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	2024-10-13	Chain-aware graph neural networks for molecular property prediction 2024-Oct-11, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae574 PMID:39392786	研究论文	本文提出了一种新的链感知图神经网络模型，用于分子性质预测	通过学习中心节点沿最短路径的表示来捕捉链结构，并使用初始残差差分连接（IRDC）减少层间冗余，从而提高节点特征的表达能力	NA	改进分子性质预测中节点特征的表达能力	分子图及其链结构	机器学习	NA	图神经网络（GNN）	链感知图神经网络	分子图	NA
14162	2024-10-13	Enhancing personalized gene expression prediction from DNA sequences using genomic foundation models 2024-Oct-10, HGG advances DOI:10.1016/j.xhgg.2024.100347 PMID:39205391	研究论文	本文探讨了使用预训练的Nucleotide Transformer模型来提高从DNA序列预测个性化基因表达的准确性	本文提出使用预训练的Nucleotide Transformer模型来缩小现有模型在解释个体间差异方面的性能差距	尽管本文模型在个体间相关性方面表现优异，但仍需更多训练数据和计算改进以超越回归方法	提高从DNA序列预测个性化基因表达的准确性	基因表达预测模型	机器学习	NA	深度学习	Transformer	DNA序列	290个个体
14163	2024-10-13	Benchmarking reveals superiority of deep learning variant callers on bacterial nanopore sequence data 2024-Oct-10, eLife IF:6.4Q1 DOI:10.7554/eLife.98300 PMID:39388235	研究论文	本文通过基准测试比较了深度学习变异检测工具在细菌纳米孔测序数据上的表现	研究发现深度学习变异检测工具在细菌纳米孔测序数据上的准确性显著优于传统方法，甚至超过了Illumina测序	NA	评估深度学习变异检测工具在细菌基因组中的准确性	细菌基因组的变异检测	基因组学	NA	纳米孔测序	深度学习	基因组数据	14种不同细菌物种
14164	2024-10-13	Riverbed litter monitoring using consumer-grade aerial-aquatic speedy scanner (AASS) and deep learning based super-resolution reconstruction and detection network 2024-Oct-10, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2024.117030 PMID:39393229	研究论文	本文介绍了一种使用消费级空中-水下快速扫描仪（AASS）和基于深度学习的超分辨率重建与检测网络来监测水下垃圾的方法	引入了AASS系统与超分辨率重建（SRR）和增强的YOLOv8检测网络相结合，提高了数据采集效率和检测精度	未提及具体限制	开发一种高效、低成本的消费级技术来自动检测水下垃圾	水下垃圾的检测与分类	计算机视觉	NA	超分辨率重建（SRR）	YOLOv8	图像	未提及具体样本数量
14165	2024-10-13	Segmentation-based quantitative measurements in renal CT imaging using deep learning 2024-Oct-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00507-4 PMID:39382755	研究论文	本文开发了一种基于深度学习的肾脏CT图像自动测量方法	使用3D UNet模型对对比增强和非对比增强CT图像进行肾脏测量，模型性能与手动标注相当	当训练集主要由健康受试者组成时，模型在处理不健康肾脏时需要特别注意	开发一种自动化的肾脏CT图像测量方法，以评估肾功能	肾脏CT图像的自动测量	计算机视觉	NA	深度学习	3D UNet	图像	88名潜在肾脏捐献者的对比增强和非对比增强CT扫描，以及18例对比增强、15例光子计数CT扫描和8例低剂量CT扫描的测试集
14166	2024-10-13	Deep learning-based defacing tool for CT angiography: CTA-DEFACE 2024-Oct-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00510-9 PMID:39382818	研究论文	本文介绍了一种基于深度学习的CT血管造影（CTA）去识别工具CTA-DEFACE，通过自动生成面部遮罩来保护患者隐私	开发了一种新的深度学习模型CTA-DEFACE，用于自动去识别CTA图像，相比公开的模型，该模型显著降低了面部检测概率和与原始图像的相似度	NA	建立一个自动化的CTA数据去识别流程，以提高数据保护措施	CTA数据的去识别	计算机视觉	NA	人工神经网络（ANN）	ANN	图像	训练集100个面部遮罩，测试集50个外部机构的数据
14167	2024-10-13	SMGformer: integrating STL and multi-head self-attention in deep learning model for multi-step runoff forecasting 2024-Oct-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74329-0 PMID:39384833	研究论文	本文提出了一种新的SMGformer模型，用于多步径流预测，该模型结合了STL分解、Informer编码层、双向门控循环单元（BiGRU）和多头自注意力机制（MHSA）	创新点在于将STL分解与多头自注意力机制结合，构建了一个多特征输入集，并通过BiGRU层和MHSA机制优化输出，提高了径流预测的准确性	NA	提高径流预测的准确性，为水资源分配、防洪和减灾提供支持	中国两个水文站的月径流数据	机器学习	NA	STL分解、多头自注意力机制（MHSA）、双向门控循环单元（BiGRU）	SMGformer	时间序列数据	两个水文站的月径流数据
