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
14601	2024-08-05	Optimized Wasserstein Deep Convolutional Generative Adversarial Network fostered Groundnut Leaf Disease Identification System 2024-Jul-02, Network (Bristol, England) DOI:10.1080/0954898X.2024.2351146 PMID:38953316	研究论文	本文提出了一种优化的Wasserstein深度卷积生成对抗网络用于花生叶病识别系统	提出了利用水平均衡生成对抗网络和Aquila优化算法相结合的方法来提高花生叶病识别的准确性	对比的生物学基础和数据集的多样性没有在论文中详细讨论	研究花生叶病的识别和分类以提高作物产量和质量	对健康叶子、早期叶斑、晚期叶斑、营养缺乏和锈病等不同病症进行分类	计算机视觉	NA	WDCGAN和Aquila优化算法	卷积神经网络	图像	NA
14602	2024-08-05	Adrenal Volume Quantitative Visualization Tool by Multiple Parameters and an nnU-Net Deep Learning Automatic Segmentation Model 2024-Jul-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01158-y PMID:38955963	研究论文	本文开发了一种基于nnU-Net的肾上腺体积定量可视化工具	该工具通过大规模数据集和多种参数实现了高精度和广泛适应性	当前的肾上腺分割模型在样本选择和成像参数上存在显著局限	研究肾上腺体积的定量监测与可视化，以辅助疾病诊断	关注肾上腺疾病的自动分割与体积定量	数字病理学	肾上腺相关疾病	深度学习	nnU-Net	图像	使用了大规模数据集，涵盖多种成像参数
14603	2024-08-05	Uni4Eye++: A General Masked Image Modeling Multi-modal Pre-training Framework for Ophthalmic Image Classification and Segmentation 2024-Jul-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422102 PMID:38954581	研究论文	本文提出了一种名为Uni4Eye++的自监督Transformer框架，用于眼科图像分类和分割	Uni4Eye++引入了图像熵引导的掩膜策略和动态头生成模块，以提高信息补丁的重建和减轻模态混淆	受限于数据量，手动注释仍然是一个挑战，尽管引入了自监督学习	研究旨在利用自监督学习方法来有效利用未标记的眼科图像	研究对象是眼科图像，主要集中在图像分类和分割任务	计算机视觉	眼科疾病	自监督学习	Transformer	图像	NA
14604	2024-08-05	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2024-Jul-02, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究利用基于ECG的深度学习方法预测小儿房间隔缺损。	首次将人工智能增强的ECG分析应用于小儿房间隔缺损（ASD2）的检测。	该研究的模型仅基于单中心的回顾性数据，缺乏多中心前瞻性验证。	研究旨在解决小儿房间隔缺损的早期检测不足问题。	研究对象为18岁以下无重大先天性心脏病的患者。	机器学习	心血管疾病	ECG	卷积神经网络	心电图和超声心动图数据	包含92,377对心电图-超声心动图数据（46,261名患者；中位年龄8.2岁）
14605	2024-08-05	Ovarian cancer identification technology based on deep learning and second harmonic generation imaging 2024-Jul-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400200 PMID:38955356	研究论文	本文提出了一种结合二次谐波生成成像和深度学习的卵巢癌诊断方法	创新点在于使用SHG成像和PVTv2模型，实现卵巢癌的快速、简单、无标记诊断	研究未提及样本的多样性及外部验证的情况	研究旨在提高卵巢癌的诊断效率	研究对象为未染色的新鲜人类卵巢组织	深度学习	卵巢癌	二次谐波生成成像	Pyramid Vision Transformer V2 (PVTv2)	图像	3240幅SHG图像
14606	2024-08-05	Autonomous design of noise-mitigating structures using deep reinforcement learning 2024-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026474 PMID:38958582	研究论文	本文探讨了应用深度强化学习自主设计噪音缓解结构的方法	使用双深度Q网络算法，无需先前知识即可实现宽频噪音缓解的配置学习	算法倾向于预测局部极大值	研究如何通过深度强化学习自主设计噪音缓解结构	噪音缓解的材料分布配置	计算机视觉	NA	深度强化学习	双深度Q网络	像素数据	NA
14607	2024-08-05	Variant Effect Prediction in the Age of Machine Learning 2024-Jul-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041467 PMID:38621825	研究论文	本文探讨了无监督深度学习方法在预测单核苷酸变异影响方面的应用	提出了无监督方法能够从未注释的蛋白质序列数据中学习，识别蛋白质序列中的显著错误	方法的性能在不同评估指标和变异效应类型上存在差异，且在非人类蛋白质的研究上依然不足	研究无监督深度学习方法在变异效应预测中的有效性	单个氨基酸替换的单核苷酸变异	计算机视觉	NA	深度学习	无监督学习模型	蛋白质序列数据	NA
