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
15661	2024-10-01	Comparison of deep learning models to traditional Cox regression in predicting survival of colon cancer: Based on the SEER database 2024-Sep, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.16598 PMID:38725241	研究论文	本研究使用深度学习算法预测结肠癌患者的生存率，并与传统的Cox回归模型进行性能比较	深度学习模型在预测结肠癌患者生存率方面表现出比传统Cox回归模型更好的性能	NA	比较深度学习模型与传统Cox回归模型在预测结肠癌患者生存率方面的性能	结肠癌患者的生存率预测	机器学习	结肠癌	深度学习	人工神经网络 (ANN), 深度神经网络 (DNN), 长短期记忆 (LSTM) 神经网络	文本	训练集10596例，测试集4536例
15662	2024-10-01	Data-driven discrete fractional chaotic systems, new numerical schemes and deep learning 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0218662 PMID:39345192	研究论文	本文提出了一种基于数据驱动的离散分数阶混沌系统的新数值方案和深度学习方法	本文首次提出了针对Caputo和Riemann-Liouville类型的延迟分数阶差分方程的新数值方案，并利用神经网络方法估计离散分数阶混沌系统的未知参数	NA	研究数据驱动的分数阶混沌系统中的参数估计问题	离散分数阶混沌系统的参数估计	机器学习	NA	神经网络	神经网络	数值数据	NA
15663	2024-10-01	Accurate deep learning-based filtering for chaotic dynamics by identifying instabilities without an ensemble 2024-Sep-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0230837 PMID:39345191	研究论文	研究使用深度学习方法在混沌动力学中进行数据同化（DA）方案的发现	提出了一种无需集合的深度学习方法，能够准确地进行混沌动力学的数据同化，达到了与最佳调谐的集合卡尔曼滤波器相当的精度	假设动力学已知，且仅在Lorenz 96动力学模型上进行了实验	探索深度学习在混沌动力学数据同化中的应用	数据同化中的分析步骤，特别是从状态轨迹和观测中学习分析步骤	机器学习	NA	深度学习	残差卷积神经网络	时间序列数据	Lorenz 96动力学模型
15664	2024-10-01	DRpred: A Novel Deep Learning-Based Predictor for Multi-Label mRNA Subcellular Localization Prediction by Incorporating Bayesian Inferred Prior Label Relationships 2024-Aug-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091067 PMID:39334834	研究论文	提出了一种基于深度学习的mRNA亚细胞定位预测模型DRpred，结合贝叶斯推断的先验标签关系和神经网络进行预测	DRpred通过贝叶斯网络捕捉标签间的依赖关系，并结合Word2vec提取的特征，使用BiLSTM和注意力机制捕捉输入特征的内部关系，显著提升了多标签预测性能	NA	开发一种新的多标签mRNA亚细胞定位预测模型，以提高预测性能	mRNA的亚细胞定位	机器学习	NA	深度学习	BiLSTM	序列	独立测试集上的实验验证
15665	2024-10-01	CROSS-AGE AND CROSS-SITE DOMAIN SHIFT IMPACTS ON DEEP LEARNING-BASED WHITE MATTER FIBER ESTIMATION IN NEWBORN AND BABY BRAINS 2024-Aug-25, ArXiv PMID:38196752	研究论文	研究了深度学习模型在新生儿和婴儿大脑白质纤维估计中的跨年龄和跨站点域偏移影响	首次探讨了在快速发育的婴儿大脑中估计纤维方向分布函数的域适应技术	研究仅限于新生儿和婴儿大脑，未涉及成人或其他年龄段	探讨深度学习模型在不同年龄和站点数据上的域偏移问题	新生儿和婴儿大脑的白质纤维估计	计算机视觉	NA	深度学习	NA	图像	201名新生儿和165名婴儿
15666	2024-10-01	In Silico Exploration of Novel EGFR Kinase Mutant-Selective Inhibitors Using a Hybrid Computational Approach 2024-Aug-23, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph17091107 PMID:39338272	研究论文	本研究利用计算方法识别和表征潜在的EGFR突变选择性抑制剂	采用药效团设计和深度学习、虚拟筛选、ADMET和分子对接动力学模拟相结合的混合计算方法	NA	开发针对非小细胞肺癌中EGFR突变的有效治疗策略	EGFR突变选择性抑制剂	药物设计	肺癌	分子对接、分子动力学模拟	深度学习	分子结构	从Zinc数据库中筛选出16个潜在抑制剂
15667	2024-10-01	Brain tumor image segmentation based on improved FPN 2023-10-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01131-1 PMID:37904116	研究论文	本文提出了一种基于改进特征金字塔网络（FPN）的脑肿瘤图像分割方法	引入FPN结构到U-Net结构中，捕捉上下文多尺度信息，提高模型对不同尺度特征的适应性	未提及具体局限性	提高脑肿瘤分割效果	脑肿瘤图像	计算机视觉	脑肿瘤	卷积神经网络	FPN	图像	未提及具体样本数量
