论文	本文开发了一个基于深度学习的模型，用于在手术中区分原发性中枢神经系统淋巴瘤和其他病变	提出了一种人机融合的方法，将深度学习模型与病理诊断相结合，提高了诊断性能	外部队列的应用和特定病理类型可能影响模型的普适性	开发和验证一个能准确区分原发性中枢神经系统淋巴瘤的深度学习模型	重点研究了通过H&E染色的冷冻全切片图像区分原发性中枢神经系统淋巴瘤与其他病变	数字病理学	原发性中枢神经系统淋巴瘤	深度学习	LGNet	图像	使用了不同专家水平的病理学家的表现作为比较
22463	2024-08-05	Feasibility and validity of using deep learning to reconstruct 12-lead ECG from three‑lead signals 2024 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.03.004 PMID:38479052	研究论文	本文介绍了一种基于深度学习的方法，将三导联ECG信号重构为12导联ECG信号。	该研究提出了一种复合ECG向量重构网络，结合了卷积神经网络和递归神经网络，用于从三导联信号恢复完整的12导联信息。	研究在不同患者条件下测试，可能存在个体差异的影响，尚未提到更多的样本或其他患者群体的验证。	探索通过深度学习重构12导联ECG的可行性和有效性。	使用导联I、II和V2信号进行ECG重构。	数字病理学	NA	卷积神经网络（CNN），双向长短期记忆网络（Bi-LSTM）	CNN和Bi-LSTM组合模型	ECG信号	NA
22464	2024-08-05	Spatiotemporal estimation of groundwater and surface water conditions by integrating deep learning and physics-based watershed models 2024-May-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100228 PMID:38872710	研究论文	本研究提出了一种深度学习模型框架，用于高空间分辨率地估计地下水和地表水条件	结合深度学习和基于物理的流域模型，提高了水文估计的效率和准确性	模型在长期预测的准确性方面仍需进一步改进	研究旨在通过深度学习提高水文模拟的效率	研究对象为韩国Sabgyo溪流域的地下水位和地表水深度	数字水文学	NA	深度学习	卷积神经网络（CNN）	气象数据	使用来自完全分布式水文模型HydroGeoSphere的数据和实际现场测量数据
22465	2024-08-05	Advancements in Artificial Intelligence for the Diagnosis of Multidrug Resistance and Extensively Drug-Resistant Tuberculosis: A Comprehensive Review 2024-May, Cureus DOI:10.7759/cureus.60280 PMID:38872656	综述	本文全面回顾了人工智能在多药耐药结核病和广泛耐药结核病诊断中的最新进展	探讨了在结核病诊断中应用的各种人工智能算法及其比较性能	讨论了在结核病诊断中实施人工智能面临的数据可用性、算法可解释性和监管考虑等挑战和限制	研究人工智能在多药耐药结核病和广泛耐药结核病诊断中的应用	聚焦于多药耐药结核病和广泛耐药结核病的诊断技术	自然语言处理	结核病	人工智能	机器学习，深度学习，集成技术	NA	NA
22466	2024-08-05	UNNT: A novel Utility for comparing Neural Net and Tree-based models 2024-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011504 PMID:38683879	研究论文	本研究开发了一个名为UNNT的开源库，用于比较神经网络和树模型在癌症药物反应中的效果	提出了UNNT工具，简化了深度学习模型和树模型比较的过程	尽管研究集中在癌症药物反应数据集上，但在其他领域的应用可能不够充分	探索树模型在单一药物反应模型中的适用性和优越性	比较神经网络与基于树的模型在药物反应问题上的表现	机器学习	癌症	XGBoost	CNN	数据集	NA
22467	2024-08-05	Impact of a deep learning sepsis prediction model on quality of care and survival 2024-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00986-6 PMID:38263386	研究论文	本研究评估了一种深度学习模型（COMPOSER）对败血症患者结果的影响	首次在真实世界中评估深度学习模型对败血症早期预测的影响	限于在两个急诊科进行的准实验研究，可能影响结果的普遍适用性	评估深度学习模型对败血症患者的结果影响	6217名成年败血症患者	自然语言处理	败血症	深度学习	NA	样本数据	6217名成年败血症患者
22468	2024-08-05	Research on load clustering algorithm based on variational autoencoder and hierarchical clustering 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303977 PMID:38870191	研究论文	本研究提出了一种将变分自编码器和度量学习相结合的深度时间序列聚类新方法	创新性地将变分自编码器与度量学习整合，以提高聚类精度和可解释性	在特征表示的区分能力和实例重建与聚类目标之间的断裂等问题依然存在	探索时间序列数据的聚类分析方法	工业负载数据的时间序列聚类	机器学习	NA	变分自编码器 (VAE)	门控递归单元 (GRU)	时间序列数据	工业负载数据，样本量未具体提及
