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
15341	2024-09-27	An intelligent quantification system for fetal heart rhythm assessment: A multicenter prospective study 2024-05, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.01.024 PMID:38266752	研究论文	开发了一种用于自动提取胎儿心脏时间间隔（CTIs）的胎儿心律智能量化系统（HR-IQS），并建立了CTIs的正常参考范围	首次开发了一种自动计算胎儿心脏时间间隔的技术，并建立了正常参考范围	研究仅限于多中心的前瞻性研究，样本量和中心数量有限	开发一种自动提取胎儿心脏时间间隔的系统，并建立其正常参考范围	胎儿心脏时间间隔（CTIs）和心律评估	数字病理学	NA	深度学习	深度学习模型	脉冲波多普勒（PWD）频谱	6498个PWD频谱，涉及2630个胎儿
15342	2024-09-27	Artificial intelligence-adjudicated spatiotemporal dispersion: A patient-unique fingerprint of persistent atrial fibrillation 2024-05, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.01.007 PMID:38215808	研究论文	本文研究了持续性心房颤动（PsAF）患者中基于时空分散性的消融治疗的个性化方法	首次使用人工智能（AI）评估时空分散性的程度和分布，并验证其作为患者独特特征的可行性	研究样本量较小，且仅限于持续性和长期持续性心房颤动患者	验证人工智能评估的时空分散性（AI-DED）是否为持续性心房颤动患者的独特特征，并独立于常见的临床和手术参数	持续性心房颤动患者	机器学习	心血管疾病	机器/深度学习分类器	NA	时空分散性图谱	78名持续性和长期持续性心房颤动患者
15343	2024-09-27	Advanced Machine Learning Models for Predicting Post-Thrombolysis Hemorrhagic Transformation in Acute Ischemic Stroke Patients: A Systematic Review and Meta-Analysis 2024 Jan-Dec, Clinical and applied thrombosis/hemostasis : official journal of the International Academy of Clinical and Applied Thrombosis/Hemostasis DOI:10.1177/10760296241279800 PMID:39262220	meta-analysis	本文对使用机器学习和深度学习算法预测急性缺血性卒中患者溶栓后出血转化的研究进行了系统综述和荟萃分析	本文首次系统综述和荟萃分析了多种机器学习模型在预测急性缺血性卒中患者溶栓后出血转化的应用，特别是XGBoost和人工神经网络模型的高预测性能	研究存在方法学差异和外部验证不足的问题，需要标准化报告和进一步严格测试	评估机器学习模型在预测急性缺血性卒中患者溶栓后出血转化的有效性	急性缺血性卒中接受溶栓治疗的患者	machine learning	stroke	machine learning, deep learning	XGBoost, Artificial Neural Network (ANN)	clinical data, radiomic features	18007名急性缺血性卒中接受溶栓治疗的患者
15344	2024-09-27	Reasoning cartographic knowledge in deep learning-based map generalization with explainable AI 2024, International journal of geographical information science : IJGIS IF:4.3Q1 DOI:10.1080/13658816.2024.2369535 PMID:39318700	研究论文	本文探讨了在基于深度学习的制图综合中融入可解释人工智能（XAI）以提高模型理解和改进的方法	本文首次将可解释人工智能（XAI）引入到基于深度学习的制图综合过程中，通过可视化和定量实验解释了预训练的ResU-Net模型对输入特征的重要性	本文仅通过一个实验案例研究了XAI在制图综合中的应用，未来需要更多案例和更广泛的数据集来验证其有效性	研究如何通过可解释人工智能（XAI）提高基于深度学习的制图综合模型的可解释性和改进效果	制图综合中的深度神经网络模型及其可解释性	计算机视觉	NA	深度学习	ResU-Net	图像	具体样本数量未在摘要中提及
15345	2024-09-27	Proceedings of the 2024 Transplant AI Symposium 2024, Frontiers in transplantation DOI:10.3389/frtra.2024.1399324 PMID:39319335	研究论文	本文总结了2024年移植AI研讨会上Ajmera移植中心关于移植AI最新发展的讨论	探讨了AI在移植医学中的应用潜力，并强调了开发深度学习模型时需要考虑的数据多样性和透明性	未具体讨论具体的AI模型或技术细节	总结和讨论AI在移植医学中的应用及其发展	AI在移植医学中的应用及其对患者护理的影响	机器学习	NA	深度学习	NA	NA	NA
15346	2024-09-27	An alternatively spliced PD-L1 isoform PD-L1∆3, and PD-L2 expression in breast cancers: implications for eligibility scoring and immunotherapy response 2023-Dec, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-023-03543-y PMID:37768345	研究论文	研究探讨了乳腺癌中PD-L1的剪接变体PD-L1∆3和PD-L2的表达，及其对免疫治疗反应的影响	首次发现PD-L1的剪接变体PD-L1∆3在乳腺癌中的表达，并揭示了PD-L2与PD-L1水平的相关性及其对免疫逃逸的影响	需要进一步验证PD-L1∆3和PD-L2在不同肿瘤类型中的表达及其对免疫治疗的具体影响	探索PD-L1和PD-L2在乳腺癌中的表达及其对免疫治疗反应的影响	PD-L1的剪接变体PD-L1∆3和PD-L2在乳腺癌中的表达	数字病理学	乳腺癌	转录组分析、结构建模、免疫组化	AlphaFold2	蛋白质模型	涉及TCGA数据库中的乳腺癌和其他肿瘤样本
