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
16661	2024-09-17	Using Deep Learning to Identify High-Risk Patients with Heart Failure with Reduced Ejection Fraction 2021, Journal of health economics and outcomes research IF:2.3Q2 DOI:10.36469/jheor.2021.25753 PMID:34414250	研究论文	本研究利用深度学习模型预测心力衰竭伴射血分数降低患者的心力衰竭住院、恶化事件及30天和90天再入院	本研究首次采用双向长短期记忆网络（Bi-LSTM）模型，并展示了其在预测心力衰竭相关结果方面的优越性	缺乏详细的临床数据以及样本量和样本不平衡问题可能限制了模型的性能	开发和部署预测工具以识别高风险的心力衰竭伴射血分数降低患者	心力衰竭伴射血分数降低患者的住院、恶化事件及再入院	机器学习	心血管疾病	深度学习	双向长短期记忆网络（Bi-LSTM）	电子健康记录	共纳入47,498名心力衰竭伴射血分数降低患者，其中9,427名至少有一次心力衰竭住院
16662	2024-09-16	PCAlign: a general data augmentation framework for point clouds 2024-Sep-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72264-8 PMID:39266639	研究论文	本文提出了一种新的点云数据增强框架PCAlign，通过主成分分析生成对齐的点云副本，并结合多通道结构提高点云深度学习网络的鲁棒性	利用主成分分析生成对齐的点云副本，并通过多通道结构增强点云深度学习网络的旋转不变性	未提及	提高点云深度学习网络在处理姿态变化和非均匀密度点云时的鲁棒性	点云数据	计算机视觉	NA	主成分分析（PCA）	多通道结构	点云	未提及
16663	2024-09-16	Training and validation of a deep learning U-net architecture general model for automated segmentation of inner ear from CT 2024-Sep-12, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00508-3 PMID:39266784	研究论文	本研究训练并验证了一种基于U-net架构的深度学习通用模型，用于从CT扫描中自动分割内耳结构	本研究首次使用开源U-net模型进行内耳结构的自动分割，并进行了多中心的外部验证	本研究尚未评估扫描协议对模型性能的影响	开发和验证一种用于内耳结构自动分割的深度学习模型	内耳结构	计算机视觉	NA	深度学习	U-net	CT扫描图像	训练集包含271个CT扫描，验证集包含70个CT扫描
16664	2024-09-16	GRABSEEDS: extraction of plant organ traits through image analysis 2024-Sep-12, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01268-2 PMID:39267072	研究论文	介绍了一种名为GRABSEEDS的工具，通过图像分析提取植物器官特征	GRABSEEDS利用先进的计算机视觉和深度学习方法，能够从植物图像中提取全面的特征，并具有处理不同光照条件、背景干扰和重叠对象的能力	NA	简化植物表型分析过程，提高植物器官特征测量的准确性和效率	植物器官特征，包括谷物、叶片和花卉特征	计算机视觉	NA	计算机视觉和深度学习	NA	图像	NA
16665	2024-09-16	Overcoming CRISPR-Cas9 off-target prediction hurdles: A novel approach with ESB rebalancing strategy and CRISPR-MCA model 2024-Sep, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012340 PMID:39226304	研究论文	本文提出了一种新的ESB重平衡策略和CRISPR-MCA模型，用于克服CRISPR-Cas9脱靶预测中的挑战	引入了基于效率和特异性的ESB类重平衡策略，并开发了CRISPR-MCA混合模型，通过多特征提取提高预测准确性	NA	解决CRISPR-Cas9系统中脱靶效应预测的难题	CRISPR-Cas9系统的脱靶效应	生物信息学	NA	深度学习	混合神经网络	序列数据	涉及四个仅错配数据集和一个包含错配和插入缺失的数据集
16666	2024-09-16	Progress on deep learning in genomics 2024-Sep, Yi chuan = Hereditas DOI:10.16288/j.yczz.24-151 PMID:39275870	综述	本文综述了深度学习在基因组学中的应用	深度学习为基因组学研究提供了强大的数据分析和模式识别能力	NA	通过深度学习提升基因组学研究的精确性和效率	DNA、RNA和蛋白质研究以及畜牧业基因组学	机器学习	NA	深度学习	卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)	基因组数据	NA
16667	2024-09-16	Pediatric septic shock estimation using deep learning and electronic medical records 2024-Aug, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.00031 PMID:39266275	研究论文	本研究利用深度学习和电子病历数据开发了一种用于儿科脓毒性休克早期诊断的模型	本研究的创新点在于使用深度学习模型简化了儿科脓毒性休克的早期诊断过程	本研究需要通过前瞻性研究进行外部验证	开发一种基于深度学习的模型，用于儿科脓毒性休克的早期诊断	儿科患者（<18岁）的脓毒性休克病例	机器学习	NA	深度学习	深度学习模型	电子病历数据	9,616,115次测量，其中34,696例脓毒性休克病例
