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
12061	2024-11-20	Ultrashort echo time time-spatial labeling inversion pulse magnetic resonance angiography with denoising deep learning reconstruction for the assessment of abdominal visceral arteries 2021-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27481 PMID:33368773	研究论文	研究比较了三维超短回波时间时间空间标记反转脉冲磁共振血管造影（3D UTE Time-SLIP）与三维平衡稳态自由进动时间空间标记反转脉冲磁共振血管造影（3D bSSFP Time-SLIP）在评估腹部内脏动脉中的图像质量和磁敏感伪影，并评估了去噪深度学习重建（dDLR）对3D UTE稀疏采样中信噪比的改善效果	首次将去噪深度学习重建技术应用于超短回波时间时间空间标记反转脉冲磁共振血管造影，以改善信噪比和减少伪影	3D UTE Time-SLIP在信噪比和图像质量上仍不如3D bSSFP Time-SLIP	研究并比较3D UTE Time-SLIP与3D bSSFP Time-SLIP的图像质量和磁敏感伪影，并评估dDLR对3D UTE信噪比的改善效果	腹部内脏动脉的评估，包括健康志愿者和患者	医学影像	NA	磁共振血管造影（MRA）	深度学习模型	图像	10名健康志愿者和3名患者
12062	2024-11-19	Advancements in opportunistic intracranial aneurysm screening: The impact of a deep learning algorithm on radiologists' analysis of T2-weighted cranial MRI 2024-Dec, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2024.108014 PMID:39293708	研究论文	本文评估了深度学习算法在T2加权颅脑MRI中辅助放射科医生检测未破裂颅内动脉瘤的效果	开发了一种深度学习算法，用于在T2加权颅脑MRI中辅助放射科医生检测未破裂颅内动脉瘤，并评估了其在常规临床环境中的应用效果	研究样本量较小，仅涉及110名患者和8名放射科医生	评估深度学习算法在T2加权颅脑MRI中辅助放射科医生检测未破裂颅内动脉瘤的效果	未破裂颅内动脉瘤的检测	计算机视觉	NA	深度学习算法	深度学习算法	图像	110名患者和8名放射科医生
12063	2024-11-19	Evaluating retinal blood vessels for predicting white matter hyperintensities in ischemic stroke: A deep learning approach 2024-Dec, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2024.108070 PMID:39393513	研究论文	本研究旨在探讨利用深度学习方法结合视网膜血管图像，有效识别脑白质高信号（WMH）负荷较高的缺血性中风患者	本研究提出了一种新颖的深度学习模型，用于检测缺血性中风患者中高负荷的WMH，并初步探讨了不同视网膜图像区域对WMH识别的预测意义	研究需要更广泛的数据收集、进一步的模型训练和前瞻性数据验证	研究目的是评估视网膜血管图像在预测缺血性中风患者脑白质高信号中的应用	研究对象为263名同时拥有视网膜眼底图像和MRI图像的缺血性中风住院患者	计算机视觉	中风	深度学习	深度学习网络模型	图像	263名缺血性中风住院患者
12064	2024-11-19	A protein fitness predictive framework based on feature combination and intelligent searching 2024-Dec, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5211 PMID:39548358	研究论文	提出了一种基于特征组合和智能搜索的蛋白质适应性预测框架scut_ProFP	scut_ProFP通过特征组合和特征选择技术，实现了从低阶突变体到高阶突变体的泛化，并在性能上优于类似框架和一些复杂的深度学习模型	NA	开发一种高效的蛋白质适应性预测方法，用于蛋白质工程	蛋白质序列及其适应性	机器学习	NA	机器学习	NA	蛋白质序列	少量低荧光突变体
12065	2024-11-19	Molecular origin of the differential stabilities of the protofilaments in different polymorphs: molecular dynamics simulation and deep learning 2024-Nov-17, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2024.2427364 PMID:39552194	研究论文	研究了α-突触核蛋白片段在不同多晶型物中的原纤维稳定性差异的分子起源，通过分子动力学模拟和深度学习分析	利用深度神经网络（DNN）分析不同多晶型物的残基对及其空间接近性，揭示了分子排列差异对不同形式稳定性的关键作用	NA	探讨α-突触核蛋白片段在不同多晶型物中稳定性的分子基础	α-突触核蛋白片段及其在不同多晶型物中的稳定性	分子动力学	帕金森病	分子动力学模拟	深度神经网络（DNN）	分子结构数据	NA
12066	2024-11-19	Decoding face identity: A reverse-correlation approach using deep learning 2024-Nov-16, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2024.106008 PMID:39550877	研究论文	本研究采用反向相关方法，利用深度卷积神经网络（DCNN）识别面部识别中的关键面部特征	本研究创新性地使用反向相关方法和深度学习技术，客观地识别面部识别中的关键特征，而非依赖主观判断	NA	探索面部识别中关键面部特征的识别方法	面部识别中的关键面部特征	计算机视觉	NA	深度卷积神经网络（DCNN）	卷积神经网络（CNN）	图像	NA
