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
23461	2024-08-07	An efficient densenet-based deep learning model for Big-4 snake species classification 2024-May-28, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3 DOI:10.1016/j.toxicon.2024.107744 PMID:38701904	研究论文	本文提出了一种基于DenseNet的深度学习模型，用于自动分类四大毒蛇种类，旨在通过图像识别技术预防蛇咬伤事件	采用DenseNet进行图像分类，实现了86%的高准确率，并计划将其集成到基于AI的蛇捕捉设备中	NA	开发一种基于迁移学习的图像分类算法，用于自动识别毒蛇和非毒蛇	四大毒蛇种类的分类	计算机视觉	NA	迁移学习	DenseNet	图像	NA
23462	2024-08-07	Prediction of electrical properties of GAAFET based on integrated learning model 2024-May-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad2c52 PMID:38387100	研究论文	本文提出了一种结合深度学习和机器学习优势的集成学习模型，用于预测GAAFET的电特性	该集成学习模型在预测GAAFET的直流特性、电容特性和电气参数方面优于单独使用深度学习或机器学习方法	NA	开发一种快速且准确的预测GAAFET电特性的方法，为微电子器件和电路仿真及特性预测提供新思路	GAAFET的电特性	机器学习	NA	集成学习	集成学习模型	电气参数	NA
23463	2024-08-07	Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60781-5 PMID:38750084	研究论文	开发人工智能模型，利用纵向磁共振成像（MRI）数据预测脑转移瘤（BM）在接受立体定向放射手术（SRS）后的治疗反应，并评估随着连续MRI扫描次数增加的预测准确性变化	使用2D Conv-GRU模型在预测SRS后BM治疗反应方面优于其他模型，且随着随访研究次数的增加，预测准确性提高	NA	预测脑转移瘤在接受立体定向放射手术后的治疗反应	脑转移瘤的治疗反应	机器学习	脑转移瘤	MRI	Conv-GRU	图像	开发数据集包括194名患者的4次连续MRI扫描，共369个目标病灶；外部验证数据集包括43名患者的172次MRI扫描，共62个目标病灶
23464	2024-08-07	Learning peptide properties with positive examples only 2024-May-15, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00218g PMID:38756224	研究论文	本文利用半监督学习方法，仅使用已知的阳性样本，通过正未标记学习（PU）策略来预测多肽的多种性质	本文创新地仅使用阳性样本进行半监督学习，通过调整基础分类器和可靠负样本识别两种学习策略，构建深度学习模型	文章未提及具体的局限性	研究目的是通过仅使用阳性数据来预测多肽的溶解性、溶血性、SHP-2结合能力和非污损活性	研究对象是多肽序列及其相关性质	机器学习	NA	深度学习	深度学习模型	序列数据	文章未提及具体的样本数量
23465	2024-08-07	Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm 2024-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3dba PMID:38604190	研究论文	本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部模型，评估了深度学习重建（DLR）算法在不同辐射剂量水平下的临床成像性能	本研究采用基于患者的3D打印PixelPrint肺部模型，相比传统几何CT模型，能更真实地模拟组织结构，实现基于结构的图像质量评估	NA	评估深度学习重建算法在不同辐射剂量下的临床成像性能	深度学习重建算法在不同辐射剂量下的图像质量	计算机视觉	肺部疾病	深度学习重建（DLR）	NA	图像	使用了两种不同尺寸的扩展环来模拟小和中型患者，并在0.5至20 mGy的曝光范围内进行扫描
