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
22561	2024-08-07	Deep learning-assisted monitoring of trastuzumab efficacy in HER2-Overexpressing breast cancer via SERS immunoassays of tumor-derived urinary exosomal biomarkers 2024-Aug-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116347 PMID:38723332	研究论文	本文介绍了一种基于表面增强拉曼光谱（SERS）免疫分析和深度学习的监测系统，用于评估HER2过表达乳腺癌中曲妥珠单抗的治疗效果	开发了一种新的深度学习辅助监测系统，通过SERS免疫分析检测尿液外泌体中的生物标志物，以评估药物疗效	NA	监测曲妥珠单抗在HER2过表达乳腺癌中的治疗效果	HER2过表达的乳腺癌患者及小鼠模型	数字病理学	乳腺癌	表面增强拉曼光谱（SERS）	深度学习算法	拉曼光谱信号	五种细胞来源的外泌体及曲妥珠单抗治疗的小鼠尿液外泌体
22562	2024-08-07	mRNA-CLA: An interpretable deep learning approach for predicting mRNA subcellular localization 2024-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.018 PMID:38705502	research paper	提出了一种名为mRNA-CLA的可解释深度学习框架，用于预测mRNA的亚细胞定位	利用多标签亚细胞定位预测框架，结合多尺度卷积层和多头自注意力机制，提高了预测性能并增强了模型的可解释性	NA	改进和增强mRNA亚细胞定位预测方法	mRNA序列及其亚细胞定位	machine learning	NA	深度学习	CNN	序列	NA
22563	2024-08-07	N-GlycoPred: A hybrid deep learning model for accurate identification of N-glycosylation sites 2024-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.05.002 PMID:38734394	研究论文	本文构建了一个基于双层卷积、配对注意力机制和BiLSTM的混合深度学习模型N-GlycoPred，用于准确识别N-糖基化位点	采用双层卷积、配对注意力机制和BiLSTM构建混合深度学习模型，提高了N-糖基化位点识别的准确性	NA	解决以往模型对不同物种预测结果差异显著的问题	N-糖基化位点的准确识别	机器学习	NA	深度学习	混合深度学习模型	蛋白质序列	基于六个独立测试数据集
22564	2024-08-07	Natural language processing systems for extracting information from electronic health records about activities of daily living. A systematic review 2024-Jul, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae044 PMID:38798774	综述	本文通过系统综述方法，评估了自然语言处理（NLP）系统从电子健康记录（EHR）中提取日常生活活动（ADL）信息的状态、可用性和性能	NLP系统在从非结构化EHR笔记中提取ADL信息方面显示出潜力	由于研究多样性和数据集挑战（如数据访问限制、文档不充分、缺乏粒度和小数据集），比较NLP系统的性能较为困难	旨在深入了解NLP系统从EHR中提取ADL信息的现状和性能	NLP系统从EHR中提取ADL信息的能力	自然语言处理	NA	自然语言处理	深度学习与基于规则的方法或机器学习结合	文本	22项研究
22565	2024-08-07	Enhancing infectious diseases early warning: A deep learning approach for influenza surveillance in China 2024-Jul, Preventive medicine reports IF:2.4Q2 DOI:10.1016/j.pmedr.2024.102761 PMID:38798906	研究论文	本研究旨在开发一种普遍适用的、基于反馈的自激发注意力残差网络（SEAR）模型，用于动态适应疾病趋势和监测系统变化，从而提高早期预警系统的有效性	提出了一种新型的自激发注意力残差网络（SEAR）模型，该模型通过深度学习算法动态适应疾病趋势和监测系统变化，增强早期预警系统的有效性	模型的预警性能随着早期预警值和预警天数的增加而下降，尽管在所有场景中ROC值保持在0.7以上	开发一种普遍适用的、基于反馈的自激发注意力残差网络（SEAR）模型，用于增强传染病早期预警系统	流感样疾病（ILI）的监测数据，包括中国北方、南方、北京和云南等地区	机器学习	传染病	深度学习算法	自激发注意力残差网络（SEAR）	监测数据	包括中国北方、南方、北京和云南等地区的流感样疾病（ILI）监测数据
