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
15141	2024-09-30	SpatialSim: Recognizing Spatial Configurations of Objects With Graph Neural Networks 2021, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2021.782081 PMID:35156011	研究论文	本文提出了一种名为SpatialSim的新型几何推理诊断数据集，并验证了全连接消息传递图神经网络（MPGNNs）在解决识别和区分物体空间配置任务中的优势	提出了SpatialSim数据集，并展示了MPGNNs在几何推理任务中的优越性	指出了当前GNNs在识别和区分任务中的局限性	研究自主代理如何通过几何推理能力判断目标是否达成	物体空间配置的识别和区分	计算机视觉	NA	图神经网络（GNNs）	图神经网络（MPGNNs）	图像	NA
15142	2024-09-30	Emotion Recognition Based on Dynamic Energy Features Using a Bi-LSTM Network 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.741086 PMID:35264939	研究论文	本文提出了一种基于动态能量特征的深度网络模型，用于解决脑电图（EEG）信号情感识别中因分辨率低和小样本量导致的高质量模型难以应用的问题	本文提出了能量序列的概念以减少特征分析和提取过程中的噪声叠加，并给出了动态能量特征集的构建方法，同时使用了双向长短期记忆（Bi-LSTM）网络以适应小数据集	NA	解决脑电图信号情感识别中因分辨率低和小样本量导致的高质量模型难以应用的问题	脑电图（EEG）信号的情感识别	机器学习	NA	双向长短期记忆（Bi-LSTM）网络	Bi-LSTM	脑电图（EEG）信号	使用了SEED和DEAP数据集，采用留一法（LOSO）和10折交叉验证（CV）策略进行实验
15143	2024-09-30	[Research on coronavirus disease 2019 (COVID-19) detection method based on depthwise separable DenseNet in chest X-ray images] 2020-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202005056 PMID:32840070	研究论文	本文提出了一种基于深度可分离DenseNet的COVID-19检测方法，并在胸部X光图像上进行了验证	提出了深度可分离DenseNet模型，相比传统DenseNet减少了模型参数，同时保持了分类效果	未提及具体的局限性	快速诊断COVID-19	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	DenseNet	图像	2905张胸部X光图像
15144	2024-09-30	LVI-PathNet: Segmentation-classification pipeline for detection of lymphovascular invasion in whole slide images of lung adenocarcinoma 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100395 PMID:39328468	研究论文	本研究开发了一种用于检测肺腺癌全切片图像中淋巴血管侵犯的深度学习模型，并评估了其在病理学家信息系统中的有效性	本研究提出了LVI-PathNet模型，通过分割和分类管道检测淋巴血管侵犯，显著提高了检测的准确性和一致性	研究样本仅限于非粘液性肺腺癌，且样本量相对较小	开发和评估一种用于检测肺腺癌中淋巴血管侵犯的深度学习模型	肺腺癌全切片图像中的淋巴血管侵犯	数字病理学	肺腺癌	深度学习	DeepLabV3+	图像	162张全切片图像
15145	2024-09-30	A comprehensive cotton leaf disease dataset for enhanced detection and classification 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110913 PMID:39328970	研究论文	本文介绍了一个全面的棉花叶病数据集，用于增强疾病检测和分类	该数据集包含了2137张原始图像和7000张增强图像，使用Inception V3模型展示了96.03%的高准确率	NA	开发用于早期疾病检测的准确机器学习模型，减少人工检查并促进及时干预	棉花叶病数据集及其在农业研究、精准农业和疾病管理中的应用	计算机视觉	NA	深度学习	Inception V3	图像	2137张原始图像和7000张增强图像
15146	2024-09-30	Rapid profiling of carcinogenic types of Helicobacter pylori infection via deep learning analysis of label-free SERS spectra of human serum 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.008 PMID:39329094	研究论文	本文开发了一种结合表面增强拉曼光谱和深度学习算法卷积神经网络的新方法，用于快速区分人血清中致癌型和非致癌型幽门螺杆菌感染	首次将表面增强拉曼光谱与深度学习算法结合，用于快速、准确且成本效益高的幽门螺杆菌致癌型感染血清学分析	NA	开发一种快速、准确且成本效益高的方法，用于血清学分析幽门螺杆菌致癌型感染，以指导其根除和胃癌预防	人血清中幽门螺杆菌感染的致癌型和非致癌型	机器学习	胃癌	表面增强拉曼光谱	卷积神经网络	光谱	NA
