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
15801	2024-09-27	Exploring the Combination of Computer Vision and Surgical Neuroanatomy: A Workflow Involving Artificial Intelligence for the Identification of Skull Base Foramina 2024-Sep-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.08.137 PMID:39233310	研究论文	本文探讨了计算机视觉与外科神经解剖学的结合，开发了一种用于识别颅底孔的人工智能工作流程	本文创新性地开发了一种计算机视觉模型，能够自动识别和标注颅底孔，提高了手术规划和教育效果	NA	开发一种计算机视觉模型，自动识别和标注颅底孔，以避免手术并发症并促进神经外科学员的教育进步	颅底孔的识别和标注	计算机视觉	NA	深度学习	卷积神经网络	图像	3560张高分辨率、标注的颅底图像
15802	2024-09-27	CSV-Filter: a deep learning-based comprehensive structural variant filtering method for both short and long reads 2024-Sep-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae539 PMID:39240375	研究论文	本文介绍了一种基于深度学习的结构变异过滤方法CSV-Filter，适用于短读长和长读长数据	CSV-Filter采用了一种新颖的多级灰度图像编码方法，并结合图像增强技术和自监督学习网络，提高了结构变异特征的提取能力	NA	开发一种能够有效过滤结构变异检测结果中假阳性结果的方法	结构变异（SVs）及其在遗传研究和精准医学中的应用	机器学习	NA	深度学习	自监督学习网络	图像	NA
15803	2024-09-27	Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054001 PMID:39220048	研究论文	本文开发了一种结合专家知识和数据增强的方法，利用深度学习分析多参数磁共振成像（mpMRI）来预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本文创新性地使用深度学习模型预测胶质母细胞瘤的肿瘤浸润，无需依赖专家绘制的感兴趣区域（ROI）进行模型训练	NA	开发一种无需专家ROI绘制即可预测胶质母细胞瘤肿瘤浸润的深度学习模型	胶质母细胞瘤患者的肿瘤浸润和复发	数字病理学	脑肿瘤	多参数磁共振成像（mpMRI）	深度学习	图像	229名患者
15804	2024-09-27	Comparison and benchmark of deep learning methods for non-coding RNA classification 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012446 PMID:39264986	研究论文	本文比较和评估了用于非编码RNA分类的深度学习方法，并提供了相关数据集的详细描述	本文首次全面比较了当前最先进的非编码RNA分类方法，并进行了客观的基准测试	本文未涵盖所有可能的深度学习架构，且实验结果可能受限于所使用的数据集	评估和比较不同深度学习方法在非编码RNA分类中的性能	非编码RNA的分类方法及其在不同数据集上的表现	机器学习	NA	深度学习	多种深度学习架构	非编码RNA序列	涉及多个流行数据集
15805	2024-09-27	Hyperdimensional computing: A fast, robust, and interpretable paradigm for biological data 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012426 PMID:39316621	研究论文	本文探讨了超维度计算（HDC）在生物信息学中的应用潜力	提出超维度计算作为一种新的计算范式，具有高效、鲁棒和可解释性	NA	探索超维度计算在生物信息学中的应用潜力	生物数据处理和分析	生物信息学	NA	超维度计算（HDC）	NA	多模态和结构化数据	NA
15806	2024-09-27	Explainable artificial intelligence in deep learning-based detection of aortic elongation on chest X-ray images 2024-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztae045 PMID:39318689	研究论文	本文评估了深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	本文结合了可解释的人工智能技术，如梯度加权类激活映射和局部可解释模型无关解释方法，来增强深度学习模型决策的可解释性	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	评估深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程	胸部X光图像中的主动脉延长	计算机视觉	心血管疾病	深度学习	DenseNet, EfficientNet	图像	未提供具体样本数量
15807	2024-09-27	The potential impact of AI innovations on US occupations 2024-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae320 PMID:39319327	研究论文	本文探讨了人工智能创新对美国职业任务的潜在影响，并提出了一种基于深度学习的自然语言处理方法来评估这种影响	本文利用深度学习技术替代了以往的手动标注或粗粒度匹配方法，提出了AI Impact指标来量化人工智能对职业任务的潜在影响	人工智能对劳动力的影响有限，部分受影响的职业是增强而非替代，且受影响的行业正面临劳动力短缺问题	评估人工智能创新对美国职业任务的潜在影响	职业任务及其与人工智能专利的关系	自然语言处理	NA	深度学习	NA	文本	17,879个任务描述和24,758项人工智能专利
15808	2024-09-27	Transitions in dynamical regime and neural mode underlie perceptual decision-making 2024-Aug-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562427 PMID:37904994	研究论文	本文研究了感知决策过程中动态状态和神经模式的转变	提出了一种基于深度学习的无监督方法，用于从同时记录的前额叶皮层和纹状体神经元活动中发现与决策相关的动态	研究仅限于大鼠的听觉证据积累任务，未涉及其他物种或任务类型	探讨感知决策过程中吸引子动态是否以及如何影响决策行为和复杂的神经反应	大鼠在积累脉冲听觉证据时的前额叶皮层和纹状体神经元活动	神经科学	NA	深度学习	NA	神经元活动数据	NA