23466	2024-08-07	Transient dataset of household appliances with Intensive switching events 2024-May-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03310-3 PMID:38744841	研究论文	本文介绍了包含中国10种典型家用电器瞬时开关数据的Transient Dataset of Household Appliances with Intensive Switching Events (TDHA)数据集	该数据集具有高采样率、准确标注和真实反映实际设备启动波形的特点，通过精确控制的继电器开关实现设备切换，减少机械开关的干扰	NA	旨在提高现有非侵入式负载监测(NILM)算法的识别准确性，并促进这些算法在与中国具有相似电力消费特征的地区的应用	家用电器的瞬时开关数据	机器学习	NA	深度学习(DL)	NA	数据集	10种典型家用电器
23467	2024-08-07	Transfer learning enables identification of multiple types of RNA modifications using nanopore direct RNA sequencing 2024-May-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48437-4 PMID:38744925	研究论文	本文开发了TandemMod，一个可迁移的深度学习框架，用于在单个纳米孔直接RNA测序数据中检测多种类型的RNA修饰	TandemMod框架通过迁移学习显著减少了训练数据量和运行时间，同时不降低性能，并能跨物种和条件应用	NA	开发一种能够在单个纳米孔直接RNA测序样本中同时检测多种RNA修饰的方法	RNA修饰的检测，包括mA、mC、mG、Ψ和肌苷等	机器学习	NA	纳米孔直接RNA测序	深度学习框架	RNA序列数据	数千个带有各种类型RNA修饰的体外转录本和体内人类细胞系
23468	2024-08-07	Cardiac function in a large animal model of myocardial infarction at 7 T: deep learning based automatic segmentation increases reproducibility 2024-05-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61417-4 PMID:38744988	研究论文	本研究利用深度学习模型在7T磁共振成像下对猪心肌梗死模型的心脏功能进行自动分割，以提高分析的重复性	使用深度学习模型对人类心肌分割模型进行再训练，以适应7T磁共振成像下的猪心脏图像	NA	提高心脏功能分析的速度和重复性	猪心肌梗死模型的心脏功能	数字病理学	心血管疾病	磁共振成像 (CMR)	深度学习 (DL)	图像	11只动物（其中7只患有心肌梗死），共进行了4次磁共振成像扫描，使用772张图像和标签进行模型训练，288张图像进行测试
23469	2024-08-07	Deep-learning enabled ultrasound based detection of gallbladder cancer in northern India: a prospective diagnostic study 2024-May, The Lancet regional health. Southeast Asia DOI:10.1016/j.lansea.2023.100279 PMID:38756152	研究论文	本研究旨在开发和验证一种基于深度学习的模型，用于在腹部超声中自动检测胆囊癌，并与放射科医生的诊断性能进行比较	该研究采用了基于多尺度、二阶池化的深度学习分类器模型，用于检测胆囊癌，并显示出与经验丰富的放射科医生相当的诊断性能	需要多中心研究来全面探索基于深度学习的胆囊癌诊断潜力	开发和验证一种深度学习模型，用于自动检测胆囊癌，并比较其与放射科医生的诊断性能	胆囊癌的自动检测	机器学习	胆囊癌	深度学习	多尺度、二阶池化分类器	超声数据	训练集233名患者，验证集59名患者，测试集273名患者
23470	2024-08-07	AI-based pipeline for early screening of lung cancer: integrating radiology, clinical, and genomics data 2024-May, The Lancet regional health. Southeast Asia DOI:10.1016/j.lansea.2024.100352 PMID:38756151	研究论文	本文介绍了一种基于人工智能的端到端管道，用于早期筛查肺癌，整合了放射学、临床和基因组数据	开发了一种自动检测和学习CT图像中更有效肺结节特征的人工智能系统，并预测EGFR突变概率	在资源有限的国家如印度，面板式下一代测序无法广泛提供给大众	帮助资源有限环境中的肿瘤学家和患者实现接近最优的护理和适当的治疗	肺癌患者的EGFR基因测序和CT影像数据	机器学习	肺癌	下一代测序	机器学习（ML）和深度学习（DL）模型	图像	2277名肺癌患者的数据
