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
14381	2024-10-09	A Comprehensive study on the different types of soil desiccation cracks and their implications for soil identification using deep learning techniques 2024-Sep-25, The European physical journal. E, Soft matter DOI:10.1140/epje/s10189-024-00453-4 PMID:39320558	研究论文	本文研究了不同类型土壤的干裂模式及其在土壤识别中的应用，结合传统分析方法和深度学习技术	本文创新性地将分形维数分析作为深度学习图像分析的预处理工具，并证明了数据增强技术在提高模型鲁棒性和准确性方面的有效性	NA	研究不同类型土壤的干裂模式，并探讨其在土壤识别中的应用	来自印度布拉马普特拉河流域的三种土壤：粘土、粉土和砂质壤土	计算机视觉	NA	深度学习技术	前馈神经网络	图像	三种土壤类型，具体数量未提及
14382	2024-10-09	Geometric deep learning of protein-DNA binding specificity 2024-Sep, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02372-w PMID:39103447	研究论文	本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性	提出了DeepPBS模型，能够从蛋白质-DNA结构中预测结合特异性，并提供了可解释的蛋白质重原子重要性评分	NA	理解基因调控中的蛋白质-DNA结合特异性	蛋白质-DNA复合物的结合特异性	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-DNA结构	NA
14383	2024-10-09	Microwave detection technique combined with deep learning algorithm facilitates quantitative analysis of heavy metal Pb residues in edible oils 2024-Sep, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17259 PMID:39136980	研究论文	本研究结合微波检测技术和深度学习算法，开发了一种用于量化食用油中重金属铅残留的模型	提出了基于注意力机制的深度残差神经网络模型，用于替代传统的建模方法，并在微波数据处理过程中探讨了深度对卷积神经网络的影响	NA	开发一种新的方法来量化食用油中的重金属铅残留	食用油中的重金属铅残留	机器学习	NA	微波检测技术	基于注意力机制的深度残差神经网络	微波数据	标准大豆油样本
14384	2024-10-09	Evaluation of deep learning and convolutional neural network algorithms for mandibular fracture detection using radiographic images: A systematic review and meta-analysis 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240038 PMID:39371302	meta-analysis	本文对使用放射影像进行下颌骨骨折检测的深度学习和卷积神经网络算法进行了系统评价和荟萃分析	本文首次对使用放射影像进行下颌骨骨折检测的深度学习和卷积神经网络算法进行了系统评价和荟萃分析	当前研究的有效性受限于可用数据集的小规模和狭窄范围	评估深度学习算法在放射影像中检测下颌骨骨折的潜力	下颌骨骨折的放射影像	计算机视觉	NA	卷积神经网络	CNN	图像	5项符合条件的研究
14385	2024-10-09	Clinical validity and precision of deep learning-based cone-beam computed tomography automatic landmarking algorithm 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240009 PMID:39371307	研究论文	本研究评估了基于深度学习的锥形束计算机断层扫描（CBCT）自动地标识别算法的临床有效性和准确性	开发了一种基于深度学习的CBCT自动地标识别算法，显著减少了地标识别所需的时间	研究样本量较小，且仅限于三种特定类型的CBCT扫描	评估基于深度学习的CBCT自动地标识别算法的临床有效性和准确性	CBCT扫描中的三维头部测量数据	计算机视觉	NA	深度学习	NA	图像	80例CBCT扫描，分为三组：非手术组（39例）、无硬件手术组（9例）和有硬件手术组（32例）
14386	2024-10-09	Classification of mandibular molar furcation involvement in periapical radiographs by deep learning 2024-Sep, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20240020 PMID:39371308	研究论文	本研究使用深度学习算法对下颌磨牙根分叉病变在根尖片中的分类进行研究	本研究首次使用ResNet-18卷积神经网络模型对下颌磨牙根分叉病变进行分类	研究仅限于下颌磨牙的根尖片，未涉及其他类型的影像学检查	开发一种深度学习算法，用于分类下颌磨牙根分叉病变	下颌磨牙的根分叉病变	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	2011-2023年间东卡罗莱纳大学牙医学院拍摄的全口系列影像，包括健康和根分叉病变的下颌磨牙根尖片
