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
13781	2024-08-05	Deep Learning-Based Localization and Orientation Estimation of Pedicle Screws in Spinal Fusion Surgery 2024-Jun, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e17 PMID:39021752	研究论文	本研究调查了基于深度学习的物体检测模型在脊柱融合手术中精确定位和方向估计的应用	使用YOLO物体检测框架和取向边界框(OBBs)来处理手术现场中非轴对齐仪器的挑战	尽管模型的精确度很高，但召回率显示出在捕捉所有存在仪器方面有轻微限制	探讨深度学习在脊柱固定手术中对外科仪器的定位与方向估计的应用	脊柱融合手术中使用的椎弓根螺钉的图像数据	计算机视觉	NA	YOLO	YOLOv8 OBB	图像	初始数据集为100张图像，通过数据增强扩展到300张图像
13782	2024-08-05	Insights about cervical lymph nodes: Evaluating deep learning-based reconstruction for head and neck computed tomography scan 2024-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2023.100534 PMID:39022614	研究论文	本研究旨在评估不同重建方法对头颈部癌症患者颈部淋巴结影像质量的影响	本研究采用深度学习图像重建（DLIR）技术，显示其在颈部淋巴结影像质量方面显著优于传统的重建算法	未提及特定的样本多样性和长期随访结果的局限性	研究不同重建技术对头颈部癌症患者的颈部淋巴结CT影像质量的影响	70名头颈部癌症患者	计算机视觉	头颈癌	双能量CT	深度学习图像重建（DLIR）	影像	70名头颈部癌症患者
13783	2024-08-05	Exploring the Methodological Approaches of Studies on Radiographic Databases Used in Cariology to Feed Artificial Intelligence: A Systematic Review 2024, Caries research IF:2.9Q1 DOI:10.1159/000536277 PMID:38342096	系统评价	本研究系统评价了用于计算机辅助诊断的牙科放射数据库的不同方法论方法	提出了标准化指南以提高研究的可重复性和结果的普遍适用性	大多数研究为单中心研究，且仅有9%的研究在评估模型性能时使用了外部测试集	评估使用放射数据库进行龋齿分类、检测和分割的机器学习与深度学习研究的方法论	关注机器学习和深度学习在龋齿检测中的应用研究	计算机视觉	龋齿	卷积神经网络	卷积神经网络	牙科放射图像	涉及的样本大小范围为95到38437
13784	2024-08-05	Effect of dexamethasone pretreatment using deep learning on the surgical effect of patients with gastrointestinal tumors 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304359 PMID:39018292	研究论文	探讨深度学习在胃肠肿瘤手术麻醉管理中的应用效果及其重要性	首次将基于深度学习的麻醉监测系统应用于胃肠肿瘤手术，改善患者术后认知和生理恢复	样本量有限，仅在一个机构内进行，可能影响外部适用性	研究深度学习在胃肠肿瘤手术麻醉管理中的应用效果	80名接受胃肠肿瘤手术的老年患者	机器学习	胃肠肿瘤	深度学习	GBDT和PKPD模型	临床数据	80名老年患者
13785	2024-08-05	An innovative approach to detecting the freshness of fruits and vegetables through the integration of convolutional neural networks and bidirectional long short-term memory network 2024, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2024.100723 PMID:39022740	研究论文	本文提出了一种通过融合卷积神经网络和双向长短时记忆网络检测水果和蔬菜新鲜度的创新方法	该方法结合不同的深度学习模型，以提取水果和蔬菜图像的特征以及图像中各区域之间的关联	目前尚需进一步提升现有研究在水果和蔬菜新鲜度检测中的性能	提高水果和蔬菜新鲜度检测的效率和准确性	水果和蔬菜的图像数据，用于新鲜度检测	计算机视觉	NA	深度学习	CNN_BiLSTM	图像	NA
13786	2024-08-05	The privacy-explainability trade-off: unraveling the impacts of differential privacy and federated learning on attribution methods 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1236947 PMID:39021435	研究论文	本文深入探讨了隐私保护技术对深度学习模型解释的影响	首次系统研究了隐私保护技术与可解释人工智能(XAI)方法在深度学习模型中的相互作用	在隐私保护和可解释性的权衡方面，尚未对某些特定情境进行深入分析	研究隐私保护技术对深度学习模型解释的影响及其应用建议	使用六个图像数据集和五个时间序列数据集进行实验	机器学习	NA	隐私保护机器学习(PPML)	深度学习模型	图像和时间序列数据	六个图像数据集和五个时间序列数据集