15147	2024-09-30	Enhancing Precision in Cardiac Segmentation for Magnetic Resonance-Guided Radiation Therapy Through Deep Learning 2024-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.05.013 PMID:38797498	研究论文	本文通过深度学习框架增强磁共振引导放射治疗中的心脏分割精度	本文扩展了现有的深度学习框架“No New” U-Net，引入自蒸馏（nnU-Net.wSD）用于磁共振引导放射治疗中的心脏亚结构分割	本文的局限性在于仅在两个机构的数据上进行了验证，未来需要进一步验证其泛化能力	本文旨在通过深度学习提高磁共振引导放射治疗中的心脏亚结构分割精度，以减少心脏晚期并发症	本文研究对象为接受胸腹部放射治疗的18名患者的心脏亚结构	计算机视觉	心血管疾病	深度学习	U-Net	图像	18名患者，其中10名用于训练，3名用于验证，5名用于测试，另外22名用于泛化测试
15148	2024-09-30	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-Nov-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	研究了新辅助放疗对原发性乳腺癌中肿瘤浸润淋巴细胞（TILs）的纵向影响	首次探讨了新辅助放疗对乳腺癌肿瘤免疫微环境中TILs的影响，并展示了人工智能在病理学中的潜在应用	研究样本量较小，需要进一步验证结果	探讨新辅助放疗对乳腺癌中TILs的影响及其与病理完全缓解（pCR）和长期预后的关系	乳腺癌患者在接受新辅助放疗前、中、后的肿瘤样本和外周血中的淋巴细胞	数字病理学	乳腺癌	深度学习	SuperTIL	图像	来自PRADA和Neo-RT乳腺癌临床试验的患者样本
15149	2024-08-07	Correction to: Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03437-5 PMID:39085640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15150	2024-09-30	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本文探讨了通过电子健康记录（EHR）、DICOM图像和深度学习算法自动检测和分类心力衰竭（HF）患者的方法	结合关键词搜索、AI自动解读DICOM超声心动图图像和生物样本分析，实现了HF亚型的自动识别	NA	通过自动化方法提高心力衰竭患者的检测和分类准确性	心力衰竭患者及其亚型分类	机器学习	心血管疾病	深度学习	NA	文本、图像	60,850份EHR数据，最终筛选出578名患者，包括186名对照组、236名HFpEF患者和156名HFrEF患者
15151	2024-09-30	Challenges for augmenting intelligence in cardiac imaging 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00142-0 PMID:39214759	研究论文	本文探讨了人工智能在心脏影像中的应用及其面临的挑战	提出将人工智能视为增强智能，以补充而非取代人类判断，并强调从孤立测量转向整合非线性复杂数据以识别疾病表型	数据稀缺、隐私问题、伦理担忧以及缺乏统一模型和高质量标注数据等问题限制了AI在心脏影像中的应用	探讨人工智能在心脏影像中的应用及其面临的挑战，并提出改进方法	心脏影像数据及其在医疗中的应用	计算机视觉	心血管疾病	深度学习	NA	图像	NA
15152	2024-09-30	Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00150-X PMID:39332852	研究论文	本研究利用深度学习技术评估健康女性乳腺组织中与衰老相关的细胞核形态，以预测未来乳腺癌的风险	首次将深度学习应用于评估乳腺组织中衰老细胞的核形态，并结合多种模型提高乳腺癌风险预测的准确性	研究基于回顾性队列，且样本主要来自健康女性，可能限制了结果的普适性	探索衰老标志物在健康女性乳腺组织中对乳腺癌发展的临床相关性	健康女性乳腺组织的细胞核形态	数字病理学	乳腺癌	深度学习	深度学习模型	图像	4382名健康女性捐赠者
15153	2024-09-30	The synergistic effect of artificial intelligence technology in the evolution of visual communication of new media art 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38008 PMID:39328541	研究论文	研究探讨了人工智能技术在新媒体艺术视觉传播演化中的协同效应，并提出了一种基于卷积神经网络的AI布局设计方法	提出了基于卷积神经网络的AI布局设计模型，并通过实验验证了其在新媒体艺术视觉传播设计中的有效性	研究样本仅为20名设计学生，样本量较小，可能影响结果的普适性	探讨人工智能技术在新媒体艺术视觉传播中的应用，并提出一种新的布局设计方法	新媒体艺术的视觉传播设计	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	20名设计学生
15154	2024-09-30	A systematic analyses of different bioinformatics pipelines for genomic data and its impact on deep learning models for chromatin loop prediction 2024-Sep-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae009 PMID:38555493	研究论文	本文系统分析了用于基因组数据的不同生物信息学管道及其对染色质环预测深度学习模型的影响	本文创新性地整合了六个不同管道的两个蛋白质因子特异性环相互作用数据集，提供了对基因组特征分析方法的全面视角	本文主要集中在染色质环和结构的分析，未涵盖所有基因组数据分析的方面	研究基因组数据分析中生物信息学管道对深度学习模型性能的影响	染色质环和结构分析的生物信息学管道及其对深度学习模型的影响	生物信息学	NA	深度学习	深度学习模型	基因组数据	36个多样化的数据集