22566	2024-08-07	Enhancing tropical cyclone intensity forecasting with explainable deep learning integrating satellite observations and numerical model outputs 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109905 PMID:38799561	研究论文	本研究提出了一种结合卫星观测数据和数值模型输出的混合卷积神经网络（hybrid-CNN），用于提高热带气旋强度预测的准确性	本研究的创新点在于使用hybrid-CNN模型，有效结合了卫星空间特征和数值预测模型输出，显著提高了热带气旋强度预测的准确性	NA	本研究旨在提高热带气旋强度预测的准确性，并探索其在气象预报领域的应用潜力	本研究的研究对象是热带气旋的强度变化	机器学习	NA	混合卷积神经网络（hybrid-CNN）	CNN	卫星观测数据和数值模型输出	NA
22567	2024-08-07	Non-invasive assessment of response to transcatheter arterial chemoembolization for hepatocellular carcinoma with the deep neural networks-based radiomics nomogram 2024-Jun, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241229185 PMID:38489805	研究论文	研究开发了一种基于深度神经网络的诺模图，用于非侵入性且精确地预测肝细胞癌患者对经导管动脉化疗栓塞术的反应	研究首次采用深度神经网络结合拉索回归（DNN_LASSO）模型，提高了预测肝细胞癌患者对经导管动脉化疗栓塞术反应的准确性	研究为回顾性分析，样本量相对较小，未来需进行更大规模的前瞻性研究以验证结果的普遍性	开发一种非侵入性的方法，用于精确预测肝细胞癌患者对经导管动脉化疗栓塞术的反应	肝细胞癌患者对经导管动脉化疗栓塞术的反应	机器学习	肝细胞癌	NA	深度神经网络（DNN）	影像数据	110名接受经导管动脉化疗栓塞术的肝细胞癌患者
22568	2024-08-07	Transcatheter Aortic Valve Replacement and Coronary Protection Guided by Deep Learning and 3-Dimensional Printing 2024-Jun, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506241244571 PMID:38565982	案例报告	本文讨论了深度学习和三维打印技术在经导管主动脉瓣置换术和冠状动脉支架植入术围手术期的辅助作用	利用深度学习和三维打印技术进行术前评估和模拟，指导手术策略的制定	NA	探讨深度学习和三维打印技术在经导管主动脉瓣置换术和冠状动脉支架植入术中的应用	一名68岁男性患者，患有严重主动脉瓣狭窄合并反流和胸腔积液	数字病理学	心血管疾病	深度学习, 三维打印	深度学习模型	影像数据	1名患者
22569	2024-08-07	The value of CT radiomics combined with deep transfer learning in predicting the nature of gallbladder polypoid lesions 2024-Jun, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241245970 PMID:38623640	研究论文	研究结合CT影像组学和深度迁移学习在预测胆囊息肉病变性质中的应用	首次使用CT影像组学结合深度迁移学习来识别术前未充分评估的胆固醇性和腺瘤性胆囊息肉	研究为回顾性分析，且样本量相对较小	探讨结合影像组学和深度迁移学习的多种机器学习模型在预测胆固醇性和腺瘤性胆囊息肉性质中的潜力	胆固醇性和腺瘤性胆囊息肉	机器学习	胆囊疾病	CT影像组学，深度迁移学习	机器学习算法	影像数据	100名经手术和病理证实的胆固醇性或腺瘤性息肉患者
22570	2024-08-07	AI model to detect contact relationship between maxillary sinus and posterior teeth 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31052 PMID:38799758	研究论文	本文提出了一种基于全景X光片的深度学习网络（MSF-MPTnet），用于自动评估上颌窦底与上颌后牙之间的关系，并比较了MSF-MPTnet与牙医和放射科医生识别接触关系的准确性	本文创新性地开发了MSF-MPTnet模型，提高了上颌窦底与上颌后牙之间关系的检测准确性，减少了伪接触关系的发生，并降低了CBCT的使用频率	NA	研究目的是建立一种新的深度学习网络，用于自动评估上颌窦底与上颌后牙之间的关系，并比较其与牙医和放射科医生的准确性	研究对象为上颌窦底与上颌后牙之间的关系	计算机视觉	NA	深度学习	深度学习网络（MSF-MPTnet）	图像	共收集了1035张全景X光片和1035张锥形束计算机断层扫描（CBCT）图像，其中350张全景X光片作为测试数据集
