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
15241	2024-08-05	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	本文介绍了一种基于脑萎缩模式的轻度认知障碍（MCI）亚型分类方法	提出了一种仅基于脑萎缩的亚型分类方法，与传统的基于认知测量的方法相比有更好的有效性	缺乏对于其他潜在影响因素的考虑，如遗传背景和环境因素	研究轻度认知障碍（MCI）患者的异质性并准确分类亚型	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	深度学习	深度学习模型	MRI图像	NA
15242	2024-08-05	Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05341-z PMID:33864509	position paper	本文概述了现代机器学习基础的人工智能在多模态心血管成像中的应用	提出了将机器学习算法应用于心血管成像的新策略	人类对数据集的解释、量化和整合能力有限	提供现代基于机器学习的人工智能的基本概念和应用概述	心血管疾病患者的诊断和预后	机器学习	心血管疾病	核医学成像、CT	深度学习	影像	NA
15243	2024-08-05	Decoding COVID-19 pneumonia: comparison of deep learning and radiomics CT image signatures 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05075-4 PMID:33094432	研究论文	本研究比较深度学习和放射组学CT影像特征，以解码COVID-19肺炎的影像特征	首次结合深度学习和放射组学框架提取COVID-19肺炎相关的影像特征	回顾性研究设计可能存在选择偏倚，样本来自于有限的几个医院	比较不同的特征工程和深度学习方法，揭示COVID-19肺炎的CT影像特征	266名COVID-19及其他病毒性肺炎患者的临床和CT影像数据	计算机视觉	COVID-19肺炎	深度学习，放射组学	双向对抗网络	影像	266名患者（93例COVID-19阳性，91例COVID-19阴性）
15244	2024-08-05	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	本文提出了一种结合深度学习和新型超短回声时间（UTE）/多回声Dixon序列的MR基础衰减校正方法，以提高阿尔茨海默病的PET成像准确性	首次将深度学习与mUTE序列结合用于阿尔茨海默病的衰减校正，显示出优于传统方法的性能	研究样本数量相对较少，仅包括35名受试者，可能影响结果的普遍性	提高阿尔茨海默病中淀粉样蛋白和tau蛋白成像的衰减校正准确性	35名同时接受11C-PiB和18F-MK6240扫描的受试者	数字病理学	阿尔茨海默病	深度学习与超短回声时间（UTE）/多回声Dixon序列	深度学习模型	图像	35名受试者
15245	2024-08-05	An EM-based semi-supervised deep learning approach for semantic segmentation of histopathological images from radical prostatectomies 2018-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2018.08.003 PMID:30243216	研究论文	该论文提出了一种基于EM的半监督深度学习方法，用于从根治性前列腺切除术的组织病理图像中进行语义分割	文中通过期望最大化方法结合外部弱标记数据集，克服了完全标注数据集稀缺的问题	模型性能依赖于大量弱标记图像的生成，可能存在标记不一致性	研究旨在提高前列腺组织病理图像的语义分割性能	研究对象为135个完全标注和1800个弱标注的组织切片	数字病理学	前列腺癌	深度学习	NA	图像	135个完全标注切片和1800个弱标注切片
15246	2024-08-05	Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images 2018-04-03, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2018.03.086 PMID:29617659	研究论文	该文章展示了利用深度学习对病理图像中的肿瘤浸润淋巴细胞进行空间组织和分子相关性的映射	通过训练卷积神经网络对H&E图像进行计算染色，以获取肿瘤浸润淋巴细胞的映射，这在TCGA样本中是首次提出的	可能未能全面探索所有TCGA样本的多样性与局部空间结构的关联	研究肿瘤浸润淋巴细胞与肿瘤微环境的空间关系	分析13种TCGA肿瘤类型的肿瘤浸润淋巴细胞模式	数字病理学	NA	卷积神经网络	CNN	图像	13种TCGA肿瘤类型的样本
15247	2024-08-05	Deep learning models with optimized fluorescence spectroscopy to advance freshness of rainbow trout predicting under nonisothermal storage conditions 2024-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139774 PMID:38810453	研究论文	本研究建立了基于优化的激发-发射矩阵（EEM）的深度学习模型，以预测虹鳟鱼在非等温储存条件下的新鲜度变化	提出了一种基于优化的EEM数据的深度学习模型，用于预测虹鳟鱼的新鲜度	缺乏对不同储存条件的广泛验证	研究预测在非等温储存条件下虹鳟鱼的新鲜度	虹鳟鱼的新鲜度变化	机器学习	NA	优化的激发-发射矩阵（EEM）	长短期记忆网络（LSTM），卷积神经网络长短期记忆（CNN_LSTM），径向基函数神经网络（RBFNN）	光谱数据	NA