12067	2024-11-19	Computed tomography enterography-based deep learning radiomics to predict stratified healing in patients with Crohn's disease: a multicenter study 2024-Nov-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01854-x PMID:39546153	研究论文	本研究开发了一种基于基线CTE的深度学习放射组学模型，用于非侵入性预测克罗恩病患者的分层愈合情况	本研究首次将深度学习放射组学模型应用于基线CTE图像，以预测克罗恩病患者的分层愈合情况	本研究仅在三家医院的数据上进行了验证，未来需要在更多中心进行验证以确保模型的普适性	开发一种非侵入性方法，用于预测克罗恩病患者的分层愈合情况	克罗恩病患者在接受英夫利昔单抗治疗后的分层愈合情况	计算机视觉	消化系统疾病	深度学习放射组学	深度学习模型	图像	246名克罗恩病患者，分为训练组（141名）、测试组（61名）和验证组（44名）
12068	2024-11-19	Multimodality deep learning radiomics predicts pathological response after neoadjuvant chemoradiotherapy for esophageal squamous cell carcinoma 2024-Nov-15, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01851-0 PMID:39546168	研究论文	本研究开发并验证了一种利用CT、T2和DWI图像的深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	本研究创新性地结合了传统和深度学习放射组学特征，开发了一种多模态深度学习放射组学模型，显著提高了预测病理完全缓解的准确性	本研究仅在三个机构的患者数据上进行了验证，未来需要在更多样化的患者群体中进行进一步验证	开发和验证一种深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解	机器学习	食管癌	深度学习放射组学	深度学习模型	图像	151名食管鳞状细胞癌患者，其中63名达到病理完全缓解
12069	2024-11-19	Study on intelligent recognition of urban road subgrade defect based on deep learning 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72580-z PMID:39548115	研究论文	研究基于深度学习的城市道路路基缺陷智能识别	采用Faster R-CNN深度学习算法进行路基缺陷图像的目标检测、识别和分类，并通过比较不同改进版本的Faster R-CNN算法，确定最适合的版本	NA	实现城市道路路基病害的智能识别	城市道路路基缺陷	计算机视觉	NA	地质雷达	Faster R-CNN	图像	多层复合结构模型和现场测量数据
12070	2024-11-19	Deep active learning for multi label text classification 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79249-7 PMID:39548182	研究论文	本文提出了一种基于贝叶斯深度学习和期望置信度的深度主动学习方法，用于多标签文本分类	本文首次将主动学习应用于深度多标签分类模型，并提出了一种新的基于期望置信度的获取函数	NA	提高多标签文本分类模型的训练效率	多标签文本分类模型	自然语言处理	NA	贝叶斯深度学习	BERT	文本	NA
12071	2024-11-19	A highly efficient tunnel lining crack detection model based on Mini-Unet 2024-Nov-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79919-6 PMID:39548331	研究论文	本文提出了一种基于Mini-Unet的高效隧道衬砌裂缝检测模型	通过改进Unet架构并使用深度可分离卷积（DSConv）替代部分标准卷积层，实现了轻量级且高效的裂缝检测	NA	提高隧道衬砌裂缝检测的准确性和效率	隧道衬砌裂缝	计算机视觉	NA	深度学习	Mini-Unet	图像	NA
12072	2024-11-19	Integrating radiomic and 3D autoencoder-based features for Non-Small Cell Lung Cancer survival analysis 2024-Nov-08, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108496 PMID:39551025	研究论文	本研究旨在开发一种基于放射组学和深度学习的生存分析特征，用于非小细胞肺癌患者的生存预测	本研究创新性地结合了放射组学特征和基于3D卷积自编码器的深度学习特征，用于非小细胞肺癌患者的生存分析	本研究仅使用了“Lung1”数据集中的422名患者数据，样本量有限，可能影响结果的泛化能力	开发一种新的生存分析特征，用于提高非小细胞肺癌患者的生存预测准确性	非小细胞肺癌患者的生存分析	计算机视觉	肺癌	3D卷积自编码器	自编码器	图像	422名非小细胞肺癌患者
12073	2024-11-19	Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP 2024-Nov, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2024.10456/2024 PMID:38832589	综述	本文综述了人工智能在胆胰内镜（如EUS和ERCP）中的最新进展	探讨了深度学习模型在胆胰内镜中的应用潜力，如胆管狭窄的光学表征和胰腺病变的检测与分类	NA	全面概述人工智能在胆胰内镜中的现状，强调技术进步、主要应用、伦理考虑及未来研究与临床实施的方向	人工智能在胆胰内镜中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	NA
