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
13141	2024-08-05	Explainable artificial intelligence (XAI) for predicting the need for intubation in methanol-poisoned patients: a study comparing deep and machine learning models 2024-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66481-4 PMID:38977750	研究论文	本研究评估了解释性人工智能（XAI）在预测甲醇中毒患者插管必要性中的有效性	本研究比较了深度学习和机器学习模型在预测插管需求方面的表现，并强调了解释性人工智能的重要性	研究仅使用了来自伊朗德黑兰Loghman Hakim医院的数据，可能限制了结果的普遍适用性	本研究的目的是评估解释性人工智能在甲醇中毒患者插管需求预测中的应用	研究对象为897名甲醇中毒患者的记录，其中包括需要插管的202例和不需要插管的695例	机器学习	NA	机器学习（ML）和深度学习（DL）	支持向量机（SVM）、极端梯度提升（XGB）、决策树（DT）、随机森林（RF）、深度神经网络（DNN）、前馈神经网络（FNN）、长短时记忆网络（LSTM）、卷积神经网络（CNN）	患者记录数据	897名患者记录
13142	2024-08-05	Integrating lipid metabolite analysis with MRI-based transformer and radiomics for early and late stage prediction of oral squamous cell carcinoma 2024-Jul-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12533-x PMID:38961418	研究论文	本研究旨在利用MRI和生化指标预测口腔鳞状细胞癌（OSCC）的肿瘤分期	结合了放射组学、ViT模型和脂质代谢物分析，提供了一种有前景的非侵入性技术用于OSCC分期预测	模型在验证队列中单用影像技术时AUC为0.85，虽然融合生化指标后提高到了0.87，但仍需更多的临床验证	探讨如何通过MRI和生化指标来提高口腔鳞状细胞癌的分期预测	198名来自两个医疗中心的OSCC患者	数字病理学	口腔癌	生化指标分析、MRI	Vision Transformer（ViT）	医学影像、生化数据	198名患者
13143	2024-08-05	Heterogeneous selectivity and morphological evolution of marine clades during the Permian-Triassic mass extinction 2024-Jul, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-024-02438-0 PMID:38862784	研究论文	该文章评估了二叠纪-三叠纪大灭绝期间形态差异和灭绝选择性的动态。	提出了一种名为DeepMorph的自动化方法，利用深度学习模型从化石图像中提取形态特征。	研究可能仅局限于特定的六个海洋类群，未能覆盖更多类群的形态选择性。	探讨二叠纪-三叠纪大灭绝中形态差异与灭绝选择性的关系。	涉及599个属的六个海洋类群。	数字病理学	NA	深度学习	深度学习模型	图像	599个属
13144	2024-08-04	Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis 2024-Jun, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2024.101840 PMID:38548062	meta-analysis	本文对深度学习放射组学在口腔鳞状细胞癌中的应用进行了系统评估	总结和分析了深度学习放射组学在口腔鳞状细胞癌诊断及预后预测中的最新进展	指出了目前深度学习放射组学的缺点及其未来发展方向	评估深度学习放射组学在口腔鳞状细胞癌中的应用	包括64,731张医学图像的26项研究	digital pathology	口腔鳞状细胞癌	深度学习	NA	医学图像	64,731张医学图像
13145	2024-08-04	GraphsformerCPI: Graph Transformer for Compound-Protein Interaction Prediction 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00609-y PMID:38457109	研究论文	本文提出了一种名为GraphsformerCPI的深度学习框架，用于预测化合物与蛋白质的相互作用	通过引入结构增强的自注意力机制和双重注意力机制，显著提高了预测性能和可解释性	文章未提及具体的限制条件	研究旨在提高化合物-蛋白质相互作用预测的准确性和可解释性	研究对象为化合物及其与蛋白质之间的相互作用	计算机视觉	NA	深度学习	Transformer	结构化数据	多个数据集，包括人类、秀丽隐杆线虫、Davis和KIBA数据集
13146	2024-08-04	ResDeepSurv: A Survival Model for Deep Neural Networks Based on Residual Blocks and Self-attention Mechanism 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00617-y PMID:38489147	研究论文	本文提出了一种基于残差块和自注意力机制的生存模型ResDeepSurv，用于生存分析	该模型结合了神经网络的优势和Cox比例风险回归模型，不需要严格的生存数据基本分布假设	模型可能对非常复杂的风险函数仍然可能存在限制	旨在提供一种提高生存分析性能的新方法	探讨患者协变量与疾病之间的关系及治疗策略的有效性	机器学习	NA	深度学习	残差网络	临床数据	多个公共临床数据集