14608	2024-08-05	Protein Design Using Structure-Prediction Networks: AlphaFold and RoseTTAFold as Protein Structure Foundation Models 2024-Jul-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041472 PMID:38438190	研究论文	本文回顾了使用结构预测神经网络设计蛋白质的最新研究	提出通过结构预测模型为蛋白质设计工具开发提供强大基础	未提及具体的实验结果验证或普遍适用性	探讨深度学习在蛋白质设计中的应用	利用结构预测神经网络设计蛋白质	生物工程	NA	深度学习	神经网络	NA	NA
14609	2024-08-05	Deep learning for automatic facial detection and recognition in Japanese macaques: illuminating social networks 2024-Jul, Primates; journal of primatology DOI:10.1007/s10329-024-01137-5 PMID:38758427	研究论文	本文探讨了使用深度学习在日本猕猴中进行面部检测和个体识别的非侵入性工具	提出了一种新的非侵入性方法，通过深度学习实现日本猕猴的面部检测和个体识别	研究结果仍为初步探索，可能在更大样本上的有效性尚需验证	开发一种自动生成日本猕猴社会网络表示的非侵入性工具	日本猕猴（Macaca fuscata）个体	计算机视觉	NA	深度学习	Faster-RCNN模型和YOLOv8n模型	视频	Kōjima岛猕猴种群的视频数据
14610	2024-08-05	Evaluation of deep learning algorithms in detecting moyamoya disease: a systematic review and single-arm meta-analysis 2024-Jun-29, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-024-02537-3 PMID:38951288	meta-analysis	本研究评估了深度学习算法在诊断 moya moya 病（MMD）中的有效性	该文章提供了深度学习模型在复杂图像模式识别中的有效性评估，揭示了其在MMD诊断中的应用潜力	仅纳入了七项研究，可能存在语言和传统机器学习方法的排除偏差	旨在分析深度学习算法在MMD诊断中的敏感性、特异性和曲线下面积（AUC）	研究对象为4416名患者，其中1358名被诊断为MMD	机器学习	moya moya病	深度学习	NA	影像	共纳入4416名患者，1358名为MMD患者
14611	2024-08-05	FoldPAthreader: predicting protein folding pathway using a novel folding force field model derived from known protein universe 2024-06-11, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03291-x PMID:38862984	研究论文	FoldPAthreader是一种新的蛋白质折叠通路预测方法。	文章提出了一种新颖的折叠力场模型，通过研究已知蛋白质宇宙中的蛋白质进化与折叠之间的内在关系来推动预测。	没有提及具体局限性。	研究蛋白质折叠通路的预测。	研究对象是蛋白质及其折叠模式。	计算机视觉	NA	蒙特卡洛取向采样	NA	蛋白质折叠路径数据	30个示例目标
14612	2024-08-05	Improving the enzymatic activity and stability of N-carbamoyl hydrolase using deep learning approach 2024-Jun-04, Microbial cell factories IF:4.3Q1 DOI:10.1186/s12934-024-02439-5 PMID:38834993	研究论文	本文通过深度学习方法开发了一款理性设计软件“Feitian”，以增强DCase的酶活性和热稳定性	开发了一款新的理性设计软件“Feitian”，基于kcat预测，成功构建了增强酶活性的三点突变体DCase-M3	预测准确度约为50%，可能限制了模型的广泛应用	提高DCase的酶活性和热稳定性	D-amino acids合成过程中使用的DCase酶	机器学习	NA	深度学习	NA	NA	六个单点突变体
14613	2024-08-05	A deep learning approach for mental health quality prediction using functional network connectivity and assessment data 2024-Jun, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-024-00857-y PMID:38340285	研究论文	本研究利用静态功能网络连接数据和深度学习模型预测个体的心理健康质量	将静态功能网络连接数据与深度学习相结合，提出一种新的心理健康质量评估方法	尚未提及研究的局限性	评估个体的心理健康质量并揭示其神经模式	研究对象为UK Biobank数据集中的参与者	机器学习	精神健康	功能磁共振成像 (fMRI)	深度学习模型	静态功能网络连接数据	参与者样本数量未具体提及
