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
16421	2024-09-25	A deep learning method that identifies cellular heterogeneity using nanoscale nuclear features 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00883-x PMID:39309215	研究论文	本文介绍了一种名为AINU的深度学习方法，用于通过纳米级核特征识别细胞异质性	AINU能够基于超分辨率显微镜图像中的核心组蛋白H3、RNA聚合酶II或DNA的空间排列，区分不同的细胞状态	AINU需要少量的图像作为训练数据，并且需要适当的再训练才能识别特定类型的细胞	开发一种能够识别细胞异质性的深度学习方法，以理解其生物学过程的根源	人类体细胞、人类诱导多能干细胞、早期感染细胞以及癌症细胞	计算机视觉	癌症	超分辨率显微镜	深度学习	图像	少量图像用于训练
16422	2024-09-25	Multiview deep learning networks based on automated breast volume scanner images for identifying breast cancer in BI-RADS 4 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1399296 PMID:39309734	研究论文	开发并验证了一种基于深度学习的自动分割和分类系统，用于分类使用ABVS成像的BI-RADS 4病变	提出了一个两阶段的深度学习框架，包括自动分割模块和自动分类模块，并比较了不同ABVS视图和深度学习架构的诊断性能	研究仅限于BI-RADS 4病变的分类，且样本量相对较小	开发和验证一种基于深度学习的自动分割和分类系统，用于分类BI-RADS 4病变	BI-RADS 4病变的自动分割和分类	计算机视觉	乳腺癌	深度学习	Inception-v3, ResNet 50, MobileNet	图像	251个BI-RADS 4病变，来自216名患者（训练集178个，独立测试集73个）
16423	2024-09-25	Prediction of Arteriovenous Access Dysfunction by Mel Spectrogram-based Deep Learning Model 2024, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.98421 PMID:39310268	研究论文	本研究利用深度学习模型基于Mel频谱图预测动静脉通路功能障碍	首次使用Mel频谱图和深度学习模型预测动静脉通路功能障碍	ViT-GRU模型在测试集上的泛化能力较低	利用深度学习预测动静脉通路功能障碍，以便及时进行血管管理	动静脉瘘或动静脉移植的血液透析患者	机器学习	NA	Mel频谱图	卷积神经网络 (CNN), 卷积循环神经网络 (CRNN), Vision Transformers-Gate Recurrent Unit (ViT-GRU)	音频	437个音频记录，来自84名患者
16424	2024-09-25	Artificial Intelligence-What to Expect From Machine Learning and Deep Learning in Hernia Surgery 2024, Journal of abdominal wall surgery : JAWS DOI:10.3389/jaws.2024.13059 PMID:39310669	综述	本文探讨了人工智能在疝气手术中的应用，重点介绍了机器学习和深度学习的角色	本文详细阐述了深度学习模型在预测腹壁重建复杂性和其他术后结果方面的显著进展	本文指出当前人工智能技术在疝气手术中的应用仍存在局限性，并呼吁进一步的研究和应用	探讨人工智能在疝气手术中的应用及其潜在优势和局限性	疝气手术中的预手术规划、手术技术和术后管理	机器学习	NA	深度学习	神经网络	图像和视频	NA
16425	2024-09-25	A Deep Learning Pipeline for Assessing Ventricular Volumes from a Cardiac MRI Registry of Patients with Single Ventricle Physiology 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230132 PMID:38166332	研究论文	开发了一种端到端的深度学习管道，用于从单心室生理患者的多中心心脏MRI注册表中自动分割心室	提出了一个包含三个深度学习模型的管道，用于自动分割心室，并在多中心数据集上进行了验证	在475个未见过的检查中，有26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发一种自动化的深度学习管道，用于从多中心注册表中评估单心室生理患者的心室体积	单心室生理患者的心脏MRI数据	计算机视觉	先天性心脏病	深度学习	U-Net 3+	图像	250个心脏MRI检查，来自13个机构，用于训练、验证和测试
16426	2024-09-25	Pashto poetry generation: deep learning with pre-trained transformers for low-resource languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2163 PMID:39314685	研究论文	本文介绍了一种利用预训练变压器模型生成高质量Pashto诗歌的创新方法	利用LaMini-Cerebras-590M和bloomz-560m两个预训练变压器模型生成Pashto诗歌	NA	研究如何利用机器和深度学习技术生成高质量的Pashto诗歌	Pashto诗歌生成	自然语言处理	NA	预训练变压器模型	变压器模型	文本	大量新的高质量Pashto诗歌数据集
