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
12021	2024-11-09	Application of the online teaching model based on BOPPPS virtual simulation platform in preventive medicine undergraduate experiment 2024-Nov-05, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06175-7 PMID:39501207	研究论文	探讨基于BOPPPS虚拟仿真平台的在线教学模式在预防医学本科实验中的应用效果	结合BOPPPS教学模型和虚拟仿真平台，创新性地应用于预防医学实验教学	NA	研究BOPPPS结合虚拟仿真实验教学对学生成绩和参与度、表现及教师自我效能的影响	滨州医学院2019级预防医学专业两个班的学生	NA	NA	虚拟仿真平台	BOPPPS教学模型	问卷调查数据	实验组51人，对照组49人
12022	2024-11-09	Revolutionizing spinal interventions: a systematic review of artificial intelligence technology applications in contemporary surgery 2024-Nov-05, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-024-02646-2 PMID:39501233	综述	本文系统回顾了人工智能技术在现代脊柱手术中的应用	人工智能能够处理大型复杂数据集，揭示人类观察可能忽略的细微模式和相关性	NA	阐述人工智能在脊柱手术中的作用	脊柱手术及其对患者预后的多方面影响	机器学习	NA	人工神经网络、深度学习	人工神经网络	文本	共检索到1182篇文章，最终纳入90篇进行综述
12023	2024-11-09	Capturing forceful interaction with deformable objects using a deep learning-powered stretchable tactile array 2024-Nov-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53654-y PMID:39496596	研究论文	本文介绍了一种用于捕捉与可变形物体交互的视觉触觉记录和跟踪系统，该系统采用可拉伸触觉手套和视觉触觉联合学习框架	提出了基于对称响应检测和自适应校准的主动抑制方法，提高了力测量的准确性，并开发了视觉触觉联合学习框架来重建手-物体状态	NA	开发一种能够捕捉与可变形物体交互的系统，以应用于虚拟现实、远程医疗和机器人等领域	可变形和刚性物体的手-物体状态	机器人学	NA	深度学习	视觉触觉联合学习框架	视觉和触觉序列	24个物体，分为6个类别
12024	2024-11-09	Leveraging convolutional neural networks and hashing techniques for the secure classification of monkeypox disease 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75030-y PMID:39496621	研究论文	本文提出了一种利用卷积神经网络和哈希技术进行猴痘疾病安全分类的方法	本文提出了CanDark模型，结合可撤销生物识别技术，利用DarkNet-53 CNN提取猴痘皮肤图像的深度特征，并通过可撤销方法保护患者信息	NA	开发一种高效且安全的猴痘疾病诊断方法	猴痘疾病的皮肤症状图像	计算机视觉	猴痘	卷积神经网络 (CNN) 和哈希技术	DarkNet-53 CNN	图像	NA
12025	2024-11-09	Ensemble based high performance deep learning models for fake news detection 2024-Nov-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76286-0 PMID:39496680	研究论文	研究探讨了在阿拉伯语假新闻检测中使用机器学习、深度学习和集成学习框架的不同技术	结合了FastText词嵌入与多种机器学习和深度学习方法，并利用BERT、XLNet和RoBERTa等基于Transformer的模型进行优化	研究仅限于阿拉伯语假新闻检测，未涉及多语言扩展	研究旨在探索阿拉伯语假新闻检测中的不同机器学习和深度学习技术	研究对象为阿拉伯语新闻文章，分为假新闻和真实新闻两类	机器学习	NA	深度学习	Bi-GRU-Bi-LSTM	文本	使用了两个阿拉伯语新闻文章数据集，AFND和ARABICFAKETWEETS数据集
12026	2024-11-09	Prediction and clustering of Alzheimer's disease by race and sex: a multi-head deep-learning approach to analyze irregular and heterogeneous data 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77829-1 PMID:39496718	研究论文	本文通过多头部深度学习方法对阿尔茨海默病进行预测和聚类分析，重点关注种族和性别因素	采用多头部深度学习架构处理和学习生物医学和影像数据，并通过Shapley加性解释算法进行特征重要性排序和成对相关性分析，识别疾病进展的预测因子	NA	建立阿尔茨海默病进展模型，分析异质性多模态数据，进行人群子集的聚类分析	阿尔茨海默病的进展模式及其在不同种族和性别群体中的差异	机器学习	阿尔茨海默病	深度学习	多头部卷积神经网络	多模态数据	16个子聚类，包含不同进展模式的参与者
12027	2024-11-09	A deep learning framework for hepatocellular carcinoma diagnosis using MS1 data 2024-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77494-4 PMID:39496730	研究论文	开发了一种名为MS1Former的端到端深度学习模型，用于直接使用原始MS1光谱对肝细胞癌肿瘤和邻近非肿瘤组织进行分类	提出了MS1Former模型，能够直接使用原始MS1光谱进行分类，无需肽前体鉴定，解决了肽前体鉴定和蛋白质鉴定引入的误差问题	NA	开发一种能够准确预测疾病类型并提高患者疾病诊断和预后的计算方法	肝细胞癌肿瘤和邻近非肿瘤组织	机器学习	肝癌	MS1光谱分析	深度学习模型	MS1光谱数据	多个外部验证数据集
