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
13561	2024-10-30	Deep learning improves test-retest reproducibility of regional strain in echocardiography 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyae092 PMID:39449961	研究论文	本研究评估了一种基于点跟踪的全自动深度学习方法在超声心动图区域应变测量中的重复性	提出了一种新的全自动深度学习方法，显著提高了区域应变测量的重复性	NA	评估深度学习方法在超声心动图区域应变测量中的重复性	区域纵向应变（RLS）在冠状动脉灌注区域（RLSTerritory）和左心室基底至心尖水平（RLSLevel）的测量重复性	计算机视觉	心血管疾病	深度学习	NA	图像	80名受试者（40名对照组和40名疑似非ST段抬高型急性冠脉综合征患者）
13562	2024-10-29	Harnessing deep learning and statistical shape modelling for three-dimensional evaluation of joint bony morphology 2024-Oct, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70070 PMID:39463464	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13563	2024-10-30	From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning 2024-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405404 PMID:39206846	研究论文	本文提出了一种基于图神经网络的深度学习模型Dynaformer，用于预测蛋白质-配体结合亲和力，并通过分子动力学模拟数据进行训练	本文创新性地利用分子动力学模拟数据来捕捉蛋白质-配体相互作用的动态特性，从而提高结合亲和力预测的准确性	NA	提高蛋白质-配体结合亲和力预测的准确性，加速早期药物发现过程	蛋白质-配体复合物的结合亲和力	机器学习	NA	分子动力学模拟	图神经网络	分子动力学轨迹数据	3218个不同的蛋白质-配体复合物
13564	2024-10-30	Dynamic entrainment: A deep learning and data-driven process approach for synchronization in the Hodgkin-Huxley model 2024-Oct-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0219848 PMID:39470595	研究论文	本文利用Hodgkin-Huxley模型和深度学习方法，提出了一种动态同步技术，以维持神经元系统的同步状态	引入了一种名为“动态同步”的创新技术，结合深度学习方法和数据驱动过程，以动态维持系统的同步状态	NA	研究动态系统中的共振和同步现象，特别是生物系统中的这些现象	Hodgkin-Huxley模型描述的神经元动作电位的传播	机器学习	NA	深度学习	NA	模型输出数据	NA
13565	2024-10-30	Coati optimization algorithm based Deep Convolutional Forest method for prediction of atmospheric and oceanic parameters 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73811-z PMID:39333748	研究论文	提出了一种基于Coati优化算法的深度卷积森林方法，用于预测大气和海洋参数	引入Coati优化算法训练深度卷积森林分类器，以提高海洋表面温度异常预测的精度	NA	提高海洋表面温度预测的精度，特别是在高精度区域	海洋表面温度异常及相关变量	机器学习	NA	深度卷积森林	深度卷积森林	数值数据	历史数据范围为1到10天，涉及六个不同地点
13566	2024-10-30	Forecasting dominance of SARS-CoV-2 lineages by anomaly detection using deep AutoEncoders 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.24.563721 PMID:37961168	研究论文	提出了一种基于深度自动编码器的异常检测系统DeepAutoCoV，用于预测SARS-CoV-2未来主导的变异株	使用深度学习方法进行无监督异常检测，能够提前数周预测SARS-CoV-2的主导变异株，并提供可解释的结果	NA	预测SARS-CoV-2未来主导的变异株，优化公共卫生干预策略	SARS-CoV-2的变异株及其在GISAID数据库中的频率	机器学习	COVID-19	深度学习	自动编码器	序列数据	超过1600万条Spike蛋白序列，采样时间约为4年
13567	2024-10-30	Forecasting dominance of SARS-CoV-2 lineages by anomaly detection using deep AutoEncoders 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae535 PMID:39446192	研究论文	本文提出了一种基于深度自动编码器的异常检测系统DeepAutoCoV，用于预测SARS-CoV-2未来主导的变异株	DeepAutoCoV能够以极低的频率（0.01%-3%）成功标记未来主导的变异株，并提供4-17周的中位数提前时间，预测效果比基线方法好5到25倍	NA	预测SARS-CoV-2未来主导的变异株	SARS-CoV-2的变异株及其主导趋势	机器学习	COVID-19	深度学习	自动编码器	基因序列	超过1600万条Spike蛋白序列，采样时间约为4年