13787	2024-08-05	Survival prediction landscape: an in-depth systematic literature review on activities, methods, tools, diseases, and databases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1428501 PMID:39021434	综述	本文通过深入的系统性文献回顾，探讨了生存预测的活动、方法、工具、疾病和数据库。	文章整合了23个现有的综述研究，涵盖了44种不同疾病的90个最新生存预测模型，并提供了具体方法的见解。	尽管进行了全面分析，但可能未涵盖所有现有的生存预测模型和方法。	旨在通过集中现有生存预测知识和洞察，推动创新性进展。	研究对象为90个最新的生存预测工具和方法，涵盖44种不同的疾病。	计算生物学	NA	机器学习	深度学习	临床数据	90个生存预测模型
13788	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05306 PMID:38084046	研究论文	本研究通过整合基于配体和基于结构的药物发现策略，利用迁移学习和深度学习技术提高阿片类药物的生物活性预测	本文创新性在于应用迁移学习构建稳健的深度学习模型，以增强对每种阿片受体亚型的配体生物活性预测	本研究的局限性在于可能仍面临训练样本不足的问题，影响预测性能	研究旨在寻找更好的阿片类药物，降低成瘾潜力，以应对阿片类药物危机	研究对象为阿片类药物及其对应的受体亚型	机器学习	NA	深度学习	NA	生物活性数据	大型生物活性数据集
13789	2024-08-05	Adaptive Sampling Methods for Molecular Dynamics in the Era of Machine Learning 2023-12-21, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c04843 PMID:38081185	评论	本文探讨了在分子动力学中应用的自适应采样算法	提出了一种仅通过在特定种子上重新启动MD轨迹来增强采样的自适应采样算法	本文讨论了自适应采样方法的不足之处	研究旨在改善分子动力学中蛋白质构象变化的采样	重点关注自适应采样算法及其在真实系统中的应用	计算机视觉	NA	深度学习技术	NA	NA	NA
13790	2024-08-05	A Hybrid Deep Learning Approach to Identify Preventable Childhood Hearing Loss 2023 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001380 PMID:37318215	研究论文	这项研究评估了机器学习在自动分类中耳的鼓膜图形中的效用，以便利资源匮乏社区中的普通人引导的鼓膜测量	该研究使用混合深度学习模型在儿童听力筛查中实现了与听力学家相当的中耳疾病检测性能	该研究只涉及来自阿拉斯加农村地区的特定听力筛查人群，可能限制了模型的普适性	评估机器学习在家庭引导鼓膜测量中的应用，以识别可预防的儿童听力损失	研究对象为1635名来自阿拉斯加农村地区的学龄儿童	计算机视觉	听力损失	机器学习	混合深度学习模型	鼓膜图	4810对鼓膜图形和1635名儿童
13791	2024-08-05	Unlocking the Potential: Predicting Redox Behavior of Organic Molecules, from Linear Fits to Neural Networks 2023-Aug-08, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00355 PMID:37463673	综述	本文讨论了有机分子的还原和氧化电位预测的现代技术	探讨了从线性拟合到神经网络的不同预测方法，超越常规的第一性原理计算和热力学循环	未详细讨论每种方法的适用范围和具体局限性	研究有机分子的还原氧化行为预测方法	还原活性有机分子及其在不同应用中的表现	化学	NA	机器学习	神经网络	数据集	目前可用的还原活性有机分子数据集及其实验和计算性质
13792	2024-08-05	Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques 2023-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.04.552065 PMID:37609329	研究论文	本文探讨了通过结合基于配体和基于结构的药物发现策略与迁移和深度学习技术来提高阿片类生物活性预测的有效性	创新点在于使用结合的分子描述符构建稳健的深度学习模型，以提升阿片类配体在各个OR亚型上的生物活性预测	研究可能面临样本不足以实现充分预测性能的问题	旨在发现更好的阿片类药物以降低成瘾潜力	研究对象为阿片受体（OR）亚家族中的配体	计算机视觉	NA	深度学习	NA	分子描述符	NA
13793	2024-08-05	Structure-based prediction of T cell receptor:peptide-MHC interactions 2023-Jan-20, eLife IF:6.4Q1 DOI:10.7554/eLife.82813 PMID:36661395	研究论文	本文评估了基于结构的模型在T细胞受体与肽-MHC相互作用预测中的潜力	利用深度神经网络的AlphaFold模型生成TCR:肽-MHC相互作用的结构模型	尽管当前的预测准确性较高，但在广泛的实际应用中仍需大量工作	研究T细胞受体对肽-MHC相互作用特异性的预测	T细胞受体与肽-MHC相互作用	计算机视觉	NA	深度学习	AlphaFold	NA	NA
