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
25501	2024-08-05	Integration of deep learning and habitat radiomics for predicting the response to immunotherapy in NSCLC patients 2024-Jun-04, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-024-03724-3 PMID:38833187	研究论文	本研究构建了一个非侵入性模型，用于预测晚期非小细胞肺癌患者对免疫疗法的反应。	结合深度学习与栖息地放射组学的方法，在非小细胞肺癌患者中进行免疫疗法反应预测。	样本仅来自三个医疗中心，可能限制了模型的普适性.	研究旨在构建预测免疫疗法反应的非侵入性模型。	研究对象为来自三家医院的晚期非小细胞肺癌患者。	数字病理	非小细胞肺癌	深度学习与栖息地放射组学	支持向量机（SVM）	影像	训练组164名患者，测试组82名患者
25502	2024-08-05	DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning 2024-Mar-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46041-0 PMID:38453943	研究论文	本研究开发了DeepETPicker，一种用于从冷冻电子断层图中快速精确挑选颗粒的深度学习模型	该文章创新性地使用弱监督学习和轻量模型架构，降低手动标注负担并提升性能	自动颗粒挑选方法的采用仍然受到技术限制的限制	本研究旨在提高冷冻电子断层图中的颗粒挑选速度和准确性	研究对象为生物大分子的三维结构和从冷冻电子断层图中提取的颗粒	数字病理学	NA	深度学习	NA	图像	模拟和真实断层图的多个样本
25503	2024-08-05	CSXAI: a lightweight 2D CNN-SVM model for detection and classification of various crop diseases with explainable AI visualization 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1412988 PMID:39036360	研究论文	本研究提出了一种基于CNN-SVM的轻量级模型，用于检测和分类各种农作物疾病	提出了一种轻量级的CNN-SVM混合模型，实现了较高的准确率和可视化解释	研究没有提及样本的数量和多样性，可能影响结果的普遍性	旨在提高农业作物疾病的识别和分类效率	针对草莓、桃子、樱桃和大豆四种经济作物分类10类疾病	计算机视觉	农作物疾病	CNN-SVM	CNN	图像	NA
25504	2024-08-05	Deep learning-enabled classification of kidney allograft rejection on whole slide histopathologic images 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1438247 PMID:39034991	研究论文	本文开发了一种深度学习系统，用于自动评估肾移植物活检的全视图图像，检测和亚分类排斥反应。	首次利用多实例学习的深度学习模型进行肾移植物活检的排斥反应检测、亚分类及预后预测。	未提及外部数据集的验证以及模型在临床环境中的应用局限性。	旨在提高肾移植物排斥反应的诊断准确性和一致性。	分析肾移植物活检的全视图图像以检测和预测排斥反应。	数字病理学	肾脏疾病	多实例学习，卷积神经网络（CNN）	多实例学习模型	图像	来自302个肾移植物活检的906个全视图图像
25505	2024-08-05	Exploring the relationship between YouTube video characteristics and a viewer's mental health traits among young adults 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1364930 PMID:39035603	研究论文	本研究探讨了年轻人观看的YouTube视频特征与其心理健康特征之间的关系	该研究通过结合深度学习算法的计算机视觉技术，分析了视频特征与心理健康特征之间的相关性	本研究依赖于调查问卷，自我报告的数据可能存在偏差	研究年轻人观看YouTube视频特征对心理健康的影响	调查年轻人的心理健康特征及其观看的YouTube视频的特征	计算机视觉	NA	深度学习	NA	视频	基于参与者的观看历史日志数据，样本数量未明确说明
25506	2024-08-05	Deep learning radiomics based on multimodal imaging for distinguishing benign and malignant breast tumours 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1402967 PMID:39036101	研究论文	本研究旨在开发基于多模态影像的深度学习放射组学模型，以区分良性和恶性乳腺肿瘤	研究展示了整合深度学习与放射组学特征以及多模态影像的潜力，且MRI在放射组学特征基础上表现出更高的准确性	基于回顾性研究，未考虑潜在的选择偏倚	本研究旨在提高对良性与恶性乳腺肿瘤的区分能力	322例经过组织病理学确认的乳腺肿瘤患者，包括112例良性肿瘤和210例恶性肿瘤	深度学习放射组学	乳腺癌	多模态影像，包括超声（US）、乳腺X线摄影（MG）和磁共振成像（MRI）	SVM, KNN, 随机森林, 额外树, XGBoost, LightGBM, LR	图像	322名患者
25507	2024-08-05	Role of Artificial Intelligence in Endoscopic Intervention: A Clinical Review 2024, Journal of community hospital internal medicine perspectives IF:0.9Q3 DOI:10.55729/2000-9666.1341 PMID:39036586	综述	本综述讨论了人工智能在内镜检查中的应用及其对医疗技术的影响	探索了人工智能在内镜、结肠镜和内镜超声中的新应用	主要集中在内镜相关技术的应用，没有涵盖其他医学领域	旨在探讨人工智能如何改善内镜检查的诊断和管理	内镜、结肠镜和内镜超声的应用	数字病理学	胃肠疾病	深度学习系统和神经网络	NA	NA	NA