16427	2024-09-25	Reporting Quality of Research Studies on AI Applications in Medical Images According to the CLAIM Guidelines in a Radiology Journal With a Strong Prominence in Asia 2023-12, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.1027 PMID:38016678	研究论文	评估亚洲放射学期刊中应用深度学习的医学影像研究报告质量	使用CLAIM指南评估报告质量，并提供亚洲地区报告质量的见解	样本仅限于韩国放射学期刊，可能无法代表所有亚洲期刊	评估应用深度学习的医学影像研究的报告质量	38篇发表在韩国放射学期刊上的文章	计算机视觉	NA	深度学习	NA	医学影像	38篇文章
16428	2024-09-25	Response to "Medical Statistics Unlock the Gateway to Further Research: Using Deep Learning to Predict CDKN2A/B Homozygous Deletion in Isocitrate Dehydrogenase-Mutant Astrocytoma" 2023-12, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0940 PMID:38016689	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16429	2024-09-25	Medical Statistics Unlock the Gateway to Further Research: Using Deep Learning to Predict CDKN2A/B Homozygous Deletion in Isocitrate Dehydrogenase-Mutant Astrocytoma 2023-12, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2023.0925 PMID:38016690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16430	2024-09-25	Dataset of a parameterized U-bend flow for deep learning applications 2023-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109477 PMID:37645446	研究论文	本文介绍了一个包含10,000个U型弯曲流体流动和传热模拟的数据集，适用于深度学习应用	该数据集的独特之处在于每个形状可以通过三种不同的数据类型表示，包括设计参数和目标组合、五种不同分辨率的2D图像以及数值模拟的网格单元值	NA	提供一个全面的基准数据集，用于研究设计优化领域中的各种问题和方法	U型弯曲流体流动和传热模拟	计算流体动力学	NA	计算流体动力学方法	深度学习	设计参数、2D图像、数值模拟网格单元值	10,000个模拟样本
16431	2024-09-25	Deep learning assisted classification of spectral photoacoustic imaging of carotid plaques 2023-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2023.100544 PMID:37671317	研究论文	本文利用卷积神经网络（CNN）对颈动脉斑块的光谱光声成像（sPAI）进行分类	本文首次使用CNN对sPAI图像中的斑块成分进行分类，无需进行光通量或光谱校正	研究样本量较小，仅涉及九个颈动脉斑块	开发一种新的方法来准确分类颈动脉斑块的成分，以评估其易损性	颈动脉斑块的光谱光声成像	计算机视觉	心血管疾病	光谱光声成像（sPAI）	卷积神经网络（CNN）	图像	九个颈动脉斑块
16432	2024-09-25	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.13.557544 PMID:37745446	研究论文	本文研究了基于深度自编码器的行为模式识别在高维斑马鱼研究中优于传统统计方法	本文提出了使用半监督深度自编码器从无暴露的斑马鱼幼体行为数据中提取典型“正常”行为，并能识别出传统统计框架未捕捉到的多种化学物质引起的行为异常	NA	本文旨在开发一种先进的行为数据分析方法，以更好地理解和识别斑马鱼在暴露于有毒物质后的行为变化	斑马鱼幼体及其在暴露于纳米材料、芳香族化合物、全氟和多氟烷基物质（PFAS）等环境污染物后的行为变化	机器学习	NA	深度自编码器	深度自编码器	行为数据	大量斑马鱼幼体样本
16433	2024-09-25	B-factor prediction in proteins using a sequence-based deep learning model 2023-Sep-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100805 PMID:37720331	研究论文	本文开发了一种基于序列的深度学习模型，用于预测蛋白质中的B因子	该模型在2442个蛋白质上测试，比现有最先进模型高出30%	NA	开发一种能够准确预测蛋白质中B因子的深度学习模型	蛋白质中的B因子	机器学习	NA	深度学习	深度学习模型	序列	2442个蛋白质
