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
11241	2024-11-29	Dose prediction of CyberKnife Monte Carlo plan for lung cancer patients based on deep learning: robust learning of variable beam configurations 2024-Nov-25, Radiation oncology (London, England) DOI:10.1186/s13014-024-02531-5 PMID:39587661	研究论文	本文提出了一种基于深度学习的模型，用于预测肺癌患者在CyberKnife系统中使用蒙特卡罗算法计算的剂量分布	本文的创新点在于开发了一种能够处理不同射束配置的模型，并考虑了患者的解剖结构	本文未提及具体的局限性	研究目的是利用深度学习直接预测蒙特卡罗算法计算的3D剂量分布，实现快速且精确的自动计划	研究对象是肺癌患者在CyberKnife系统中的剂量分布预测	机器学习	肺癌	蒙特卡罗算法	3D U-Net网络	3D剂量分布	86名肺癌患者，其中66例用于训练/验证，20例用于测试
11242	2024-11-29	Automated Assessment of Left Ventricular Filling Pressures From Coronary Angiograms With Video-Based Deep Learning Algorithms 2024-Nov-25, JACC. Cardiovascular interventions DOI:10.1016/j.jcin.2024.07.047 PMID:39603788	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11243	2024-11-29	AI-readiness for Biomedical Data: Bridge2AI Recommendations 2024-Nov-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.23.619844 PMID:39484409	研究论文	本文介绍了美国国立卫生研究院（NIH）的Bridge2AI项目，旨在开发支持AI/ML分析的旗舰数据集，并制定AI准备度标准	提出了AI准备度标准，包括XAI和AI技术的伦理、法律和社会影响（ELSI）的考虑	领域正在迅速发展，标准需要不断更新	开发和传播支持AI/ML分析的旗舰数据集，并制定AI准备度标准	生物医学数据和AI/ML方法的标准和工具	机器学习	NA	NA	NA	数据集	NA
11244	2024-11-29	CNV-Finder: Streamlining Copy Number Variation Discovery 2024-Nov-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.22.624040 PMID:39605431	研究论文	本文介绍了一种名为CNV-Finder的新型管道，利用深度学习技术在阵列数据上集成LSTM网络，以加速大规模拷贝数变异（CNV）的识别	CNV-Finder通过集成深度学习技术，特别是LSTM网络，显著提高了CNV识别的效率和准确性	CNV-Finder在复杂基因组区域的识别中仍需依赖人类专家的反馈来提高精度	研究CNV与疾病易感性之间的关联，特别是在神经退行性疾病中的作用	研究五个与神经退行性疾病相关的基因，包括Parkin、Leucine Rich Repeat And Ig Domain Containing 2、Microtubule Associated Protein Tau、alpha-Synuclein和Amyloid Beta Precursor Protein	基因组学	神经退行性疾病	Illumina基因分型阵列	LSTM	基因组数据	包括来自Global Parkinson's Genetics Program (GP2)和额外痴呆数据库的多样化样本
11245	2024-11-29	ACE-Net: AutofoCus-Enhanced Convolutional Network for Field Imperfection Estimation with application to high b-value spiral Diffusion MRI 2024-Nov-21, ArXiv PMID:39606720	研究论文	本文提出了一种基于深度学习和自动聚焦技术的磁场不均匀性估计方法，应用于高b值螺旋扩散MRI成像中	结合自动聚焦指标与深度学习，利用紧凑的基表示法来估计磁场不均匀性，无需额外外部校准即可实现高质量图像重建	NA	开发一种自动估计磁场不均匀性的数据驱动方法，以减少快速图像编码方案中的图像伪影	高b值螺旋扩散MRI中的B0不均匀性和涡流	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
