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
14001	2024-10-14	Protein-Protein Interaction Prediction via Structure-Based Deep Learning 2024-Nov, Proteins IF:3.2Q2 DOI:10.1002/prot.26721 PMID:38923590	研究论文	本文提出了一种基于结构深度学习的蛋白质-蛋白质相互作用预测框架RSPPI	结合残差神经网络（ResNet）和空间金字塔池化（SPP），利用蛋白质序列的物理化学性质和空间结构信息进行预测	未提及	开发一种新的AI算法来预测蛋白质-蛋白质相互作用	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	ResNet	蛋白质序列	未提及
14002	2024-10-14	Validation of the Mirai model for predicting breast cancer risk in Mexican women 2024-Oct-10, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01808-3 PMID:39387984	研究论文	验证Mirai模型在预测墨西哥女性乳腺癌风险中的表现	Mirai模型在非白人少数族裔中的应用研究较少	模型在预测未来乳腺癌风险中的表现中等，需要进一步改进	验证Mirai模型在预测墨西哥女性乳腺癌风险中的表现	墨西哥女性乳腺癌风险	机器学习	乳腺癌	深度学习	深度学习模型	影像	3110名患者，其中76名在5年随访期内发展为乳腺癌
14003	2024-10-14	A novel embedded kernel CNN-PCFF algorithm for breast cancer pathological image classification 2024-10-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74025-z PMID:39390003	研究论文	提出了一种新的嵌入式核函数CNN-PCFF算法用于乳腺癌病理图像分类	通过在主成分分析中嵌入核函数，形成多核主成分，将高维特征融合为一些代表性的综合变量，从而实现降维	未提及具体限制	提高乳腺癌病理图像分类的性能	乳腺癌病理图像	计算机视觉	乳腺癌	主成分分析	CNN	图像	两个公开的乳腺癌图像数据集
14004	2024-10-13	Identification of dynamic networks community by fusing deep learning and evolutionary clustering 2024-Oct-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74361-0 PMID:39390015	研究论文	本文提出了一种融合深度学习和进化聚类的动态网络社区检测方法	结合深度学习和进化聚类，提出了一种新的动态社区检测方法DLEC，能够有效挖掘复杂非线性结构并生成高质量的社区结构	NA	旨在提高动态网络中社区检测的准确性和鲁棒性	动态网络中的社区结构	机器学习	NA	深度学习	多层深度自编码器	网络数据	合成网络和真实世界网络
14005	2024-10-14	Galformer: a transformer with generative decoding and a hybrid loss function for multi-step stock market index prediction 2024-Oct-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72045-3 PMID:39390029	研究论文	本文介绍了一种名为Galformer的创新型Transformer模型，结合生成式解码和混合损失函数，用于多步股票市场指数预测	Galformer模型具有生成式解码器和混合损失函数，能够显著提高长序列预测的速度，并结合定量误差和趋势准确性优化模型	NA	提高股票市场指数预测的准确性和效率	股票市场指数的多步预测	机器学习	NA	Transformer模型	Transformer	时间序列数据	四个典型股票市场指数：CSI 300指数、S&P 500指数、道琼斯工业平均指数（DJI）和纳斯达克综合指数（IXIC）
14006	2024-10-14	Integrating holotomography and deep learning for rapid detection of NPM1 mutations in AML 2024-10-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75168-9 PMID:39390137	研究论文	本研究利用全息断层成像（HT）和深度学习技术，快速检测急性髓系白血病（AML）中的NPM1突变	首次将全息断层成像与深度学习结合，用于检测AML中的NPM1突变，提供了一种早期、高效且成本效益高的诊断方法	研究样本量相对较小，且仅限于AML中的NPM1突变检测	开发一种新的方法，用于快速准确地诊断AML中的NPM1突变	AML患者中的NPM1突变	数字病理学	白血病	全息断层成像（HT）	卷积神经网络（CNN）	图像	2073张HT髓母细胞图像，来自48名个体，包括NPM1野生型和突变样本
14007	2024-10-14	Application of artificial intelligence model in pathological staging and prognosis of clear cell renal cell carcinoma 2024-Oct-10, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01437-8 PMID:39390246	研究论文	本研究开发了一种基于全切片图像的深度学习模型，用于预测透明细胞肾细胞癌的病理分期和预后	首次使用深度学习模型从病理图像中准确预测透明细胞肾细胞癌的病理分期和预后	研究样本仅来自TCGA数据库，可能存在数据偏倚	开发一种能够准确预测透明细胞肾细胞癌病理分期和预后的深度学习模型	透明细胞肾细胞癌患者的病理图像	数字病理学	肾癌	深度学习	深度学习模型	图像	513例透明细胞肾细胞癌患者
