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
14721	2024-08-05	ifDEEPre: large protein language-based deep learning enables interpretable and fast predictions of enzyme commission numbers 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae225 PMID:38942594	研究论文	提出了一种新型的可解释和快速的深度学习模型ifDEEPre，用于准确预测酶的委员会编号	设计了新的自引导注意机制，并结合大量蛋白语言模型学习的生物知识，显著提高了预测速度和准确性	未提及具体的限制因素	准确理解酶的生物功能，为病理学和工业生物技术的各种任务提供支持	raw蛋白质序列的表示和酶的委员会编号	机器学习	NA	大型蛋白语言模型	自引导注意机制	生物序列数据	数亿个蛋白质
14722	2024-08-05	Parkinson's disease diagnosis using deep learning: A bibliometric analysis and literature review 2024-04, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2024.102285 PMID:38554785	综述	本文进行了一项关于深度学习在帕金森病诊断中的应用的文献计量分析和文献综述	通过文献计量分析展示了深度学习在帕金森病诊断领域的显著进展和关键研究点	对于增量学习及大数据分析相关的深度学习方法的研究存在空白	研究深度学习在帕金森病诊断中的应用发展	已发表的关于帕金森病及深度学习的研究论文	计算机视觉	帕金森病	深度学习	NA	文献	检索并分析了Scopus数据库中的可用研究论文
14723	2024-08-05	Technological Vanguard: the outstanding performance of the LTY-CNN model for the early prediction of epileptic seizures 2024-02-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-04945-x PMID:38365732	研究论文	这项研究介绍了一种新型深度学习模型LTY-CNN，用于对癫痫发作的早期预测	LTY-CNN模型融合了并行卷积结构和多头注意机制，能够捕捉多尺度的EEG信号特征，提升了处理时间序列数据的效率	没有提到该模型在特定临床环境中的实际应用表现	研究癫痫发作的早期预测及其管理方法	关注神经电活动异常的癫痫患者及其EEG信号	机器学习	癫痫	EEG	LTY-CNN	时间序列数据	涉及SWEC-ETHZ和CHB-MIT两个数据集
14724	2024-08-05	Morphological Profiling for Drug Discovery in the Era of Deep Learning 2024-Jan-15, ArXiv PMID:38168460	综述	本文提供了形态特征分析在表型药物发现中的最新进展的全面概述	重点强调深度学习在形态分析中的应用，包括细胞分割、图像表示学习和多模态学习	未提及具体的限制	探讨形态特征分析在表型药物发现中的应用及其流程	涵盖对细胞或生物体在单细胞分辨率下对干扰的反应的分析	计算机视觉	NA	高通量自动成像	深度学习	图像	NA
14725	2024-08-05	The Application of Artificial Intelligence to Cancer Research: A Comprehensive Guide 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241250324 PMID:38775067	综述	本文回顾了人工智能在癌症研究中的应用和重要性	对机器学习、软计算和深度学习在肿瘤学中的作用进行了系统解释，强调了AI在改善患者结果方面的潜力	未提及具体的实证研究或实验数据支持	阐述AI在癌症研究中的进展及其在临床诊断和治疗中的应用	癌症类型的诊断、分类和预后预测	机器学习	癌症	机器学习、深度学习	SVM、朴素贝叶斯、CNN	NA	NA
14726	2024-08-05	Ventricle tracking in transesophageal echocardiography (TEE) images during cardiopulmonary resuscitation (CPR) using deep learning and monogenic filtering 2023-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00293-9 PMID:37872984	研究论文	本文研究了在心肺复苏期间使用深度学习和单基过滤法对经食道超声心动图（TEE）图像中的心室进行追踪	提出了一种实时计算心脏射血分数（EF）的方法，通过检测收缩和舒张来优化心肺复苏的质量	数据量不足的问题通过薄板样条变换解决，但仍需更多的数据验证	优化心肺复苏期间的心脏功能监测	心脏骤停患者的经食道超声心动图（TEE）图像	数字病理	心脏疾病	深度学习, 单基过滤	ResUNet++	图像	NA
14727	2024-08-05	An Improved Method for Diagnosis of Parkinson's Disease using Deep Learning Models Enhanced with Metaheuristic Algorithm 2023-Oct-04, Research square DOI:10.21203/rs.3.rs-3387953/v1 PMID:37886464	研究论文	本研究提出了一种结合元启发算法的深度学习模型用于早期诊断帕金森病	提出了四种深度学习模型及混合模型，并通过灰狼优化算法自动微调超参数	未提及具体的临床应用限制或数据集的多样性问题	提高帕金森病的早期诊断准确性	用于帕金森病诊断的深度学习模型	机器学习	帕金森病	灰狼优化	GWO-VGG16、GWO-DenseNet、GWO-DenseNet + LSTM、GWO-InceptionV3、GWO-VGG16 + InceptionV3	图像	使用两个标准数据集 T1、T2加权数据集和 SPECT DaTscan