11246	2024-11-29	AI-Driven Prediction of Symptom Trajectories in Cancer Care: A Deep Learning Approach for Chemotherapy Management 2024-Nov-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111172 PMID:39593830	研究论文	本研究提出了一种使用长短期记忆网络（LSTM）和卷积神经网络（CNN）预测化疗患者症状恶化的先进方法	本研究通过重新采样数据和使用CNN与LSTM模型相结合的方法，提高了症状恶化的预测准确性	模型的准确性和召回率随着时间间隔的增加而下降，尽管精确度保持相对稳定	旨在提高化疗患者症状恶化的预测准确性，以便及时干预和改善症状管理	化疗患者的症状日志数据，包括恶心、疲劳和疼痛等多种症状	机器学习	癌症	长短期记忆网络（LSTM）和卷积神经网络（CNN）	LSTM和CNN	文本	包括大约84%无症状恶化的数据，重新采样为3到7天的时间间隔
11247	2024-11-29	Food Public Opinion Prevention and Control Model Based on Sentiment Analysis 2024-Nov-20, Foods (Basel, Switzerland) DOI:10.3390/foods13223697 PMID:39594112	研究论文	本文介绍了一种基于深度学习和个性化推荐算法的食物公共舆论预防与控制（FPOPC）模型	提出了基于Stacked Autoencoder的情感预测模型和结合Pearson相关系数权重的个性化新闻推荐机制	未提及具体实验数据的局限性或模型在不同场景下的适用性	旨在通过深度学习和个性化推荐算法，准确预测和控制食物公共舆论的发展	食物公共舆论及其对食品安全和消费者信任的影响	自然语言处理	NA	深度学习	Stacked Autoencoder	文本	未提及具体样本数量
11248	2024-11-29	Keyphrase Identification Using Minimal Labeled Data with Hierarchical Contexts and Transfer Learning 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.26.23285060 PMID:37292830	研究论文	本文提出了一种半监督的关键短语识别框架，使用最少的标注数据和分层上下文进行迁移学习	首次在临床决策支持系统子领域中提出了一种基于有限人工标注数据的关键短语识别功能框架	需要进一步验证该方法在不同领域和数据集上的泛化能力	开发一种能够从现有文献中自动识别关键短语的方法，以促进临床决策支持系统的互操作性	关键短语识别和临床决策支持系统的互操作性	自然语言处理	NA	自然语言处理技术	BiLSTM-CRF	文本	每100个合成标注文档添加2到4个人工标注文档
11249	2024-11-29	Intelligent Evaluation Method for Scoliosis at Home Using Back Photos Captured by Mobile Phones 2024-Nov-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111162 PMID:39593822	研究论文	提出了一种基于手机拍摄背部照片的脊柱侧弯智能评估方法	基于YOLOv8关键点检测模型提出了判断脊柱冠状曲度类型的算法，并提出了基于背部关键点的脊柱冠状平面评估算法和基于多尺度自动峰值检测的躯干旋转测量算法	未提及具体限制	开发一种适用于大规模筛查和康复期间动态评估的脊柱侧弯评估方法	脊柱侧弯的类型和偏差程度	计算机视觉	NA	YOLOv8, 多尺度自动峰值检测	YOLOv8	图像	使用了公共数据集和临床配对数据（手机照片和X光片）进行测试
11250	2024-11-29	Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes 2024-Nov-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.18.24317499 PMID:39606364	研究论文	本研究通过整合空间转录组学和单核RNA测序数据，增强了阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析结果	本研究创新性地整合了空间转录组学和单核RNA测序数据，以增强阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析	本研究的局限性在于使用了小样本量的空间转录组学数据，尽管通过整合单核RNA测序数据进行了弥补	本研究的目的是通过整合空间转录组学和单核RNA测序数据，增强阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达分析	本研究主要研究对象是阿尔茨海默病相关表型的空间信息细胞类型特异性差异基因表达	数字病理学	阿尔茨海默病	空间转录组学和单核RNA测序	线性混合回归模型	基因表达数据	本研究使用了来自ROS/MAP队列的436个死后大脑的背外侧前额叶皮质组织样本