23471	2024-08-07	Graph neural networks for automatic extraction and labeling of the coronary artery tree in CT angiography 2024-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.3.034001 PMID:38756439	研究论文	本文提出了一种使用深度学习自动提取和解剖标记冠状动脉树的方法	该方法通过多分辨率图卷积神经网络结合几何和图像强度信息，实现了冠状动脉树的自动提取和标记	NA	旨在实现冠状动脉疾病的自动综合报告	冠状动脉树的自动提取和解剖标记	计算机视觉	心血管疾病	图神经网络	图卷积神经网络	图像	104名患者的冠状CT血管造影扫描
23472	2024-08-07	Computer-aided diagnostic system with automated deep learning method based on the AutoGluon framework improved the diagnostic accuracy of early esophageal cancer 2024-Apr-30, Journal of gastrointestinal oncology IF:2.0Q3 DOI:10.21037/jgo-24-158 PMID:38756633	研究论文	本文开发了一种基于AutoGluon框架的计算机辅助诊断系统，用于提高早期食管癌的内镜诊断准确性。	该研究首次将AutoGluon框架应用于内镜下早期食管癌的计算机辅助诊断，探索了自动深度学习在临床应用中的可行性。	尽管在某些任务中表现接近或超过初级医生，但高性能CAD模型在敏感性比较上仍与资深医生存在较大差距。	探索自动深度学习方法在临床应用中的可行性，提高早期食管癌的内镜诊断准确性。	正常食管、食管炎和早期食管癌的内镜图像。	计算机视觉	食管癌	深度学习	AutoGluon框架	图像	任务A：932张正常图像 vs. 1,092张病变图像；任务B：594张非癌病变图像 vs. 429张早期食管癌图像；任务C：505张非癌病变图像 vs. 824张早期食管癌图像。
23473	2024-08-07	COVID-19 Hierarchical Classification Using a Deep Learning Multi-Modal 2024-Apr-20, Sensors (Basel, Switzerland) DOI:10.3390/s24082641 PMID:38676257	研究论文	本研究利用深度学习技术，通过胸部X光片和相关医疗数据，对COVID-19进行分层分类，以区分COVID-19与其他类型肺炎及正常肺部	本研究采用多模态数据和分层分类结构，结合早期融合技术和生成对抗网络(GAN)生成合成数据，提高了分类准确性	研究使用的是私有数据集，可能存在数据不平衡问题	旨在通过深度学习技术提高COVID-19的诊断准确性，并区分COVID-19与其他类型肺炎	COVID-19患者、其他类型肺炎患者及正常肺部	机器学习	COVID-19	深度学习	CNN	图像和表格数据	4523名患者
23474	2024-08-07	A Review on the Use of Artificial Intelligence in Fracture Detection 2024-Apr, Cureus DOI:10.7759/cureus.58364 PMID:38756254	综述	本文综述了人工智能在骨折检测中的应用	介绍了深度学习技术，特别是卷积神经网络（CNNs）在医学影像中识别和分类骨折的应用	未提及具体限制	探讨深度学习方法在骨折检测和分类中的应用，以及人工智能与各种影像模式的集成	骨折检测和分类	计算机视觉	NA	深度学习	CNN	影像	未提及具体样本数量
23475	2024-08-07	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究利用机器学习方法，特别是K-means、层次聚类和支持向量机、朴素贝叶斯、随机森林、决策树以及卷积神经网络等算法，对三种类型的火鸡呼肠孤病毒及其新型变种进行分类和识别	本研究首次采用多种机器学习算法对火鸡呼肠孤病毒进行分类，特别是卷积神经网络的应用，提高了分类的准确性	研究主要集中在机器学习算法的应用，未深入探讨病毒变异的具体生物学机制	旨在通过机器学习方法识别和分类火鸡呼肠孤病毒，以应对其导致的重大经济损失	火鸡呼肠孤病毒及其新型变种	机器学习	NA	机器学习算法	CNN	序列数据	使用真实的火鸡呼肠孤病毒序列数据进行实验