14168	2024-10-13	PRN: progressive reasoning network and its image completion applications 2024-Oct-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72368-1 PMID:39384878	研究论文	本文提出了一种用于壁画图像修复的渐进推理网络（PRN），通过模拟壁画绘制过程，实现了对受损壁画的有效修复	提出了一个专门为壁画图像修复设计的渐进推理网络，包含亮度推理模块、草图推理模块和颜色融合模块，通过双编码框架和配对关联学习方法，实现了对缺失区域的亮度、草图和颜色信息的恢复	NA	开发一种能够有效修复受损壁画的深度学习方法	受损的壁画图像	计算机视觉	NA	深度学习	渐进推理网络（PRN）	图像	NA
14169	2024-10-13	Predicting SARS-CoV-2 infection among hemodialysis patients using deep neural network methods 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74967-4 PMID:39384931	研究论文	研究使用深度神经网络方法预测血液透析患者中的SARS-CoV-2感染	本研究创新性地使用深度学习模型（如RNN和CNN）来预测SARS-CoV-2感染，相比传统的预测模型（如逻辑回归、SVM和XGBoost），这些模型在特征工程要求较低的情况下表现出更高的准确性	随着疫情的发展，预测准确性有所下降	旨在通过深度学习模型提高对血液透析患者SARS-CoV-2感染的早期预测准确性	血液透析患者中的SARS-CoV-2感染	机器学习	NA	深度学习	RNN, CNN, LSTM	多源数据（包括人口统计学、临床、治疗、实验室、疫苗接种、社会经济状况和COVID-19监测数据）	未明确提及具体样本数量
14170	2024-10-13	Accelerated muscle mass estimation from CT images through transfer learning 2024-Oct-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01449-4 PMID:39385108	研究论文	本文提出了一种通过迁移学习加速从CT图像中估计肌肉质量的方法	利用少量手动标注的SEED图像进行迁移学习，训练VNet模型以实现快速器官标注	未提及具体限制	克服CT图像分割中的困难，提高分割模型的效率和鲁棒性	CT图像中的肌肉和肝脏分割	计算机视觉	NA	迁移学习	VNet	图像	少量手动标注的SEED图像
14171	2024-10-13	TransCDR: a deep learning model for enhancing the generalizability of drug activity prediction through transfer learning and multimodal data fusion 2024-Oct-09, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02023-8 PMID:39385185	研究论文	本文介绍了一种名为TransCDR的深度学习模型，通过迁移学习和多模态数据融合来提高药物活性预测的泛化能力	首次系统评估了CDR预测模型对新化合物骨架和细胞系集群的泛化能力，并展示了比现有8种最先进模型更好的泛化性能	NA	提高药物反应预测的准确性和鲁棒性	药物和癌症细胞系的反应预测	机器学习	NA	迁移学习	深度学习模型	多模态数据	7675名患者
14172	2024-10-13	A dual-labeled dataset and fusion model for automatic teeth segmentation, numbering, and state assessment on panoramic radiographs 2024-Oct-09, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04984-2 PMID:39385212	研究论文	本文开发了一种用于全景X光片上牙齿自动分割、编号和状态评估的融合模型	首次将自动牙齿分割、编号和状态评估集成到一个模型中	NA	开发一种自动分割、编号和评估全景X光片上牙齿状态的模型	全景X光片上的牙齿	计算机视觉	NA	深度学习	YOLOv9-e实例分割模型和EfficientNetv2-l分类模型	图像	NA
14173	2024-10-13	Deep learning as Ricci flow 2024-Oct-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74045-9 PMID:39379488	研究论文	本文探讨了深度神经网络（DNN）在分类任务中进行的复杂数据几何变换与微分几何中的Ricci流之间的相似性	提出了深度神经网络的几何变换与Ricci流的类比，并引入了一种称为'全局Ricci网络流'的概念来评估DNN在复杂数据几何解耦方面的能力	主要集中在非平滑激活函数（如ReLU）的DNN上，尚未涵盖所有类型的激活函数	研究深度神经网络在分类任务中的几何变换，并探索其与微分几何中Ricci流的相似性	深度神经网络的几何变换及其与Ricci流的类比	机器学习	NA	深度神经网络	DNN	合成数据和真实世界数据	超过1500个不同宽度和深度的DNN分类器
