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
13081	2024-10-29	An Artificial Intelligence Analysis of Electrocardiograms for the Clinical Diagnosis of Cardiovascular Diseases: A Narrative Review 2024-Feb-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13041033 PMID:38398346	综述	本文综述了人工智能在心血管疾病临床诊断中应用心电图分析的研究进展	本文介绍了深度学习方法在心电图分析中的应用，特别是卷积神经网络在识别无宏观心电图变化和预测多种心血管疾病方面的创新	主要限制包括数据可靠性问题、无法验证黑箱过程以及医疗法律和伦理问题	探讨人工智能在心血管疾病诊断中的应用及其局限性	心电图数据及其在心血管疾病诊断中的应用	机器学习	心血管疾病	深度学习	卷积神经网络	心电图	NA
13082	2024-10-29	shinyDeepDR: A user-friendly R Shiny app for predicting anti-cancer drug response using deep learning 2024-Feb-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100894 PMID:38370127	研究论文	介绍了一个名为shinyDeepDR的用户友好型R Shiny应用程序，用于使用深度学习模型预测抗癌药物反应	开发了一个用户友好的R Shiny应用程序，使深度学习模型DeepDR更容易被没有广泛编程经验的研究人员使用	NA	提高精准肿瘤学中治疗反应预测的准确性和模型的可访问性	抗癌药物敏感性的预测	机器学习	NA	深度学习	DeepDR	基因表达数据	265种已批准和研究中的抗癌化合物
13083	2024-10-29	TopoFormer: Multiscale Topology-enabled Structure-to-Sequence Transformer for Protein-Ligand Interaction Predictions 2024-Feb-09, Research square DOI:10.21203/rs.3.rs-3640878/v1 PMID:38405777	研究论文	提出了一种名为TopoFormer的多尺度拓扑结构到序列Transformer，用于蛋白质-配体相互作用预测	通过集成自然语言处理和多尺度拓扑技术，将复杂的3D蛋白质-配体复合物转换为拓扑不变量和同伦形状的序列，从而克服了传统Transformer在计算生物学中的局限	NA	解决计算生物学中Transformer模型忽略立体化学信息的问题，提高下游预测的准确性	蛋白质-配体相互作用	机器学习	NA	持久拓扑超图拉普拉斯（PTHL）	Transformer	结构数据	多个基准数据集
13084	2024-10-29	Leveraging Machine Learning Models for Peptide-Protein Interaction Prediction 2024-Feb-07, ArXiv PMID:37961736	综述	本文综述了近年来用于预测肽-蛋白质相互作用的机器学习和深度学习模型	本文介绍了机器学习模型在预测肽-蛋白质相互作用中的应用，相比传统计算方法，这些模型提供了更高的效率、准确性和可解释性	NA	综述机器学习和深度学习模型在预测肽-蛋白质相互作用中的应用	肽-蛋白质相互作用	机器学习	NA	机器学习	机器学习和深度学习模型	生物数据	NA
13085	2024-10-29	Personalized Deep Learning for Substance Use in Hawaii: Protocol for a Passive Sensing and Ecological Momentary Assessment Study 2024-Feb-07, JMIR research protocols IF:1.4Q3 DOI:10.2196/46493 PMID:38324375	研究论文	研究旨在通过Fitbit设备收集夏威夷原住民、菲律宾和太平洋岛民社区的生物信号数据，开发个性化深度学习模型以实时预测甲基苯丙胺的渴望事件	首次针对夏威夷原住民、菲律宾和太平洋岛民社区进行个性化AI模型开发，利用自监督学习方法优化模型性能	研究样本量较小，且仅限于特定社区，可能影响模型的普适性	探讨在夏威夷原住民、菲律宾和太平洋岛民社区中进行连续远程数字监测和生态瞬时评估的可行性，并开发个性化AI模型	夏威夷原住民、菲律宾和太平洋岛民社区的甲基苯丙胺使用和渴望预测	机器学习	NA	自监督学习	神经网络	生物信号	40名来自夏威夷原住民、菲律宾和太平洋岛民社区的个体
13086	2024-10-29	Integrating Artificial Intelligence for Drug Discovery in the Context of Revolutionizing Drug Delivery 2024-Feb-07, Life (Basel, Switzerland) DOI:10.3390/life14020233 PMID:38398742	研究论文	本文探讨了人工智能在药物发现中的多方面作用，包括药物输送设计、新药发现和新型AI技术的开发	本文介绍了人工智能在药物发现中的创新应用，包括目标识别、虚拟筛选和药物设计，并讨论了其在药物输送系统革命中的潜力	NA	探讨人工智能在药物发现中的应用及其对医疗保健的深远影响	人工智能在药物发现中的应用，包括药物输送设计、新药发现和药物组合识别	机器学习	NA	机器学习和深度学习	NA	NA	NA
13087	2024-10-29	Advancing Glaucoma Care: Integrating Artificial Intelligence in Diagnosis, Management, and Progression Detection 2024-Jan-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11020122 PMID:38391608	综述	本文综述了人工智能在青光眼诊断、管理和进展检测中的应用及其未来展望	人工智能技术在青光眼临床护理中的广泛应用，包括筛查、诊断、监测和治疗指导	临床整合、可用性、多样性和伦理问题仍需仔细考虑	探讨人工智能在青光眼护理中的应用及其未来发展	青光眼及其相关的人工智能技术	计算机视觉	眼科疾病	人工智能	NA	图像	NA