16434	2024-09-25	Kernel-weighted contribution: a method of visual attribution for 3D deep learning segmentation in medical imaging 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.054001 PMID:37692092	研究论文	本文介绍了一种名为核加权贡献的视觉解释方法，用于三维医学图像分割模型的解释	核加权贡献方法专门为医学图像分割模型设计，通过评估每个激活图对预测分割的相对贡献来评估特征重要性	NA	解释深度学习模型在医学图像分割中的决策，以促进其在医疗领域的广泛应用	三维医学图像分割模型	计算机视觉	NA	NA	分割模型	图像	100个测试样本
16435	2024-09-25	Development and validation of convolutional neural network-based model to predict the risk of sentinel or non-sentinel lymph node metastasis in patients with breast cancer: a machine learning study 2023-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2023.102176 PMID:37662514	研究论文	开发并验证了一种基于卷积神经网络的模型，用于预测乳腺癌患者前哨淋巴结或非前哨淋巴结转移的风险	提出了一种基于卷积神经网络的模型，用于预测乳腺癌患者前哨淋巴结和非前哨淋巴结的转移风险，并展示了其在不同验证集中的良好表现	NA	开发并验证一种自动化的术前深度学习工具，用于预测乳腺癌患者前哨淋巴结和非前哨淋巴结的转移风险	乳腺癌患者的前哨淋巴结和非前哨淋巴结转移风险	机器学习	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	卷积神经网络（CNN）	图像	988名乳腺癌患者
16436	2024-09-25	Structure-based prediction of nucleic acid binding residues by merging deep learning- and template-based approaches 2023-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011428 PMID:37672551	研究论文	本文开发了一种名为NABind的新型结构基础整合算法，用于准确预测DNA和RNA结合残基	结合了深度学习和模板基础方法，采用堆叠策略和随机游走算法进行后处理，显著提高了预测性能	NA	提高蛋白质中核酸结合残基的预测准确性	DNA和RNA结合残基	机器学习	NA	深度学习	图注意力网络	序列和结构描述符	NA
16437	2024-09-25	Deep learning in precision medicine and focus on glioma 2023-Sep, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10553 PMID:37693051	综述	本文综述了深度学习在精准医学中的应用，特别是胶质瘤领域	探讨了深度学习在精准医学多个领域（如心脏病学、胃肠病学、眼科学、皮肤病学和肿瘤学）的应用前景，并强调了其在胶质瘤中的应用潜力	目前深度学习数据集的质量和数量仍需改进，且多组学数据（如全外显子序列、RNA序列、蛋白质组学和表观基因组学）尚未得到充分应用	总结人工智能模型的发展历史，展示机器学习和深度学习网络的特征，并探讨其在精准医学中的应用	深度学习在精准医学中的应用，特别是胶质瘤的诊断和监测	机器学习	脑肿瘤	NA	深度学习网络	医学数据	NA
16438	2024-09-25	Non-annotated renal histopathological image analysis with deep ensemble learning 2023-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-46 PMID:37711826	研究论文	本文开发了一种基于深度卷积神经网络的异构集成模型，用于自动分析未详细标注的肾组织病理图像	提出了基于深度学习的异构集成模型，用于肾组织病理图像的自动分析，无需详细标注	未提及具体限制	开发一种自动化的肾组织病理图像分析方法，以提高肾癌的早期检测效率和准确性	肾组织病理图像	数字病理	肾癌	深度卷积神经网络	CNN	图像	未提及具体样本数量
16439	2024-09-25	Machine and deep learning approaches to understand and predict habitat suitability for seabird breeding 2023-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.10549 PMID:37727776	研究论文	研究利用机器学习和深度学习算法预测海鸟繁殖栖息地的适宜性	首次结合卷积神经网络和随机森林模型，全面分析海鸟繁殖栖息地的选择	研究仅基于古巴地区的历史记录，可能不适用于其他地理区域	理解并预测海鸟繁殖栖息地的适宜性	海鸟的繁殖栖息地选择	机器学习	NA	卷积神经网络、随机森林	CNN、随机森林	图像	49个古巴地区海鸟繁殖地的历史记录
16440	2024-09-25	Unleashing the Power of Artificial Intelligence in Materials Design 2023-Aug-30, Materials (Basel, Switzerland) DOI:10.3390/ma16175927 PMID:37687620	研究论文	本文探讨了人工智能算法在材料设计中的应用，展示了其在预测材料性能、设计新型材料和发现新机制方面的潜力	本文介绍了人工智能在材料设计中的创新应用，包括机器学习、深度学习和材料信息学工具，这些方法能够从大量数据中提取有意义的信息，揭示材料属性、结构和成分之间的复杂关联	NA	本文旨在展示人工智能在材料设计中的应用，加速和丰富新材料发现的过程	本文研究的对象是人工智能算法在材料设计中的应用，特别是机器学习、深度学习和材料信息学工具	机器学习	NA	机器学习、深度学习、材料信息学	NA	材料属性、结构和成分的数据	NA