15248	2024-08-05	Deep learning assisted logic gates for real-time identification of natural tetracycline antibiotics 2024-Oct-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.139705 PMID:38820637	研究论文	本研究提出了一种结合深度学习和多模式逻辑门的工具箱，用于实时识别自然四环素抗生素。	将深度学习、荧光和比色法相结合，实现了对四种自然四环素的实时识别，克服了传统平台的不足。	仅限于自然四环素抗生素的识别，未涵盖其他类型抗生素或复杂混合物的检测。	旨在提供一种新工具以实现四环素抗生素的实时识别和量化。	针对天然四种四环素抗生素进行实时识别，包括四氟环素、氧四环素、多西环素和氯四环素。	数字病理学	NA	荧光和比色法	深度学习模型	荧光数据和比色数据	NA
15249	2024-08-05	Harnessing the power of hybrid deep learning algorithm for the estimation of global horizontal irradiance 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173958 PMID:38871320	研究论文	本研究提出了一种整合卷积神经网络、长短时记忆和门控循环单元的混合模型用于全球水平辐射照度的估计。	提出的混合模型在全球水平辐射照度的预测中相较于单独模型具有更好的性能，显著降低了预测误差。	研究仅基于印度拉贾斯坦邦四个地区的数据进行，可能限制了模型在其他地理区域的适用性。	旨在提高全球水平辐射照度的估计准确性和适应性。	使用拉贾斯坦邦四个不同地区的太阳辐射数据进行研究。	机器学习	NA	CNN、LSTM、GRU	混合模型（CNN-LSTM-GRU）	时间序列数据	四个地区的太阳辐射数据
15250	2024-08-05	Advancements in remote sensing for active fire detection: A review of datasets and methods 2024-Sep-15, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173273 PMID:38823698	综述	本研究全面且批判性地审查了自1975年以来遥感在火灾探测方面的进展	强调了机器学习，特别是深度学习技术在火灾探测中的日益重要性	NA	旨在为自然资源管理和环境保护提供有价值的资源	火灾探测的遥感数据集和对应的检测算法	计算机视觉	NA	遥感技术	深度学习	数据集	NA
15251	2024-08-05	A partially flipped physiology classroom improves the deep learning approach of medical students 2024-Sep-01, Advances in physiology education IF:1.7Q4 DOI:10.1152/advan.00196.2023 PMID:38602011	研究论文	本研究比较了部分翻转生理课堂（PFC）与传统讲座课堂（TLC）对医学生学习方法的影响	部分翻转课堂显著提高了学生的深度学习动机和策略，优于传统课堂的表层学习	本研究仅针对生理课程，样本量较小，结果可能不具普遍适用性	旨在提高医学生的学习方法，尤其是深度学习策略	71名临床医学专业的学生	教育	NA	R-SPQ-2F问卷	NA	量表数据	71名学生（实验组32名，控制组39名）
15252	2024-08-05	EResNet-SVM: an overfitting-relieved deep learning model for recognition of plant diseases and pests 2024-Aug-15, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13462 PMID:38483173	研究论文	本文提出了一种深度学习模型EResNet-SVM，用于缓解植物疾病和害虫的过拟合问题。	通过增加卷积神经网络的特征提取层和引入稀疏激活函数，显著提高了模型的特征提取能力和分类准确性。	未提及具体的应用场景限制或特定的外部条件限制。	旨在提高植物疾病和害虫识别的准确性，并解决深度学习模型中的过拟合问题。	针对植物疾病和害虫的识别与分类进行了研究。	机器学习	植物疾病	深度学习	EResNet-SVM	图像	包含八种情况（七种植物疾病和一种正常）以及六种害虫的测试结果
15253	2024-08-05	Knowledge enhanced attention aggregation network for medicine recommendation 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108099 PMID:38810430	研究论文	提出了一种基于注意力聚合网络和增强图卷积的药物推荐模型KEAN	KEAN聚合患者就诊中的个别诊断和程序，捕捉影响疾病的重要特征，并整合复杂药物组合的医学知识	没有提及具体的局限性	提高药物推荐的准确性和效果	患者的临床记录和药物推荐	自然语言处理	NA	图卷积	注意力聚合网络	临床记录数据	MIMIC-III数据集