23476	2024-08-07	Enhancing Colorectal Cancer Tumor Bud Detection Using Deep Learning from Routine H&E-Stained Slides 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006796 PMID:38752165	研究论文	本文提出了一种弱监督深度学习方法，用于从常规H&E染色的图像中检测结直肠癌肿瘤芽，无需严格的组织级注释，并结合BMIL方法提高肿瘤芽检测的泛化性和稳定性。	本文创新性地使用弱监督深度学习方法和BMIL技术，从常规H&E染色的图像中检测肿瘤芽，避免了非常规免疫组织化学染色方法的需要。	本文的局限性在于仅使用了29张H&E染色的结直肠癌图像进行实验，样本量较小。	开发一种新的深度学习方法，用于从常规H&E染色的图像中检测结直肠癌肿瘤芽，提高检测的准确性和可重复性。	结直肠癌肿瘤芽的检测。	数字病理学	结直肠癌	深度学习	NA	图像	29张结直肠癌H&E染色图像，平均每张图像包含115个肿瘤芽
23477	2024-08-07	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	研究论文	本文提出了一种新的深度学习模型MoFNet，用于整合多组学数据和先前的功能交互，以揭示阿尔茨海默病（AD）的分子机制及其上游遗传贡献者	首次模型化了从DNA到RNA和蛋白质的动态信息流，并整合了多组学数据与先前的功能交互	NA	旨在通过新颖的多组学数据整合和先前的功能交互，发现功能上连接的多组学特征	阿尔茨海默病的分子机制及其上游遗传贡献者	机器学习	阿尔茨海默病	深度学习	MoFNet	多组学数据	使用了ROS/MAP队列进行评估
23478	2024-08-07	High-precision tracking and positioning for monitoring Holstein cattle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302277 PMID:38743665	研究论文	本文提出了一种基于深度学习的跟踪算法，用于在复杂实际场景中进行多目标跟踪，以提高对荷斯坦牛的监测和定位精度	提出的多目标跟踪算法在多个性能指标上优于现有顶级跟踪算法，特别是在多目标跟踪准确性、精确性和IDF1方面	算法在实际多变的牧场条件下仍面临挑战，如规模变化、不可预测的运动和遮挡问题	提高在复杂牧场环境中对荷斯坦牛的监测和定位精度	荷斯坦牛的监测和定位	计算机视觉	NA	深度学习	CenterTrack算法	图像	NA
23479	2024-08-07	Predicting hotspots for disease-causing single nucleotide variants using sequences-based coevolution, network analysis, and machine learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302504 PMID:38743747	研究论文	本文开发了一种基于蛋白质残基接触网络的序列分析方法，结合共进化分析工具和机器学习算法，用于预测疾病相关单核苷酸变异的热点	本文创新地整合了多种共进化分析工具和机器学习算法，通过蛋白质残基网络来预测疾病突变的热点，克服了以往方法依赖已知蛋白质结构或未充分考虑残基间相互作用的局限	NA	旨在通过高吞吐量准确预测目标蛋白质中的疾病相关突变，以支持个性化医疗	疾病相关的单核苷酸变异热点	机器学习	NA	NA	随机森林、梯度提升和极端梯度提升	蛋白质序列	107种富含疾病突变的蛋白质
23480	2024-08-07	A machine learning approach to detect potentially harmful and protective suicide-related content in broadcast media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300917 PMID:38743759	研究论文	本研究利用机器学习方法对广播媒体中的自杀相关内容进行分类，以识别其潜在的有害或保护性特征	首次应用机器学习模型对大量广播媒体数据进行分类，以符合自杀报道的媒体推荐标准	模型性能依赖于训练样本的数量，而非分类任务的难度	探索机器学习在识别广播媒体中自杀相关内容的有害或保护性特征方面的应用	广播媒体中的自杀相关内容	机器学习	NA	TF-IDF, 线性SVM, BERT	多数分类器, 基于词频的方法, 深度学习模型	文本	2519份英语广播媒体转录本