15668	2024-10-01	Deep learning for risk-based stratification of cognitively impaired individuals 2023-Sep-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.107522 PMID:37646016	研究论文	本文利用深度学习模型结合生存分析，预测轻度认知障碍（MCI）患者向阿尔茨海默病（AD）转化的风险	本文创新性地将神经网络与生存分析相结合，用于预测MCI向AD的转化风险，并验证了模型预测的关键区域与AD经典相关区域的一致性	NA	开发一种基于风险的分类方法，用于识别轻度认知障碍（MCI）患者向阿尔茨海默病（AD）转化的风险	轻度认知障碍（MCI）患者及其向阿尔茨海默病（AD）的转化风险	机器学习	阿尔茨海默病	深度学习	神经网络	图像	发现队列544例，验证队列508例
15669	2024-10-01	Efficient Dehazing with Recursive Gated Convolution in U-Net: A Novel Approach for Image Dehazing 2023-Sep-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090183 PMID:37754947	研究论文	提出了一种基于递归门控卷积和注意力机制的U-Net去雾网络模型，以提高去雾性能并保持网络结构的简洁性	引入了改进的递归门控卷积机制替代原始U-Net的卷积块，并应用SK融合模块改进跳跃连接方法，设计了名为Dehaze Recursive Gated U-Net (DRGNet)的新型U-Net变体	NA	提高图像去雾任务的性能，同时简化网络架构的训练、推理和部署过程	图像去雾	计算机视觉	NA	递归门控卷积	U-Net	图像	公开数据集
15670	2024-10-01	Efficient Augmented Intelligence Framework for Bladder Lesion Detection 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00031 PMID:37774313	研究论文	研究开发了一种高效的增强智能框架，用于膀胱病变检测	使用多种深度学习模型（ConvNeXt, PlexusNet, MobileNet, SwinTransformer）进行膀胱病变检测，并比较了它们的性能和计算效率	研究样本量较小，且仅限于教育性膀胱镜图谱和68例膀胱镜视频	开发一种高效的智能系统用于膀胱病变检测	膀胱病变检测	计算机视觉	膀胱癌	深度学习	ConvNeXt, PlexusNet, MobileNet, SwinTransformer	图像	312张图像和68例膀胱镜视频
15671	2024-10-01	DL-TCNN: Deep Learning-based Temporal Convolutional Neural Network for prediction of conformational B-cell epitopes 2023-Sep, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-023-03716-7 PMID:37575599	研究论文	本文提出了一种基于深度学习的时间卷积神经网络DL-TCNN，用于预测构象B细胞表位	本文提出了一种新的基于深度学习的框架DL-TCNN，结合了1D-CNN和TCN的优点，用于提高构象B细胞表位预测的准确性	NA	提高构象B细胞表位预测的准确性	构象B细胞表位	机器学习	NA	深度学习	时间卷积神经网络（TCNN）	序列数据	使用了基准抗原-抗体数据集进行训练、验证和测试
15672	2024-10-01	Frequent temporal patterns of physiological and biological biomarkers and their evolution in sepsis 2023-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102576 PMID:37673556	研究论文	本文采用时间模式挖掘方法，识别脓毒症患者生理和生物标志物的频繁时间模式及其演变	通过使用频繁模式作为特征来分类脓毒症和非脓毒症患者，提高了预测准确性和性能	深度学习方法在脓毒症文献中广泛使用，虽然准确性高，但模型可解释性和可解释性有限	早期识别脓毒症，避免潜在的不可逆器官功能障碍	脓毒症患者的生理和生物标志物	NA	脓毒症	时间模式挖掘	NA	生理和生物标志物数据	NA
15673	2024-10-01	Force Profile as Surgeon-Specific Signature 2023-Sep, Annals of surgery open : perspectives of surgical history, education, and clinical approaches DOI:10.1097/AS9.0000000000000326 PMID:37746608	研究论文	研究外科医生的力学特征作为其身份和表现的标志	首次研究了外科医生的手术技术是否可以通过其力学特征进行识别	研究仅限于神经外科手术数据，未来需扩展到其他手术类型	探索外科医生的力学特征是否可以作为其身份和表现的标志	外科医生的力学特征和手术技术	机器学习	NA	深度学习方法	ResNet模型和XGBoost算法	时间序列数据	2819个10秒的时间段，来自89例神经外科手术
15674	2024-10-01	Classification of Food Additives Using UV Spectroscopy and One-Dimensional Convolutional Neural Network 2023-Aug-30, Sensors (Basel, Switzerland) DOI:10.3390/s23177517 PMID:37687972	研究论文	本文提出了一种基于紫外线吸收光谱和一维卷积神经网络的食品添加剂自动分类系统	利用紫外线吸收光谱和一维卷积神经网络进行食品添加剂的分类	仅限于五种食品添加剂的分类，且样本为简单或混合溶液	开发一种自动分类系统，用于识别不同食品添加剂	五种食品添加剂的紫外线吸收光谱	机器学习	NA	紫外线光谱	一维卷积神经网络	光谱数据	404个光谱样本