15155	2024-09-30	A comprehensive review of machine learning techniques for multi-omics data integration: challenges and applications in precision oncology 2024-Sep-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae013 PMID:38600757	综述	本文综述了机器学习技术在多组学数据整合中的应用，特别是在精准肿瘤学中的挑战和应用	本文探讨了深度学习和网络方法在整合多组学数据中的潜力，并提供了一个整合多组学数据在精准肿瘤学中的路线图	NA	总结和分类机器学习技术在多组学数据整合中的进展，特别是在精准肿瘤学中的应用	多组学数据（基因组学、转录组学、蛋白质组学和代谢组学）以及临床数据	机器学习	NA	机器学习	深度学习	多组学数据	NA
15156	2024-09-30	A deep learning method for simultaneous denoising and missing wedge reconstruction in cryogenic electron tomography 2024-Sep-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51438-y PMID:39313517	研究论文	提出了一种用于低温电子断层扫描中同时去噪和缺失楔形重建的深度学习方法	提出了一种名为DeepDeWedge的深度学习方法，无需真实数据，通过自监督损失拟合神经网络，简化了当前最先进方法的复杂性，并在去噪和缺失楔形重建方面表现出色	未提及	解决低温电子断层扫描中由于噪声和缺失楔形信息导致的重建困难	低温电子断层扫描中的2D投影数据	计算机视觉	NA	深度学习	神经网络	图像	未提及
15157	2024-09-30	PreAlgPro: Prediction of allergenic proteins with pre-trained protein language model and efficient neutral network 2024-Sep-23, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.135762 PMID:39322150	研究论文	本文介绍了一种基于预训练蛋白质语言模型和深度学习技术的过敏原蛋白质识别方法PreAlgPro	采用ProtT5模型提取蛋白质嵌入特征，替代了手动特征提取步骤，并设计了Attention-CNN神经网络架构来识别潜在特征	NA	提高过敏原蛋白质识别的准确性和效率	过敏原蛋白质的识别	机器学习	NA	深度学习	Attention-CNN	蛋白质序列	四个独立测试集和收集的过敏原蛋白质样本
15158	2024-09-27	Multi-Cover Persistence (MCP)-based machine learning for polymer property prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae465 PMID:39323091	研究论文	本文介绍了一种基于多覆盖持久性（MCP）的分子表示方法，并将其与梯度提升树（GBT）模型结合，用于聚合物性质预测	首次引入多覆盖持久性（MCP）作为分子表示方法，利用Delaunay切片和菱形平铺来表征复杂的几何和拓扑信息	NA	开发一种新的分子表示方法，以提高聚合物性质预测的准确性和效率	聚合物及其性质	机器学习	NA	多覆盖持久性（MCP）	梯度提升树（GBT）	聚合物数据	聚合物基准数据集
15159	2024-09-30	Aggregation Rules of Short Peptides 2024-Sep-23, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.4c00501 PMID:39328768	研究论文	本文研究了短肽（如四肽和五肽）的聚集规则，并基于transformer深度学习模型预测的聚集倾向值，推导了四肽和五肽在整个序列空间中的综合聚集规则	本文扩展了现有的三肽序列聚集规则，涵盖了数百万个四肽和五肽序列，为实验人员提供了明确的路线图，用于微调短肽的聚集行为	NA	阐明短肽的聚集规则，以便精确操控聚集行为	四肽和五肽的聚集规则	机器学习	NA	transformer深度学习模型	transformer	序列数据	超过20,000个四肽
15160	2024-09-30	An ensemble machine learning model assists in the diagnosis of gastric ectopic pancreas and gastric stromal tumors 2024-Sep-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01809-2 PMID:39320559	研究论文	开发了一种基于多相计算机断层扫描（MPCT）的集成机器学习（eML）模型，用于区分胃异位胰腺（GEP）和胃间质瘤（GIST）	首次通过放射组学和深度学习方法区分这些肿瘤，揭示了病变中潜在的不同表型	研究样本量较小，且仅限于小于3厘米的病变	开发一种能够有效区分胃异位胰腺和胃间质瘤的机器学习模型	胃异位胰腺和胃间质瘤	机器学习	胃肠道疾病	多相计算机断层扫描（MPCT）	集成机器学习（eML）	图像	138名患者的多相计算机断层扫描图像