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
15201	2024-09-28	Deep learning-based segmentation for high-dose-rate brachytherapy in cervical cancer using 3D Prompt-ResUNet 2024-Sep-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7ad1 PMID:39270708	研究论文	开发并评估了一种基于3D Prompt-ResUNet的模块，用于宫颈癌高剂量率近距离放射治疗中高危临床靶体积（HRCTV）和危及器官（OAR）的快速一致自动分割	提出了3D Prompt-ResUNet模型，结合了基于提示的模型和3D nnUNet，用于HRCTV和OAR的自动分割	NA	开发和评估一种用于宫颈癌高剂量率近距离放射治疗中HRCTV和OAR自动分割的3D Prompt-ResUNet模块	宫颈癌患者的高危临床靶体积（HRCTV）和危及器官（OAR）	计算机视觉	宫颈癌	深度学习	3D Prompt-ResUNet	图像	135名宫颈癌患者，包括73个CT扫描和62个MRI扫描
15202	2024-09-28	Deep learning for enhanced spectral analysis of MA-XRF datasets of paintings 2024-Sep-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adp6234 PMID:39321288	研究论文	本文介绍了一种用于增强绘画MA-XRF数据集光谱分析的深度学习算法	引入了一种基于合成数据集训练的深度学习算法，能够快速准确地分析MA-XRF数据集中的XRF光谱，克服了传统解卷积方法的局限性	NA	开发一种新的计算方法来解决MA-XRF数据集分析中的挑战	绘画的MA-XRF数据集	计算机视觉	NA	深度学习	深度学习算法	光谱数据	一个拉斐尔的绘画样本
15203	2024-09-28	RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI 2024-Sep-26, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3449949 PMID:39325609	研究论文	提出了一种基于静息态fMRI的区域-状态掩码自编码器（RS-MAE）用于神经精神障碍分类	引入了掩码自编码器（MAE）来减少动态功能连接矩阵中的冗余信息，并提出了区域-状态（RS）补丁嵌入和随机状态连接（RSC）来适应连接矩阵并缓解训练样本不足的问题	NA	开发一种有效的深度学习模型用于基于静息态fMRI的神经精神障碍分类	动态功能连接矩阵和神经精神障碍分类	机器学习	神经精神障碍	掩码自编码器（MAE）	区域-状态掩码自编码器（RS-MAE）	功能磁共振成像（fMRI）	在四个公开数据集上进行了评估，分别用于注意力缺陷多动障碍（ADHD）、自闭症谱系障碍（ASD）、阿尔茨海默病（AD）和精神分裂症（SCZ）的分类任务
15204	2024-09-28	Identification of Bipolar Disorder and Schizophrenia Based on Brain CT and Deep Learning Methods 2024-Sep-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01279-4 PMID:39327378	研究论文	本研究利用脑部CT图像和深度学习方法构建模型，用于双相情感障碍和精神分裂症的识别	开发了一种基于多实例学习的DenseMD模型，用于识别双相情感障碍和精神分裂症，并展示了其在内部验证集和外部测试集上的优越性能	研究样本主要来自两家医院，可能存在地域和人群的局限性	构建基于脑部CT图像的深度学习模型，用于双相情感障碍和精神分裂症的临床诊断	双相情感障碍和精神分裂症患者及健康对照组	机器学习	精神疾病	CT	DenseMD	图像	共收集了506名患者（双相情感障碍=227，精神分裂症=279）和179名健康对照组，以及来自不同医院的65名患者（双相情感障碍=35，精神分裂症=30）和40名健康对照组
15205	2024-09-28	A Nanoparticle-Based Artificial Ear for Personalized Classification of Emotions in the Human Voice Using Deep Learning 2024-Sep-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c13223 PMID:39285705	研究论文	开发了一种基于金纳米颗粒的柔性压阻式人工耳传感器，用于个性化分类人类语音中的情感	首次将金纳米颗粒应用于柔性压阻式人工耳传感器，并通过深度学习实现了高精度的情感和环境噪音分类	未提及	开发一种能够理解人类情感状态和语音的生物启发传感模式	柔性压阻式人工耳传感器及其在情感和环境噪音分类中的应用	机器学习	NA	深度学习	NA	声音信号	七种情感和八种城市环境噪音