14614	2024-08-05	Bidirectional Encoder Representations from Transformers in Radiology: A Systematic Review of Natural Language Processing Applications 2024-Jun, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.01.012 PMID:38302036	评论	该文章系统评估了BERT在放射学中的影响和应用。	揭示了BERT在放射学报告分类和自动协议分配中的新兴应用。	纳入的研究主要是回顾性的，未涉及前瞻性研究。	研究BERT在放射学领域的应用和影响。	通过系统评价获取与BERT模型相关的放射学文献。	自然语言处理	NA	BERT	NA	文本	共筛选出597个结果，其中30个符合纳入标准
14615	2024-08-05	Comprehensive clinical application analysis of artificial intelligence-enabled electrocardiograms for screening multiple valvular heart diseases 2024-05-16, Aging DOI:10.18632/aging.205835 PMID:38761181	研究论文	该研究分析了人工智能辅助心电图在筛查多种瓣膜性心脏病中的临床应用	开发了五种深度学习模型以识别不同类型的瓣膜性心脏病	文章没有提及模型在不同种族或年龄群体中的表现	旨在评估人工智能心电图在瓣膜性心脏病筛查中的有效性	研究对象为77,047名接受过超声心动图和12导联心电图检查的患者	机器学习	瓣膜性心脏病	深度学习	深度学习模型(DLM)	心电图	共计77,047名患者的122,728个心电图
14616	2024-08-05	Artificial Intelligence and Machine Learning in Neuroregeneration: A Systematic Review 2024-May, Cureus DOI:10.7759/cureus.61400 PMID:38953082	系统评价	人工智能和机器学习在神经再生领域的应用现状进行综合评估	本文系统性回顾了人工智能/机器学习在神经再生中的最新应用，并强调了它们在诊断和治疗中的潜力	当前的研究相对零散，需要更全面的整合	旨在评估人工智能和机器学习在神经再生中的应用	研究对象包括神经疾病诊断、机器人康复和药物发现等	机器学习	NA	深度学习以及标准机器学习算法	NA	图像数据、动物模型和电子健康记录	共选取19篇文章，涉及247篇文献
14617	2024-08-05	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种生成对抗网络生成合成PET图像，以改善肺癌的诊断和预后	首次证明了使用深度学习将CT转换为高保真PET图像的可行性	该研究的合成PET图像尚未在临床广泛应用，且限制于特定的数据集	提升肺癌的诊断、分期、风险预测及预后评估	使用多中心多模态肺癌数据集中的CT扫描	数字病理学	肺癌	生成对抗网络	NA	图像	1,478个肺癌样本
14618	2024-08-05	Translating prognostic quantification of c-MYC and BCL2 from tissue microarrays to whole slide images in diffuse large B-cell lymphoma using deep learning 2024-Jan-19, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-023-01425-6 PMID:38243330	研究论文	本研究开发了一种基于深度学习的方法，可以在全切片图像中对c-MYC和BCL2的阳性肿瘤细胞进行自动量化	提出了一种使用注意力机制的多实例学习技术，能够在不需要单个细胞核注释的情况下，从组织微阵列核心的注释中回归阳性肿瘤细胞的比例	本研究的模型可能在不同类型组织样本或更复杂的组织结构中表现不如预期	评估c-MYC和BCL2在弥漫大B细胞淋巴瘤中的预后能力，并通过深度学习技术实现自动化量化	弥漫大B细胞淋巴瘤患者的肿瘤样本，尤其是关注c-MYC和BCL2的阳性表达	数字病理学	淋巴瘤	注意力机制的多实例学习	NA	全切片图像	使用来自斯坦福的公开组织微阵列数据集进行训练，涉及多中心队列的全切片图像
14619	2024-08-05	StratoLAMP: Label-free, multiplex digital loop-mediated isothermal amplification based on visual stratification of precipitate 2024-Jan-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2314030121 PMID:38165933	研究论文	本研究提出了一种无需标签的多重数字环介导等温扩增方法StratoLAMP，基于沉淀物的可视化分层进行分析	StratoLAMP通过视觉分层沉淀物无标签实现多重核酸检测，省去荧光染料或探针，降低复杂性和成本	尚未提及研究的具体局限性	开发一种高效且成本低的无标签多重核酸检测方法	研究不同浓度引物对核酸靶标扩增沉淀物产生的影响	数字病理学	NA	数字环介导等温扩增	深度学习	图像	NA
14620	2024-08-05	Heterogeneity in intrahepatic macrophage populations and druggable target expression in patients with steatotic liver disease-related fibrosis 2024-Jan, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2023.100958 PMID:38162144	研究论文	本研究评估了脂肪性肝病患者体内的肝内巨噬细胞与药物靶点的表达情况	发现了脂肪性肝病患者中巨噬细胞表型及药物靶点的显著异质性	患者内表型差异很大，可能影响结果的一致性	确定肝内巨噬细胞活性评分或纤维化分期对表型和药物靶点表达的影响	评估脂肪性肝病患者及对照者的肝内巨噬细胞	数字病理学	脂肪性肝病	基因表达分析、免疫组化、谱成像和空间分析	深度学习/人工智能算法	基因和蛋白质数据	共计64个样本，包含30个来自活检的样本和34个用于蛋白表达分析的样本