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
14161	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
14162	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
14163	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
14164	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
14165	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
14166	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）
14167	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
14168	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
14169	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
14170	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
14171	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
14172	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
14173	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
14174	2024-10-30	Precise localization of corneal reflections in eye images using deep learning trained on synthetic data 2024-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02297-w PMID:38114880	研究论文	本文提出了一种使用深度学习方法在眼图像中精确定位角膜反射中心的方法	本文使用仅在合成数据上训练的卷积神经网络（CNN），避免了在真实眼图像上进行监督训练所需的手动标注过程	NA	开发一种精确的角膜反射中心定位方法，解决深度学习模型在注视估计中数据可用性的问题	角膜反射中心在眼图像中的定位	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	合成数据和两个包含高质量视频的真实眼图像数据集
14175	2024-10-30	Deep learning models for webcam eye tracking in online experiments 2024-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02190-6 PMID:37608235	研究论文	本文研究了在远程在线心理实验中使用网络摄像头进行眼动追踪的深度学习模型	本文首次将深度学习方法应用于远程在线心理实验中的眼动追踪，并评估了其性能	研究样本量较小，仅涉及65名参与者	旨在解决远程眼动追踪设置中的关键挑战，并评估基于外观的深度学习眼动追踪和眨眼检测方法	65名参与者在家中使用笔记本电脑进行一系列眼动追踪任务	计算机视觉	NA	深度学习	基于外观的模型	视频	65名参与者
14176	2024-10-30	Deep learning reveals what facial expressions mean to people in different cultures 2024-Mar-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109175 PMID:38433918	研究论文	本文通过大规模数据收集和机器学习，研究了六个国家中面部表情在不同文化中的含义	本文创新性地使用了模仿范式和深度神经网络，揭示了面部表情在不同文化中的28个维度，其中21个维度显示出普遍性	本文主要集中在六个国家的研究，可能无法完全代表全球所有文化	研究面部表情在不同文化中的含义及其普遍性和文化特异性	面部表情及其在不同文化中的含义	计算机视觉	NA	深度学习	深度神经网络	图像	5,833名参与者生成了423,193个面部表情
14177	2024-10-30	Exploiting macro- and micro-structural brain changes for improved Parkinson's disease classification from MRI data 2024-Feb-26, NPJ Parkinson's disease DOI:10.1038/s41531-024-00647-9 PMID:38409244	研究论文	研究开发并评估了一种可解释的深度学习模型，用于从多模态神经影像数据中进行帕金森病分类	利用宏观和微观结构脑变化的结合，提高了帕金森病的分类准确性，并使用SmoothGrad显著性图提高了模型的可解释性	NA	开发和评估一种可解释的深度学习模型，用于从多模态神经影像数据中进行帕金森病分类	帕金森病患者和健康对照者的多模态神经影像数据	机器学习	神经退行性疾病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	1264个数据集，包括611名帕金森病患者和653名健康对照者
14178	2024-10-30	Structurally-informed human interactome reveals proteome-wide perturbations by disease mutations 2024-Feb-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.538110 PMID:37162909	研究论文	本文介绍了一种基于深度学习的集成框架PIONEER，用于预测人类和其他常见模式生物中所有已知蛋白质相互作用的蛋白质结合伙伴特异性界面，并展示了其在疾病相关突变分析中的应用	PIONEER框架在预测蛋白质相互作用界面方面优于现有的最先进方法，并能有效识别与疾病相关的突变	NA	开发一种能够准确预测蛋白质相互作用界面并应用于疾病相关突变分析的深度学习工具	人类和其他常见模式生物的蛋白质相互作用界面，以及疾病相关突变	机器学习	癌症	深度学习	集成框架	基因组数据	2,395个突变，6,754个突变-相互作用对，约60,000个生殖系外显子，约36,000个体细胞基因组，约11,000个肿瘤全外显子，33种癌症类型
14179	2024-10-30	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.25.564057 PMID:38328126	研究论文	本文探讨了自监督学习在基于IMU的地反作用力估计中的应用，通过预训练模型提高估计的准确性和数据效率	提出使用自监督学习技术利用大量IMU数据预训练深度学习模型，以提高基于IMU的地反作用力估计的准确性和数据效率	NA	提高基于IMU的地反作用力估计的准确性和数据效率	基于IMU的地反作用力估计	机器学习	NA	自监督学习	transformer模型	IMU数据	三个预训练数据集，包括真实IMU数据、合成IMU数据或两者的组合
14180	2024-10-30	PIFON-EPT: MR-Based Electrical Property Tomography Using Physics-Informed Fourier Networks 2024, IEEE journal on multiscale and multiphysics computational techniques IF:1.8Q3 DOI:10.1109/jmmct.2023.3345798 PMID:39463749	研究论文	提出了一种基于物理信息傅里叶网络的电性参数断层成像方法（PIFON-EPT），用于从噪声和不完整的磁共振测量中重建电性参数	首次提出了一种能够同时从不完全噪声磁共振测量中重建电性参数和传输场的方法	NA	开发一种新的深度学习方法，用于从噪声和不完整的磁共振测量中重建电性参数	电性参数和传输场的重建	计算机视觉	NA	磁共振成像	物理信息傅里叶网络	图像	模拟实验在3T和7T磁共振成像中进行，使用了20%的噪声测量场作为输入