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
15381	2024-09-26	Trends in the application of remote sensing in blue carbon science 2023-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.10559 PMID:37745789	研究论文	本文探讨了遥感技术在蓝碳科学中的应用趋势	本文通过文献计量分析评估了1990年至2022年6月间发表的2193篇论文，揭示了研究重点随时间的变化	需要增加对海草、盐沼和大型藻类的研究，整合技术，增加遥感技术在碳核算方法和信用体系中的应用，并加强国家间的合作和资源共享	评估蓝碳生态系统（如红树林、盐沼和海草）的现状、损失和增益，以支持气候政策制定	红树林、盐沼、海草等蓝碳生态系统	遥感	NA	遥感技术，包括光学卫星Landsat、LiDAR、无人机和声学传感器	机器学习和深度学习算法	遥感图像	2193篇已发表的论文
15382	2024-09-26	Deep learning-based model detects atrial septal defects from electrocardiography: a cross-sectional multicenter hospital-based study 2023-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2023.102141 PMID:37753448	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于从12导联心电图（ECG）中检测房间隔缺损（ASD），并在多中心医院进行横断面研究	本文的创新点在于利用深度学习技术，特别是卷积神经网络，从常规的12导联心电图中自动检测房间隔缺损，从而提高诊断的敏感性和特异性	本文的局限性在于样本选择可能存在偏倚，且未详细讨论模型的泛化能力在不同人群中的表现	本研究旨在通过开发和验证一种基于深度学习的模型，提高房间隔缺损的早期检测和诊断准确性	本研究的对象是从三所医院收集的671,201份12导联心电图，涉及80,947名患者	机器学习	心血管疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	心电图（ECG）	671,201份心电图，涉及80,947名患者
15383	2024-09-26	Predicting Individual Patient Platelet Demand in a Large Tertiary Care Hospital Using Machine Learning 2023-Aug, Transfusion medicine and hemotherapy : offizielles Organ der Deutschen Gesellschaft fur Transfusionsmedizin und Immunhamatologie IF:1.9Q4 DOI:10.1159/000528428 PMID:37767277	研究论文	本文研究了使用机器学习方法预测大型三级医院中单个患者的血小板需求	本文首次引入了基于AI的患者个体血小板需求预测方法	模型的敏感性表现不佳，需要进一步改进	评估多模态数据以预测患者在3天内的血小板输注需求	25,190名患者的数据，包括血小板输注数量、血小板计数、药物、急性血小板疾病、手术、年龄、性别和住院时间	机器学习	NA	机器学习	NA	多模态数据	25,190名患者（42%女性，58%男性）
15384	2024-09-26	Deep learning based automated epidermal growth factor receptor and anaplastic lymphoma kinase status prediction of brain metastasis in non-small cell lung cancer 2023, Exploration of targeted anti-tumor therapy DOI:10.37349/etat.2023.00158 PMID:37745691	研究论文	研究使用深度学习算法对非小细胞肺癌脑转移的表皮生长因子受体和间变性淋巴瘤激酶状态进行分类	首次使用卷积神经网络Efficient Net模型对脑转移的EGFR和ALK状态进行分类，并与基于语义特征的分类方法进行比较	研究样本量较小，且仅使用了MRI序列数据	探讨开发深度学习算法对非小细胞肺癌脑转移的EGFR和ALK状态进行分类的可行性	非小细胞肺癌脑转移患者的EGFR和ALK状态	计算机视觉	肺癌	MRI	CNN	图像	117名患者，其中33名EGFR阳性，43名ALK阳性，41名无突变