15347	2024-09-27	Adapting model-based deep learning to multiple acquisition conditions: Ada-MoDL 2023-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29750 PMID:37332189	研究论文	本文介绍了一种基于模型的深度学习网络，能够在多种采集条件下从欠采样的并行MRI数据中提供高质量的重建	提出了一种单一的展开架构，通过调整卷积神经网络（CNN）特征和正则化参数的权重，适应不同的采集设置	NA	开发一种能够在多种采集条件下提供高质量重建的单一模型	欠采样的并行MRI数据	计算机视觉	NA	卷积神经网络（CNN）	多层感知器模型	图像	使用来自多种采集设置的数据进行训练，包括不同的场强、加速和对比度
15348	2024-09-27	When will RNA get its AlphaFold moment? 2023-Oct-13, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad726 PMID:37702120	研究论文	本文讨论了在短期内开发基于深度学习的RNA结构预测方法（如AlphaFold）所面临的挑战，并提出了改进建议	本文首次详细讨论了RNA结构预测中数据质量和数量问题，并提出了可能的解决方案	本文主要集中在讨论现有数据和方法的局限性，未提供具体的解决方案或实验验证	探讨RNA结构预测中深度学习方法的挑战并提出改进建议	RNA的3D结构预测	机器学习	NA	深度学习	AlphaFold	序列数据	有限数量的结构和比对数据
15349	2024-09-27	3D Ultrasonic Brain Imaging with Deep Learning Based on Fully Convolutional Networks 2023-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s23198341 PMID:37837171	研究论文	本文介绍了一种基于全卷积网络的3D超声脑成像深度学习算法	提出了Brain Imaging Full Convolution Network (BIFCN)算法，结合波形建模和深度学习进行精确的脑超声重建	实验结果在实验室中略低于模拟实验，且需要纯水作为初始模型	开发一种安全、快速且广泛适用的脑成像技术	成人颅内脑组织的3D超声成像	计算机视觉	NA	超声成像	全卷积网络 (FCN)	图像	10个样本
15350	2024-09-27	Go with the flow: deep learning methods for autonomous viscosity estimations 2023-Oct-09, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00109a PMID:38013903	研究论文	本文提出了一种使用卷积神经网络（CNN）进行自主粘度估计的方法，通过非侵入性地提取流体流动的时空特征来替代传统的粘度测量方法	本文的创新点在于使用3D卷积神经网络（3D-CNN）进行粘度估计，并通过实验证明其性能优于人类观察者	本文的局限性在于仅在实验室条件下进行了验证，尚未在实际工业应用中进行测试	本文的研究目的是开发一种快速、非侵入性的粘度测量方法，以加速材料发现和过程控制	本文的研究对象是流体的粘度及其在流体流动中的时空特征	机器学习	NA	卷积神经网络（CNN）	3D卷积神经网络（3D-CNN）	视频	本文使用了少于50个视频样本进行训练，每个液体类别约50个视频
15351	2024-09-27	disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data 2023-Oct-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.30.551115 PMID:37577624	研究论文	本文介绍了一种名为disperseNN2的深度学习工具，用于从地理参考的多态性数据中估计每代平均扩散距离	disperseNN2通过使用样本的地理信息，在特征提取方面优于不使用显式空间信息的先进深度学习方法，平均相对绝对误差分别降低了33%和48%	NA	开发一种能够从地理参考的多态性数据中估计生物扩散距离的深度学习工具	生物的扩散距离	机器学习	NA	深度学习	神经网络	多态性数据	10和100个个体
15352	2024-09-27	Preparing Data for Artificial Intelligence in Pathology with Clinical-Grade Performance 2023-Oct-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13193115 PMID:37835858	综述	本文回顾了2017年至2022年间在PubMed数据库中发表的与人工智能病理学（AIP）相关的研究，深入分析了数据准备方法，并探讨了提高AIP临床性能的有效策略	提出了基于全片图像（WSI）的弱监督学习方法和数据标准化技术，以克服AIP性能复现的障碍	未提及具体的研究局限性	探讨如何通过数据准备方法提高人工智能病理学在临床实践中的性能	病理组织切片的数据获取、清洗、筛选和数字化，以及模型训练和验证的数据集划分	数字病理学	NA	弱监督学习方法，数据标准化	NA	图像	118项研究
15353	2024-09-27	Development and Validation of a Model to Quantify Injury Severity in Real Time 2023-10-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.36196 PMID:37812422	研究论文	开发并验证了一种实时量化损伤严重程度的模型	提出了一个实用的模型，通过有限数量的损伤模式实时量化损伤严重程度，并使用三个直观的输出结果	模型在预测住院死亡率时存在高估的情况，需要进一步研究以在大规模应用中评估其性能	开发和验证一个实用的模型，用于实时量化损伤严重程度	成人创伤性损伤患者	NA	NA	多任务深度学习	多任务深度学习模型	数据集	372,573例创伤性损伤患者