14728	2024-08-05	Deep-Learning-Based Model for the Prediction of Cancer-Specific Survival in Patients with Spinal Chordoma 2023-10, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.08.032 PMID:37586553	研究论文	本文旨在开发基于深度学习的模型以预测脊索瘤患者的癌症特异性生存率。	提出了一种更有效的深度学习模型用于脊索瘤患者预后预测，表现优于传统的Cox回归模型。	研究仅使用了SEER数据库的数据，可能存在样本选择偏倚。	研究旨在提高脊索瘤患者的预后预测精度。	本研究对象为来自SEER数据库的脊索瘤患者。	机器学习	脊索瘤	深度学习	DeepSurv和NMTLR	临床数据	258名脊索瘤患者
14729	2024-08-05	Identification of Origin for Spinal Metastases from MR Images: Comparison Between Radiomics and Deep Learning Methods 2023-07, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2023.04.029 PMID:37059360	研究论文	本研究旨在基于脊柱增强T1磁共振图像分析脊柱转移瘤的起源，比较放射组学与深度学习方法	本研究开发的深度学习算法在识别脊柱转移瘤来源方面优于放射组学模型和专家评估	研究主要依赖于回顾性数据，可能存在选择偏倚	确定脊柱转移病变的起源是否为肺癌或其他类型癌症	173名被诊断为脊柱转移瘤的患者	数字病理学	肺癌	磁共振成像	深度学习模型与放射组学模型	医学图像	参与研究的样本数量为173名患者
14730	2024-08-05	Deep Learning-Based Image Noise Quantification Framework for Computed Tomography 2023 Jul-Aug 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001469 PMID:37380148	研究论文	本研究提出了一种基于深度学习的图像噪声量化框架，用于计算机断层扫描图像的噪声水平评估	提出了一种新颖的框架SILVER，用于在CT图像的每个区域内估计局部噪声水平	该方法依赖于假体数据进行训练，可能在不同的临床场景中表现不同	评估计算机断层扫描图像的噪声质量并优化成像协议	使用人形假体和患者图像评估噪声水平	计算机视觉	NA	深度学习	U-Net卷积神经网络	图像	100个假体扫描，120,000张假体图像
14731	2024-08-05	Screening for extranodal extension in HPV-associated oropharyngeal carcinoma: evaluation of a CT-based deep learning algorithm in patient data from a multicentre, randomised de-escalation trial 2023-06, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00046-8 PMID:37087370	研究论文	本研究评估了一种基于CT的深度学习算法在HPV相关的口咽癌患者中预测病理性外结节扩展(ENE)的表现	首次在多中心随机试验中使用深度学习算法预测HPV相关口咽癌的病理性ENE	该研究为回顾性评估，且可能受限于已排除的患者群体和标注的一致性	评估深度学习算法在HPV相关口咽癌患者中的ENE预测能力	HPV相关口咽癌患者在ECOG-ACRIN E3311试验中的数据	计算机视觉	口咽癌	CT	深度学习算法	影像	178张扫描图像和313个淋巴结
14732	2024-08-05	Deep learning model for prenatal congenital heart disease (CHD) screening generalizes to the community setting and outperforms clinical detection 2023-Mar-12, medRxiv : the preprint server for health sciences DOI:10.1101/2023.03.10.23287134 PMID:38903074	研究论文	本研究应用深度学习模型进行胎儿超声图像中先天性心脏病的筛查，且在社区环境中表现优于临床检测	该研究展示了先前训练的深度学习算法在社区获取图像中有效识别未曾接触的病变，且其准确性超过人工评估	模型的表现与专家评分的质量有一定关系，且对部分未见过的病变的敏感性统计上无显著差异	旨在提高胎儿超声检查中对先天性心脏病的检测率	研究对象为2015年至2016年间，荷兰西北地区的胎儿超声图像及其相关病例	机器学习	先天性心脏病	深度学习	NA	图像	分析了42个正常胎儿和66个孤立性先天性心脏病病例
14733	2024-08-05	Coronary artery disease evaluation during transcatheter aortic valve replacement work-up using photon-counting CT and artificial intelligence 2024 Jul-Aug, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.01.010 PMID:38368176	研究论文	本研究评估了光子计数CT与人工智能结合用于冠状动脉疾病评估的能力	该研究创新性地将光子计数CT与深度学习模型结合，以提高冠状动脉狭窄量化和血流储备预测的准确性	研究为回顾性单中心研究，可能存在选择偏倚	评估在经导管主动脉瓣置换术准备过程中使用光子计数CT与人工智能评估冠状动脉疾病的能力	对2021年10月到2023年6月之间的260名严重症状性主动脉瓣狭窄患者进行研究	医学影像学	冠状动脉疾病	光子计数CT	深度学习模型	临床数据	260名患者（138名男性，122名女性）