13088	2024-10-29	Enhancing Sample Utilization in Noise-Robust Deep Metric Learning With Subgroup-Based Positive-Pair Selection 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3482182 PMID:39437295	研究论文	提出了一种基于子群的正样本选择方法，用于增强深度度量学习中对噪声标签的鲁棒性	通过子群信息识别和利用噪声样本，构建可靠的正样本对，从而提高样本利用率	未提及	解决深度度量学习中噪声标签对模型性能的负面影响	噪声标签对深度度量学习的影响及解决方案	机器学习	NA	深度度量学习	NA	图像	涉及多个合成和真实世界的大规模标签噪声数据集
13089	2024-10-29	Deep learning-assisted ultrasonic diagnosis of cervical lymph node metastasis of thyroid cancer: a retrospective study of 3059 patients 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1204987 PMID:38390270	研究论文	本研究开发了一种深度学习系统，用于识别和区分甲状腺癌的转移性颈部淋巴结	使用Y-Net深度学习模型进行超声图像分割和分类，提高了转移性颈部淋巴结的分类准确性	研究为回顾性研究，且样本量有限，可能影响模型的泛化能力	开发一种深度学习系统，以提高甲状腺癌转移性颈部淋巴结超声图像的分类准确性	3059名疑似甲状腺癌转移性颈部淋巴结的患者	计算机视觉	甲状腺癌	深度学习	Y-Net	超声图像	3059名患者，包括1228个良性淋巴结和1284个转移性淋巴结
13090	2024-10-28	Deep-learning-assisted thermogalvanic hydrogel fiber sensor for self-powered in-nostril respiratory monitoring 2025-Jan-15, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2024.09.132 PMID:39288575	研究论文	本文介绍了一种基于深度学习辅助的热电水凝胶纤维传感器，用于自供电的鼻内呼吸监测	开发了一种自供电的鼻内水凝胶传感器，利用温度差异产生热电信号，并通过深度学习识别呼吸模式	NA	开发一种自供电的鼻内传感器，用于长期、无刺激、抗干扰的呼吸监测	呼吸模式监测	生物电子	NA	热电技术	深度学习	时间序列数据	NA
13091	2024-10-28	Current status and prospects of breast cancer imaging-based diagnosis using artificial intelligence 2024-Nov, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-024-02594-0 PMID:39297908	综述	本文综述了人工智能在乳腺癌影像诊断中的现状和前景	探讨了人工智能在乳腺癌影像诊断中的应用潜力，特别是机器学习和深度学习技术	尽管AI模型表现良好，但其整体利用率仍然较低，需要大量多样化的影像数据和前瞻性验证以证明其高重复性和鲁棒性	探讨人工智能在乳腺癌影像诊断中的应用现状和未来发展	乳腺癌影像诊断	计算机视觉	乳腺癌	机器学习, 深度学习	NA	影像	NA
13092	2024-10-28	Current status and prospects of artificial intelligence in breast cancer pathology: convolutional neural networks to prospective Vision Transformers 2024-Nov, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-024-02513-3 PMID:38619651	综述	本文综述了人工智能在乳腺癌病理学中的现状和前景，重点介绍了卷积神经网络和新兴的Vision Transformers在自动化病理任务中的应用	本文介绍了卷积神经网络和Vision Transformers在乳腺癌诊断中的应用，并探讨了其在提高病理服务效率和预测蛋白质表达、分子亚型、突变状态、治疗效果和预后方面的潜力	NA	探讨深度学习在乳腺癌诊断中的现状和前景	乳腺癌的病理学特征和诊断	数字病理	乳腺癌	深度学习	卷积神经网络和Vision Transformers	全切片图像	NA
13093	2024-10-28	Comparative Bladder Cancer Tissues Prediction Using Vision Transformer 2024-Oct-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01228-1 PMID:39455543	研究论文	本文比较了三种模型在膀胱癌组织预测中的性能，其中最佳模型为Vision Transformer	本文首次将Vision Transformer应用于膀胱癌组织预测，并取得了最佳性能	本文未详细讨论模型的泛化能力和在其他癌症类型中的适用性	开发计算机辅助决策支持系统以提高膀胱癌早期检测的准确性	膀胱癌组织	计算机视觉	膀胱癌	NA	Vision Transformer	图像	使用膀胱组织数据集进行评估