14387	2024-10-09	Will Artificial Intelligence Be "Better" Than Humans in the Management of Syncope? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101072 PMID:39372450	研究论文	探讨人工智能在晕厥管理中的应用及其优缺点	利用机器学习、深度学习和自然语言处理技术分析晕厥风险因素和临床特征，辅助医生区分真晕厥与其他类型的短暂意识丧失	文章主要探讨了人工智能在晕厥诊断和管理中的潜在优势和挑战，但未提供具体的数据或模型验证	研究人工智能在晕厥诊断和管理中的应用，评估其是否能超越人类的表现	晕厥的临床决策、临床研究和教育	机器学习	NA	机器学习、深度学习、自然语言处理	机器学习模型、深度学习模型、自然语言处理模型	文本	NA
14388	2024-10-09	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文研究了使用机器学习自动评估超声视频中的右心房压力	开发了全自动深度学习模型，用于识别超声心动图研究中的下腔静脉扫描并估计右心房压力	NA	评估机器学习是否能准确估计超声心动图测量的右心房压力	右心房压力的自动评估	机器学习	心血管疾病	深度学习	深度学习模型	视频	15,828个超声视频和319个右心导管测量的右心房压力
14389	2024-10-09	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	研究评估了基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并分析了不同病例和对照定义对模型性能的影响	探讨了不同病例和对照选择对人工智能模型训练的影响，并提出了在没有专门淀粉样变诊所的机构中，使用较少筛选的病例进行模型训练的可行性	研究结果表明，仅依赖AUC或其他指标不足以评估深度学习算法的性能，需要在最具临床意义的群体中进行评估	评估基于心电图波形的人工智能模型在心脏淀粉样变筛查中的表现，并探讨不同病例和对照定义对模型性能的影响	心脏淀粉样变（CA）的筛查和诊断	机器学习	心血管疾病	人工智能模型	NA	心电图（ECG）波形数据	约130万份心电图数据，来自341,989名患者
14390	2024-10-09	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了一种机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	本研究首次使用极端梯度提升（XGB）和深度学习（DL）模型对心肌损伤和梗死进行表型分析，并预测30天死亡或心肌梗死事件	这些模型需要在随机临床试验中进行外部验证，以评估其在临床实践中的影响	开发机器学习模型，用于对疑似急性冠状动脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天事件	疑似急性冠状动脉综合征患者	机器学习	心血管疾病	极端梯度提升（XGB）和深度学习（DL）	极端梯度提升（XGB）和深度学习（DL）	电子健康记录	训练集包含6722名患者，测试集包含8869名患者
14391	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14392	2024-10-09	Optimizing mammography interpretation education: leveraging deep learning for cohort-specific error detection to enhance radiologist training 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.055502 PMID:39372519	研究论文	本研究探讨了利用卷积神经网络（CNN）进行迁移学习，以分类筛查乳腺X光片中与假阳性（FP）错误相关的区域，从而优化放射科医生培训的可行性	本研究首次尝试使用迁移学习技术，通过CNN模型对特定放射科医生群体的乳腺X光片中的假阳性区域进行分类，以预测其难度水平	本研究仅限于特定地理特征的放射科医生群体，未来研究需扩展到更广泛的群体	研究目的是通过深度学习技术优化乳腺X光片的解读教育，减少放射科医生的误诊	研究对象为两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片	计算机视觉	乳腺疾病	卷积神经网络（CNN）	ResNet-50	图像	两个地理上相距较远的放射科医生群体（A组和B组）的乳腺X光片
14393	2024-10-09	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-Aug-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	本文探讨了AlphaFold在预测折叠切换蛋白质结构方面的能力，发现其成功部分源于对训练集结构的记忆而非学习到的蛋白质能量学	首次系统评估了AlphaFold在预测折叠切换蛋白质结构方面的局限性，并揭示了其成功预测的部分原因	AlphaFold在预测折叠切换蛋白质结构时表现不佳，部分成功源于对训练集结构的记忆而非学习到的蛋白质能量学	评估AlphaFold在预测折叠切换蛋白质结构方面的预测能力及其局限性	折叠切换蛋白质的结构预测	机器学习	NA	深度学习	AlphaFold	蛋白质结构	超过280,000个模型，包括AlphaFold2和AlphaFold3的多个实现