12028	2024-11-09	Interpretable Fine-Grained Phenotypes of Subcellular Dynamics via Unsupervised Deep Learning 2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202403547 PMID:39239705	研究论文	本文介绍了一种用于细粒度可解释表型的自训练深度学习框架，用于揭示活细胞动态的细粒度表型	提出了一种基于自编码器正则化的自训练深度学习框架，能够增强特征的区分能力并保留分子扰动的异质性	NA	揭示健康和疾病生物过程中异质性的细粒度表型	迁移上皮细胞的异质性突起动态及其对药物扰动的特定反应	机器学习	NA	深度学习	深度神经网络 (DNN)	细胞动态数据	NA
12029	2024-11-09	Effective genome editing with an enhanced ISDra2 TnpB system and deep learning-predicted ωRNAs 2024-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02418-z PMID:39313558	研究论文	本文优化了Deinococcus radiodurans (ISDra2) TnpB系统，并结合深度学习预测的ωRNAs，实现了高效的基因编辑	开发了TnpBmax系统，编辑效率提高了4.4倍；设计了K76突变体，扩展了目标识别范围；利用深度学习模型TEEP预测ωRNA活性，相关系数r > 0.8	NA	优化TnpB系统，提高基因编辑效率，并开发深度学习模型预测ωRNA活性	Deinococcus radiodurans (ISDra2) TnpB系统及其在哺乳动物细胞中的应用	基因编辑	NA	深度学习	深度学习模型	基因编辑效率数据	10,211个目标位点
12030	2024-11-09	Advancements in synthetic CT generation from MRI: A review of techniques, and trends in radiation therapy planning 2024-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14499 PMID:39325781	综述	本文综述了从MRI生成合成CT（sCT）的最新技术进展及其在放射治疗计划（RTP）中的应用	本文重点介绍了基于机器学习和深度学习的sCT生成技术，这些技术有望提高RTP的效率和准确性	本文指出sCT生成技术在图像质量、剂量计算准确性和临床接受度方面仍存在挑战	旨在概述从MRI生成sCT的最新进展，并探讨其在RTP中的应用，强调技术、性能评估、临床应用、未来研究趋势和领域内的开放挑战	从MRI生成sCT的技术及其在RTP中的应用	计算机视觉	NA	机器学习（ML）和深度学习（DL）	NA	图像	NA
12031	2024-11-09	Brain tumor segmentation by combining MultiEncoder UNet with wavelet fusion 2024-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14527 PMID:39284311	研究论文	本文提出了一种结合多编码器UNet和小波融合的脑肿瘤分割网络	采用晚期融合策略和3D离散小波变换特征融合模块，提取多模态MRI间的互补信息，并引入3D全局上下文感知模块捕捉肿瘤体素的长程依赖关系	未提及具体局限性	提高脑肿瘤从多模态MRI中的分割精度，辅助临床诊断和手术干预	脑肿瘤的多模态MRI图像	计算机视觉	脑肿瘤	多模态MRI	UNet	图像	BraTS2018和BraTS2021数据集
12032	2024-11-09	Revising Reflection Assignments to Align With Clinical Judgment Measurement Model Language: Maximizing Critical Thinking, Feedback, and Measurement in Simulation 2024 Nov-Dec 01, Nursing education perspectives IF:0.9Q3 DOI:10.1097/01.NEP.0000000000001149 PMID:37255453	研究论文	本文探讨了如何通过修订反思作业模板，使其与临床判断测量模型（CJMM）的语言相一致，从而最大化模拟中的批判性思维、反馈和测量	本文创新性地将临床判断测量模型（CJMM）的语言融入到模拟反思作业中，以促进学生对临床判断的深入理解和自我评估	本文仅在初步质量改进试点研究中验证了改进效果，尚未在大规模应用中进行验证	研究目的是通过修订反思作业模板，提升学生在模拟中的批判性思维和临床判断能力	研究对象为护理专业的学生及其在模拟中的反思作业	NA	NA	NA	NA	NA	初步质量改进试点研究中的学生数量未明确提及
12033	2024-11-09	Efficient urinary stone type prediction: a novel approach based on self-distillation 2024-10-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73923-6 PMID:39390010	研究论文	本文提出了一种基于自蒸馏架构的高效尿石类型预测方法，通过特征融合和坐标注意力模块（CAM）提高了模型的分类准确性和计算效率	本文的创新点在于改进了自蒸馏架构，结合特征融合和坐标注意力模块，实现了更有效的知识传递，避免了模型压缩带来的额外计算开销和性能下降	NA	本文的研究目的是开发一种高效且准确的尿石类型预测方法，以帮助临床医生制定更精确的治疗方案	本文的研究对象是尿石症患者的CT图像	计算机视觉	泌尿系统疾病	自蒸馏	NA	图像	本文使用了专有数据集和两个公共数据集进行验证