13094	2024-10-28	The differences in essential facial areas for impressions between humans and deep learning models: An eye-tracking and explainable AI approach 2024-Oct-25, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12744 PMID:39460393	研究论文	本研究通过实验和计算方法探讨了吸引力、支配性和性别二态性等面部印象的差异	本研究结合眼动追踪和可解释AI技术，揭示了人类和深度学习模型在面部印象评估中使用的不同特征	本研究主要集中在面部印象的评估，未涉及其他类型的印象或更广泛的社会认知研究	探讨人类和深度学习模型在面部印象评估中的差异	面部图像的吸引力、支配性和性别二态性	计算机视觉	NA	眼动追踪、深度学习	Grad-CAM	图像	涉及面部图像和参与者性别差异的实验数据
13095	2024-10-28	Deep learning resilience inference for complex networked systems 2024-Oct-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53303-4 PMID:39448566	研究论文	提出了一种名为ResInf的深度学习框架，用于复杂网络系统中的弹性推断	整合了transformer和图神经网络，无需预定义方程和简化假设，直接从观测数据中推断弹性	未提及	提高复杂网络系统中弹性推断的准确性和适用性	复杂网络系统的弹性	机器学习	NA	深度学习	transformer和图神经网络	观测数据	未提及
13096	2024-10-28	Accurate quantification of dislocation loops in complex functional alloys enabled by deep learning image analysis 2024-Oct-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74894-4 PMID:39448616	研究论文	本研究通过深度学习图像分析，实现了对离子辐照CrFeMnNi合金中位错环的精确量化	提出了一种高效的数据集准备指南，通过深度学习分析复杂微结构，解决了传统方法无法处理的大量重叠缺陷问题	NA	旨在通过透射电子显微镜（TEM）实验，对离子辐照CrFeMnNi合金中的位错环进行定量表征	离子辐照CrFeMnNi合金中的位错环	计算机视觉	NA	透射电子显微镜（TEM）	深度学习	图像	数千个重叠缺陷的TEM图像
13097	2024-10-28	Deep learning-based improved transformer model on android malware detection and classification in internet of vehicles 2024-Oct-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74017-z PMID:39448652	研究论文	本文提出了一种基于深度学习的改进Transformer模型，用于在互联网汽车中检测和分类Android恶意软件	本文的创新点在于结合了改进的Transformer模型和RNN模型，并使用二进制灰狼优化和蛇优化算法来选择最优特征子集和参数，以提高Android恶意软件的识别准确率	NA	本文的研究目的是提高互联网汽车中Android恶意软件的检测和分类准确性	本文的研究对象是互联网汽车中的Android恶意软件	机器学习	NA	深度学习	Transformer模型	数据	本文使用了基准数据集进行实验
13098	2024-10-28	XElemNet: towards explainable AI for deep neural networks in materials science 2024-Oct-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76535-2 PMID:39448747	研究论文	本文提出XElemNet，通过应用一系列可解释的人工智能（XAI）技术来探索ElemNet的可解释性	引入XElemNet，通过后验分析和模型透明性来提高ElemNet的可解释性	NA	探索深度学习模型在材料科学中的可解释性	ElemNet模型的可解释性	机器学习	NA	可解释的人工智能（XAI）技术	深度神经网络（DNN）	元素组成数据	人工二进制数据集
13099	2024-10-28	Use of Deep Learning to Identify Peripheral Arterial Disease Cases From Narrative Clinical Notes 2024-Oct-24, The Journal of surgical research IF:1.8Q2 DOI:10.1016/j.jss.2024.09.062 PMID:39454287	研究论文	本文探讨了使用深度学习从电子健康记录中的非结构化临床笔记中识别外周动脉疾病病例的方法	本文提出了一种基于深度学习的自然语言处理模型，用于识别外周动脉疾病病例，相较于传统的关键词搜索方法，该模型在所有性能指标上均表现更优	NA	开发一种更有效的方法来识别外周动脉疾病患者	外周动脉疾病病例	自然语言处理	外周动脉疾病	深度学习	BioMed-RoBERTa	文本	484,363次就诊记录，涉及71,355名患者，共2,268,062条笔记
13100	2024-10-28	Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction 2024-Oct-24, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.10.017 PMID:39455401	研究论文	比较深度学习（DL）和传统重建方法在腹部磁共振胆胰管成像中的应用，评估DL重建对图像质量和采集速度的改善效果	深度学习重建方法在腹部MRI中提高了信号噪声比（SNR）和对比噪声比（CNR），并显著提高了图像质量评分和稳定性	研究为回顾性分析，样本量有限，可能存在选择偏倚	评估深度学习重建方法在腹部MRI中的应用效果，旨在提高图像质量和缩短采集时间	124名接受腹部MRI检查的患者，分析其T2加权单次快速自旋回波MRI图像	计算机视觉	NA	深度学习	NA	图像	144名患者（平均年龄62.2±14.1岁，其中83名为男性）