15675	2024-10-01	Monitoring blood pressure and cardiac function without positioning via a deep learning-assisted strain sensor array 2023-08-11, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adh0615 PMID:37566652	研究论文	开发了一种基于柔性应变传感器阵列和深度学习神经网络的智能血压和心脏功能监测系统	利用柔性应变传感器阵列和深度学习模型，实现了无需精确位置的血压和心脏功能连续监测	NA	开发一种连续且可靠的血压和心脏功能监测系统，以诊断和预防心血管疾病	血压和心脏功能	机器学习	心血管疾病	深度学习	神经网络	脉搏波	NA
15676	2024-10-01	Deep Transfer Learning with Enhanced Feature Fusion for Detection of Abnormalities in X-ray Images 2023-Aug-07, Cancers IF:4.5Q1 DOI:10.3390/cancers15154007 PMID:37568821	研究论文	本文提出了一种新的深度迁移学习方法，通过增强特征融合来检测X光图像中的异常	本文的创新点在于提出了一种新的迁移学习方法，通过在大量类似目标数据集的医学图像上预训练深度学习模型，并使用少量标注的医学图像进行微调，从而克服了传统迁移学习在ImageNet数据集上的局限性	本文的局限性在于其方法的适用性主要集中在医学X光图像分类任务上，尚未广泛应用于其他类型的医学图像	本文的研究目的是通过改进迁移学习方法，提高医学图像分类的准确性和泛化能力	本文的研究对象是医学X光图像中的肱骨和手腕分类任务	计算机视觉	NA	深度学习	CNN	图像	使用了MURA数据集中的大量医学X光图像进行预训练，并使用少量标注的医学图像进行微调
15677	2024-10-01	Systematic review of automated sleep apnea detection based on physiological signal data using deep learning algorithm: a meta-analysis approach 2023-Aug, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-023-00297-5 PMID:37519869	综述	本文综述了基于生理信号数据使用深度学习算法进行自动睡眠呼吸暂停检测的研究	本文首次对基于生理信号数据的深度学习算法在睡眠呼吸暂停检测中的应用进行了系统的元分析	本文仅限于对已发表文献的综述和分析，未进行新的实验或数据收集	分析和比较用于生理数据处理的深度学习算法在睡眠呼吸暂停检测中的主要特征	脉搏血氧饱和度、心电图、气流和声音信号等生理数据	机器学习	睡眠障碍	深度学习	NA	生理信号	47篇文献
15678	2024-10-01	Advancing Patient Care: How Artificial Intelligence Is Transforming Healthcare 2023-Jul-31, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13081214 PMID:37623465	研究论文	探讨人工智能在医疗领域的应用及其对患者护理的影响	利用机器学习和深度学习技术，人工智能在诊断、治疗选择和患者监测方面提供了更准确和高效的医疗交付	需要医生和技术专家之间的合作以充分发挥人工智能的潜力	研究人工智能在医疗领域的应用及其对患者护理的变革作用	人工智能在医疗中的诊断、治疗选择和患者监测应用	机器学习	NA	机器学习	深度学习	NA	NA
15679	2024-10-01	Transformer Architecture and Attention Mechanisms in Genome Data Analysis: A Comprehensive Review 2023-Jul-22, Biology DOI:10.3390/biology12071033 PMID:37508462	综述	本文综述了深度学习中基于Transformer架构和注意力机制在基因组数据分析中的最新进展	本文创新性地将自然语言处理领域的成功技术应用于基因组和转录组数据分析	本文主要讨论了现有技术的优势和局限性，未提出新的研究方法	旨在为研究人员提供关于Transformer架构和注意力机制在基因组数据分析中应用的全面分析	基因组和转录组数据	生物信息学	NA	Transformer架构，注意力机制	Transformer	基因组数据	NA
15680	2024-10-01	The 2022 n2c2/UW shared task on extracting social determinants of health 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad012 PMID:36795066	研究论文	本文介绍了2022年n2c2/UW共享任务，旨在从临床笔记中提取社会决定因素健康（SDOH）信息，并探讨了自然语言处理（NLP）技术在SDOH和临床信息提取中的应用	本文首次提出了一个共享任务，专注于从临床文本中提取SDOH信息，并评估了预训练语言模型（LM）在不同子任务中的表现	提取性能因SDOH类型而异，某些健康风险因素（如物质使用和无家可归）的提取性能较低	探索和推进自然语言处理技术在社会决定因素健康信息提取中的应用	临床笔记中的社会决定因素健康信息	自然语言处理	NA	预训练语言模型（LM）	序列到序列模型	文本	使用了包含详细事件标注的社会历史注释语料库（SHAC），涉及酒精、药物、烟草、就业和居住情况等SDOH事件