15385	2024-09-26	A review on deep learning applications in highly multiplexed tissue imaging data analysis 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1159381 PMID:37564726	综述	本文综述了深度学习在高度多重组织成像数据分析中的应用及其对肿瘤学的影响	本文强调了使用高度多重图像（空间蛋白质组数据）相对于单染色传统病理图像的优势，前者能够提供后者无法获得的深层机制洞察，即使借助可解释的人工智能	NA	探讨人工智能与空间组学技术结合在肿瘤学中的影响，特别是深度学习在生物医学图像分析中的应用	细胞分割、细胞表型识别、癌症预后和治疗预测	计算机视觉	肿瘤学	深度学习	NA	图像	NA
15386	2024-09-26	An approach to the diagnosis of lumbar disc herniation using deep learning models 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1247112 PMID:37731760	研究论文	本文研究了使用深度学习模型在磁共振成像（MRI）中诊断腰椎间盘突出（LDH）的方法	本文创新性地使用了YOLOv5、YOLOv6和YOLOv7模型来检测不同腰椎间盘区域的LDH，并比较了不同模型的性能	本文未详细讨论模型的泛化能力和在不同数据集上的表现	验证YOLO系列模型在MRI图像中检测LDH的有效性	腰椎间盘突出的检测	计算机视觉	腰椎间盘突出	深度学习	YOLOv5, YOLOv6, YOLOv7	图像	550个数据集，包括增强和非增强数据
15387	2024-09-26	A curated census of pathogenic and likely pathogenic UTR variants and evaluation of deep learning models for variant effect prediction 2023, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2023.1257550 PMID:37745687	研究论文	本文开发了一个高置信度的致病性和可能致病性UTR变异集，并评估了深度学习模型对变异效应预测的性能	本文首次系统地收集和评估了3'和5' UTR的致病性和可能致病性变异，并利用深度学习模型进行预测，验证了这些变异的致病性	本文的局限性在于仅使用了ClinVar数据库中的变异数据，可能存在数据偏差	评估深度学习模型对UTR变异效应预测的准确性，并提供一个高置信度的致病性和可能致病性UTR变异集	3'和5' UTR的致病性和可能致病性变异	数字病理学	罕见病	深度学习	深度学习模型	序列数据	295个3' UTR变异和188个5' UTR变异，其中26个3' UTR变异和68个5' UTR变异被分类为致病性或可能致病性
15388	2024-09-26	Low-Latency Active Noise Control Using Attentive Recurrent Network 2023, IEEE/ACM transactions on audio, speech, and language processing DOI:10.1109/taslp.2023.3244528 PMID:37746522	研究论文	本文提出了一种使用注意力循环网络（ARN）的低延迟主动噪声控制（ANC）方法	引入了延迟补偿训练和改进的重叠相加方法，以减少深度ANC的算法延迟	NA	解决主动噪声控制中的低延迟问题	主动噪声控制系统	机器学习	NA	注意力循环网络（ARN）	循环神经网络（RNN）	音频信号	NA
15389	2024-09-26	Generalizable deep learning model for early Alzheimer's disease detection from structural MRIs 2022-10-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20674-x PMID:36253382	研究论文	本研究开发了一种基于3D深度卷积神经网络的新方法，用于从结构MRI中早期检测阿尔茨海默病	提出了基于3D深度卷积神经网络的新方法，能够自动学习识别与阿尔茨海默病相关的成像生物标志物，并实现早期准确检测	在检测轻度认知障碍（MCI）时，模型的AUC较低，表明在该任务上仍存在挑战	开发一种能够早期检测阿尔茨海默病的深度学习模型	阿尔茨海默病、轻度认知障碍和认知正常个体	机器学习	阿尔茨海默病	3D深度卷积神经网络	CNN	图像	内部验证集来自阿尔茨海默病神经影像学倡议（ADNI），外部独立验证集来自国家阿尔茨海默病协调中心（NACC）