22571	2024-08-07	Effective prediction of human skin cancer using stacking based ensemble deep learning algorithm 2024-May-28, Network (Bristol, England) DOI:10.1080/0954898X.2024.2346608 PMID:38804548	研究论文	本文提出了一种基于堆叠集成深度学习算法的皮肤癌诊断模型	采用堆叠集成深度学习方法，结合LSTM作为元分类器，提高了皮肤癌诊断的准确性	NA	开发一种自动化的皮肤癌诊断方法	皮肤癌的诊断	计算机视觉	皮肤癌	NA	CNN, DNN, LSTM	图像	NA
22572	2024-08-07	Seizure detection using nonlinear measures over EEG frequency bands and deep learning classifiers 2024-May-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2356634 PMID:38803055	研究论文	本文提出了一种基于从相关EEG频段计算非线性特征的新特征提取方法，并将其应用于机器学习和深度学习分类器进行癫痫检测	本文引入了一种新的特征提取方法，通过计算EEG信号的非线性特征，提高了癫痫检测的准确性	NA	旨在取代传统的时间消耗大且繁琐的癫痫检测方法，提高检测效率和准确性	癫痫患者的EEG信号	机器学习	癫痫	EEG	ML和DL分类器	EEG信号	使用了Bonn数据集和Hauz Khas数据集
22573	2024-08-07	Meta learning based residual network for industrial production quality prediction with limited data 2024-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62174-0 PMID:38796529	研究论文	本文提出了一种基于元学习的残差网络模型（MLRN），用于在数据有限的情况下预测工业生产质量	引入了基于元学习的残差网络模型，并采用有效通道注意力（ECA）机制和多批次多任务数据输入方法，以提高模型在有限数据下的性能	NA	旨在解决在实际工业环境中收集大量生产质量数据困难的问题，并提高深度学习网络在训练过程中的模型性能	工业生产质量预测	机器学习	NA	元学习	残差网络（Residual Network）	数值和图形数据	有限数据
22574	2024-08-07	Autophagy and machine learning: Unanswered questions 2024-May-25, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2024.167263 PMID:38801963	review	本文综述了自噬与机器学习技术在生物学过程中的应用	讨论了深度学习领域的新进展为跨学科合作带来的新机遇	未提及具体的研究限制	促进自噬研究与计算机科学的联合努力	自噬在细胞生存、生物能量稳态、生物体发育和细胞死亡调控中的作用	machine learning	cancers, neurodegenerative diseases	machine learning (ML)	NA	NA	NA
22575	2024-08-07	Personalized Stress Detection Using Biosignals from Wearables: A Scoping Review 2024-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s24103221 PMID:38794074	综述	本文通过综述个性化压力检测模型使用可穿戴技术，系统分析了相关文献	综述展示了生物信号，特别是EDA和PPG，在多模态设置中用于压力检测的潜在可靠性，并发现了深度学习模型的趋势	文献中对深度学习模型与传统方法的比较有限，需要进一步研究；同时存在数据集代表性和实际部署可穿戴技术的挑战	探讨使用可穿戴技术进行个性化压力检测的方法和挑战	生物信号、人工智能方法、数据集、可穿戴设备及实际应用中的挑战	NA	NA	深度学习	深度学习模型	生物信号数据	NA