16668	2024-09-16	ROBUST QUANTIFICATION OF PERCENT EMPHYSEMA ON CT VIA DOMAIN ATTENTION: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635299 PMID:39267982	研究论文	本文开发了一种基于深度学习的端到端框架，用于在不同CT扫描仪上对肺气肿进行鲁棒量化	设计了一种新的域注意力块，用于融合图像视觉特征与定量扫描仪先验信息，显著提高了结果	现有研究要么需要繁琐的工作流程，要么排除了下游肺气肿亚型分类的机会，限制了在大规模研究中的高效适应	解决在不同CT扫描仪上对肺气肿进行鲁棒量化的问题	肺气肿的量化	计算机视觉	NA	深度学习	UNet	图像	NA
16669	2024-09-16	Peak amplitude of the normalized power spectrum of the electromyogram of the uterus in the low frequency band is an effective predictor of premature birth 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308797 PMID:39264880	研究论文	本文研究了基于子宫肌电图（EHG）低频带归一化功率谱峰值振幅（PA）预测早产的有效性	提出了一种简单且可解释的单特征方法，通过PA特征在多个数据库上实现了较高的分类准确率，优于现有的多特征方法和非侵入性化学分子生物标志物	NA	开发一种非侵入性、简单且可解释的方法来预测早产	子宫肌电图（EHG）信号	生物医学工程	妊娠相关疾病	肌电图（EHG）	分类器	信号	使用了TPEHG DB、TPEHGT DS和ICEHG DS数据库中的EHG记录
16670	2024-09-16	CL-Informer: Long time series prediction model based on continuous wavelet transform 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303990 PMID:39269969	研究论文	提出了一种基于连续小波变换的长时序预测模型CL-Informer	在Informer模型中加入基于连续小波变换的嵌入层，使模型能够捕捉多尺度数据特征，并使用LSTM层进一步捕捉数据依赖性并处理连续小波变换中的冗余信息	NA	提高时间序列预测的准确性	时间序列数据	机器学习	NA	连续小波变换	LSTM	时间序列	五个数据集
16671	2024-09-16	Observer studies of image quality of denoising reduced-count cardiac single photon emission computed tomography myocardial perfusion imaging by three-dimensional Gaussian post-reconstruction filtering and deep learning 2023-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-023-03295-3 PMID:37221409	研究论文	本研究评估了三维高斯后重建滤波和深度学习去噪对减少计数的心脏单光子发射计算机断层扫描心肌灌注成像图像质量的影响	本研究首次比较了三维高斯后重建滤波和深度学习去噪在减少计数情况下的性能	本研究未发现深度学习去噪在所研究的剂量水平和使用的深度学习网络下优于优化的三维高斯后重建滤波	评估减少计数情况下三维高斯后重建滤波和深度学习去噪对心肌灌注缺陷检测准确性的影响	心脏单光子发射计算机断层扫描心肌灌注成像图像	计算机视觉	心血管疾病	深度学习	深度学习网络	图像	156名正常解读的患者
16672	2024-09-16	Lightweight deep CNN-based models for early detection of COVID-19 patients from chest X-ray images 2023-Aug-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.119900 PMID:36969370	研究论文	本文提出了一种基于轻量级深度卷积神经网络（CNN）的模型，用于从胸部X光图像中早期检测COVID-19患者	开发了两个新的轻量级CNN模型，能够在减少计算资源需求的同时保持高准确率	未提及具体限制	开发适用于资源有限设备的轻量级模型，用于早期检测COVID-19患者	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	相对较大的胸部X光图像数据集
16673	2024-09-16	Transfer learning identifies sequence determinants of cell-type specific regulatory element accessibility 2023-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqad026 PMID:37007588	研究论文	本文开发了一种名为ChromTransfer的迁移学习方法，用于识别细胞类型特异性调控元件可及性的序列决定因素	ChromTransfer利用预训练的细胞类型无关模型作为基础，通过微调来学习细胞类型特异性染色质可及性，显著提高了模型性能	深度学习方法需要大量输入数据进行训练	理解DNA如何编码调控活性，以更好地理解疾病病因	细胞类型特异性染色质可及性的序列决定因素	机器学习	NA	迁移学习	深度学习模型	DNA序列	NA