25508	2024-08-05	Automated identification and segmentation of urine spots based on deep-learning 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17398 PMID:39035153	研究论文	本文提出了一种基于深度学习的尿液斑点自动识别和分割方法	创新点在于利用深度学习实现尿液斑点的自动检测和精确分割	本文未提及具体的实验样本数量和适用性范围	研究自动化尿液斑点检测的技术，以改善传统方法中的主观误差	以啮齿动物的排尿行为为研究对象	数字病理学	NA	深度学习	目标检测网络和实例分割网络	图像	NA
25509	2024-08-05	SpheroScan: A User-Friendly Deep Learning Tool for Spheroid Image Analysis 2023-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.28.533479 PMID:37425923	研究论文	本文介绍了SpheroScan，一个用户友好的深度学习工具，用于球形图像分析	开发了一个全自动、基于网络的工具，使用掩模区域卷积神经网络进行图像检测和分割	NA	解决缺乏自动化和用户友好的3D球体图像分析工具的问题	使用IncuCyte活细胞分析系统和常规显微镜拍摄的球形图像	数字病理	NA	深度学习	卷积神经网络	图像	使用的训练集和验证集的具体样本数量未提供
25510	2024-08-05	The ChatGPT Storm and What Faculty Can Do 2023 May-Jun 01, Nurse educator IF:2.4Q1 DOI:10.1097/NNE.0000000000001390 PMID:37043716	研究论文	本论文讨论了ChatGPT在学术界的迅速普及及其伦理使用的关注	探讨教师如何应对ChatGPT带来的挑战，强调自我反思、批判性思维和独立学习的重要性	未提及具体的实证研究或数据支持	旨在探讨ChatGPT在护理教育中的潜力及其伦理使用	关注职员及学生如何利用ChatGPT进行学习和信息评估	自然语言处理	NA	深度学习语言模型	NA	文本	NA
25511	2024-08-05	Intelligent oncology: The convergence of artificial intelligence and oncology 2023-Mar, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.11.004 PMID:39036310	研究论文	本文描述了一种称为智能肿瘤学的整体和结构化概念	提出了一个跨学科的智能肿瘤学概念，整合多个领域以促进癌症管理	智能肿瘤学的概念和应用仍处于 infancy，面临许多障碍和挑战	旨在促进癌症预防、筛查、早期诊断和精确治疗	整合肿瘤学、放射学、病理学、分子生物学等领域	计算机视觉	癌症	自然语言处理、机器/深度学习	NA	NA	NA
25512	2024-08-07	Variability analysis of LC-MS experimental factors and their impact on machine learning 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad096 PMID:37983748	研究论文	本文通过系统分析公共质谱数据仓库中的变异源，探讨了这些因素对机器学习性能的影响，并进行了全面的迁移学习评估	本文首次系统分析了公共质谱数据仓库中的变异源，并评估了迁移学习在质谱数据处理中的应用效果	迁移学习虽然提高了模型性能，但与非预训练模型相比提升有限	旨在促进机器学习在质谱数据处理中的应用	公共质谱数据仓库中的变异源及其对机器学习性能的影响	机器学习	NA	质谱(MS)	深度学习(DL)	质谱数据	大规模数据集
25513	2024-08-07	Towards automated organs at risk and target volumes contouring: Defining precision radiation therapy in the modern era 2022-Dec, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.09.003 PMID:39036546	review	本文综述了利用先进深度学习、语义器官解析、多模态影像融合、神经架构搜索和医学图像分析技术解决精确放疗工作流程中四个关键问题或子问题的最新进展	提出了高精度、自动化和高度可重复的OAR/GTV/LN/CTV自动描绘技术，有效减少了从业者间的变异性并降低了时间成本	本文综述的内容是持续进行且不完全的，方法主要以食管癌和头颈癌为例，但可推广至其他类型癌症	探讨精确放疗在现代临床工作流程中的应用，旨在提高患者护理质量和降低成本	主要关注风险器官（OARs）、大体肿瘤体积（GTV）、转移淋巴结（LN）和临床肿瘤体积（CTV）的分割与检测	machine learning	esophageal cancer, head-and-neck cancer	deep learning, semantic organ parsing, multimodal imaging fusion, neural architecture search, medical image analytical techniques	NA	image	NA
25514	2024-08-07	Deep mixed model for marginal epistasis detection and population stratification correction in genome-wide association studies 2019-Dec-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3300-9 PMID:31881907	研究论文	本文提出了一种用于边际上位效应检测和人群分层校正的深度混合模型，用于全基因组关联研究	本文提出了一种神经网络方法，能够潜在地模拟遗传关联研究中SNP之间的任意相互作用，作为混合模型在纠正混杂因素方面的扩展	NA	旨在更彻底地建模和发现上位效应	全基因组关联研究中的遗传变异与复杂性状之间的关联	机器学习	老年疾病	深度学习	CNN, LSTM	遗传数据	涉及阿尔茨海默病数据集
