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
18201	2024-09-17	Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability 2024-Oct, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111886 PMID:39217668	研究论文	本文提出了一种基于门控循环单元（GRU）和alpha-EEG节律的深度学习模型，用于精神分裂症（SZ）的诊断	本文创新性地提出了Rudiment Densely-Coupled Convolutional Gated Recurrent Unit（RDCGRU）模型，用于基于EEG节律（gamma, beta, alpha, theta, 和 delta）的精神分裂症诊断	NA	研究目的是验证alpha-EEG节律在基于门控循环单元的深度学习模型中诊断精神分裂症的可靠性	研究对象是精神分裂症患者和alpha-EEG节律	机器学习	精神疾病	深度学习	门控循环单元（GRU）	脑电图（EEG）	NA
18202	2024-09-17	Deep Learning Prediction for Distal Aortic Remodeling After Thoracic Endovascular Aortic Repair in Stanford Type B Aortic Dissection 2024-Oct, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists IF:1.7Q2 DOI:10.1177/15266028231160101 PMID:36927177	研究论文	本研究旨在开发一种深度学习模型，用于预测斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后远端主动脉的重塑情况	本研究首次使用卷积神经网络（CNN）和点云神经网络（PC-NN）来预测主动脉重塑情况，并发现PC-NN在预测负性主动脉重塑和再干预方面优于CNN	本研究为回顾性研究，样本量相对较小，且仅在一个中心进行	开发一种基于CTA的深度学习算法，用于自动化预测胸主动脉腔内修复术后远端主动脉的重塑情况	斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后的远端主动脉重塑情况	计算机视觉	心血管疾病	CTA	CNN, PC-NN	图像	147例急性或亚急性斯坦福B型主动脉夹层患者
18203	2024-09-17	Efficient Generation of Pretraining Samples for Developing a Deep Learning Brain Injury Model via Transfer Learning 2024-Oct, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-023-03354-3 PMID:37642795	研究论文	研究如何通过迁移学习使用高精度的变换神经网络（TNN）生成预训练样本，以减少开发深度学习脑损伤模型所需的计算资源	提出了一种通过迁移学习使用TNN生成预训练样本的方法，显著提高了CNN模型的准确性，特别是在微调数据集较小的情况下	当微调样本数量达到3000或更多时，预训练带来的改进不明显	研究如何通过迁移学习减少开发深度学习脑损伤模型所需的计算资源	脑损伤模型	机器学习	NA	迁移学习	卷积神经网络（CNN），变换神经网络（TNN）	合成冲击数据，增强冲击数据	100个合成冲击样本，100个增强冲击样本，191个独立测量冲击样本
18204	2024-09-17	Toward an Explainable Large Language Model for the Automatic Identification of the Drug-Induced Liver Injury Literature 2024-Sep-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00134 PMID:39190012	研究论文	本文开发了一种基于LLaMA-2的大型语言模型，用于自动识别药物性肝损伤相关文献	首次利用LLaMA-2模型进行药物性肝损伤文献的自动识别，相较于其他语言模型，LLaMA-2在准确性和ROC曲线下面积方面表现更优	尽管LLaMA-2在训练集上表现优异，但在实际临床研究和监管应用中的性能仍需进一步验证	开发一种能够自动识别药物性肝损伤相关文献的高效工具，以支持药物安全监测和监管审查	药物性肝损伤相关文献的自动识别	自然语言处理	NA	大型语言模型	LLaMA-2	文本	14203篇训练文献
18205	2024-09-17	Prediction of Cytochrome P450 Substrates Using the Explainable Multitask Deep Learning Models 2024-Sep-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00199 PMID:39196814	研究论文	本文构建了多任务深度学习模型，用于预测五种主要药物代谢P450酶的底物	采用多任务指纹和图神经网络模型，相较于单任务模型和传统机器学习模型，在测试集上取得了更高的平均AUC值	NA	在药物开发的早期阶段，预测化合物是否为特定P450酶的底物	五种主要的药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 和1A2）的底物	机器学习	NA	多任务学习模型	图神经网络	化合物数据	收集的底物数据集
18206	2024-09-17	Single-cell profiling uncovers proliferative cells as key determinants of survival outcomes in lower-grade glioma patients 2024-Sep-14, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01302-8 PMID:39276278	研究论文	本研究利用单细胞RNA测序和批量RNA测序，识别出一种与低级别胶质瘤患者预后不良相关的新型细胞类型，并构建了一个基于人工智能网络的预测模型	本研究首次识别出一种名为“Prol”的新型细胞类型，并构建了一个基于人工智能网络的预测模型，该模型在低级别胶质瘤预后预测中表现出更高的准确性，并具有泛癌预后潜力	NA	本研究旨在通过单细胞RNA测序和批量RNA测序，识别出与低级别胶质瘤患者预后相关的新型细胞类型，并开发新的预后标志物和治疗策略	低级别胶质瘤患者及其肿瘤细胞	数字病理学	脑肿瘤	单细胞RNA测序	人工智能网络	RNA	NA