16674	2024-09-16	ChimeraNet: U-Net for Hair Detection in Dermoscopic Skin Lesion Images 2023-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00740-6 PMID:36385676	研究论文	本文提出了一种新的深度学习技术ChimeraNet，用于检测皮肤镜图像中的毛发和标尺标记	ChimeraNet采用预训练的EfficientNet作为编码器，并在解码器中使用挤压和激励残差结构，显著提高了毛发检测的准确性	NA	提高皮肤镜图像中毛发和标尺标记的检测准确性	皮肤镜图像中的毛发和标尺标记	计算机视觉	NA	深度学习	U-Net	图像	使用了公开的HAM10000皮肤病变数据集，并在25张额外的测试图像上进行了评估
16675	2024-09-16	Deep Learning-based Non-rigid Image Registration for High-dose Rate Brachytherapy in Inter-fraction Cervical Cancer 2023-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00732-6 PMID:36417026	研究论文	本文提出了一种用于局部晚期宫颈癌（LACC）的跨分次器官变形模拟框架，结合了深度学习技术进行非刚性图像配准	本文提出了一种基于深度学习的非刚性图像配准方法，用于高剂量率近距离放射治疗中的跨分次宫颈癌治疗，该方法优于传统算法	NA	研究目的是开发一种用于局部晚期宫颈癌的跨分次器官变形模拟框架，以提高高剂量率近距离放射治疗的精度	研究对象包括57名局部晚期宫颈癌患者的CT扫描数据，以及膀胱、宫颈和直肠等关键器官的分割数据	计算机视觉	宫颈癌	深度学习	卷积神经网络（CNN）	图像	57名局部晚期宫颈癌患者的CT扫描数据，共7202张2D切片，分为训练集（42名患者）和测试集（15名患者）
16676	2024-09-16	Novel prediction models for hyperketonemia using bovine milk Fourier-transform infrared spectroscopy 2023-Apr, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2023.105860 PMID:36724618	研究论文	本文研究了使用牛乳傅里叶变换红外光谱（FTIR）预测酮症的新模型	本文评估了更多样化的建模选项，如深度学习、梯度提升机模型和模型集成，用于酮症分类	NA	评估不同建模选项在预测奶牛酮症中的表现	奶牛酮症	机器学习	NA	傅里叶变换红外光谱（FTIR）	卷积神经网络（CNN）	光谱数据	大量异质数据集，包括牛奶FTIR和同时采集的血液样本
16677	2024-09-16	Preparing for the Artificial Intelligence Revolution in Nuclear Cardiology 2023-Apr, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-021-00733-3 PMID:36998588	研究论文	本文探讨了人工智能在核心脏病学中的应用，特别是深度学习在减少注射剂量、图像重建和过滤、SPECT衰减校正、特征提取和功能测量等方面的进展	本文介绍了深度学习和机器学习在核心脏病学中的多种创新应用，如减少注射剂量、图像重建、SPECT衰减校正等	尽管这些应用具有显著潜力，但大多数尚未广泛商业化，主要由于其开发时间较短	探讨人工智能在核心脏病学中的应用，并准备迎接即将到来的AI革命	核心脏病学中的深度学习和机器学习应用	机器学习	心血管疾病	深度学习 (DL), 机器学习 (ML)	深度学习模型	图像	NA
16678	2024-09-16	An integrative machine learning framework for classifying SEER breast cancer 2023-04-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-32029-1 PMID:37005484	研究论文	本文提出了一种集成机器学习框架，用于分类SEER乳腺癌数据集中的生存和死亡状态	采用两步特征选择方法（方差阈值和主成分分析）来选择特征，并使用多种监督和集成学习技术进行分类	未提及具体限制	分类乳腺癌患者的生存和死亡状态	SEER乳腺癌数据集	机器学习	乳腺癌	机器学习和深度学习	决策树	数据集	未提及具体样本数量
16679	2024-09-16	Electron transfer rules of minerals under pressure informed by machine learning 2023-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37384-1 PMID:37002237	研究论文	本文通过机器学习模型预测了96种元素在任意压力下的电负性，并推导出一个统一的公式来量化电负性与压力和电子构型之间的关系	首次将电子转移规则应用于高压环境，并提出了一个统一的公式来量化电负性与压力和电子构型的关系	NA	研究高压环境下元素及其化合物的基本物理化学性质	96种元素在任意压力下的电负性及其与压力和电子构型的关系	机器学习	NA	机器学习	深度学习模型	数值数据	96种元素
16680	2024-09-16	Predicting COVID-19 positivity and hospitalization with multi-scale graph neural networks 2023-03-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31222-6 PMID:37002271	研究论文	本文提出了一种基于多尺度图神经网络的方法，用于预测COVID-19的阳性病例和住院人数	首次利用高分辨率时空数据进行多尺度分析，并结合疫苗接种率和人口流动数据	未提及	分析COVID-19传播的时空特征，并预测阳性病例和住院人数	COVID-19的阳性病例和住院人数	机器学习	COVID-19	图神经网络	多尺度图神经网络	时空数据	涉及数千居民的精细地理区域