15254	2024-08-05	The prediction of pCR and chemosensitivity for breast cancer patients using DLG3, RADL and Pathomics signatures based on machine learning and deep learning 2024-Aug, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2024.101985 PMID:38805774	研究论文	本研究旨在使用多组学特征预测接受新辅助化疗的乳腺癌患者的病理完全响应(pCR)及化疗敏感性	首次探讨了放射组学、病理组学特征与化疗敏感性之间的关系，开发多组学标志用于预测pCR	研究为回顾性，多中心参与，可能受到选择偏倚的影响	评估多组学特征在乳腺癌患者新辅助化疗中的预测效用	311名接受新辅助化疗的恶性乳腺肿瘤患者	数字病理学	乳腺癌	机器学习（ML）和深度学习（DL）算法	NA	临床数据	311名乳腺癌患者
15255	2024-08-05	UmamiPreDL: Deep learning model for umami taste prediction of peptides using BERT and CNN 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108116 PMID:38823360	研究论文	本文提出了一种新的深度学习模型UmamiPreDL，用于预测肽的鲜味。	本研究使用生物序列转换器如ProtBert和ESM2作为特征编码器，并开发了4种模型架构，ProtBert-CNN模型的准确度达到了95%。	本研究可能在样本多样性和模型通用性方面存在一定限制，未在不同类型的肽上进行广泛测试。	研究鲜味预测模型，以提高食品工业中对鲜味成分的识别能力。	研究对象为肽及其对鲜味的影响。	机器学习	NA	深度学习	CNN	NA	使用5折交叉验证数据及独立数据进行测试，具体样本数量未明确
15256	2024-08-05	Cross vision transformer with enhanced Growth Optimizer for breast cancer detection in IoMT environment 2024-Aug, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108110 PMID:38815500	研究论文	本文提出了一种新的技术，通过CrossViT和改进的Growth Optimizer算法提高乳腺癌检测的准确性	提出结合CNN和transformer的CrossViT模型，以及改进的Growth Optimizer算法用于特征选择	未提及具体的局限性	提高乳腺癌的检测准确性，帮助临床医生做出更准确的诊断	使用公共可用的乳腺癌数据集进行研究	计算机视觉	乳腺癌	深度学习	CrossViT	图像	使用三个公开的乳腺癌数据集进行评估
15257	2024-08-05	The application of artificial intelligence to accelerate G protein-coupled receptor drug discovery 2024-Jul, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.16140 PMID:37161878	研究论文	本文探讨了人工智能在G蛋白偶联受体（GPCR）药物发现中的应用	介绍了人工智能如何在药物发现的不同阶段提供支持，并总结了已有的应用案例	文章中提到的局限性需要更深入的研究以充分发挥人工智能的潜力	研究人工智能在G蛋白偶联受体药物发现过程中的作用和潜力	G蛋白偶联受体及其配体相互作用的发现和临床反应预测	人工智能	NA	机器学习和深度学习	NA	NA	NA
15258	2024-08-05	Coordinate-wise monotonic transformations enable privacy-preserving age estimation with 3D face point cloud 2024-Jul, Science China. Life sciences DOI:10.1007/s11427-023-2518-8 PMID:38573362	研究论文	本文提出了一种通过坐标单调变换进行隐私保护的面部年龄估计方法	创新在于开发了使用坐标单调变换的面部数据掩蔽方法，同时保留年龄相关特征	研究可能在处理面部形状信息时受到限制，机器仍可识别处理后的面部	研究旨在开发面部年龄估计模型，同时确保数据隐私	研究对象为非注册的面部点云数据	计算机视觉	NA	深度学习	NA	3D面部点云	NA
15259	2024-08-05	Self-supervised category selective attention classifier network for diabetic macular edema classification 2024-Jul, Acta diabetologica IF:3.1Q2 DOI:10.1007/s00592-024-02257-6 PMID:38521818	研究论文	本研究旨在开发一种先进的模型用于糖尿病性黄斑水肿(DME)的分类。	提出了一种新颖的架构SSCSAC-Net，利用自监督学习和类别选择性注意机制，提高DME分类的精度。	NA	研究旨在使用深度学习技术改进DME的分类精度。	主要研究对象为糖尿病性黄斑水肿的图像分类。	数字病理学	糖尿病性黄斑水肿	深度学习	SSCSAC-Net	图像	使用多个基准数据集进行测试
15260	2024-08-07	Editorial for "Parallel CNN-Deep Learning Clinical-Imaging Signature for Assessing Pathologic Grade and Prognosis of Soft Tissue Sarcoma Patients" 2024-Jun-19, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29476 PMID:38896101	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA