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
14341	2024-10-15	Choroidal Vessel and Stromal Volumetric Analysis After Photodynamic Therapy or Focal Laser for Central Serous Chorioretinopathy 2023-11-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.11.26 PMID:37982766	研究论文	研究使用体积分析量化中心性浆液性脉络膜视网膜病变（CSCR）患者在接受光动力疗法（PDT）和局部激光光凝（PC）后脉络膜血管和基质的体积变化	首次使用深度学习方法进行三维光学相干断层扫描体积分析，量化PDT和PC治疗后脉络膜血管和基质的体积变化	这是一项回顾性比较研究，样本量较小，且仅包括CSCR患者	研究PDT和PC治疗对CSCR患者脉络膜血管和基质体积的影响	中心性浆液性脉络膜视网膜病变（CSCR）患者的脉络膜血管和基质	NA	NA	深度学习	NA	图像	58只眼（58名患者），其中33只眼接受PC治疗，25只眼接受PDT治疗
14342	2024-10-15	A deep learning-based dynamic model for predicting acute kidney injury risk severity in postoperative patients 2023-09, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2023.05.003 PMID:37316372	研究论文	本文开发了一种基于循环神经网络的动态模型，用于预测术后患者急性肾损伤的风险和严重程度	提出了一个基于循环神经网络的动态模型，能够更精细和动态地建模急性肾损伤状态，并实现更连续和准确的预测	NA	开发和验证一种新的模型，用于预测术后患者急性肾损伤的风险和严重程度	术后急性肾损伤的风险和严重程度	机器学习	肾脏疾病	循环神经网络	RNN	数值数据	42,906名手术患者
14343	2024-10-15	A bibliometric analysis of worldwide cancer research using machine learning methods 2023-Jun, Cancer innovation DOI:10.1002/cai2.68 PMID:38089405	研究论文	本文通过文献计量分析方法，研究了2011年至2021年间使用机器学习方法进行癌症研究的全球趋势和热点	本文首次对全球范围内使用机器学习方法进行癌症研究的文献进行了全面的文献计量分析，揭示了该领域的研究热点和发展趋势	本文仅基于PubMed数据库中的6206篇文献进行分析，可能未能涵盖所有相关研究	分析全球范围内使用机器学习方法进行癌症研究的最新研究现状、主要研究主题、主题演变、研究合作和潜在研究方向	2011年至2021年间PubMed数据库中收集的6206篇关于使用机器学习方法进行癌症研究的文献	机器学习	癌症	文献计量分析	Latent Dirichlet Allocation	文本	6206篇文献
14344	2024-10-15	Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0115 PMID:38033720	研究论文	提出了一种基于密度互斥的半监督葡萄浆果田间计数方法	引入基于密度互斥的辅助任务，利用未标记数据的空间分布模式，并设计了密度差异损失以增强特征表示	未提及	解决葡萄浆果计数中的遮挡问题，提高计数准确性	葡萄浆果	计算机视觉	NA	深度学习	VGG16	图像	田间葡萄浆果数据集
14345	2024-10-15	Hybrid transfer learning strategy for cross-subject EEG emotion recognition 2023, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2023.1280241 PMID:38034069	研究论文	本文提出了一种混合迁移学习策略，用于跨受试者的脑电图情绪识别	设计了一种名为Emo-DA的领域自适应学习模块，并结合少量样本微调网络（DFF-Net），显著提高了跨受试者脑电图情绪识别的准确性	未提及	解决跨受试者脑电图情绪识别中的性能下降问题	脑电图信号的情绪识别	机器学习	NA	迁移学习	DFF-Net	脑电图信号	在SEED数据集上达到93.37%的平均识别准确率，在SEED-IV数据集上达到82.32%的平均识别准确率
14346	2024-10-15	Artificial intelligence-driven systems engineering for next-generation plant-derived biopharmaceuticals 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1252166 PMID:38034587	综述	本文综述了人工智能驱动的系统工程在植物源下一代生物制药中的应用	本文提出通过人工智能和合成生物学工具优化植物系统中重组蛋白的表达，以提高产量和稳定性	本文未详细讨论具体的实验验证和实际应用案例	探讨人工智能在植物分子制药中的应用，以提高重组蛋白的产量和稳定性	植物系统中的重组生物制药，包括抗原、抗体、激素、细胞因子、单链可变片段和肽	生物技术	NA	人工智能算法	神经网络、支持向量机、线性回归、高斯过程和回归器集成	蛋白质结构数据	NA
14347	2024-10-15	Multi-level advances in databases related to systems pharmacology in traditional Chinese medicine: a 60-year review 2023, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2023.1289901 PMID:38035021	综述	本文回顾了60年来与中医药系统药理学相关的数据库的多层次进展	本文探讨了计算技术（包括深度学习和基础模型）在推动复杂系统探索和建模方面的新进展，预示着新时代的到来	本文指出了中医药计算药理学研究中的瓶颈问题	探讨中医药系统药理学相关数据库的进展，并展望计算研究的未来方向	中医药配方、草药、成分、靶点、表型等六个关键实体	NA	NA	网络分析、深度学习、基础模型	NA	NA	NA
14348	2024-10-15	Instruction-Level Power Side-Channel Leakage Evaluation of Soft-Core CPUs on Shared FPGAs 2023, Journal of hardware and systems security DOI:10.1007/s41635-023-00135-1 PMID:38037617	研究论文	本文研究了在共享FPGA环境中，软核CPU在指令级别的功耗侧信道泄漏问题	本文首次在没有物理访问或昂贵测量设备的环境中分析了指令级别的功耗侧信道泄漏，并展示了在多租户FPGA场景中的泄漏情况	尽管在某些情况下可以识别指令的操作码，但泄漏同一类型指令之间的差异对深度学习模型来说是一个挑战	评估在共享FPGA环境中，软核CPU在指令级别的功耗侧信道泄漏情况	软核CPU在指令级别的功耗侧信道泄漏	计算机视觉	NA	功耗侧信道分析	深度学习模型	功耗侧信道数据	NA
14349	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
14350	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
14351	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
14352	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
14353	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）
14354	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
14355	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
14356	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
14357	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
14358	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
14359	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
14360	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