15390	2024-09-26	CMC-Net: 3D calf muscle compartment segmentation with sparse annotation 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102460 PMID:35598519	研究论文	本文提出了一种新的深度学习框架CMC-Net，用于在3D MR图像中对小腿肌肉隔室进行分割，通过选择有效的2D切片子集进行标注，并利用未标注的切片来促进后续训练步骤的泛化	CMC-Net通过选择最具代表性的2D切片进行标注，并利用未标注的切片进行模型训练，从而在标注数据量较小的情况下实现了良好的分割性能	本文未详细讨论模型在不同类型肌肉疾病中的适用性，以及在不同MR设备和成像条件下的表现	开发一种能够在标注数据量较小的情况下实现准确3D分割的深度学习框架，用于诊断和评估肌肉疾病的进展	小腿肌肉隔室的3D分割	计算机视觉	NA	深度学习	深度网络	3D MR图像	实验中使用了小腿肌肉隔室的3D MR图像数据集，并进行了额外的3D MR大腿数据集实验
15391	2024-09-26	Latent Linguistic Motifs in Social Media Postings Resisting COVID-19 Misinformation 2022-Jun-06, Studies in health technology and informatics DOI:10.3233/SHTI220139 PMID:35673078	研究论文	本文研究了社交媒体上抵抗COVID-19错误信息的潜在语言模式	采用混合方法包括定性编码、深度学习分类和计算机文本分析，揭示了纠正性推文中的语言变量差异	未提及	探讨社交媒体上纠正COVID-19错误信息的语言机制	COVID-19相关推文及其语言变量	自然语言处理	NA	深度学习分类	深度学习分类器	文本	未提及
15392	2024-09-26	Deep Learning-Based Recurrence Prediction of Atrial Fibrillation After Catheter Ablation 2022-01-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0622 PMID:34629373	研究论文	研究使用深度卷积神经网络（CNN）预测心房颤动（AF）患者在射频消融（RFCA）后的复发情况，并与传统统计分析方法进行比较	提出了一种新的CNNSurv模型用于预测AF复发，其性能优于传统的统计分析方法	NA	研究深度学习模型在预测心房颤动复发中的应用	接受射频消融治疗的心房颤动患者	机器学习	心血管疾病	深度卷积神经网络（CNN）	CNN	数值数据	310名接受射频消融治疗的心房颤动患者，其中包括94名复发患者
15393	2024-09-26	A systematic literature review of deep learning neural network for time series air quality forecasting 2022-Jan, Environmental science and pollution research international DOI:10.1007/s11356-021-17442-1 PMID:34807385	综述	本文系统回顾了深度学习神经网络在时间序列空气质量预测中的应用	本文总结了不同类型的深度学习算法在空气质量预测中的应用，并介绍了混合深度学习技术的有效性	本文主要集中在现有研究的回顾和总结，未提出新的模型或方法	探讨深度学习在时间序列空气质量预测中的应用	深度学习算法在空气质量预测中的应用	机器学习	NA	深度学习	混合深度学习模型	时间序列数据	NA
15394	2024-09-26	A Deep Learning Perspective on Dropwise Condensation 2021-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202101794 PMID:34561960	研究论文	本文提出了一种基于深度学习的智能视觉框架，用于从高度瞬态的液滴群体中提取可解释的物理描述符，以研究表面异质冷凝过程	结合经典热流体成像技术和深度学习，实现了对物理描述符的自主提取和热性能的量化，达到了极高的时空分辨率	NA	研究冷凝过程中的热流体机制，特别是液滴成核、生长和脱离的循环过程	冷凝过程中的液滴群体及其热性能	计算机视觉	NA	深度学习	NA	图像	NA
15395	2024-09-26	A Review of Methods for Sleep Arousal Detection Using Polysomnographic Signals 2021-Sep-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11101274 PMID:34679339	综述	本文综述了近年来基于多导睡眠图信号的睡眠唤醒检测方法，包括统计规则和深度学习方法	深度学习方法在不同数据集上表现出强大的泛化能力，预测结果接近人类专家的判断	NA	探讨自动睡眠唤醒检测系统的开发，以帮助临床医生诊断睡眠障碍	睡眠唤醒检测方法	机器学习	NA	多导睡眠图（PSG）	卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆神经网络（LSTM）、残差神经网络（ResNet）及其组合	信号	NA