14008	2024-10-14	A multi-task graph deep learning model to predict drugs combination of synergy and sensitivity scores 2024-Oct-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05925-0 PMID:39390357	研究论文	本文提出了一种多任务图深度学习模型'MultiComb'，用于预测药物组合的协同作用和敏感性评分	该模型利用图卷积网络处理药物的SMILES表示，并通过注意力机制优化特征表示，结合交叉缝合模型学习任务间关系，从而实现对药物组合协同作用和敏感性评分的预测	NA	预测药物组合对特定癌细胞系的协同作用和敏感性评分	药物组合的协同作用和敏感性评分	机器学习	癌症	图卷积网络	多任务深度学习模型	分子数据	38种独特药物组合成17,901对药物组合，并在37种独特癌细胞上测试
14009	2024-10-14	Automatic maxillary sinus segmentation and pathology classification on cone-beam computed tomographic images using deep learning 2024-Oct-10, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04924-0 PMID:39390490	研究论文	使用深度学习技术自动分割锥束计算机断层扫描图像中的上颌窦并进行病理分类	采用改进的YOLOv5x架构进行迁移学习，以提高上颌窦及其疾病的分割和检测精度	研究样本量相对较小，且仅限于特定的上颌窦疾病	开发一种自动化的方法来分割和分类上颌窦及其疾病，以辅助医生工作	上颌窦及其相关疾病，包括黏液潴留囊肿、黏膜增厚、完全和部分不透明以及健康上颌窦	计算机视觉	口腔颌面疾病	深度学习	YOLOv5x	图像	307例锥束计算机断层扫描图像，包括173名女性和134名男性患者
14010	2024-10-14	A deep learning-based dose calculation method for volumetric modulated arc therapy 2024-Oct-10, Radiation oncology (London, England) DOI:10.1186/s13014-024-02534-2 PMID:39390598	研究论文	本研究利用深度学习方法开发了一种用于容积旋转调强放疗（VMAT）的快速且准确的剂量计算方法	本研究采用3D UNet模型，通过学习剂量计算的物理原理，实现了比传统治疗计划系统（TPS）更快的剂量计算速度	本研究仅在头颈部VMAT计划上进行了验证，未来需要在更多类型的放疗计划上进行测试	开发一种基于深度学习的快速且准确的VMAT剂量计算方法	头颈部VMAT计划	机器学习	NA	深度学习	3D UNet	图像	51个头颈部VMAT计划，其中43个用于训练，1个用于验证，7个用于测试
14011	2024-10-14	A deep learning model to enhance the classification of primary bone tumors based on incomplete multimodal images in X-ray, CT, and MRI 2024-Oct-10, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00784-7 PMID:39390604	研究论文	研究开发了一种基于深度学习的模型，用于在X光、CT和MRI等多模态图像不完整的情况下，对原发性骨肿瘤进行分类	提出了基于Transformer的PBTC-TransNet融合模型，能够在多模态图像不完整的情况下有效分类原发性骨肿瘤	研究为回顾性研究，且仅在两个中心的数据集上进行了验证	开发和验证一种基于不完整多模态图像和临床特征的深度学习模型，用于原发性骨肿瘤的分类	原发性骨肿瘤的分类	计算机视觉	骨肿瘤	深度学习	Transformer	图像	1305名患者，包括内部数据集1043例和外部数据集262例
14012	2024-10-14	Analyzing hope speech from psycholinguistic and emotional perspectives 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74630-y PMID:39384851	研究论文	本研究利用自然语言处理工具分析社交媒体中的希望言论，提取心理语言学、情感和情感特征	提出了一种利用NLP工具分析社交媒体希望言论的新方法，并展示了LightGBM和CatBoost模型在分类不同类型希望方面的优越性能	NA	研究社交媒体中希望言论的心理语言学和情感特征，并探索利用这些数据分类不同类型希望的潜力	社交媒体中的希望言论	自然语言处理	NA	自然语言处理 (NLP)	LightGBM, CatBoost	文本	希望言论数据集
14013	2024-10-14	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-Oct-06, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文介绍了一种自动化免疫荧光染色流程，结合定量高内涵成像技术，用于研究DNA损伤信号传导	提出了自动化液体处理系统与高内涵成像技术的无缝集成方法，并提供了确保实验结果可重复性和可扩展性的实用建议	未明确提及具体的局限性	提升实验室高内涵定量成像能力，通过先进实验室自动化的无缝集成	DNA损伤信号传导	生物技术	NA	自动化液体处理系统，高内涵成像	深度学习	图像	未明确提及具体样本数量
14014	2024-10-14	Controlled and Real-Life Investigation of Optical Tracking Sensors in Smart Glasses for Monitoring Eating Behavior Using Deep Learning: Cross-Sectional Study 2024-Sep-26, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/59469 PMID:39325528	研究论文	研究开发了一种基于智能眼镜的光学传感器系统，用于自动监测进食和咀嚼活动，并通过深度学习技术区分咀嚼与其他面部活动	该研究通过集成隐藏马尔可夫模型，提供了比现有研究更细粒度的咀嚼段检测，而非仅检测完整的进食事件	NA	开发一种准确且非侵入式的系统，用于自动监测进食和咀嚼活动，并评估其在实验室控制和真实生活环境中的性能	智能眼镜中的光学传感器数据，用于监测面部肌肉活动	机器学习	NA	深度学习	卷积长短期记忆网络	传感器数据	涉及6组比较，包括2个传感器（脸颊和太阳穴）和3种面部活动（进食、咬紧和说话）