22469	2024-08-05	A deep learning method for classification of HNSCC and HPV patients using single-cell transcriptomics 2024, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2024.1395721 PMID:38872916	研究论文	本研究开发了深度学习模型，用于利用单细胞转录组学分类头颈鳞状细胞癌（HNSCC）和人类乳头状瘤病毒（HPV）患者	提出了一个基于人工神经网络的模型，通过单细胞转录组学准确区分HNSCC与正常样本，并能够分类HPV阳性和阴性样本	研究样本量相对较小，仅使用了20个HNSCC样本和9个正常组织样本	旨在通过机器学习和深度学习技术提高HNSCC的早期检测效率	针对头颈鳞状细胞癌患者和正常样本进行分类	机器学习	头颈癌	单细胞转录组学	人工神经网络	基因表达数据	20个HNSCC样本（包括13个HPV阴性样本和7个HPV阳性样本），9个正常组织样本
22470	2024-08-05	Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410249 PMID:38872880	研究论文	本研究探讨了结合高通量表型分析和深度学习在冬小麦育种中的应用	提出了将无人机辅助的高通量表型数据与深度学习相结合以提高冬小麦粒产、测试重量和蛋白质含量的预测准确性	未提到具体的样本数量和数据集多样性，可能影响结果的普适性	提高高产和抗逆小麦品种的育种效率	冬小麦在不同生长阶段的农业性状与高通量表型性状的相关性	数字病理学	NA	高通量表型分析（HTP）和深度学习（DL）	深度神经网络（DNN）	图像	NA
22471	2024-08-05	FaceTouch: Detecting hand-to-face touch with supervised contrastive learning to assist in tracing infectious diseases 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0288670 PMID:38870182	研究论文	本文介绍了一种名为FaceTouch的计算机视觉框架，用于检测手与脸的接触以协助追踪传染病	引入了一种基于监督对比学习的深度学习模型，可以在复杂场景中检测手对脸的接触，克服了面部部分遮挡的问题	缺乏其他基准数据集的支持，训练依赖于我们收集的数据集	旨在提供一种自动检测手与脸接触的方法，以减少传染病传播	检测在城市环境中或室内人们的手对脸的接触	计算机视觉	NA	深度学习	监督对比学习	视频	基于我们收集的数据集，样本数量未明确给出
22472	2024-08-05	Enhancing bladder cancer diagnosis through transitional cell carcinoma polyp detection and segmentation: an artificial intelligence powered deep learning solution 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1406806 PMID:38873177	研究论文	本研究探讨了通过深度学习模型在膀胱癌的诊断中进行移行细胞癌息肉检测与分割的可行性	提出了一种新方法，通过使用深度学习架构在低质量的膀胱镜图像上对移行细胞癌息肉进行精准分割	使用的数据集是低质量的膀胱镜图像，可能影响模型的准确性	目标是提高移行细胞癌息肉的早期诊断率和紧急治疗的时效性	研究对象为移行细胞癌息肉在膀胱镜图像中的检测与分割	计算机视觉	膀胱癌	深度学习	Unetplusplus_vgg19, Unet_vgg11, FPN_resnet34	图像	低质量的标注膀胱镜图像数据集
22473	2024-08-05	Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1285166 PMID:38872900	研究论文	本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值	首次实现了利用深度学习工具快速自动分割主动脉根部，提升了模型重建的时间效率	未提及模型在不同患者或病理状态下的适应性和广泛验证	探索基于深度学习工具的主动脉根部的自动分割技术的临床价值	183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据	计算机视觉	心血管疾病	深度学习	NA	图像	183个患者的CT扫描数据
22474	2024-08-05	STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1408688 PMID:38873109	研究论文	本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点	STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征	尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性	本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用	研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点	机器学习	癌症	深度学习	STM-ac4C	序列数据	独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集
