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
23121	2024-08-05	Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis 2024-Jun-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001266 PMID:38489547	meta-analysis	本系统评价和荟萃分析研究了深度学习在非对比CT扫描急性中风患者颅内出血的检测和分割中的应用	提出了一系列深度学习算法，其表现与经验丰富的临床医生在出血病灶识别、分割和量化方面相当，但效率更高且成本更低	未来需要进行多中心随机对照临床试验以验证这些工具的性能	研究深度学习技术在急性中风患者颅内出血检测和分割中的有效性	对36项有关深度学习技术在颅内出血检测和分割中的应用进行荟萃分析的研究	医学影像学	急性中风	深度学习	NA	图像	36项原始研究
23122	2024-08-05	Deep learning approach for cardiovascular disease risk stratification and survival analysis on a Canadian cohort 2024-Jun, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03100-3 PMID:38678144	研究论文	本文探讨了深度学习在心血管疾病风险分层和生存分析中的应用	采用深度学习模型预测颈动脉斑块特征对冠状动脉疾病和心血管事件的影响，且表现优于传统机器学习模型	研究样本仅限于459名接受过冠状动脉造影和其他影像学检查的个体	旨在评估颈动脉斑块特征对心血管事件预测的有效性	459名接受了心脏介入检查的个体	机器学习	心血管疾病	深度学习	多种深度学习模型	医学影像数据	459名参与者
23123	2024-08-05	Deep learning denoising reconstruction enables faster T2-weighted FLAIR sequence acquisition with satisfactory image quality 2024-Jun, Journal of medical imaging and radiation oncology IF:2.2Q2 DOI:10.1111/1754-9485.13649 PMID:38577926	研究论文	本文探讨了深度学习重构技术在T2加权FLAIR序列成像中缩短MRI采集时间的效果及其图像质量的影响	首次评估了一种商业化的深度学习重构技术在脑部MRI中对扫描时间的影响	使用该技术时，出现了更高的相位伪影和伪病灶，可能影响阅读效率和诊断信心	评估深度学习重构技术在2D T2加权FLAIR脑部图像中的实用性	47名接受常规脑部MRI检查的参与者	医学影像学	NA	深度学习重构	NA	图像	47名参与者
23124	2024-08-05	Two-Stage Deep Learning Model for Diagnosis of Lumbar Spondylolisthesis Based on Lateral X-Ray Images 2024-06, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.04.025 PMID:38608811	研究论文	本研究旨在利用两阶段深度学习模型提高早期腰椎滑脱的诊断准确性	本研究提出了结合YOLOv8算法的Res-SE-Net模型进行腰椎滑脱的高效可靠诊断	未提及具体的优势或不足之处	改善临床对早期腰椎滑脱的诊断能力	2424份来自北京同仁医院的腰椎侧位X光影像	数字病理学	NA	深度学习	YOLOv8和Res-SE-Net	影像	2424个腰椎侧位X光片
23125	2024-08-07	Deep learning for 3D biliary anatomy for living liver donor hepatectomy planning 2024-Jun-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001274 PMID:38446840	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23126	2024-08-05	SF-Transformer: A Mutual Information-Enhanced Transformer Model with Spot-Forward Parity for Forecasting Long-Term Chinese Stock Index Futures Prices 2024-May-30, Entropy (Basel, Switzerland) DOI:10.3390/e26060478 PMID:38920487	研究论文	本文介绍了一种将金融理论与深度学习相结合的新型SF-Transformer模型，用于提高中国股指期货的长期价格预测准确性	本文首次提出将即期-远期平价理论与变压器模型相结合的方法，以实现对股指期货价格更准确的长期预测	研究可能受到股票市场动态性和波动性的影响，具体有效性和适用性需在更广泛的数据集上验证	提升中国股指期货市场长期价格预测的准确性和风险管理	对中国主要股指期货价格进行预测的案例研究	机器学习	NA	深度学习	变压器模型	时间序列数据	研究涵盖了28天的短期和长期预测的多个股指期货价格
23127	2024-08-05	View-Driven Multi-View Clustering via Contrastive Double-Learning 2024-May-29, Entropy (Basel, Switzerland) DOI:10.3390/e26060470 PMID:38920479	研究论文	本论文提出了一种基于对比双重学习的视野驱动的多视图聚类方法	该方法结合了视野驱动方法和双重对比学习，以平衡视图之间的一致性和多样性	没有具体提及该方法在特定应用场景的局限性	旨在生成更好的聚类结果	涉及多个视图的数据集	机器学习	NA	对比学习	NA	数据集	三个数据集的实验结果
23128	2024-08-05	A TCN-Linear Hybrid Model for Chaotic Time Series Forecasting 2024-May-29, Entropy (Basel, Switzerland) DOI:10.3390/e26060467 PMID:38920477	研究论文	本文提出了一种新型混合网络TCN-Linear，用于混沌时间序列预测	引入了一种新的混合模型，结合了时间卷积网络和线性预测，优化了长时间序列预测的能力	研究中可能未考虑其他混合模型的比较	评估新模型在时间序列预测中的有效性	经典混沌系统和真实世界股市数据	机器学习	NA	时间卷积网络	TCN-Linear	时间序列	三个经典混沌系统和实际股市数据
23129	2024-08-05	Point Cloud Quality Assessment Using a One-Dimensional Model Based on the Convolutional Neural Network 2024-May-27, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060129 PMID:38921606	研究论文	本文提出了一种基于深度学习的无参考方法来评估三维点云的质量	采用1D卷积神经网络进行三维点云质量评估，并通过转移学习提取高级特征	未提及具体的限制因素	旨在提高三维点云质量评估的可靠性和效率	三维点云及其几何和感知属性	计算机视覺	NA	深度学习	1D CNN	点云数据	多个数据集，包括SJTU_PCQA和WPC
23130	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
23131	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
23132	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
23133	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
23134	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
23135	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）
23136	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
23137	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
23138	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
23139	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
23140	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