18207	2024-09-17	Cone-beam CT landmark detection for measuring basal bone width: a retrospective validation study 2024-Sep-14, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04798-2 PMID:39277722	研究论文	本文评估了一种深度学习模型在测量基底骨宽度地标中的有效性，并将其与手动测量进行了比较	开发了一种基于U-Net算法的粗到细深度学习模型，用于测量基底骨宽度地标，提高了诊断准确性	仅在34个CBCT扫描上进行了测试，样本量较小	评估深度学习模型在测量基底骨宽度中的有效性，并探讨其在正畸实践中的应用潜力	基底骨宽度的测量及其在正畸诊断中的应用	计算机视觉	NA	深度学习	U-Net	图像	训练集：80个CBCT图像，验证集：10个CBCT图像，测试集：34个CBCT图像
18208	2024-09-17	Automatic 3D pelvimetry framework in CT images and its validation 2024-Sep-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72123-6 PMID:39271720	研究论文	本文提出了一种基于深度学习技术的自动测量骨盆CT图像的框架，用于计算三维骨盆参数	该框架利用深度学习技术自动计算骨盆参数，取代了传统的手动测量方法，大大提高了计算速度	实验仅在15名患者的数据上进行了验证，样本量较小	开发一种自动测量骨盆参数的方法，以提高诊断和治疗脊柱疾病的效率	骨盆CT图像及其三维参数	计算机视觉	脊柱疾病	深度学习	DRINet, VGG16	图像	15名患者
18209	2024-09-17	Predicting prognosis for epithelial ovarian cancer patients receiving bevacizumab treatment with CT-based deep learning 2024-Sep-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00688-6 PMID:39271912	研究论文	本研究开发并验证了一种基于深度学习的模型，用于预测接受贝伐珠单抗治疗的卵巢癌患者的预后	本研究首次利用CT影像数据结合深度学习模型，预测卵巢癌患者的无进展生存期，并结合多模态数据提高预测准确性	本研究仅限于回顾性数据，且样本量相对较小，未来需要更多前瞻性研究和更大样本量验证	开发和验证一种深度学习模型，用于预测接受贝伐珠单抗治疗的卵巢癌患者的预后	接受贝伐珠单抗治疗的卵巢癌患者	计算机视觉	卵巢癌	深度学习	深度学习模型	CT影像	525名患者，分为训练集（400名）、内部测试集（97名）和外部测试集（28名）
18210	2024-09-17	Detection of Alcoholic EEG signal using LASSO regression with metaheuristics algorithms based LSTM and enhanced artificial neural network classification algorithms 2024-Sep-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72926-7 PMID:39271921	研究论文	本文提出了一种基于LASSO回归和元启发式算法的长短期记忆网络（LSTM）及增强人工神经网络分类算法，用于自动检测酒精性脑电信号	本文的创新点在于使用LASSO回归进行初始聚类和特征提取，并结合多种元启发式算法（如PSO、BCHS和BDA）进行特征最小化，最终通过多种分类模型（如SVM、随机森林、ANN、EANN和LSTM）进行分类，实现了高精度的酒精性脑电信号检测	NA	本文的研究目的是开发一种自动检测酒精性脑电信号的方法，以快速识别酒精中毒并提高公共卫生水平	本文的研究对象是酒精性和非酒精性个体的脑电信号	机器学习	NA	LASSO回归、元启发式算法（PSO、BCHS、BDA）	长短期记忆网络（LSTM）、增强人工神经网络（EANN）	脑电信号	NA
18211	2024-09-17	Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness 2024-Sep-13, Journal of neuroinflammation IF:9.3Q1 DOI:10.1186/s12974-024-03215-3 PMID:39272155	研究论文	本研究探讨了在海湾战争疾病（GWI）小鼠模型中，氯菊酯暴露如何通过小胶质细胞激活引发神经炎症应激反应，从而驱动抑郁样行为	首次揭示了氯菊酯暴露后通过小胶质细胞激活引发神经炎症应激反应，导致抑郁样行为，并使用单细胞RNA测序分析了相关转录网络的变化	研究仅限于小鼠模型，结果可能不完全适用于人类	评估氯菊酯暴露是否能引发与海湾战争疾病相关的神经炎症应激反应和精神症状	海湾战争疾病小鼠模型中的小胶质细胞激活和抑郁样行为	NA	NA	单细胞RNA测序	深度学习模型	RNA	21,566个单核细胞
18212	2024-09-17	Consensus of algorithms for lesion segmentation in brain MRI studies of multiple sclerosis 2024-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72649-9 PMID:39266642	研究论文	本文提出了一种基于共识的框架，用于改进多发性硬化症脑部MRI扫描中的病灶分割	通过结合多种公开的先进深度学习模型，该框架在病灶分割任务中提高了重叠和检测分数，并克服了单一算法的局限性	未对所包含的算法进行进一步训练	改进多发性硬化症脑部MRI扫描中的病灶分割	多发性硬化症患者的脑部MRI扫描图像	计算机视觉	多发性硬化症	深度学习	NA	图像	131名和30名多发性硬化症患者的数据集