14394	2024-10-09	Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling 2024-Aug-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01207-4 PMID:39152209	研究论文	本文提出了一种基于Transformer的长程医学影像序列建模方法，用于眼科疾病的预后分析	本文首次将Transformer模型应用于长程医学影像序列，实现了动态疾病预后分析	本文仅在AMD和POAG两种眼科疾病上进行了验证，未来需在更多疾病类型上进行验证	开发一种能够从长程医学影像中动态预测疾病预后的方法	年龄相关性黄斑变性（AMD）和原发性开角型青光眼（POAG）	计算机视觉	眼科疾病	Transformer模型	Transformer	图像	使用来自AREDS和OHTS研究的长程影像数据，具体样本数量未明确说明
14395	2024-10-09	CT-based synthetic contrast-enhanced dual-energy CT generation using conditional denoising diffusion probabilistic model 2024-Aug-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a1 PMID:39053511	研究论文	研究利用条件去噪扩散概率模型从非对比单能量CT扫描生成合成对比增强双能量CT图像	首次采用条件去噪扩散概率模型生成合成对比增强双能量CT图像，为缺乏双能量CT扫描仪的机构和不适合碘对比成像的患者提供了一种替代成像解决方案	研究样本仅限于130名头颈部癌症患者，结果的普适性有待进一步验证	解决双能量CT扫描仪稀缺和碘对比剂对高风险患者健康风险的问题	头颈部癌症患者的非对比单能量CT和对比增强双能量CT图像	计算机视觉	头颈部癌症	条件去噪扩散概率模型	C-DDPM	图像	130名头颈部癌症患者
14396	2024-10-09	ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images 2024-Jun, The European journal of neuroscience DOI:10.1111/ejn.16332 PMID:38576196	研究论文	开发了一种深度学习模型ArcheD，用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度	提出了一种新的残差神经网络ArcheD，能够独立于示踪剂、脑参考区域或预选感兴趣区域，直接从淀粉样蛋白PET图像中预测脑脊液中的淀粉样蛋白-β浓度	未提及	开发一种深度学习模型，用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度，以辅助阿尔茨海默病的早期识别和诊断	淀粉样蛋白PET图像和脑脊液中的淀粉样蛋白-β浓度	机器学习	阿尔茨海默病	深度学习	残差神经网络	图像	1870个淀粉样蛋白PET图像和脑脊液测量数据
14397	2024-10-09	Detection of Personal and Family History of Suicidal Thoughts and Behaviors using Deep Learning and Natural Language Processing: A Multi-Site Study 2024-Mar-11, Research square DOI:10.21203/rs.3.rs-4014472/v1 PMID:38559051	研究论文	本文开发并验证了一种基于深度学习和自然语言处理的工具，用于从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为的历史	本文首次使用深度学习方法，特别是预训练的transformer模型Bio_ClinicalBERT和GatorTron，来识别个人和家庭自杀意念和行为的历史，并展示了其在多个医疗系统中的有效性	本文未详细讨论深度学习模型在不同医疗系统中的泛化能力，以及其在实际临床应用中的可行性和接受度	开发和验证一种能够从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为历史的工具	个人和家庭自杀意念和行为的历史	自然语言处理	NA	深度学习	transformer	文本	NA
14398	2024-10-09	Substrate recognition principles for the PP2A-B55 protein phosphatase 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.10.579793 PMID:38370611	研究论文	研究PP2A-B55蛋白磷酸酶的底物识别原理	通过整合AlphaFold建模和全面的突变扫描，揭示了底物α-螺旋通过进化保守机制与B55结合，并利用深度学习蛋白质设计生成了特异且强效的竞争性肽抑制剂	NA	揭示PP2A-B55蛋白磷酸酶的底物选择机制	PP2A-B55蛋白磷酸酶及其底物	NA	NA	AlphaFold建模、突变扫描、深度学习蛋白质设计	深度学习	蛋白质序列	NA
14399	2024-10-09	Correction to: Growing ecosystem of deep learning methods for modeling protein-protein interactions 2024-Jan-29, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzae016 PMID:39377372	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14400	2024-10-09	Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.20.576449 PMID:38328064	研究论文	本文介绍了一种名为embGAN的深度学习管道，用于在无标记的3D时间序列显微镜成像中实现自动细胞检测和跟踪	embGAN无需手动数据标注即可进行训练，学习到的检测具有高度的尺度不变性，并且在多个实验室和仪器的图像中具有良好的泛化能力	NA	开发一种自动化的细胞谱系重建方法	无标记的3D时间序列显微镜成像中的细胞检测和跟踪	计算机视觉	NA	深度学习	GAN	图像	多个实验室和仪器的图像