15206	2024-09-28	Drug-Target Interactions Prediction at Scale: The Komet Algorithm with the LCIdb Dataset 2024-Sep-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00422 PMID:39237105	研究论文	本文介绍了Komet算法和LCIdb数据集，用于大规模药物-靶点相互作用预测	提出了Komet算法，该算法通过Kronecker交互模块和Nyström近似，实现了高效的大规模数据处理和预测性能	NA	解决药物-靶点相互作用预测中的大规模数据处理和预测方法设计问题	药物-靶点相互作用预测算法	机器学习	NA	Nyström近似	Komet算法	药物-靶点相互作用数据	LCIdb数据集包含大量分子和可药物蛋白空间
15207	2024-09-28	DrugSynthMC: An Atom-Based Generation of Drug-like Molecules with Monte Carlo Search 2024-Sep-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01451 PMID:39249497	研究论文	本文开发了一种基于蒙特卡罗搜索（MCS）算法的新方法DrugSynthMC，结合深度学习和统计先验知识，用于生成大量可解释的化学结构和新型类药物分子	DrugSynthMC采用原子级搜索模型，逐字符构建分子SMILES，生成符合Lipinski's 'rule of 5'的高水溶性、低毒性且可合成的化合物，无需依赖训练数据集或合成性指标	NA	开发一种新的算法，用于生成大量新型类药物分子，扩展化学空间	新型类药物分子	机器学习	NA	蒙特卡罗搜索（MCS）	NA	化学结构	每秒生成数千个化合物
15208	2024-09-28	dHICA: a deep transformer-based model enables accurate histone imputation from chromatin accessibility 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae459 PMID:39316943	研究论文	本文介绍了一种基于深度变压器模型的dHICA框架，用于从染色质可及性数据中准确预测组蛋白修饰	dHICA框架结合了DNA序列和染色质可及性数据，采用变压器架构和扩张卷积，具有广泛的感受野，能够捕捉更多细胞类型特异性信息	NA	开发一种能够从染色质可及性数据中预测组蛋白修饰的深度学习框架	组蛋白修饰和染色质结构	机器学习	NA	深度学习	变压器模型	DNA序列和染色质可及性数据	NA
15209	2024-09-28	Detection of Sleep Apnea Using Wearable AI: Systematic Review and Meta-Analysis 2024-Sep-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58187 PMID:39255014	综述	本文通过系统综述和荟萃分析，评估了可穿戴人工智能在检测睡眠呼吸暂停中的有效性	本文整合了人工智能算法与可穿戴设备，提供了一种便捷、可及、经济、客观且实时监测睡眠呼吸暂停的方法，解决了传统多导睡眠图的局限性	可穿戴人工智能在识别和分类睡眠呼吸暂停方面的表现尚不理想，不适合常规临床使用，需要进一步改进证据支持其可靠性	评估可穿戴人工智能在检测睡眠呼吸暂停及其类型和严重程度中的有效性	可穿戴人工智能在检测睡眠呼吸暂停中的性能	机器学习	睡眠障碍	可穿戴设备	NA	数据	615项研究中，38项符合本综述的纳入标准
15210	2024-09-28	A 25-Year Retrospective of the Use of AI for Diagnosing Acute Stroke: Systematic Review 2024-Sep-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/59711 PMID:39255472	综述	本文回顾了过去25年人工智能在急性中风诊断中的应用	总结了人工智能辅助中风诊断在过去25年的方法，提供了性能指标和算法发展趋势的概述	NA	总结人工智能辅助中风诊断的方法，提供临床实践的全面参考	人工智能技术在中风预防和诊断中的应用	机器学习	中风	深度学习	NA	NA	50篇代表性文章
