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
14301	2024-10-11	Improving Clinical Decision Making With a Two-Stage Recommender System 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3318209 PMID:37738190	研究论文	本文介绍了一种两阶段推荐框架，用于改进临床决策支持系统	提出了一个基于深度神经网络的两阶段推荐系统，利用电子健康记录数据进行临床决策支持	讨论了数据可用性和隐私问题，并指出了未来在该领域的探索方向	改进临床决策支持系统，提供个性化的医疗建议	临床决策支持系统的设计和优化	机器学习	NA	深度学习	深度神经网络	电子健康记录	使用了公开可访问的电子健康记录数据集
14302	2024-10-10	Exploring the Knowledge of an Outstanding Protein to Protein Interaction Transformer 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3381825 PMID:38536676	研究论文	本文提出了一种基于Transformer的蛋白质相互作用预测模型PPITrans，并验证了其在未见物种上的有效性	PPITrans模型利用预训练的语言模型进行蛋白质相互作用预测，显著提高了在未见物种上的预测性能	PPITrans无法捕捉蛋白质的空间结构	解决深度学习模型在未见物种上预测蛋白质相互作用性能不佳的问题	蛋白质相互作用预测	机器学习	NA	Transformer	Transformer	蛋白质相互作用数据	使用人类蛋白质相互作用数据进行训练，并在其他物种的蛋白质相互作用数据上进行测试
14303	2024-10-11	NLP-based ergonomics MSD risk root cause analysis and risk controls recommendation 2024-Aug-27, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2394510 PMID:39189206	研究论文	本文提出了一种基于自然语言处理（NLP）的工效学评估方法，用于分析工作场所中肌肉骨骼疾病（MSD）的风险根源并推荐控制措施	本文的创新点在于结合深度学习NLP技术和专家系统，自动分析工作中的物理动作及其对象，识别MSD风险的根源并推荐控制策略	NA	研究目的是开发一种自动化的工效学评估流程，用于预测和预防工作场所中的肌肉骨骼疾病	研究对象是工作场所中的物理风险因素及其导致的肌肉骨骼疾病	自然语言处理	NA	自然语言处理（NLP）	深度学习	文本	NA
14304	2024-10-11	A deep learning-based theoretical protocol to identify potentially isoform-selective PI3Kα inhibitors 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10799-0 PMID:38305819	研究论文	本文设计了一种基于深度学习的理论协议，用于识别潜在的PI3Kα同工型选择性抑制剂	本文创新性地将机器学习与计算机药物设计策略相结合，开发了一种深度学习分类模型，用于筛选潜在的PI3Kα抑制剂	本文主要依赖于计算模型和分子对接技术，尚未进行实验验证	开发一种新的计算方法，用于识别具有同工型选择性的PI3Kα抑制剂	PI3Kα抑制剂及其在癌症治疗中的应用	机器学习	NA	深度学习分类模型、分子对接	深度学习分类模型	物理化学描述符数据	662种化合物，最终筛选出12种潜在抑制剂
14305	2024-10-11	Enhancing fall risk assessment: instrumenting vision with deep learning during walks 2024-06-22, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01400-2 PMID:38909239	研究论文	本文提出了一种基于深度学习的物体检测算法VARFA，用于在步行过程中通过视觉和视频数据增强跌倒风险评估	本文的创新点在于提出了一种自动化的深度学习方法，通过视频数据评估视觉注意力，补充了传统的惯性测量单元（IMU）数据，从而更全面地评估跌倒风险	本文的局限性在于仅在实验室环境中进行了验证，尚未在实际临床环境中进行测试	本文的研究目的是通过自动化方法提高跌倒风险评估的效率和准确性	本文的研究对象是步行过程中的视觉注意力和环境细节	计算机视觉	NA	深度学习	YoloV8, U-NET	视频	实验室环境下的步行视频数据
14306	2024-10-11	MV-Swin-T: MAMMOGRAM CLASSIFICATION WITH MULTI-VIEW SWIN TRANSFORMER 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635578 PMID:39371472	研究论文	本文提出了一种基于Transformer的多视角网络MV-Swin-T，用于乳腺X光图像分类	引入了基于移位窗口的动态注意力块，有效整合多视角信息并在空间特征图级别促进视角间信息的传递	NA	解决乳腺X光图像分类中的多视角分析问题	乳腺X光图像	计算机视觉	乳腺癌	Transformer	MV-Swin-T	图像	使用了CBIS-DDSM和Vin-Dr Mammo数据集
14307	2024-10-11	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	研究论文	本文提出了一种基于伪标签和多阶段nnU-Nets的弱监督学习方法，用于腹部CT图像中皮下水肿的分割	本文的创新点在于使用基于强度先验的伪标签和多阶段nnU-Nets，以减少分割错误并提高水肿量化精度	本文的局限性在于依赖于基于强度先验的伪标签，可能仍存在一定的误差	本文的研究目的是开发一种非侵入性的方法，用于从腹部CT扫描中自动分割水肿，以帮助监测疾病进展	本文的研究对象是腹部CT图像中的皮下水肿	计算机视觉	NA	弱监督学习	nnU-Nets	图像	NA