12074	2024-11-19	Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics 2024-Nov, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17053 PMID:39383323	研究论文	本文研究了使用深度学习捕捉植物叶片形状，并通过几何形态测量法进行验证	本文结合了几何形态测量法和深度学习，评估了深度学习在捕捉叶片形状变化方面的有效性	深度学习模型固有的“黑箱”问题使得捕捉叶片变化的重复性具有挑战性	评估深度学习在捕捉叶片形状方面的有效性，并结合几何形态测量法提供形状信息的深入见解	Ranunculus auricomus 叶片的形状变化	计算机视觉	NA	几何形态测量法	神经网络	图像	Ranunculus auricomus 叶片的原位和压制后的图像数据集
12075	2024-11-19	DMFGAN: a multifeature data augmentation method for grape leaf disease identification 2024-Nov, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17042 PMID:39446313	研究论文	提出了一种深度可分离多特征生成对抗网络（DMFGAN）用于增强葡萄叶病害数据	设计了基于四通道特征融合策略的多特征提取块（MFEB），改进了生成图像质量；设计了基于深度的D-判别器，提高了判别能力并减少了模型参数；使用SeLU激活函数替代DCGAN激活函数，解决了DCGAN激活函数无法充分拟合葡萄叶病害图像数据的问题；提出了带有梯度惩罚项的MFLoss函数，减少了生成对抗网络训练过程中的模式崩溃	NA	增强葡萄叶病害数据，提高病害识别的准确性和多样性	葡萄叶病害图像数据	计算机视觉	葡萄病害	生成对抗网络（GAN）	深度可分离多特征生成对抗网络（DMFGAN）	图像	NA
12076	2024-11-19	InterLabelGO+: unraveling label correlations in protein function prediction 2024-Nov-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae655 PMID:39499152	研究论文	本文介绍了一种名为InterLabelGO+的混合方法，用于改进蛋白质功能预测	InterLabelGO+结合了深度学习方法和基于比对的方法，并引入了一种新的损失函数来处理标签依赖性和不平衡问题	NA	开发自动化计算方法以提高蛋白质功能预测的准确性	蛋白质功能预测	机器学习	NA	深度学习	深度学习模型	蛋白质序列	NA
12077	2024-11-19	Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App 2024-Nov-01, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/50631 PMID:39486021	研究论文	评估基于深度学习的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性	开发了一种基于深度学习的AI应用程序，实现了Cobb角度测量的完全自动化，减少了医生测量带来的观察者间变异性	NA	评估新开发的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性	脊柱侧弯患者的Cobb角度测量	计算机视觉	脊柱侧弯	深度学习	NA	图像	601名脊柱侧弯儿童的802张脊柱X光片
12078	2024-11-19	Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention 2024-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.21.619560 PMID:39484541	研究论文	本文提出了一种名为SHARP的方法，用于增强Hi-C数据的分辨率，通过信号分解和多尺度注意力机制克服了传统深度学习方法中的人工结构问题	SHARP方法通过将数据分解为三种信号类型，并仅对第三种信号应用深度学习，避免了传统方法中的人工结构问题。同时，SHARP结合了局部和全局注意力机制，以捕捉多尺度的上下文信息	NA	提高Hi-C数据的分辨率，并避免在增强过程中产生人工结构	Hi-C数据中的高分辨率特征	生物信息学	NA	深度学习	注意力机制	Hi-C数据	包括新样本和另一物种的数据
12079	2024-11-19	Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning 2024-Oct, SAR and QSAR in environmental research IF:2.3Q3 DOI:10.1080/1062936X.2024.2419911 PMID:39512118	研究论文	研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制	整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响	NA	阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持	BACE1蛋白、抑制剂OV6和4B2	分子动力学	阿尔茨海默病	高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法	深度学习	分子动力学轨迹	NA
12080	2024-11-19	Machine learning-based prediction of off-pump coronary artery bypass grafting-associated acute kidney injury 2024-Jul-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-711 PMID:39144311	研究论文	本研究旨在基于机器学习方法建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型	本研究创新性地结合了术前和术中数据，通过迁移学习和特征融合，提高了预测模型的准确性	本研究的数据来源于单一医院，样本量有限，可能影响模型的普适性	建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型	非体外循环冠状动脉搭桥术相关急性肾损伤	机器学习	心血管疾病	机器学习	梯度提升决策树（GBDT）	时间序列数据	1,041名患者