15211	2024-09-28	Deep Learning-Based Barley Disease Quantification for Sustainable Crop Production 2024-Sep, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-02-24-0056-KC PMID:38831567	研究论文	本文开发了一种基于深度学习的模型，用于量化大麦网斑病症状，以提高可持续作物生产	结合Cascade R-CNN和U-Net架构，提高了对感染4天后图像中微小和不规则形状病斑的检测能力	NA	开发一种能够量化大麦网斑病症状的深度学习模型，以减少作物损失	大麦网斑病症状的量化	计算机视觉	NA	深度学习	Cascade R-CNN, U-Net	图像	使用带有大麦叶图像和网斑病注释的数据集进行训练和评估
15212	2024-09-28	Research on a Method for Identification of Peanut Pests and Diseases Based on a Lightweight LSCDNet Model 2024-Sep, Phytopathology IF:2.6Q2 DOI:10.1094/PHYTO-01-24-0013-R PMID:38810273	研究论文	本文提出了一种基于轻量级LSCDNet模型的花生病虫害识别方法	引入LSCDNet模型，通过保留过渡层减少特征图维度，结合沙漏块增强特征提取能力，并使用坐标注意力机制解决特征提取过程中的位置信息丢失问题	NA	提高花生病虫害识别的准确性和效率	花生病虫害	计算机视觉	NA	NA	LSCDNet	图像	NA
15213	2024-09-28	Classification of AO/OTA 31A/B femur fractures in X-ray images using YOLOv8 and advanced data augmentation techniques 2024-Sep, Bone reports IF:2.1Q3 DOI:10.1016/j.bonr.2024.101801 PMID:39324016	研究论文	本研究使用YOLOv8和高级数据增强技术对X光图像中的AO/OTA 31A/B股骨骨折进行分类	本研究改进了最新的基于深度学习的AO/OTA系统股骨骨折分类结果，并引入了高级数据增强技术	需要收集足够的数据来训练算法，并且解释结果具有挑战性	支持医生在患者护理中做出正确和及时的决策	AO/OTA 31A/B股骨骨折的分类	计算机视觉	NA	YOLOv8	YOLOv8	图像	通过数据增强技术增加了数据集样本
15214	2024-09-28	Multimodal ischemic stroke recurrence prediction model based on the capsule neural network and support vector machine 2024-Aug-30, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039217 PMID:39213233	研究论文	本研究提出了一种基于胶囊神经网络和支持向量机的多模态缺血性中风复发预测模型	该研究结合了生物化学检测和磁共振成像数据，提出了一个高性能的异质多模态缺血性中风复发预测模型，相比传统机器学习模型，其准确性、特异性、敏感性和曲线下面积均有显著提升	本研究为回顾性队列研究，样本量有限，且仅基于珠海地区的数据，未来需要更大规模的前瞻性研究来验证模型的普适性	旨在提高缺血性中风复发预测的准确性	缺血性中风患者的复发风险	机器学习	中风	胶囊神经网络、支持向量机	胶囊神经网络、支持向量机	生物化学检测数据、磁共振成像数据	634名缺血性中风患者
15215	2024-09-28	Weakly-supervised deep learning models enable HER2-low prediction from H &E stained slides 2024-Aug-19, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-024-01863-0 PMID:39160593	研究论文	本文介绍了一种基于自监督注意力机制的弱监督深度学习模型，用于从H&E染色切片中预测HER2-low乳腺癌	提出了一种新的弱监督深度学习模型，能够直接从病理图像中预测HER2-low状态，无需额外的免疫组化测试	模型的有效性依赖于HER2检测试验的一致性和可靠性	开发一种成本效益高且快速的HER2评估方法	HER2-low乳腺癌的预测	数字病理学	乳腺癌	自监督注意力机制	深度学习模型	图像	1351名乳腺癌患者的1437张病理图像