15354	2024-09-27	MISPEL: A supervised deep learning harmonization method for multi-scanner neuroimaging data 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102926 PMID:37595405	研究论文	提出了一种名为MISPEL的监督式深度学习方法，用于多扫描器神经影像数据的标准化	MISPEL方法可以自然扩展到两个以上的扫描器，并且设计了一套标准来评估扫描器相关的技术变异性和标准化技术	NA	解决多扫描器神经影像数据中的技术变异性问题，提高数据分析的准确性和可靠性	多扫描器神经影像数据的标准化方法	计算机视觉	NA	深度学习	NA	图像	涉及四个扫描器的3T T1图像数据集
15355	2024-09-27	Composition Based Oxidation State Prediction of Materials Using Deep Learning Language Models 2023-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202301011 PMID:37551059	研究论文	本文提出了一种基于深度学习的BERT变换器语言模型BERTOS，用于预测无机化合物中所有元素的氧化态	首次实现了基于化学组成的氧化态预测，并展示了其在材料发现中的应用潜力	NA	开发一种新的方法来预测无机化合物中所有元素的氧化态	无机化合物的氧化态	机器学习	NA	深度学习	BERT变换器	化学组成数据	基于ICSD数据集的清洁数据进行基准测试
15356	2024-09-27	Considerations on brain age predictions from repeatedly sampled data across time 2023-Oct, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3219 PMID:37587620	研究论文	本文研究了从多次采样的时间数据中预测大脑年龄的表现，并通过年龄匹配的健康对照组验证了研究结果	本文首次探讨了大脑年龄预测在同一受试者不同时间点的表现，并验证了场强对大脑年龄的影响	本文样本量较小，且未完全排除数据采集过程中变异导致的偏差	研究大脑年龄预测在纵向数据中的表现及其影响因素	大脑年龄预测模型在同一受试者不同时间点的表现	计算机视觉	NA	磁共振成像 (MRI)	深度学习模型	图像	4名受试者（来自两个密集采样数据集），以及两个横断面数据集用于验证
15357	2024-09-27	Anthropogenic fingerprints in daily precipitation revealed by deep learning 2023-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06474-x PMID:37648861	研究论文	本文利用深度学习技术在每日降水中检测出气候变化信号	首次使用深度学习方法在每日降水中检测出人为气候变化的信号	长期年均降水的变化仍难以从自然背景变率中区分出来	验证气候模型预测的全球变暖对降雨变率和极端事件的影响	每日降水量和全球平均地表气温数据	机器学习	NA	深度学习	卷积神经网络 (CNN)	气象数据	来自当前和未来气候模型模拟的每日降水量和年均全球地表气温数据
15358	2024-09-27	Artificial intelligence (AI) and machine learning (ML) in precision oncology: a review on enhancing discoverability through multiomics integration 2023-Oct, The British journal of radiology DOI:10.1259/bjr.20230211 PMID:37660402	综述	本文综述了多组学数据在精准肿瘤学中的应用，特别是人工智能（AI）和机器学习（ML）技术如何通过多组学整合来增强发现能力	探讨了AI和ML技术在癌症亚型分类、风险分层、预后预测和临床决策中的潜力	讨论了数据异质性、组学数据可用性和研究验证等方面的挑战	探讨AI和ML技术在精准肿瘤学中的应用，特别是通过多组学整合来增强发现能力	多组学数据，包括影像放射组学和各种类型的分子生物标志物	精准肿瘤学	癌症	多组学数据整合	NA	多组学数据	NA
15359	2024-09-27	Explainable machine learning for diffraction patterns 2023-Oct-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576723007446 PMID:37791364	研究论文	本文研究了如何通过可解释的机器学习方法来分析衍射图案数据，特别是使用卷积神经网络（CNN）进行图像分类	本文首次提供了关于CNN在衍射图案数据分类中内部工作机制的定性证据，通过可视化方法展示了影响分类结果的关键图像区域	本文主要关注于定性分析，未提供定量性能的进一步改进	揭示卷积神经网络在衍射图案数据分类中的内部工作机制，并通过可视化方法展示关键图像区域	衍射图案数据及其在X射线自由电子激光设施中的应用	机器学习	NA	卷积神经网络（CNN）	CNN	图像	NA
15360	2024-09-27	Building deep learning and traditional chemometric models based on Fourier transform mid-infrared spectroscopy: Identification of wild and cultivated Gastrodia elata 2023-Oct, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.3565 PMID:37823161	研究论文	本研究首次将三维相关光谱图像与深度学习模型结合，用于快速准确地识别野生和栽培的天麻	首次将三维相关光谱图像与深度学习模型结合，用于识别野生和栽培的天麻，且模型无需预处理原始光谱数据	未提及具体限制	快速准确地识别野生和栽培的天麻	野生和栽培的天麻	机器学习	NA	傅里叶变换中红外光谱	深度学习模型	光谱图像	46个样本