13147	2024-08-04	GEnDDn: An lncRNA-Disease Association Identification Framework Based on Dual-Net Neural Architecture and Deep Neural Network 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00619-w PMID:38733474	研究论文	本文提出了一种基于深度学习的lncRNA-疾病关联预测框架GEnDDn	GEnDDn结合相似性计算、非负矩阵分解和图注意自编码器提取特征，并通过双网神经架构和深度神经网络进行分类，从而创新性地识别lncRNA-疾病关联	需要进一步的生物医学实验验证以确认结果	识别新的lncRNA-疾病关联，从而更好地理解疾病机制及为癌症靶向治疗和抗癌药物设计提供见解	主要研究lncRNA及其与疾病的关联	数字病理学	肺癌	深度学习	双网神经架构	NA	使用了六种不同的评估指标验证了GEnDDn在四种竞争性lncRNA-疾病关联识别方法上的优越性，并在lncRNADisease和MNDR数据库进行了五折交叉验证
13148	2024-08-05	Automating Linear and Angular Measurements for the Hip and Knee After Computed Tomography: Validation of a Three-Stage Deep Learning and Computer Vision-Based Pipeline for Pathoanatomic Assessment 2024-Jun, Arthroplasty today IF:1.5Q3 DOI:10.1016/j.artd.2024.101394 PMID:39071819	研究论文	本研究展示了一种可重复和可扩展的方法，用于分析基于CT的解剖学，以处理髋部和膝部的测量。	开发了一个三阶段的深度学习和计算机视觉管道，能够自动识别和测量髋膝解剖特征。	未提及具体的临床参数整合方法及其对结果的影响。	研究旨在提高CT图像处理的有效性，以改善围手术期的规划和执行。	研究对象为100名接受全膝关节置换术的骨关节炎患者，其预处理的CT扫描数据。	计算机视觉	骨关节炎	深度学习	UNet3+和Attention U-Net	CT图像	100个预处理的CT扫描
13149	2024-08-05	Self-Trained Convolutional Neural Network (CNN) for Tuberculosis Diagnosis in Medical Imaging 2024-Jun, Cureus DOI:10.7759/cureus.63356 PMID:39070319	研究论文	本文提出了一种基于卷积神经网络（CNN）的深度学习方法，以提高胸部X光图像中结核病的检测率	文章展示了自训练CNN在检测结核病方面的优势，相较于多种预训练模型的迁移学习，优化了结果	后续工作需重点优化模型，并从本地医院和易感地区获取更大规模的数据集	提高结核病的早期准确检测以促进有效治疗和减少传播	研究对象为包含结核病证据的胸部X光图像以及正常图像	计算机视觉	结核病	深度学习	卷积神经网络（CNN）	图像	7000张胸部X光图像（其中3500张为结核病证据，3500张为正常）
13150	2024-08-05	Bibliometric Analysis and Visualization of Scientific Literature on Heart Disease Classification Using a Logistic Regression Model 2024-Jun, Cureus DOI:10.7759/cureus.63337 PMID:39070375	研究论文	本研究通过文献计量分析调查了心脏病分类中使用逻辑回归模型的研究生产力	揭示了心脏病分类领域的研究模式和未来趋势，强调了重要的研究团队和国家	研究只考虑了来自Scopus的数据，排除了其他数据库的文献，并且仅关注2019年后的开发	探讨心脏病分类中逻辑回归模型的研究生产力和影响力	心脏病分类相关的科学文献	机器学习	心脏病	逻辑回归	NA	文献	2331篇文献
13151	2024-08-05	A large-scale assessment of sequence database search tools for homology-based protein function prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae349 PMID:39038936	研究论文	本文评估了不同序列数据库搜索工具在基于同源性的蛋白质功能预测中的效果	提出新的评分函数以改进基于同源性匹配的GO预测，并验证了搜索参数的重要性	没有探讨所有可能的顺序搜索工具和参数组合	探讨如何选择最佳序列搜索工具及其参数以提高蛋白质功能预测	主要研究热门的序列搜索工具对蛋白质功能预测的影响	机器学习	NA	序列数据库搜索	NA	基准数据集	大规模基准数据集
13152	2024-08-05	Comprehensive single-cell RNA-seq analysis using deep interpretable generative modeling guided by biological hierarchy knowledge 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae314 PMID:38960404	研究论文	提出了一种名为d-scIGM的深度可解释生成模型，用于单细胞RNA-seq数据分析	d-scIGM结合锯齿连接技术和残差网络，构建了一个深度生成框架，并结合生物领域的层次性先验知识提高了模型的可解释性	大部分以往的生成模型工作局限于一到三层潜在变量的浅层神经网络	探索如何通过深度学习分析单细胞转录组数据并增加模型的可解释性	单细胞RNA-seq数据	数字病理学	黑色素瘤	RNA-seq	深度生成模型	基因表达数据	包含大规模实验的数据集