12034	2024-11-09	Development and Validation of a Computed Tomography-Based Model for Noninvasive Prediction of the T Stage in Gastric Cancer: Multicenter Retrospective Study 2024-Oct-09, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/56851 PMID:39382960	研究论文	本研究开发并验证了一种基于计算机断层扫描（CT）的模型，用于非侵入性预测胃癌的T分期	本研究首次结合深度学习和放射组学来预测胃癌的T分期	本研究仅在回顾性数据集上进行了验证，未来需要在更多中心和前瞻性数据集上进行验证	开发一种基于CT的模型，通过放射组学和深度学习自动预测胃癌的T分期	胃癌患者的T分期	数字病理学	胃癌	放射组学	混合模型	图像	771名胃癌患者
12035	2024-11-09	Deep learning models for the prediction of acute postoperative pain in PACU for video-assisted thoracoscopic surgery 2024-Oct-07, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02357-5 PMID:39375589	研究论文	本研究开发了一种深度学习模型，用于预测视频辅助胸腔镜手术后急性术后疼痛	本研究首次将图注意力网络（GAT）和图Transformer网络（GTN）结合，构建了DoseFormer模型，用于预测术后急性疼痛	本研究仅使用了回顾性观察数据，未来需要前瞻性研究验证模型的有效性	开发一种深度学习算法，用于预测术后急性疼痛	视频辅助胸腔镜手术后的患者	机器学习	NA	图注意力网络（GAT）和图Transformer网络（GTN）	DoseFormer模型	患者信息和手术期间的生命体征数据	共纳入1758名患者，数据清洗后剩余1552名患者，其中训练集931名，测试集621名
12036	2024-08-07	Deep learning assisted biomarker development in patients with chronic hepatitis B: Editorial on "Prognostic role of computed tomography analysis using deep learning algorithm in patients with chronic hepatitis B viral infection" 2024-Oct, Clinical and molecular hepatology IF:14.0Q1 DOI:10.3350/cmh.2024.0563 PMID:39038960	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12037	2024-11-09	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	本文提出了一种名为CHIEF的病理学基础模型，用于癌症诊断和预后预测	CHIEF模型通过两种互补的预训练方法，提取了多样化的病理图像特征，具有更强的泛化能力	NA	开发一种通用的机器学习框架，用于提取病理图像特征，以进行系统的癌症评估	癌症诊断和预后预测	数字病理学	NA	机器学习	基础模型	图像	60,530张全切片图像，涵盖19个解剖部位，验证使用了19,491张来自32个独立切片集的图像
12038	2024-11-09	Comparative analysis of advanced deep learning models for predicting evapotranspiration based on meteorological data in bangladesh 2024-Oct, Environmental science and pollution research international DOI:10.1007/s11356-024-35182-w PMID:39365537	研究论文	本研究比较了四种深度学习模型（CNN、GRU、LSTM、CNN-GRU）在基于孟加拉国气象数据预测蒸散量方面的表现	首次使用混合CNN-GRU模型来估计参考蒸散量，该算法在此领域尚未被广泛应用	NA	预测孟加拉国基于有限气象数据的每日蒸散量	蒸散量预测	机器学习	NA	深度学习	CNN, GRU, LSTM, CNN-GRU	气象数据	涉及两个站点（Rangpur和Sreemangal）的数据
12039	2024-11-09	Predicting disease-associated microbes based on similarity fusion and deep learning 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae550 PMID:39504483	研究论文	本文提出了一种基于深度学习的计算方法SGJMDA，用于预测微生物与疾病之间的关联	SGJMDA通过融合多种相似性和使用图卷积网络提取特征信息，构建异构网络并计算嵌入的线性相关系数，从而推断潜在的微生物-疾病关联	NA	提高对疾病发病机制和治疗的理解，为生物医学筛选提供指导	微生物与疾病之间的关联	生物信息学	NA	深度学习	图卷积网络	网络数据	NA
12040	2024-11-09	DualNetGO: a dual network model for protein function prediction via effective feature selection 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae437 PMID:38963311	研究论文	本文提出了一种双网络模型DualNetGO，用于通过有效特征选择进行蛋白质功能预测	DualNetGO模型通过分类器和选择器组件，能够从不同来源（如PPI网络图嵌入、蛋白质域和亚细胞定位信息）中有效选择特征，从而提高蛋白质功能预测的准确性	NA	开发一种新的模型，通过有效特征选择提高蛋白质功能预测的准确性	人类和小鼠的蛋白质功能预测	机器学习	NA	图嵌入	双网络模型	图嵌入、蛋白质域、亚细胞定位信息	人类和小鼠数据集