15396	2024-09-26	A deep learning approach for monitoring parietal-dominant Alzheimer's disease in World Trade Center responders at midlife 2021, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcab145 PMID:34396105	研究论文	本文利用深度学习方法评估世贸中心响应者的神经心理学和神经影像数据，生成皮层萎缩风险评分，以监测顶叶主导的阿尔茨海默病	本文首次应用深度学习方法对世贸中心响应者的神经心理学和神经影像数据进行评估，生成皮层萎缩风险评分，并验证了其准确性	样本量相对较小，且仅限于世贸中心响应者群体	研究早期认知障碍的特征和原因，并开发一种监测顶叶主导的阿尔茨海默病的新方法	世贸中心响应者的神经心理学和神经影像数据	机器学习	阿尔茨海默病	深度学习	人工神经网络	神经影像数据	1441名世贸中心响应者
15397	2024-09-26	Accuracy of deep learning-based computed tomography diagnostic system for COVID-19: A consecutive sampling external validation cohort study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0258760 PMID:34735458	研究论文	评估基于深度学习的CT诊断系统Ali-M3在检测COVID-19中的准确性及其临床价值	首次对Ali-M3进行外部验证，评估其在日本三级医疗机构中的表现	Ali-M3的特异性表现较低，尤其是在症状出现后的前5天内	评估Ali-M3在检测COVID-19中的准确性并讨论其临床价值	617名有症状的患者及其COVID-19感染概率	计算机视觉	COVID-19	深度学习	NA	图像	617名有症状的患者，其中289名RT-PCR阳性
15398	2024-09-25	Machine and Deep Learning Methods for Predicting 3D Genome Organization 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4136-1_22 PMID:39283464	综述	本文综述了用于预测3D基因组组织的三种类型交互（增强子-启动子交互、染色质交互和TAD边界）的计算工具，并分析了它们的优缺点	本文讨论了机器学习方法在填补3D基因组交互缺失和提高分辨率方面的应用	当前的3D结构目录仍不完整且不可靠，受限于技术、工具和数据分辨率	探讨计算工具在预测3D基因组交互中的应用及其未来研究方向	3D基因组组织中的三种类型交互（增强子-启动子交互、染色质交互和TAD边界）	机器学习	NA	ChIP-seq, DNAse-seq	NA	基因组数据	NA
15399	2024-09-25	Knowledge-based in silico fragmentation and annotation of mass spectra for natural products with MassKG 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.09.001 PMID:39310281	研究论文	介绍了一种基于知识的模拟碎片化和注释质谱的方法MassKG，用于天然产物的快速鉴定和新结构的发现	结合了基于知识的碎片化策略和深度学习分子生成模型，显著提高了质谱数据注释的效率和准确性	NA	开发一种高效的方法来注释天然产物的质谱数据，促进新活性结构的发现	天然产物的质谱数据	计算机视觉	NA	质谱分析	深度学习模型	质谱数据	407,720个已知天然产物结构，并基于此生成了266,353个新结构
15400	2024-09-25	Accurate Automated Quantification of Dopamine Transporter PET Without MRI Using Deep Learning-based Spatial Normalization 2024-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-024-00869-y PMID:39308485	研究论文	本文介绍了一种基于深度学习的空间归一化技术，用于在没有MRI支持的情况下自动量化多巴胺转运体PET图像	提出了一种新的自动量化方法，利用人工智能技术进行PET图像的空间归一化，无需解剖图像	NA	开发一种无需MRI支持的自动量化多巴胺转运体PET图像的方法	多巴胺转运体PET图像的自动量化	计算机视觉	帕金森病	深度学习	卷积神经网络	图像	训练集包含213对18F-FP-CIT PET和3D结构MRI数据，评估集包含89对数据，验证集包含135个外部数据集