22576	2024-08-07	Estimate and compensate head motion in non-contrast head CT scans using partial angle reconstruction and deep learning 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17047 PMID:38569143	研究论文	本文开发了一种深度学习模型，能够直接从头部CT扫描的部分角度重建（PAR）图像中估计头部运动，并将估计的运动整合到迭代重建过程中以补偿运动	本文首次探索了部分角度重建技术在头部CT扫描中减少运动伪影的潜力，并提出了一种新的深度学习模型来实现头部运动的精确估计和补偿	NA	开发一种深度学习模型，能够直接从头部CT扫描的PAR图像中估计头部运动，并将其整合到迭代重建过程中以补偿运动	头部CT扫描中的患者头部运动	计算机视觉	NA	部分角度重建（PAR）	卷积神经网络（CNN）	图像	模拟研究和实体模型研究
22577	2024-08-07	Amalgamated Pharmacoinformatics Study to Investigate the Mechanism of Xiao Jianzhong Tang against Chronic Atrophic Gastritis 2024, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/1573409919666230720141115 PMID:37475552	研究论文	本研究利用网络药理学、深度学习蛋白质修复、分子对接、机器学习结合亲和力估计、分子动力学模拟和MM-PBSA结合自由能估计等方法，探讨了中药小建中汤治疗慢性萎缩性胃炎的作用机制	本研究整合了网络药理学、深度学习、分子对接、机器学习、分子动力学模拟和MM-PBSA结合自由能估计等多种技术，为解释中药复杂机制提供了强有力的方法	NA	旨在通过药理信息学方法揭示小建中汤治疗慢性萎缩性胃炎的潜在机制	中药小建中汤及其治疗慢性萎缩性胃炎的作用机制	NA	慢性萎缩性胃炎	网络药理学、分子对接、分子动力学模拟	深度学习	蛋白质	关键化合物包括山柰酚、甘草查尔酮A和柚皮素，关键靶点包括AKT1、MAPK1、MAPK14、RELA、STAT1和STAT3
22578	2024-08-07	Time for a full digital approach in nephropathology: a systematic review of current artificial intelligence applications and future directions 2024-01, Journal of nephrology IF:2.7Q2 DOI:10.1007/s40620-023-01775-w PMID:37768550	综述	本文回顾了人工智能在肾病理学中的应用历史，并探讨了未来的发展方向	探讨了深度学习在复杂组织病理学数据中的应用，以及混合和协作学习方法的使用	研究主要集中在相对简单的任务上，如单染色肾小球分割	回顾人工智能在肾病理学中的应用，并展望未来的发展	非肿瘤性肾脏组织学样本的自动化图像分析和人工智能算法应用	数字病理学	NA	深度学习	NA	图像	76篇原创研究文章
22579	2024-08-07	Melanoma identification and classification model based on fine-tuned convolutional neural network 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241253757 PMID:38798885	研究论文	本文提出了一种基于微调卷积神经网络的黑色素瘤识别与分类模型，旨在支持医疗物联网应用，通过图像分类技术实现黑色素瘤的早期检测	采用卷积神经网络和深度学习技术，通过分析公开的皮肤镜图像数据集，实现了对恶性与良性皮肤病变的高精度区分	NA	开发一种用于早期检测黑色素瘤的鲁棒图像分类模型，以支持医疗物联网应用	黑色素瘤，一种致命的皮肤癌	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	包括DermIS的621张图像，DermQuest的1233张图像，以及ISIC2019的25000张图像
22580	2024-08-07	Validation and Feasibility of Ultrafast Cervical Spine MRI Using a Deep Learning-Assisted 3D Iterative Image Enhancement System 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S465002 PMID:38799011	研究论文	本研究旨在评估使用深度学习辅助的3D迭代图像增强系统（DL-3DIIE）进行超快速（2分钟）颈椎MRI协议的可行性，并与常规MRI协议（6分钟14秒）进行比较	采用DL-3DIIE系统，实现了67%的脊柱MRI扫描时间减少，同时获得至少等同于常规协议的图像质量和诊断结果	NA	评估超快速颈椎MRI协议的可行性	51名患者接受常规和超快速颈椎MRI协议，并由两位放射科医生独立评估图像质量	计算机视觉	NA	MRI	DL-3DIIE系统	图像	51名患者