14015	2024-10-14	MR Cranial Bone Imaging: Evaluation of Both Motion-Corrected and Automated Deep Learning Pseudo-CT Estimated MR Images 2024-Sep-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8335 PMID:38991771	研究论文	本文研究了通过自动运动校正和深度学习生成的伪CT图像在临床应用中的潜力	开发了自动运动校正和深度学习方法，从MR图像生成伪CT图像，避免了CT的电离辐射	研究样本量较小，需要进一步验证在更大样本中的效果	评估运动校正后的伪CT图像在临床应用中的可行性	儿童颅骨的CT和MR图像	计算机视觉	NA	深度学习	深度学习模型	图像	72名18岁以下的患者
14016	2024-10-14	Supervised deep learning-based synthetic computed tomography from kilovoltage cone-beam computed tomography images for adaptive radiation therapy in head and neck cancer 2024-Sep, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2023.00584 PMID:39354821	研究论文	本文研究了一种监督式深度学习算法，用于从千伏锥束CT图像生成合成CT图像，以应用于头颈部癌症的适形放疗	本文提出了一种基于监督式U-Net深度学习模型的方法，用于从千伏锥束CT图像生成合成CT图像，以提高适形放疗的精度	合成CT图像在解剖结构上与计划CT图像存在差异	研究并验证一种监督式深度学习算法，用于生成合成CT图像，以提高头颈部癌症适形放疗的精度	头颈部癌症患者的千伏锥束CT图像和计划CT图像	计算机视觉	头颈部癌症	深度学习	U-Net	图像	40名头颈部癌症患者，共3491对图像
14017	2024-10-14	OPTIMIZATION-DRIVEN STATISTICAL MODELS OF ANATOMIES USING RADIAL BASIS FUNCTION SHAPE REPRESENTATION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635852 PMID:39391839	研究论文	本文提出了一种基于径向基函数形状表示的解剖结构统计模型的优化驱动方法	本文结合了传统的优化方法和径向基函数表示，通过引入特征形状和对应损失，提供了对模型特征的更精确控制，避免了黑箱模型，并允许粒子在表面上有更大的自由度	NA	旨在改进现有的粒子基形状建模方法，以更好地适应解剖结构的复杂几何形状	解剖结构的形状变异性	计算机视觉	NA	径向基函数	优化模型	3D表面数据	两个真实数据集
14018	2024-10-14	InstructNet: A novel approach for multi-label instruction classification through advanced deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311161 PMID:39388407	研究论文	本文提出了一种新的多标签指令分类方法InstructNet，通过使用先进的深度学习技术对“How To”文章进行分类	本文提出了InstructNet方法，并使用XLNet架构在多标签分类任务中取得了前所未有的高准确率	本文未详细讨论模型的训练时间和计算资源需求，以及在不同数据集上的泛化能力	研究如何通过深度学习技术对多标签指令文本进行分类	对“How To”文章进行多标签分类	自然语言处理	NA	深度学习	XLNet	文本	11,121条来自wikiHow的数据记录
14019	2024-10-14	Multi-feature fusion based face forgery detection with local and global characteristics 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311720 PMID:39388418	研究论文	本文提出了一种基于多特征融合的面部伪造检测方法，结合空间域、噪声域和频率域的特征，并使用Inception Transformer动态学习局部和全局信息	本文的创新点在于综合分析伪造面部特征，融合空间域、噪声域和频率域的多特征，并使用Inception Transformer动态学习局部和全局信息	现有的检测方法主要基于单一特征域的判别信息进行分类，存在一定的局限性	研究准确高效的深度伪造视频检测技术	深度伪造视频的检测	计算机视觉	NA	深度学习	Inception Transformer	视频	在DFDC、Celeb-DF和FaceForensic++基准数据集上进行了评估
14020	2024-10-14	Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311897 PMID:39392828	研究论文	本文研究了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法和深度学习技术，应用于铁路通信信号处理	本文创新地将自适应均衡算法与深度学习相结合，应用于铁路通信信号处理，并采用波分复用（WDM）和正交频分复用（OFDM）技术，以及模糊C均值均衡算法，有效减少了信号失真和干扰	实验结果表明，增加步长会降低均衡效果，增加调制参数会增加误码率	研究一种能够满足高速信号处理需求的高速通信信号处理方法，以提高铁路通信系统的质量和传输效率	铁路通信信号处理	通信技术	NA	波分复用（WDM）、正交频分复用（OFDM）、模糊C均值均衡算法	深度学习	信号	NA