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
18341	2024-09-04	Organomics: A Concept Reflecting the Importance of PET/CT Healthy Organ Radiomics in Non-Small Cell Lung Cancer Prognosis Prediction Using Machine Learning 2024-Oct-01, Clinical nuclear medicine IF:9.6Q1 DOI:10.1097/RLU.0000000000005400 PMID:39192505	研究论文	本研究探讨了在非小细胞肺癌预后预测中，使用机器学习算法从健康器官中提取的信息的关联性和附加价值。	本研究首次探索了从健康器官中提取的信息对非小细胞肺癌预后预测的附加价值，并展示了其在机器学习性能上的改进。	研究样本量相对较小，且依赖于公开数据库中的PET/CT图像。	探索健康器官的放射组学信息在非小细胞肺癌预后预测中的作用。	非小细胞肺癌患者的PET/CT图像及其健康器官的放射组学信息。	机器学习	肺癌	PET/CT	nnU-Net	图像	154名患者
18342	2024-09-04	Label-free spatiotemporal decoding of single-cell fate via acoustic driven 3D tomography 2024-Oct, Materials today. Bio DOI:10.1016/j.mtbio.2024.101201 PMID:39221213	研究论文	本文介绍了一种无标记、成本效益高且易于制造的非接触式声学诱导振动系统，用于实现细胞的多自由度旋转，并结合深度学习技术进行细胞的3D重建和形态分析	该方法通过声学诱导振动系统实现了细胞的全角度旋转控制，结合深度学习技术进行高精度的细胞识别和3D重建	NA	开发一种新的无标记3D成像技术，以揭示细胞功能和相互作用的复杂性	多种细胞类型及其在药物诱导凋亡中的特征	生物医学研究	NA	声学诱导振动系统	深度学习	图像	多种细胞类型
18343	2024-09-04	Quickly diagnosing Bietti crystalline dystrophy with deep learning 2024-Sep-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110579 PMID:39220263	研究论文	本研究利用深度学习技术，通过超广角彩色眼底照片对Bietti结晶样视网膜病变（BCD）进行诊断和临床阶段分类	本研究建立了中国人群中最大的BCD数据库，并开发了一种快速诊断BCD的方法	NA	旨在通过深度学习技术对BCD进行早期精确诊断和临床阶段分类	Bietti结晶样视网膜病变（BCD）患者	机器学习	视网膜疾病	深度学习	ResNeXt, Wide ResNet, ResNeSt	图像	包括BCD、视网膜色素变性（RP）和正常眼底照片，BCD患者进一步分为三个阶段
18344	2024-09-04	Streamlined Intraoperative Brain Tumor Classification and Molecular Subtyping in Stereotactic Biopsies Using Stimulated Raman Histology and Deep Learning 2024-Sep-03, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-23-3842 PMID:38976016	研究论文	本研究评估了深度学习算法在立体定向脑活检中通过受激拉曼组织学（SRH）图像进行快速术中诊断的能力，并定义了确保诊断准确性的最小组织样本大小阈值。	使用基于人工智能的SRH图像分析在检测和亚分类脑肿瘤方面不劣于冷冻切片分析，并能进行有效的分子胶质瘤亚分类，有助于未来更快地做出治疗决策。	需要进一步改进以适应长期应用。	评估深度学习算法在立体定向脑活检中通过SRH图像进行快速术中诊断的能力，并定义最小组织样本大小阈值。	121张SRH图像来自84名患有不明确颅内病变的患者，这些患者正在接受立体定向脑活检。	机器学习	脑肿瘤	受激拉曼组织学（SRH）	深度学习模型	图像	121张SRH图像来自84名患者
18345	2024-09-04	Noise-imitation learning: unpaired speckle noise reduction for optical coherence tomography 2024-Sep-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad708c PMID:39151463	研究论文	本文提出了一种名为噪声模仿学习（NIL）的新型非配对方法，用于光学相干断层扫描（OCT）图像的去噪	NIL方法通过三个主要模块（噪声提取模块、噪声模仿模块和对抗学习模块）实现了更简化的网络结构，仅使用一个生成器和一个判别器进行训练	NA	开发一种有效的非配对方法，用于降低OCT图像中的斑点噪声，提高图像质量和诊断准确性	OCT图像中的斑点噪声	计算机视觉	NA	对抗学习	生成对抗网络（GAN）	图像	在PKU37数据集上进行了实验