14174	2024-10-13	Adaptive assessment based on fractional CBCT images for cervical cancer 2024-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14462 PMID:39072895	研究论文	本研究开发了一种基于分次锥束CT图像的适应性评估工作流程，用于支持在线适应性放射治疗	本研究整合了基于AI的技术和基于GPU的蒙特卡罗技术，以高效精确地评估剂量分布	NA	开发一种高效精确的适应性评估方法，以支持在线适应性放射治疗	基于分次锥束CT图像的剂量分布评估	数字病理	宫颈癌	锥束CT成像	CycleGAN	图像	NA
14175	2024-10-13	Diagnostic and Prognostic Electrocardiogram-Based Models for Rapid Clinical Applications 2024-Oct, The Canadian journal of cardiology DOI:10.1016/j.cjca.2024.07.003 PMID:38992812	综述	本文综述了过去五年中利用人工智能（AI）分析心电图（ECG）在心血管疾病早期检测、诊断和预后评估中的临床应用	本文总结了AI增强的ECG临床应用，并讨论了当前面临的挑战和潜在解决方案	大多数研究是单中心的回顾性概念验证研究，缺乏外部验证，且仅有不到15%的研究是前瞻性的	综述AI在ECG分析中的应用现状，并为未来的研究方向奠定基础	心电图（ECG）在心血管疾病中的诊断和预后评估	机器学习	心血管疾病	深度学习	NA	心电图	NA
14176	2024-10-13	Applying Artificial Intelligence for Phenotyping of Inherited Arrhythmia Syndromes 2024-Oct, The Canadian journal of cardiology DOI:10.1016/j.cjca.2024.04.014 PMID:38670456	综述	本文综述了人工智能在遗传性心律失常综合征表型分析中的应用	人工智能能够处理大量患者数据并识别疾病模式，超越传统方法，在疾病检测和基因型与表型识别方面显示出巨大潜力	NA	探讨人工智能在遗传性心律失常综合征诊断和风险分层中的应用	遗传性心律失常综合征，包括长QT综合征、Brugada综合征、肥厚型心肌病和心律失常性心肌病	机器学习	心血管疾病	机器学习和深度学习	NA	患者数据	NA
14177	2024-10-13	Diagnostic accuracy of deep learning using speech samples in depression: a systematic review and meta-analysis 2024-Oct-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae189 PMID:39013193	meta-analysis	本研究旨在通过系统综述和荟萃分析评估使用语音样本的深度学习在抑郁症诊断中的准确性	本研究首次对使用语音样本的深度学习在抑郁症检测中的诊断性能进行了荟萃分析	所有纳入荟萃分析的研究均使用了卷积神经网络（CNN）模型，无法评估其他深度学习算法的性能	评估使用语音样本的深度学习在抑郁症诊断中的准确性	抑郁症的诊断	machine learning	精神疾病	深度学习	CNN	语音	25项研究符合纳入标准，其中8项用于荟萃分析
14178	2024-10-13	Deep learning based clinical target volumes contouring for prostate cancer: Easy and efficient application 2024-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14482 PMID:39120487	研究论文	本研究构建了一个基于深度学习的自动勾画模型，用于前列腺癌的临床靶区体积（CTVs）勾画	本研究首次将深度学习和注意力机制应用于前列腺癌的CTVs自动勾画，显著提高了勾画效率和一致性	本研究仅使用了197例前列腺癌患者的CT数据，样本量较小，可能影响模型的泛化能力	开发一种高效且一致性高的自动勾画模型，用于前列腺癌的放射治疗	前列腺癌患者的临床靶区体积（CTVs），包括盆腔淋巴结和前列腺肿瘤或前列腺肿瘤床	数字病理学	前列腺癌	深度学习	NA	CT图像	197例前列腺癌患者
14179	2024-10-13	Dual-branch Transformer for semi-supervised medical image segmentation 2024-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14483 PMID:39133901	研究论文	本文提出了一种双分支Transformer网络用于半监督医学图像分割	引入了一种新的双分支结构，结合了不同尺寸窗口的Swin模块，以捕捉多尺度特征，并采用水平集函数来增强半监督学习中未标记数据的利用	未详细讨论模型的计算复杂性和训练时间，且未在更多不同类型的医学图像数据集上进行验证	解决医学图像分割中标注数据稀缺和局部特征提取不足的问题	COVID-19 CT数据集和DRIVE数据集	计算机视觉	NA	深度学习	Transformer	图像	COVID-19 CT数据集和DRIVE数据集
14180	2024-10-13	AI-based diagnosis and phenotype - Genotype correlations in syndromic craniosynostoses 2024-Oct, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2024.02.010 PMID:39187417	研究论文	本文研究了基于人工智能的模型在综合征性颅缝早闭症诊断中的应用，并探索了基因型与表型之间的关联	提出了一种新的基于人工智能的方法来自动检测综合征性颅缝早闭症，并使用XGboost模型进行分类	研究仅限于Apert、Crouzon、Muenke、Pfeiffer和Saethre Chotzen综合征，且样本量相对较小	开发一种基于人工智能的模型来辅助综合征性颅缝早闭症的诊断，并探索基因型与表型之间的关联	Apert、Crouzon、Muenke、Pfeiffer和Saethre Chotzen综合征患者及其基因型与表型	机器学习	颅缝早闭症	XGboost	XGboost	图像	2228张面部照片，对应541名患者