18213	2024-09-17	An attentional mechanism model for segmenting multiple lesion regions in the diabetic retina 2024-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72481-1 PMID:39266650	研究论文	本文提出了一种用于糖尿病视网膜病变多病变区域分割的注意力机制模型	本文创新性地提出了多尺度空间注意力门（MSAG）机制网络，通过合并低级空间细节和高级语义内容，分配层次注意力权重以实现精确分割	NA	解决糖尿病视网膜病变多病变区域分割中微小特征提取不足和微动脉瘤遗漏的问题	糖尿病视网膜病变的多病变区域	计算机视觉	糖尿病	深度学习	CNN	图像	使用公开数据集IDRiD和DDR进行实验
18214	2024-09-17	Inferring gene regulatory networks with graph convolutional network based on causal feature reconstruction 2024-09-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71864-8 PMID:39266676	研究论文	本文提出了一种基于因果特征重构的图卷积网络方法来推断基因调控网络	利用图卷积网络结合因果信息进行基因调控网络推断，并通过转移熵和重构层实现因果特征重构，减少了多轮邻居聚合导致的信息损失	NA	推断基因调控网络	基因表达数据	计算生物学	NA	图卷积网络	图卷积网络	基因表达数据	DREAM5和mDC数据集
18215	2024-09-17	Gluconeogenesis unraveled: A proteomic Odyssey with machine learning 2024-Sep-12, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.09.002 PMID:39276958	研究论文	本文利用机器学习和深度学习模型预测糖异生效率	结合深度学习和机器学习算法与代谢途径，预测糖异生效率	数据可用性有限和模型可解释性不足	预测糖异生效率以识别代谢紊乱并制定有效的治疗策略	糖异生途径及其相关蛋白质	机器学习	代谢疾病	机器学习	随机森林	蛋白质结构数据	NA
18216	2024-09-17	Enhancing Cone-Beam CT Image Quality in TIPSS Procedures Using AI Denoising 2024-Sep-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171989 PMID:39272773	研究论文	本研究评估了一种基于深度学习的去噪算法，以改善TIPSS手术中辐射剂量、图像噪声和运动伪影之间的平衡	提出了一种基于深度学习的去噪算法，用于提高锥束CT图像质量	研究为回顾性研究，样本量有限	旨在缩短采集时间并减少辐射，同时保持诊断质量	TIPSS手术中的锥束CT图像	计算机视觉	NA	深度学习	NA	图像	60名TIPSS患者，其中44名被选中并配对
18217	2024-09-17	Use of the SNOWED Dataset for Sentinel-2 Remote Sensing of Water Bodies: The Case of the Po River 2024-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s24175827 PMID:39275738	研究论文	本文展示了SNOWED数据集在Sentinel-2图像中识别水体的有效性，并基于深度神经网络开发了一个遥感系统，用于监测意大利最重要的水道——波河	利用SNOWED数据集训练U-Net神经模型进行卫星图像分割，并成功应用于波河的水体面积测量，展示了该数据集在深度学习卫星遥感中的实用性	研究主要集中在波河，未提及在其他水体的适用性	开发一个基于深度学习的遥感系统，用于监测水体面积并补充传统的实地监测站	波河及其水体面积	计算机视觉	NA	遥感	U-Net	图像	100个虚拟监测站，覆盖10年（2015-2024）的Sentinel-2卫星图像
18218	2024-09-17	Phasor-Based Myoelectric Synergy Features: A Fast Hand-Crafted Feature Extraction Scheme for Boosting Performance in Gait Phase Recognition 2024-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s24175828 PMID:39275739	研究论文	本文介绍了一种基于相量（PHASOR）的肌电协同特征提取方法，用于提高步态阶段识别的性能	提出了一种新的相量（PHASOR）特征提取方法，能够有效捕捉肌电信号的空间特征，从而提高步态阶段识别的准确性	未提及	旨在提高基于表面肌电信号（EMG）的步态阶段识别系统的性能	步态阶段识别系统	机器学习	NA	线性判别分析（LDA）和支持向量机（SVM）	SVM	肌电信号（EMG）	40名受试者
18219	2024-09-17	A Novel End-to-End Deep Learning Framework for Chip Packaging Defect Detection 2024-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s24175837 PMID:39275746	研究论文	本文提出了一种用于芯片封装中空洞缺陷检测的端到端深度学习框架	提出了基于Mamba模型的编码器和交互式双流解码器，用于多尺度信息提取和特征融合，以提高缺陷分割的准确性	未提及	解决芯片封装中空洞缺陷检测的挑战	芯片封装中的空洞缺陷	计算机视觉	NA	深度学习	Mamba模型	X射线图像	自定义X射线芯片数据集
18220	2024-09-17	Deep Learning Model for Predicting Lung Adenocarcinoma Recurrence from Whole Slide Images 2024-Sep-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16173097 PMID:39272955	研究论文	本文提出了一种基于深度学习的模型，用于预测肺腺癌术后5年复发风险	引入了创新的注意力机制，显著提高了计算效率	NA	提高肺腺癌复发预测的准确性和效率	肺腺癌患者的术后复发风险	计算机视觉	肺癌	深度学习	深度学习模型	图像	NA