13794	2024-08-07	Probing the 3D architecture of the plant nucleus with microscopy approaches: challenges and solutions 2019-12, Nucleus (Austin, Tex.) DOI:10.1080/19491034.2019.1644592 PMID:31362571	研究论文	本文探讨了使用高至超分辨率显微镜和图像处理技术来解析植物细胞核的三维结构，并提出了相应的挑战和解决方案	本文引入了高至超分辨率显微镜和图像处理技术，以实现对植物细胞核三维结构的最佳空间和时间分辨率的定量和细胞特异性分析	NA	解码影响细胞反应和身份的核组织原则	植物细胞核的三维结构	数字病理学	NA	高至超分辨率显微镜，图像处理	NA	图像	NA
13795	2024-08-07	Automatic 3D Bi-Ventricular Segmentation of Cardiac Images by a Shape-Refined Multi- Task Deep Learning Approach 2019-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2019.2894322 PMID:30676949	研究论文	本文提出了一种结合多任务深度学习和图谱传播的形状精细化双心室分割方法，用于短轴心脏磁共振体积图像的自动分割	该方法通过2.5D全卷积网络结合计算优势和3D空间一致性，并设计了精细化步骤以明确施加形状先验知识，提高分割质量	NA	开发一种自动化的形状精细化双心室分割方法，以提高心脏磁共振图像分割的准确性和 anatomical smoothness	心脏磁共振图像中的双心室分割	计算机视觉	NA	深度学习	全卷积网络（FCN）	图像	1831名健康受试者和649名肺动脉高压受试者
13796	2024-08-07	Deep Learning to Improve Breast Cancer Detection on Screening Mammography 2019-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-48995-4 PMID:31467326	研究论文	本文开发了一种深度学习算法，用于在筛查乳腺X线摄影中准确检测乳腺癌	采用端到端训练方法，减少了对罕见病灶注释的依赖，并展示了模型在不同乳腺X线摄影平台间的迁移能力	NA	提高乳腺癌筛查中乳腺X线摄影的检测准确性	乳腺癌检测	机器学习	乳腺癌	深度学习	全卷积网络	图像	独立测试集包括来自Digital Database for Screening Mammography (CBIS-DDSM)的数字化胶片乳腺X线摄影图像和来自INbreast数据库的全场数字乳腺摄影(FFDM)图像
13797	2024-08-07	Reverse active learning based atrous DenseNet for pathological image classification 2019-Aug-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2979-y PMID:31455228	研究论文	本文提出了一种基于深度反向主动学习（DRAL）和空洞密集网络（ADN）的病理图像分类训练策略	提出的DRAL通过移除训练集中的错误标记块来提高分类准确性，ADN结合空洞卷积和密集块进行多尺度特征提取	NA	提高深度学习模型在部分标记错误的训练数据集上的性能	病理图像分类	数字病理学	NA	深度学习	DenseNet	图像	使用了BACH、CCG和UCSB三个病理数据集进行评估
13798	2024-08-07	Accurate and instant frequency estimation from noisy sinusoidal waves by deep learning 2019-Aug-15, Nano convergence IF:13.4Q1 DOI:10.1186/s40580-019-0197-y PMID:31414287	研究论文	本文使用深度学习网络从带有噪声的正弦波中估计频率	设计了一个三层神经网络，能够从与白噪声混合的正弦波中提取频率，并展示了如何将模型泛化到其他频率范围	NA	开发一种能够从噪声正弦波中准确且快速估计频率的方法	带有噪声的正弦波	机器学习	NA	深度学习网络	神经网络	波形数据	10万个波形用于训练和测试模型
13799	2024-08-07	scAlign: a tool for alignment, integration, and rare cell identification from scRNA-seq data 2019-08-14, Genome biology IF:10.1Q1 DOI:10.1186/s13059-019-1766-4 PMID:31412909	research paper	本文介绍了一种名为scAlign的无监督深度学习方法，用于单细胞RNA测序数据的整合，能够处理部分重叠或完整的细胞标签，并估计跨数据集的每个细胞基因表达差异	scAlign方法在跨数据集的细胞类型特异性表达和细胞类型组成变化方面表现出色，具有高度的鲁棒性	NA	开发一种新的数据整合方法，用于识别不同条件或物种间细胞类型特异性的基因表达差异，以及批次效应校正	单细胞RNA测序数据	machine learning	NA	scRNA-seq	deep learning	基因表达数据	NA
13800	2024-08-07	HENA, heterogeneous network-based data set for Alzheimer's disease 2019-08-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-019-0152-0 PMID:31413325	研究论文	本文介绍了一种基于异构网络的阿尔茨海默病数据集（HENA），并展示了使用图卷积网络（深度学习方法）分析大型异构生物数据集的应用。	提出了一个基于异构网络的阿尔茨海默病数据集（HENA），并展示了如何利用图卷积网络进行分析。	NA	旨在通过整合不同领域的实验数据，为阿尔茨海默病的研究提供一个系统的视角。	阿尔茨海默病及其相关痴呆症的机制和潜在药物靶点。	生物信息学	阿尔茨海默病	图卷积网络	图卷积网络	异构生物数据集	NA