14734	2024-08-05	DMAF-Net: deformable multi-scale adaptive fusion network for dental structure detection with panoramic radiographs 2024-Jun-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae014 PMID:38518093	研究论文	提出了一种用于全景放射影像中牙齿结构检测的DMAF-Net模型	通过改进YOLO网络和不同模块的引入，增强了特征提取能力，适应性空间特征融合技术有效解决了不同特征层的尺度不匹配问题	研究局限于1474张全景放射影像，可能不足以覆盖所有牙齿结构问题	提高全景放射影像中牙齿结构问题的自动检测准确性	检测5种牙齿情况，包括阻生牙、缺失牙、植体、冠修复和根管治疗牙齿	数字病理学	NA	YOLO网络	DMAF-Net	全景放射影像	1474张影像
14735	2024-08-05	Deep learning in the diagnosis for cystic lesions of the jaws: a review of recent progress 2024-Jun-28, Dento maxillo facial radiology DOI:10.1093/dmfr/twae022 PMID:38814810	review	本文回顾了深度学习在颌骨囊性病变诊断中的最新进展	探讨了深度学习在颌骨囊性病变诊断中的应用性能，表明其优于临床医生	由于模型可解释性不足和多中心数据验证等问题，深度学习尚未能在临床上得到常规应用	研究深度学习在颌骨囊性病变诊断中的表现	涉及识别不同类型颌面囊性病变的研究	digital pathology	NA	深度学习	多种算法模型	文献	44项研究
14736	2024-08-05	Deep learning to quantify care manipulation activities in neonatal intensive care units 2024-Jun-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01164-y PMID:38937643	研究论文	本研究旨在量化新生儿重症监护病房中的护理操作活动	开发了一种深度学习方法以从视频中检测操作活动，估算其持续时间和频率，并整合生理信号以评估反应	相对误差容忍度为13.8%的活动持续时间和频率，结果仅与人工注释相当	监测新生儿重症监护中的压力	27名新生儿在2个新生儿重症监护病房中的330次会话	计算机视觉	NA	深度学习	NA	视频和生理信号	27名新生儿，289小时视频记录和生理数据
14737	2024-08-05	Fully automated assessment of the future liver remnant in a blood-free setting via CT before major hepatectomy via deep learning 2024-Jun-27, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01724-6 PMID:38935177	研究论文	本研究开发并验证了一种用于血液-free环境下CT影像的肝脏未来残余肝脏的深度学习模型	开发了全自动的肝静脉和门静脉分割模型，并成功应用于主要肝切除术前的FLR评估	没有提到模型在不同病灶或患者特征下的适用性	目的在于提高肝脏未来残余肝脏的评估准确性和自动化水平	包括170名在2018年1月至2019年3月期间接受治疗的患者	数字病理	NA	CT影像	3D U-Net	影像	170名患者
14738	2024-08-05	Simulation-driven design of smart gloves for gesture recognition 2024-06-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65069-2 PMID:38937537	研究论文	本文提出了一个开放的仿真平台用于设计智能手套，以实现手势识别	创新点在于利用单目视频而非精确运动数据，并通过新方法减少运动提取误差的影响	具体样本数量及其多样性未在摘要中说明	研究智能手套的设计，以提高手势识别的效率和准确性	智能手套的传感器布局和深度学习模型	计算机视觉	NA	深度学习	NA	视频	NA
14739	2024-08-05	Addressing label noise for electronic health records: insights from computer vision for tabular data 2024-Jun-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02581-5 PMID:38937744	研究论文	本研究探讨了如何通过计算机视觉算法减轻电子健康记录中的标签噪声对深度学习模型的影响	将计算机视觉算法应用于电子健康记录，以应对标签噪声的挑战	不确定计算机视觉方法在电子健康记录领域的有效性，因为两个领域之间存在显著差异	旨在提高深度学习模型在电子健康记录中应对标签噪声的能力	电子健康记录数据中的标签噪声	机器学习	COVID-19	深度学习	未指定	电子健康记录数据	未指定
14740	2024-08-05	CEMRI-Based Quantification of Intratumoral Heterogeneity for Predicting Aggressive Characteristics of Hepatocellular Carcinoma Using Habitat Analysis: Comparison and Combination of Deep Learning 2024-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.024 PMID:38057182	研究论文	该论文探讨了基于栖息地分析的肿瘤内异质性模型和基于对比增强磁共振成像的深度学习模型在预测肝细胞癌特征方面的有效性	本研究创新性地结合了栖息地分析和深度学习特征，设计了用于预测肝细胞癌微血管侵袭和病理分化的融合模型	本研究的数据仅来源于回顾性获取的CEMRI影像，可能存在选择偏倚	研究旨在评估不同模型在预测肝细胞癌侵袭特征的有效性	本研究对象为265名患者的277例肝细胞癌	数字病理学	肝癌	对比增强磁共振成像 (CEMRI)	深度学习模型	影像	265名患者的277例肝细胞癌