15216	2024-09-28	Image-based discrimination of the early stages of mesenchymal stem cell differentiation 2024-Aug-01, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E24-02-0095 PMID:38837346	研究论文	研究使用免疫荧光成像和基于深度学习的计算机视觉技术来区分间充质干细胞早期分化阶段	开发了一种基于图像的诊断工具，用于区分间充质干细胞早期分化阶段	NA	研究间充质干细胞早期分化的细胞结构变化，并开发一种新的诊断工具	间充质干细胞的早期分化阶段	计算机视觉	NA	免疫荧光成像	卷积神经网络	图像	NA
15217	2024-09-28	Artificial Intelligence (AI)-Enhanced Detection of Diabetic Retinopathy From Fundus Images: The Current Landscape and Future Directions 2024-Aug, Cureus DOI:10.7759/cureus.67844 PMID:39323686	综述	本文综述了当前基于人工智能（AI）的糖尿病视网膜病变（DR）从眼底图像检测的现状及未来发展方向	本文介绍了深度学习和计算机视觉在分析视网膜图像方面的最新进展，包括卷积神经网络在检测可转诊DR方面的高灵敏度和特异性，多任务学习方法同时检测和分级DR严重程度，以及轻量级模型在移动设备上的部署	本文指出了当前AI系统在DR筛查中面临的挑战，包括确保在不同人群中的泛化能力，标准化图像采集和质量，解决复杂模型的“黑箱”性质，以及将AI无缝集成到临床工作流程中	探讨人工智能（AI）在糖尿病视网膜病变（DR）检测中的应用现状及未来发展方向	糖尿病视网膜病变（DR）的眼底图像	计算机视觉	糖尿病视网膜病变	深度学习	卷积神经网络（CNN）	图像	NA
15218	2024-09-28	ECG-only explainable deep learning algorithm predicts the risk for malignant ventricular arrhythmia in phospholamban cardiomyopathy 2024-07, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.02.038 PMID:38403235	研究论文	研究开发了一种仅基于心电图数据的深度学习算法，用于预测磷酸酯酶心肌病患者的恶性室性心律失常风险	该研究首次使用深度学习技术仅通过心电图数据预测恶性室性心律失常风险，并开发了可视化工具提供交互式可视化	研究仅针对磷酸酯酶心肌病患者，且样本量有限	研究目的是探讨可解释的深度学习方法是否能仅通过心电图数据进行风险预测	研究对象为679名携带磷酸酯酶p.(Arg14del)变异且基线无恶性室性心律失常的患者	机器学习	心血管疾病	深度学习	变分自编码器	心电图	679名患者
15219	2024-09-28	Omics-based deep learning approaches for lung cancer decision-making and therapeutics development 2024-May-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad031 PMID:37519050	综述	本文综述了基于组学的深度学习方法在肺癌决策和治疗开发中的应用	本文总结了近年来深度学习模型在肺癌基因组学中的应用，并讨论了未来的研究方向	NA	探讨深度学习在肺癌基因组学研究中的应用和未来发展方向	肺癌的诊断、预后、治疗策略以及生物标志物的开发	机器学习	肺癌	组学分析	深度学习	基因组数据	NA
15220	2024-09-28	Prediction of early-phase cytomegalovirus pneumonia in post-stem cell transplantation using a deep learning model 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-240597 PMID:39058469	研究论文	研究利用深度学习模型预测造血干细胞移植后早期巨细胞病毒性肺炎	采用少样本迁移学习策略，利用少量CT图像区分罕见肺炎类型	样本量较小，可能影响模型的泛化能力	开发一种深度学习模型，用于区分造血干细胞移植后巨细胞病毒性肺炎与其他类型肺炎	造血干细胞移植后患者的巨细胞病毒性肺炎	计算机视觉	肺部疾病	深度学习	Xception	图像	34例巨细胞病毒性肺炎病例，1681张COVID-19、社区获得性肺炎和正常肺部CT图像，98张巨细胞病毒性肺炎和正常肺部CT图像