13153	2024-08-04	Development and validation of a deep learning model to predict axial length from ultra-wide field images 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02885-2 PMID:38102471	研究论文	本研究验证了通过超广角图像构建深度学习模型以预测中等至高度近视患者的轴长的可行性	创新点在于利用深度学习模型从超广角图像中高精度预测轴长	性别特异模型在男性和女性数据集中的表现存在显著差异	研究目的是开发和验证深度学习模型用于预测中等和高度近视患者的轴长	研究对象为2014年至2020年期间的3134例近视患者的6174幅超广角图像	计算机视觉	近视	深度学习	NA	图像	共6174幅超广角图像，来自3134名患者
13154	2024-08-04	Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02914-0 PMID:38238576	综述	本综述系统评估了使用深度学习技术分析眼底图像以预测全身性疾病的研究。	提供了对现有研究的系统性评估，并提出了改进临床适用性的方法建议	许多研究报告的不透明，样本量和缺失数据处理不足，且大部分模型在临床中未被实际应用	评估眼底图像及深度学习在预测全身性疾病中的表现，并促进临床实践的转化	系统性疾病的参数和状况，主要是通过眼底图像进行预测	数字病理学	糖尿病及相关疾病	深度学习	NA	眼底图像	31篇研究
13155	2024-08-07	Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS) 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02877-2 PMID:38135772	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13156	2024-08-07	Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)' 2024-May, Eye (London, England) DOI:10.1038/s41433-023-02878-1 PMID:38135773	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13157	2024-08-04	Magnetic resonance imaging-based bone imaging of the lower limb: Strategies for generating high-resolution synthetic computed tomography 2024-04, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25707 PMID:37807082	研究论文	本研究旨在评估生成适用于骨科护理的高分辨率磁共振成像（MRI）基础的合成计算机断层扫描（sCT）图像的方法	提出了使用低分辨率数据生成高分辨率sCT图像的新方法	使用低分辨率CT数据训练模型导致产生的sCT图像模糊	研究低分辨率CT数据在生成高分辨率sCT中的应用	针对三个解剖区域的MRI和CT配对数据	数字病理学	NA	深度学习	NA	MRI和CT数据	三种解剖区域的数据（高分辨率的膝盖和踝关节数据，以及低分辨率的髋关节数据）
13158	2024-08-04	Development of an automated estimation of foot process width using deep learning in kidney biopsies from patients with Fabry, minimal change, and diabetic kidney diseases 2024-01, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2023.09.011 PMID:37774924	研究论文	本文开发了一种使用深度学习自动估计足突宽度的技术，用于患者的肾脏活检。	创新点在于开发了一种基于深度学习的自动化FPW估计技术，并通过云应用使其易于访问。	当前研究只使用了有限数量的患者样本，未涵盖所有类型的肾脏疾病。	研究旨在提高肾脏疾病中足突宽度的测量效率和可获取性。	研究对象为来自Fabry病、2型糖尿病、最小变病和正常个体的肾脏活检图像。	数字病理学	肾脏疾病	深度学习	U-Net	电子显微镜图像	56名Fabry病患者，15名2型糖尿病患者，10名最小变病患者和17名正常个体
13159	2024-08-05	Performance Investigation of Somfit Sleep Staging Algorithm 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S463026 PMID:39071546	研究论文	研究了新型家用睡眠监测设备Somfit的睡眠分期算法的准确性	提出了一种基于卷积神经网络架构的Somfit深度学习睡眠分期算法	研究中仅限于睡眠监测设备的准确性验证，未包含其他可能影响的因素	探讨Somfit睡眠分期算法在家用睡眠监测设备中的准确性	110名有阻塞性睡眠呼吸暂停症状的参与者	数字病理学	阻塞性睡眠呼吸暂停	无创监测技术	卷积神经网络 (CNN)	多导睡眠监测数据	110名参与者
13160	2024-08-05	A cutting-edge deep learning-and-radiomics-based ultrasound nomogram for precise prediction of axillary lymph node metastasis in breast cancer patients ≥ 75 years 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1323452 PMID:39072273	研究论文	本研究旨在开发一种基于深度学习和放射组学的超声命名法，以评估75岁及以上乳腺癌患者腋窝淋巴结转移风险	本研究结合深度学习与放射组学，提出了一种新的超声命名法，极大提升了预测腋窝淋巴结转移的准确性	样本仅限于接受哨兵淋巴结活检或腋窝淋巴结清扫的患者，可能影响结果的普适性	研究旨在提高75岁及以上乳腺癌患者腋窝淋巴结转移预测的准确性	研究对象为75岁及以上的乳腺癌患者	数字病理学	乳腺癌	超声, 深度学习	DenseNet-201	图像	75岁及以上乳腺癌患者，具体样本数量未提及