18346	2024-09-04	Determination of Trace Organic Contaminant Concentration via Machine Classification of Surface-Enhanced Raman Spectra 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06447 PMID:38272008	研究论文	本文通过机器学习方法，利用表面增强拉曼光谱（SERS）预测样品中污染物的浓度	采用频率域变换方法（如傅里叶变换和沃尔什-阿达玛变换）处理SERS光谱数据，并结合机器学习模型提高浓度预测的准确性	SERS光谱的强度受多种因素影响，如基底参数、分析物方向和样品制备技术	开发一种利用机器学习从SERS光谱中预测污染物浓度的方法	三种分析物（罗丹明6G、毒死蜱和三氯生）的SERS光谱数据	机器学习	NA	表面增强拉曼光谱（SERS）	机器学习模型和深度学习模型	光谱数据	中等规模数据集约100个光谱，小规模数据集约50个光谱
18347	2024-09-04	An Intelligent Early Warning System for Harmful Algal Blooms: Harnessing the Power of Big Data and Deep Learning 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c03906 PMID:38436579	research paper	本研究利用大数据和深度学习模型开发了一种智能有害藻类水华早期预警系统	采用DeepDPM-Spectral Clustering方法分析和分层垂直水层，显著减少了预测模型的数量并增强了系统的适应性；开发了Bloomformer-2模型进行单步和多步预测	未提及具体限制	开发智能有害藻类水华早期预警系统	有害藻类水华	machine learning	NA	深度学习	Bloomformer-2	数据	在太湖的案例研究中，2018年冬季水柱分为四个集群（W1-W4），2019年夏季分为五个集群（S1-S5）
18348	2024-09-04	Substantial Underestimation of Fine-Mode Aerosol Loading from Wildfires and Its Radiative Effects in Current Satellite-Based Retrievals over the United States 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02498 PMID:39163486	研究论文	本文开发了一种创新的角依赖深度学习模型（ADLM），用于从双角度观测中推断细模态气溶胶光学深度（fAOD），并评估其对美国地区野火产生的气溶胶负荷及其辐射效应的影响	ADLM模型利用多角度卫星数据，能够更准确地捕捉气溶胶特性，特别是在野火事件中，相比现有卫星产品有显著改进	NA	评估和改进现有卫星产品在测量野火产生的细模态气溶胶光学深度（fAOD）及其辐射效应方面的准确性	细模态气溶胶光学深度（fAOD）及其对地球能量平衡的影响	机器学习	NA	深度学习	ADLM	卫星数据	覆盖美国连续地区的双角度观测数据
18349	2024-09-04	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-Sep-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	本文利用深度学习技术开发模型，提前3至6个月预测铁缺乏性贫血的风险	首次使用深度学习技术在门诊环境中基于实验室数据序列早期预测铁缺乏性贫血	NA	开发模型提前预测铁缺乏性贫血的风险，以便及早干预	铁缺乏性贫血患者	机器学习	NA	深度学习技术	人工神经网络、长短期记忆单元和门控循环单元	实验室数据	30,603名患者
18350	2024-09-04	Deep Learning Bridged Bioactivity, Structure, and GC-HRMS-Readable Evidence to Decipher Nontarget Toxicants in Sediments 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c10814 PMID:38696305	研究论文	本文提出了一种基于深度学习的事件驱动分类框架，用于混合物风险评估，并通过高吞吐量筛选生物测定和毒物鉴定进行集成	开发了两种深度学习模型，用于预测生物活性物质的指纹并将其转换为质谱可读信息，以进行非目标分析	NA	旨在通过深度学习技术识别混合物中的非目标毒物	研究对象为引发芳基烃受体激活和氧化应激反应的沉积物中的化学混合物	机器学习	NA	GC-qToF-MS	深度学习模型	化学指纹数据	建立了两个包含121和118个指纹的库，并在沉积物提取物中鉴定了247种生物活性化合物
18351	2024-09-04	Transformer-based deep learning networks for fault detection, classification, and location prediction in transmission lines 2024-Sep-03, Network (Bristol, England) DOI:10.1080/0954898X.2024.2393746 PMID:39224075	research paper	本文提出了一种基于Transformer的分层深度学习方法（HDLA），用于输电线路中的故障检测、分类和位置预测	HDLA利用两阶段基于Transformer的分类和回归模型，直接从同步的三相电流和电压样本中进行故障检测、故障类型分类和故障位置预测，无需特征提取，显著降低了计算复杂性	NA	提高现代电力系统的稳定性和可靠性，减少经济损失，增强系统保护的敏感性	输电线路中的故障检测、分类和位置预测	machine learning	NA	Transformer	Transformer-based deep learning networks	three-phase current and voltage samples	包含各种故障场景的综合数据集，涵盖多种类型、位置、电阻、起始角度和噪声水平