14308	2024-10-11	Knowledge mapping analysis of ground glass nodules: a bibliometric analysis from 2013 to 2023 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1469354 PMID:39381043	研究论文	本文通过文献计量学方法分析了2013年至2023年间肺磨玻璃结节的研究趋势和热点	首次使用三种文献计量软件对肺磨玻璃结节的应用研究进行文献计量分析	NA	分析肺磨玻璃结节的知识结构和研究热点	肺磨玻璃结节	数字病理学	肺癌	文献计量学	NA	文献	2218篇文章，来自75个国家和2274个机构
14309	2024-10-11	An optimal deep learning model for the scoring of radiographic damage in patients with ankylosing spondylitis 2024, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X241285973 PMID:39381056	研究论文	研究开发了一种深度学习模型，用于自动评分放射学上强直性脊柱炎患者的脊柱损伤	首次使用深度学习模型自动评分强直性脊柱炎患者的脊柱损伤，提供了一种实时、客观的评分方法	研究仅限于亚洲人群，样本量相对较小	开发一种自动评分方法，用于评估强直性脊柱炎患者的脊柱放射学损伤	强直性脊柱炎患者的颈椎和腰椎X光片	计算机视觉	强直性脊柱炎	深度学习	深度学习模型	图像	554名强直性脊柱炎患者
14310	2024-10-11	DFUCare: deep learning platform for diabetic foot ulcer detection, analysis, and monitoring 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1386613 PMID:39381435	研究论文	本文介绍了一个名为DFUCare的深度学习平台，用于糖尿病足溃疡的检测、分析和监测	DFUCare平台利用计算机视觉和深度学习算法，实现了对糖尿病足溃疡的非侵入性定位、分类和分析	初步性能测试仅在手机拍摄的伤口图像上进行，未来需要在大规模临床试验中验证其有效性	开发一种非侵入性、高效且经济的解决方案，用于糖尿病足溃疡的早期检测和分析	糖尿病足溃疡及其感染和缺血情况	计算机视觉	糖尿病	深度学习	YOLOv5s	图像	使用手机拍摄的伤口图像进行初步测试
14311	2024-10-11	Brain tumor classification using fine-tuned transfer learning models on magnetic resonance imaging (MRI) images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241286140 PMID:39381813	研究论文	本文介绍了一种利用磁共振成像（MRI）图像进行脑肿瘤分类的高效深度学习模型	本文采用了六种迁移学习算法（VGG16、ResNet50、MobileNetV2、DenseNet201、EfficientNetB3和InceptionV3），并通过优化数据预处理和数据增强来提高模型性能，创新性地提高了脑肿瘤分类的准确性和效率	本文未详细讨论模型在不同类型脑肿瘤上的具体表现，且未提及模型在实际临床应用中的可行性和接受度	旨在通过深度学习和迁移学习技术，提高脑肿瘤检测的准确性和效率	脑肿瘤的分类和检测	计算机视觉	脑肿瘤	迁移学习	深度学习模型	图像	使用了二分类和多分类数据集进行实验
14312	2024-10-11	Utilizing deep learning models for ternary classification in COVID-19 infodemic detection 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284773 PMID:39381806	研究论文	本文利用深度学习模型进行COVID-19信息流行病的三分类检测	本文采用了八种常用的深度学习模型进行三分类检测，并分析了不同模型的性能	由于信息流行病记录的有限性和数据集规模较小，预训练嵌入或简单架构的模型表现优于更复杂的模型	解决COVID-19信息流行病中区分真假信息的复杂性问题	COVID-19信息流行病的三分类检测	自然语言处理	NA	深度学习	fastText、基于RNN的模型、基于CNN的模型、基于Transformer的模型	文本	两个相对较小的数据集
14313	2024-10-11	A sustainable artificial-intelligence-augmented digital care pathway for epilepsy: Automating seizure tracking based on electroencephalogram data using artificial intelligence 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241287356 PMID:39381810	研究论文	本研究开发了一种基于人工智能的自动化癫痫发作追踪模型，用于头皮脑电图数据的分析，旨在支持可持续的数字癫痫护理路径	本研究提出了一个结合随机森林、主成分分析和支持向量机的AI增强框架，以及卷积神经网络模型，用于自动化脑电图癫痫发作追踪，提高了诊断准确性	AI集成框架的可持续性依赖于技术基础设施、专业人员、培训计划、患者数字素养、财务资源和监管合规性等因素	开发一种AI增强模型，用于自动化脑电图癫痫发作追踪，支持可持续的数字癫痫护理路径	头皮脑电图数据和癫痫患者	机器学习	癫痫	机器学习	卷积神经网络	脑电图数据	NA