25515	2024-08-07	Integrate multi-omics data with biological interaction networks using Multi-view Factorization AutoEncoder (MAE) 2019-Dec-20, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-019-6285-x PMID:31856727	研究论文	本文开发了一种名为Multi-view Factorization AutoEncoder (MAE)的方法，该方法能够结合多组学数据和生物交互网络，以揭示疾病背后的分子途径	本文创新性地将领域知识如分子交互网络融入到训练目标中，通过引入良好的归纳偏差来提高模型的泛化能力	由于'大p小n'问题（即高维特征的小样本），仅使用多组学数据训练大规模泛化的深度学习模型非常具有挑战性	旨在解决多组学数据深度学习中的过拟合问题，并探索分子特征与临床特征之间的复杂关系	多组学数据和生物交互网络	机器学习	NA	深度学习	AutoEncoder	多组学数据	小样本
25516	2024-08-07	A deep neural network approach to predicting clinical outcomes of neuroblastoma patients 2019-12-20, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-019-0628-y PMID:31856829	研究论文	本文提出了一种基于图方法特征提取和深度神经网络的策略，用于预测神经母细胞瘤患者的临床结果	采用图方法进行特征提取，结合深度神经网络模型，提高了预测准确性	研究主要集中在神经母细胞瘤数据集上，可能需要进一步验证在其他疾病数据集上的适用性	开发一种新的方法来预测患者的临床结果，并理解疾病发病机制和治疗反应的生物学机制	神经母细胞瘤患者的临床结果预测	机器学习	神经母细胞瘤	深度学习	深度神经网络 (DNN)	组学数据	四个神经母细胞瘤数据集
25517	2024-08-07	SigUNet: signal peptide recognition based on semantic segmentation 2019-Dec-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3245-z PMID:31861981	research paper	本研究提出了一种基于语义分割的信号肽识别方法SigUNet，该方法使用不含全连接层的卷积神经网络，并在真核生物数据上表现出优于现有信号肽预测器的性能。	本研究首次将复杂的卷积神经网络应用于信号肽识别，并提出了模型简化和数据增强的方法来改善预测性能。	NA	开发一种准确的信号肽识别器，并展示如何利用其他领域的先进网络进行信号肽识别。	信号肽的识别及其在蛋白质分类中的应用。	computer vision	NA	NA	CNN	sequence	NA
25518	2024-08-07	A temporal visualization of chronic obstructive pulmonary disease progression using deep learning and unstructured clinical notes 2019-12-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0984-8 PMID:31842874	研究论文	本文提出了一种使用深度学习和非结构化临床笔记来可视化慢性阻塞性肺病（COPD）进展的方法	本文提出了一种四层深度学习模型，利用专门配置的循环神经网络捕捉不规则时间间隔片段，并创建了一个COPD进展的时间可视化图谱	NA	旨在描述COPD患者在死亡前疾病进展的时间，并生成一个描述COPD不同阶段症状和体征的时间可视化图	COPD患者	机器学习	慢性阻塞性肺病	深度学习	循环神经网络	文本	15,500名COPD患者
25519	2024-08-07	Estimating Rates of Progression and Predicting Future Visual Fields in Glaucoma Using a Deep Variational Autoencoder 2019-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54653-6 PMID:31792321	研究论文	本文开发了一种深度学习算法，利用深度变分自编码器（VAE）来提高青光眼视觉场损失进展速率的估计和未来模式的预测	使用深度VAE在检测进展速率和预测未来视觉场模式方面表现出显著优势	NA	提高青光眼视觉场损失进展速率的估计和未来模式的预测	青光眼患者的视觉场损失	机器学习	青光眼	深度变分自编码器（VAE）	VAE	视觉场数据	29,161个视觉场数据来自3,832名患者
25520	2024-08-07	CRIP: predicting circRNA-RBP-binding sites using a codon-based encoding and hybrid deep neural networks 2019-12, RNA (New York, N.Y.) DOI:10.1261/rna.070565.119 PMID:31537716	研究论文	本文开发了CRIP工具，用于预测circRNA上的RBP结合位点，采用基于密码子的编码方案和混合深度神经网络结构	首次提出基于机器学习的计算工具CRIP，用于预测circRNA上的RBP结合位点，并采用了创新的基于密码子的编码方案和混合深度学习架构	NA	理解circRNA的调控功能，特别是circRNA与RNA结合蛋白（RBP）的相互作用	circRNA与RBP的结合位点	机器学习	NA	NA	CNN和RNN	序列	37个数据集，每个数据集对应一个RBP的结合位点序列片段