11251	2024-11-29	Clinically Significant Prostate Cancer Prediction Using Multimodal Deep Learning with Prostate-Specific Antigen Restriction 2024-Nov-15, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol31110530 PMID:39590160	研究论文	本研究评估了使用多模态医学数据进行深度学习分析，预测PSA≤20 ng/mL患者中临床显著性前列腺癌的准确性	本研究采用多模态深度学习方法，结合医学数据和影像数据，提高了对PSA≤20 ng/mL患者中临床显著性前列腺癌的预测准确性	尽管在PSA≤20 ng/mL的患者中预测能力有所下降，但仍具有较高的AUC值	旨在提高对PSA≤20 ng/mL患者中临床显著性前列腺癌的预测准确性，辅助医生制定治疗策略	PSA≤20 ng/mL的前列腺癌患者	机器学习	前列腺癌	深度学习分析	多模态深度学习	医学数据和影像数据	178名接受超声引导前列腺活检的患者
11252	2024-11-29	Deciphering Membrane Proteins Through Deep Learning Models by Revealing Their Locale Within the Cell 2024-Nov-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111150 PMID:39593811	研究论文	本文通过深度学习模型揭示膜蛋白在细胞内的定位	提出了一种新的方法，使用深度学习算法（如RNN和LSTM）将膜蛋白分为三个不同的位置，并引入了伪氨基酸组成（PseAAC）技术来提取蛋白质信息	研究仅使用了3000个蛋白质的数据集，可能不足以涵盖所有膜蛋白的多样性	解决现有蛋白质亚细胞定位预测器在膜蛋白上的性能不足问题	膜蛋白在细胞内的定位	机器学习	NA	伪氨基酸组成（PseAAC）	RNN和LSTM	蛋白质序列	3000个蛋白质
11253	2024-11-29	Volumetric imaging and computation to explore contractile function in zebrafish hearts 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.14.623621 PMID:39605398	研究论文	本文开发了一种结合光场检测和单细胞追踪的框架，用于捕获斑马鱼心脏的实时体积数据，以研究心脏收缩功能	本文首次实现了在斑马鱼心脏中进行实时体积成像和细胞分辨率的收缩动力学评估	本文未详细讨论该技术在人体心脏中的应用潜力和挑战	研究心脏收缩功能的细胞机制，以促进有效筛查和治疗方法的开发	斑马鱼心脏	生物医学工程	心血管疾病	光场检测、深度学习	深度学习模型	体积数据	斑马鱼心脏
11254	2024-11-29	Leveraging Deep Learning of Chest Radiograph Images to Identify Individuals at High Risk for Chronic Obstructive Pulmonary Disease 2024-Nov-15, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.14.24317055 PMID:39606360	研究论文	本研究评估了利用深度学习技术分析常规胸部X光片（CXR）以识别慢性阻塞性肺病（COPD）高风险个体的能力	本研究通过外部验证，证明了深度学习模型在常规CXR图像上识别COPD高风险个体的能力，超越了已知的风险因素	本研究的主要局限性在于样本主要来自特定地区（波士顿），可能限制了结果的普适性	研究目的是评估深度学习在常规胸部X光片上预测慢性阻塞性肺病（COPD）的能力	研究对象为无肺癌、COPD或肺气肿的门诊患者，他们在2013-2014年间在波士顿的Mass General Brigham医院进行了胸部X光检查	计算机视觉	慢性阻塞性肺病	卷积神经网络（CNN）	卷积神经网络（CXR-Lung-Risk）	图像	主要分析包括12,550名吸烟者和15,298名非吸烟者，次要分析包括2,097名Project Baseline Health Study的参与者
11255	2024-11-29	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Nov-15, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.14.24317278 PMID:39606387	研究论文	本文研究了非编码遗传变异在非洲裔美国男性中前列腺癌风险增加中的作用	首次利用基于序列的深度学习模型识别了与前列腺癌易感性相关的增强子SNPs，并通过实验验证了其功能	研究仅限于非洲裔美国男性，未涵盖其他种族群体	探讨非洲裔美国男性中前列腺癌风险增加的遗传机制	非洲裔美国男性的非编码遗传变异	数字病理学	前列腺癌	深度学习	深度学习模型	基因序列	约2000个SNPs