13568	2024-10-30	Biotechnological studies towards improvement of finger millet using multi-omics approaches 2024-Sep-02, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-024-01438-4 PMID:39218842	研究论文	本文探讨了利用多组学方法改进手指谷子的生物技术研究	本文首次系统性地结合多组学技术和人工智能技术，以加速对手指谷子的研究	目前对手指谷子的多组学研究仍然有限，缺乏现代工具	旨在通过多组学方法改进手指谷子的遗传资源，以应对全球饥饿和环境挑战	手指谷子	NA	NA	多组学技术	NA	基因组数据	NA
13569	2024-10-30	Ultra-low dose chest CT with silver filter and deep learning reconstruction significantly reduces radiation dose and retains quantitative information in the investigation and monitoring of lymphangioleiomyomatosis (LAM) 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10649-z PMID:38388717	研究论文	研究银滤波器和深度学习重建算法在淋巴管平滑肌瘤病（LAM）患者胸部CT扫描中降低辐射剂量的效果	使用银滤波器和深度学习重建算法显著降低了胸部CT扫描的辐射剂量，同时保持了量化信息的准确性	研究样本量较小，仅在一个中心进行，且仅针对LAM患者	探讨银滤波器和深度学习重建算法在LAM患者胸部CT扫描中降低辐射剂量的可行性	LAM患者的胸部CT扫描图像	计算机视觉	肺部疾病	深度学习重建	深度学习模型	图像	60名LAM患者
13570	2024-10-30	Automated inversion time selection for late gadolinium-enhanced cardiac magnetic resonance imaging 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10630-w PMID:38337070	研究论文	开发并分享一种深度学习方法，用于从多厂商、多机构和多场强的反转扫描序列中准确识别最佳反转时间	开发了一种结合卷积神经网络和长短期记忆网络的深度学习模型，能够在多厂商数据上高精度地识别最佳反转时间，并应用于未见过的外部数据	模型在训练数据中占比较高的厂商数据上表现最佳，不同厂商的性能存在差异	开发一种自动选择最佳反转时间的工具，以提高晚期钆增强心脏磁共振成像的效率和一致性	多厂商、多机构和多场强的反转扫描序列	计算机视觉	NA	深度学习	卷积神经网络和长短期记忆网络	图像	1136例1.5-T和3-T心脏MRI检查
13571	2024-10-30	Knee landmarks detection via deep learning for automatic imaging evaluation of trochlear dysplasia and patellar height 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10596-9 PMID:38337072	研究论文	本文开发并验证了一种基于深度学习的自动测量膝关节磁共振成像中髌股不稳定指数的方法	提出了一种基于U-Net网络的自动检测膝关节标志点的方法，用于评估髌骨高度和滑车发育不良	NA	开发和验证一种基于深度学习的自动测量髌股不稳定指数的方法	膝关节磁共振成像中的髌骨高度和滑车发育不良	计算机视觉	膝关节疾病	深度学习	U-Net	图像	763个膝关节MRI切片，来自95名患者，标注了3393个解剖标志点
13572	2024-10-30	Utilizing fully-automated 3D organ segmentation for hepatic steatosis assessment with CT attenuation-based parameters 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10660-4 PMID:38393403	研究论文	研究利用全自动3D器官分割技术评估肝脂肪变性，通过CT衰减参数进行分析	本文创新性地使用全自动3D器官分割技术来提取CT衰减参数，用于评估肝脂肪变性	研究为回顾性分析，样本量有限，且未涵盖所有可能的临床情况	探讨全自动3D器官分割技术在评估肝脂肪变性中的临床应用	研究对象为362名成年潜在活体肝移植供体，分析其腹部CT扫描和磁共振波谱-质子密度脂肪分数（MRS-PDFF）	数字病理学	肝病	CT扫描	深度学习	图像	362名成年潜在活体肝移植供体
13573	2024-10-30	Artificial intelligence-assisted double reading of chest radiographs to detect clinically relevant missed findings: a two-centre evaluation 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10676-w PMID:38466390	研究论文	评估一种人工智能辅助的双重读片系统，用于检测常规胸部X光片中临床相关的遗漏发现	使用人工智能软件作为报告授权后的二次读片，以减少诊断错误，同时不中断放射科医生的读片流程	人工智能检测到的差异数量较多，需要放射科医生进行相关性评估	评估人工智能辅助的双重读片系统在检测常规胸部X光片中临床相关遗漏发现的有效性	胸部X光片及其放射科报告	计算机视觉	NA	深度学习和自然语言处理算法	深度学习	图像	25,104张胸部X光片，涉及21,039名患者（平均年龄61.1岁，标准差16.2，其中10,436名为男性）