14314	2024-10-11	Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284349 PMID:39381826	研究论文	开发了一种基于模块化混合生长神经气（MyGNG）的智能计算系统，用于阿尔茨海默病（AD）的早期诊断	提出了一种新的模块化混合生长神经气（MyGNG）架构，用于早期诊断阿尔茨海默病，并在分类任务中表现优于其他机器学习方法	NA	开发一种智能计算系统，用于阿尔茨海默病的早期诊断	轻度认知障碍（MCI）和认知正常（CN）患者的分类任务	机器学习	阿尔茨海默病	模块化混合生长神经气（MyGNG）	混合神经网络	特征数据	495和819名患者，每名患者有211个特征
14315	2024-10-11	AmpClass: an Antimicrobial Peptide Predictor Based on Supervised Machine Learning 2024, Anais da Academia Brasileira de Ciencias IF:1.1Q3 DOI:10.1590/0001-3765202420230756 PMID:39383429	研究论文	本文介绍了一种基于监督机器学习的抗菌肽预测工具AmpClass	AmpClass在识别具有抗菌活性的肽方面优于传统的最先进预测模型，并与深度学习模型取得相似的结果	NA	开发一种新的抗菌肽预测工具，以应对抗生素耐药性问题	抗菌肽和非抗菌肽	机器学习	NA	监督学习	NA	肽序列	15945个抗菌肽和12535个非抗菌肽
14316	2024-10-11	An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies 2023-Sep-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.11.557288 PMID:37745338	研究论文	本研究通过挖掘研究出版物和专利，整理了超过5000个流感血凝素（HA）抗体的数据集，并开发了一种轻量级的记忆B细胞语言模型（mBLM）用于基于序列的抗体特异性预测	本研究创新性地开发了一种轻量级的记忆B细胞语言模型（mBLM），并成功应用于流感血凝素抗体的特异性预测	本研究的主要局限在于数据集的获取和模型的解释性分析	本研究的目的是开发一种可解释的语言模型，用于预测抗体的特异性	本研究主要研究对象是流感血凝素（HA）抗体	机器学习	NA	NA	记忆B细胞语言模型（mBLM）	序列	超过5000个流感血凝素（HA）抗体
14317	2024-10-11	Uncovering Footprints of Natural Selection Through Spectral Analysis of Genomic Summary Statistics 2023-07-05, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msad157 PMID:37433019	研究论文	本文通过频谱分析基因组汇总统计数据，揭示自然选择的痕迹	本文采用小波变换、多锥谱分析和S变换等方法，将一维汇总统计数组转换为二维频谱分析图像，并使用卷积神经网络进行分析，提高了特征提取的准确性	NA	通过频谱分析基因组汇总统计数据，区分自然选择与中性模式，揭示自然选择的细微特征	基因组汇总统计数据的空间分布	机器学习	NA	小波变换、多锥谱分析、S变换	卷积神经网络	基因组数据	NA
14318	2024-10-11	A computer vision image differential approach for automatic detection of aggressive behavior in pigs using deep learning 2023-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skad347 PMID:37813375	研究论文	本研究使用基于卷积神经网络和图像差分的深度学习方法，自动检测猪的攻击行为	本研究创新性地结合了图像差分技术和卷积神经网络，以提高检测猪攻击行为的准确性和效率	本研究仅在特定条件下（32对不熟悉的猪仔）进行了实验，结果可能不适用于所有情况	开发一种自动检测猪攻击行为的有效且计算效率高的方法	猪的攻击行为	计算机视觉	NA	深度学习	卷积神经网络	图像	32对不熟悉的猪仔，共16小时视频记录，其中1.25小时用于建模
14319	2024-10-11	SEA-Net: Structure-Enhanced Attention Network for Limited-Angle CBCT Reconstruction of Clinical Projection Data 2023, IEEE transactions on instrumentation and measurement IF:5.6Q1 DOI:10.1109/tim.2023.3318712 PMID:38957474	研究论文	本文旨在通过开发深度学习方法，利用临床CBCT投影数据改进有限角度锥束CT重建	首次利用临床投影数据进行有限角度CBCT重建的可行性研究	NA	改进有限角度锥束CT重建技术，减少扫描时间和辐射剂量	临床CBCT投影数据	计算机视觉	NA	深度学习	结构增强注意力网络（SEA-Net）	图像	NA
14320	2024-10-11	Validation of deep learning techniques for quality augmentation in diffusion MRI for clinical studies 2023, NeuroImage. Clinical DOI:10.1016/j.nicl.2023.103483 PMID:37572514	研究论文	本研究评估了深度学习技术在临床应用中提高扩散MRI数据质量的有效性	本研究首次探讨了深度学习技术在扩散MRI数据质量增强中的应用，并评估了其在临床研究中的效果	研究结果显示，深度学习技术在提高检测统计差异能力的同时，也增加了假阳性率，且在处理异质性数据时存在信息被篡改的风险	评估深度学习技术在临床应用中提高扩散MRI数据质量的有效性	扩散MRI数据的质量增强，特别是偏头痛患者的临床试验	计算机视觉	偏头痛	深度学习	NA	图像	14个不同机构的团队使用21个梯度方向和b值为1000 s/mm的数据进行研究