22475	2024-08-05	Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305253 PMID:38870192	研究论文	本研究探讨了用于细胞穿透肽预测的分子描述符，结合深度学习技术。	提出了使用ConvBoost-CPP的创新方法，该方法结合了改进的卷积神经网络和XGBoost模型，以提高分类器的准确性	未提及具体的局限性	研究细胞穿透肽的分子描述符对膜渗透性的预测能力	细胞穿透肽以及与之相关的分子描述符，如氮、氧和疏水性	机器学习	NA	深度学习	ConvBoost-CPP	NA	NA
22476	2024-08-05	Deep learning based ECG segmentation for delineation of diverse arrhythmias 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303178 PMID:38870233	研究论文	本文研究了心电图中关键波形的准确描绘，特别是在不同心律失常情况下的表现	提出了一种类似U-Net的心电图分割模型，重点关注多样化的心律失常并开发后处理算法	在标准基准上的高表现模型在稀有心律失常下性能较差	旨在提高心电图分割在不同心律失常情况下的性能	多种心律失常的心电图数据	数字病理学	心脏病	深度学习	U-Net	心电图（ECG）	在多样化数据集上训练并在LUDB和QTDB数据集上评估
22477	2024-08-05	Stable tensor neural networks for efficient deep learning 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1363978 PMID:38873283	研究论文	该文章提出了一种基于张量的神经网络，用于高效地学习高维数据	引入了张量神经网络（t-NNs），作为传统全连接网络的扩展，以更高效的参数空间进行训练	本文没有具体提到实验的限制条件或潜在的应用局限性	研究旨在通过张量表示和处理来提高深度神经网络的训练效率	研究对象是高维数据及其在深度学习中的应用	机器学习	NA	深度神经网络	张量神经网络（t-NNs）	图像	使用了MNIST和CIFAR-10两个基准图像数据集
22478	2024-08-05	Prediction of miRNAs and diseases association based on sparse autoencoder and MLP 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1369811 PMID:38873111	研究论文	该研究提出了一种新的稀疏自编码器和多层感知器方法（SPALP）来预测miRNA与疾病之间的关联	采用稀疏自编码器和多层感知器结合的深度学习技术来提高miRNA-疾病关联预测的准确性	NA	旨在揭示miRNA与疾病之间的关联以探讨病理机制和治疗方法	miRNA和多种老年疾病的关联数据	计算机视觉	老年疾病	深度学习，稀疏自编码器和多层感知器	多层感知器	生物信息学数据	在研究中验证了与五种老年疾病相关的miRNA共30个，具体包括狼疮红斑、急性髓性白血病、心血管、卒中、糖尿病
22479	2024-08-05	Identification of biological indicators for human exposure toxicology in smart cities based on public health data and deep learning 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1361901 PMID:38873314	研究论文	本研究提出了一种基于公共健康数据和深度学习的方法，以识别智能城市中人类暴露的毒理生物指标	创新之处在于结合公共健康数据和深度学习，建立环境监测数据与健康指标之间的关联模型	研究可能受到传感器数据准确性和公共健康数据完整性影响	旨在通过识别毒理生物指标，准确评估和管理城市环境暴露风险	研究对象为城市公共健康数据与环境监测数据采集的污染物类型和浓度	计算机视觉	呼吸系统疾病与心血管疾病	深度学习	卷积神经网络	环境监测数据	涉及的样本数量及类型为通过智能城市基础设施收集的环境监测数据
22480	2024-08-05	MRET: Modified Recursive Elimination Technique for ranking author assessment parameters 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303105 PMID:38870157	研究论文	本文提出了一种修改的递归消除技术，通过深度学习对作者评估参数进行排名	创新点在于结合多层感知器分类器和修改递归消除技术来评估和排名作者影响力参数	限制在于仅针对数学领域的数据进行分析，可能不适用于其他领域的参数评估	研究的目的是识别和优先排序最有效的作者评估指标	研究对象包括525个尚未获奖的个体和525个被认为是潜在获奖者的个体	自然语言处理	NA	深度学习	多层感知器 (MLP)	数据集	共1050个个体，包括525个未获奖个体和525个潜在获奖个体