13574	2024-10-30	A predictive approach for host-pathogen interactions using deep learning and protein sequences 2024-Sep, Virusdisease DOI:10.1007/s13337-024-00882-x PMID:39464732	研究论文	本文提出了一种利用深度学习和蛋白质序列预测宿主-病原体相互作用的方法	使用深度学习方法和mMKGap算法提取特征，结合Negatome数据库生成负样本，显著提高了预测准确性	NA	开发一种高效且准确的计算方法来预测宿主-病原体相互作用	宿主-病原体相互作用	机器学习	NA	深度学习	CNN	蛋白质序列	三个平衡的人类-病原体数据集，采用10折交叉验证
13575	2024-10-30	Radar-Based Fall Detection: A Survey 2024-Sep, IEEE robotics & automation magazine IF:5.4Q1 DOI:10.1109/MRA.2024.3352851 PMID:39465183	综述	本文深入分析了基于雷达的跌倒检测技术，重点介绍了微多普勒、距离多普勒和距离多普勒角度技术	强调了深度学习在处理复杂特征和大型非结构化数据集方面的优势，并探讨了其在雷达跌倒检测中的应用潜力	需要明确跌倒的定义和适当的检测标准，并考虑多种影响因素	旨在填补当前研究的空白，并强调未来研究策略和实际应用的可能性	基于雷达的跌倒检测技术及其在老年人等高风险人群中的应用	计算机视觉	老年病	雷达技术	CNN和RNN	雷达信号	74篇自2000年以来发表的研究文章
13576	2024-10-30	A review on advancements in feature selection and feature extraction for high-dimensional NGS data analysis 2024-Aug-19, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-024-01415-x PMID:39158621	综述	本文综述了用于高维NGS数据分析的特征选择和特征提取技术的最新进展	本文系统比较了统计学、机器学习和深度学习方法在高维NGS数据特征选择和提取中的应用	本文主要基于文献综述，未提供具体的实验数据或模型评估	探讨高维NGS数据分析中特征选择和提取技术的应用	高维NGS数据和微阵列数据	生物信息学	NA	NGS	NA	基因组学、转录组学、蛋白质组学和宏基因组学数据	NA
13577	2024-10-30	Echocardiographic Detection of Regional Wall Motion Abnormalities Using Artificial Intelligence Compared to Human Readers 2024-Jul, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2024.03.017 PMID:38556038	研究论文	本文研究了使用深度学习模型检测心脏区域壁运动异常（RWMA），并将其与专家和新手读者的准确性进行比较	本文首次使用深度学习模型检测RWMA，并发现其准确性与专家相当，甚至优于大多数新手	深度学习模型在某些区域的F1分数低于专家，尤其是在前间隔区域	开发一种深度学习模型用于评估RWMA，并比较其与专家和新手读者的准确性	心脏区域壁运动异常（RWMA）的检测	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	视频	15,746例经胸超声心动图研究，包括25,529个心尖视频
13578	2024-10-30	Deep Learning Models Used in the Diagnostic Workup of Keratoconus: A Systematic Review and Exploratory Meta-Analysis 2024-Jul-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000003467 PMID:38300179	综述	本文系统回顾和探索性元分析了深度学习模型在圆锥角膜诊断中的应用	深度学习在提高医学影像解读的准确性和速度方面具有巨大潜力	研究质量总体有限，主要由于患者选择报告不充分和使用不充分的参考标准	评估深度学习算法在圆锥角膜诊断中的表现	圆锥角膜的诊断	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	19项研究纳入定性综合，10项研究纳入探索性元分析
13579	2024-10-30	Deep learning-based prediction of compressive strength of eco-friendly geopolymer concrete 2024-Jun, Environmental science and pollution research international DOI:10.1007/s11356-024-33853-2 PMID:38844634	研究论文	本文利用深度长短期记忆网络模型预测环保型地质聚合物混凝土的抗压强度	本文首次采用深度长短期记忆网络模型来预测环保型地质聚合物混凝土的抗压强度，并与其他回归模型进行了比较	本文仅限于预测环保型地质聚合物混凝土的抗压强度，未涉及其他性能指标	研究如何利用深度学习技术提高环保型地质聚合物混凝土抗压强度的预测精度	环保型地质聚合物混凝土的抗压强度	机器学习	NA	深度学习	LSTM	数值数据	未明确提及具体样本数量
13580	2024-10-30	Applications of Artificial Intelligence, Machine Learning, and Deep Learning in Nutrition: A Systematic Review 2024-Apr-06, Nutrients IF:4.8Q1 DOI:10.3390/nu16071073 PMID:38613106	综述	本文综述了人工智能、机器学习和深度学习在营养科学中的应用	本文通过系统性文献回顾方法，全面调查了AI在营养科学中的现状，并探讨了其潜在应用和未来方向	本文主要基于文献回顾，未进行实际实验或数据分析	旨在全面了解AI、ML和DL在营养科学中的应用现状，并指出未来的挑战和方向	AI在营养科学中的应用，包括智能个性化营养、饮食评估、食物识别与追踪、疾病预防的预测建模以及疾病诊断与监测	机器学习	NA	机器学习、深度学习	NA	NA	NA