15809	2024-09-27	Deep Learning Enabled Universal Multiplexed Fluorescence Detection for Point-of-Care Applications 2024-Aug-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c00860 PMID:39010300	研究论文	本文介绍了一种基于深度学习的通用多重荧光检测系统，适用于即时检测应用	该系统采用低成本光学组件和预训练的机器学习模型，实现了无需光学调整的多重荧光检测，并可通过更新机器学习模型轻松扩展其多重检测能力	NA	开发一种便携、紧凑且成本效益高的多重荧光检测系统，适用于即时检测应用	多重荧光检测系统及其在同时检测三种常见呼吸道病毒的环介导等温扩增（LAMP）试验中的应用	机器学习	NA	机器学习	机器学习模型	荧光信号	NA
15810	2024-09-27	Integrating deep learning and regression models for accurate prediction of groundwater fluoride contamination in old city in Bitlis province, Eastern Anatolia Region, Türkiye 2024-Jul, Environmental science and pollution research international DOI:10.1007/s11356-024-34194-w PMID:38990257	研究论文	研究通过整合深度学习和回归模型，预测土耳其比特利斯省老城区地下水氟污染	采用多种机器学习和深度学习模型，包括XGBoost和CNN，显著提高了地下水氟污染预测的准确性	决策树回归器在预测中表现较差	评估地下水可能的地球化学污染分布，并开发一个稳健的预测模型	地下水中的氟污染	机器学习	NA	机器学习技术、回归模型、深度学习模型	XGBoost、CNN、ANN、DNN、LSTM	地下水样本数据	30个采样点，分别在2019年6月干季和9月雨季进行测量
15811	2024-09-27	Computed tomography-based radial endobronchial ultrasound image simulation of peripheral pulmonary lesions using deep learning 2024 Jul-Aug, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000079 PMID:39318751	研究论文	本文利用深度学习技术，从术前CT数据中模拟外周肺部病变（PPLs）的径向支气管内超声（R-EBUS）图像，以指导术中R-EBUS探头的操作	本文首次提出利用深度学习技术从CT数据中模拟R-EBUS图像，以提供术中操作指导	研究样本量有限，且仅限于特定类型的肺部病变	开发一种从术前CT数据中模拟R-EBUS图像的方法，以指导术中R-EBUS探头的操作	外周肺部病变（PPLs）的R-EBUS图像	计算机视觉	肺部疾病	深度学习	循环生成对抗网络	图像	250名接受R-EBUS引导下经支气管肺活检的患者
15812	2024-09-27	Potential of digital chest radiography-based deep learning in screening and diagnosing pneumoconiosis: An observational study 2024-Jun-21, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000038478 PMID:38905434	研究论文	本研究探讨了基于数字胸部X光片的深度学习模型在尘肺筛查和诊断中的应用	本研究开发了一种基于深度学习的模型，用于尘肺的筛查和分期，并发现ResNet101模型在分类尘肺方面表现优于放射科医生	本研究仅使用了1250张胸部X光片进行训练和测试，样本量相对较小	提高尘肺诊断的准确性和一致性	尘肺的分类和诊断	计算机视觉	尘肺	深度学习	ResNet101	图像	1250张胸部X光片
15813	2024-09-27	Deep learning generation of preclinical positron emission tomography (PET) images from low-count PET with task-based performance assessment 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17105 PMID:38710222	研究论文	本文开发并评估了一种基于深度学习的架构，用于从低计数正电子发射断层扫描（PET）图像生成标准计数PET图像	提出了一种新的深度学习架构——基于注意力的残差扩张网络（ARD-Net），用于从低计数PET图像生成标准计数PET图像	NA	开发和评估一种新的深度学习架构，用于从低计数PET图像生成标准计数PET图像	从低计数PET图像生成标准计数PET图像的深度学习架构	计算机视觉	NA	深度学习	基于注意力的残差扩张网络（ARD-Net）	图像	48个临床前FDG-PET数据集用于训练和优化，16个数据集用于评估性能
15814	2024-09-27	Delta-Conotoxin Structure Prediction and Analysis through Large-scale Comparative and Deep Learning Modeling Approaches 2024-May-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.30.596722 PMID:38854105	研究论文	本文通过大规模比较和深度学习建模方法预测和分析了delta-conotoxin的结构	利用AlphaFold和RosettaCM两种方法对18种未表征的delta-conotoxin进行了建模和分析	NA	预测和分析delta-conotoxin的结构，为药物开发提供见解	18种未表征的delta-conotoxin	生物信息学	NA	深度学习	AlphaFold, RosettaCM	蛋白质结构	18种delta-conotoxin
15815	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
15816	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
15817	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
15818	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
15819	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
15820	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