11256	2024-11-29	Deep Learning and IoT-Based Ankle-Foot Orthosis for Enhanced Gait Optimization 2024-Nov-14, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare12222273 PMID:39595470	研究论文	本文提出了一种通过集成物联网和机器学习技术来管理步态失衡的方法，并开发了一种智能踝足矫形器	结合物联网和机器学习技术，提供了一种个性化、数据驱动的步态管理解决方案	未提及具体局限性	通过物联网和机器学习技术革新医疗矫形器，提供先进的步态管理解决方案	踝足矫形器及其在步态管理中的应用	机器学习	NA	物联网、表面肌电图（sEMG）、惯性测量单元（IMU）	Transformer	传感器数据	未提及具体样本数量
11257	2024-11-29	A Dynamic Interference Detection Method of Underwater Scenes Based on Deep Learning and Attention Mechanism 2024-Nov-14, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9110697 PMID:39590269	研究论文	本文提出了一种基于深度学习和注意力机制的水下场景动态干扰检测方法	改进的YOLOv8网络结构，引入改进的SE注意力机制，优化损失函数为MPDIoU	未提及	提高水下场景的三维重建效果	水下动态目标检测	计算机视觉	NA	深度学习	YOLOv8	图像	未提及
11258	2024-11-29	Exploring the Impact of Additive Shortcuts in Neural Networks via Information Bottleneck-like Dynamics: From ResNet to Transformer 2024-Nov-14, Entropy (Basel, Switzerland) DOI:10.3390/e26110974 PMID:39593918	研究论文	本文探讨了加性捷径连接在神经网络中的作用，特别是对ResNet、Vision Transformers和MLP-Mixers等模型的影响	利用信息瓶颈方法分析加性捷径对训练过程中拟合和压缩阶段的影响，提出Z-X和Z-Y测量作为互信息的替代方法	NA	研究加性捷径连接在神经网络中的作用及其对训练过程的影响	ResNet、Vision Transformers和MLP-Mixers等模型	机器学习	NA	信息瓶颈方法	ResNet、Vision Transformers、MLP-Mixers	NA	NA
11259	2024-11-29	Performance of a Deep Learning System and Performance of Optometrists for the Detection of Glaucomatous Optic Neuropathy Using Colour Retinal Photographs 2024-Nov-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111139 PMID:39593799	研究论文	本研究验证了一种基于Inception-v3架构的卷积神经网络AI系统在检测青光眼性视神经病变（GON）中的表现，并将其与澳大利亚验光师的表现进行比较	首次将AI系统与验光师在青光眼性视神经病变的检测中进行比较	AI系统的敏感性显著低于验光师，且AI和验光师在基于眼底照片的青光眼诊断中表现均不理想	验证AI系统在检测青光眼性视神经病变中的表现，并评估其与验光师的比较	基于Inception-v3架构的卷积神经网络AI系统和澳大利亚验光师	计算机视觉	眼科疾病	卷积神经网络	Inception-v3	图像	来自英国人口的眼底彩色照片，与11名澳大利亚验光师进行比较
11260	2024-11-29	Artificial Intelligence and/or Machine Learning Algorithms in Microalgae Bioprocesses 2024-Nov-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11111143 PMID:39593803	综述	本文综述了人工智能（AI）和机器学习（ML）在微藻生物过程中的应用，重点探讨了这些技术如何提高生产效率、产量和过程控制	本文分析了AI/ML技术在微藻过程中的实际应用、障碍和优势，提供了对该快速发展领域的关键见解	AI/ML技术在微藻过程中的广泛应用面临数据可用性、模型复杂性、可扩展性问题、网络安全威胁和监管挑战等障碍	探讨AI和ML在微藻生物过程中的应用及其对生产效率、产量和过程控制的改进	微藻生物过程，包括实时监测、物种识别、生长条件优化、收获和生物产品的纯化	机器学习	NA	支持向量机（SVM）、遗传算法（GA）、决策树（DT）、随机森林（RF）、人工神经网络（ANN）和深度学习（DL）	多种机器学习模型	模拟数据	NA