18352	2024-09-04	Deep learning method for predicting weekly anatomical changes in patients with nasopharyngeal carcinoma during radiotherapy 2024-Sep-03, Medical physics IF:3.2Q1 DOI:10.1002/mp.17381 PMID:39225585	研究论文	本研究开发了一种深度学习方法，用于预测鼻咽癌患者在放疗期间每周的解剖变化	提出了一种结合长短期记忆网络和生成对抗网络（LSTM-GAN）的方法，能够预测鼻咽癌患者在放疗期间的解剖变化	NA	开发一种深度学习方法，预测鼻咽癌患者在放疗期间的肿瘤反应和解剖变化	鼻咽癌患者的肿瘤目标体积和危险器官	机器学习	鼻咽癌	NA	LSTM-GAN	图像	230名鼻咽癌患者
18353	2024-08-19	Deep learning is necessary for safety regulation in predicting malnutrition in gastric cancer patients 2024-Sep, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2024.07.043 PMID:39153431	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18354	2024-09-04	Semi-supervised CT image segmentation via contrastive learning based on entropy constraints 2024-Sep, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00387-y PMID:39220023	研究论文	本文提出了一种基于熵约束对比学习的半监督CT图像分割方法	设计了一种结合CNN和Transformer的半监督网络模型，并引入了残差挤压和激励模块以提高分割性能	伪标签生成的不可靠性可能导致模型性能下降	提高CT图像分割的效率和准确性	CT图像的目标分割	计算机视觉	NA	对比学习	CNN, Transformer	图像	使用COVID-19 CT公共数据集进行验证
18355	2024-09-04	Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae116 PMID:39211330	研究论文	本文介绍了RNAkinet，一种深度卷积和循环神经网络，用于检测通过代谢标记和纳米孔直接RNA测序的初生RNA分子	RNAkinet能够直接处理纳米孔测序的电信号，区分初生RNA和已存在的RNA分子，并能跨不同细胞类型和生物体进行泛化	NA	评估RNA异构体的代谢动力学，如转录和衰变速率，以揭示基因调控	RNA异构体的代谢动力学	机器学习	NA	纳米孔直接RNA测序	深度卷积和循环神经网络	电信号	NA
18356	2024-09-04	3D physiologically-informed deep learning for drug discovery of a novel vascular endothelial growth factor receptor-2 (VEGFR2) 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35769 PMID:39220924	研究论文	本研究提出了一种利用三维深度学习和结构建模方法设计针对VEGFR2的新型抑制剂的策略	采用几何增强的分子表示学习方法（GEM）和图神经网络（GNN）预测候选药物活性，并通过分子动力学模拟进一步验证其有效性	NA	开发新型VEGFR2抑制剂，以减少现有药物的副作用并提高耐受性	VEGFR2抑制剂的设计与筛选	机器学习	NA	3D深度学习，结构建模方法，分子动力学模拟	GNN	分子数据	NA
18357	2024-09-04	GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35865 PMID:39220956	研究论文	本文提出了一种名为GBERT的新框架，结合GPT和BERT模型用于假新闻检测	GBERT框架结合了BERT的深度上下文理解和GPT的生成能力，创建了一个全面的文本表示	NA	研究目的是识别给定文本的真伪，解决假新闻问题	假新闻检测	自然语言处理	NA	GPT, BERT	GBERT	文本	两个真实世界基准语料库
18358	2024-09-04	Model based deep learning method for focused ultrasound pathway scanning 2024-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70689-9 PMID:39198623	研究论文	本文介绍了一种基于机器学习的深度学习方法，用于设计高强度聚焦超声（HIFU）治疗计划，该方法利用患者独特的材料特性图和精确的热模拟	提出的方法结合了数值模型和机器学习技术，能够准确预测HIFU的加热过程，并生成高质量的治疗计划	NA	开发一种新的机器学习方法，用于优化HIFU治疗计划，以提高治疗效果并减少副作用	高强度聚焦超声治疗计划的设计	机器学习	NA	高强度聚焦超声（HIFU）	数值模型	图像数据	使用离体牛肝进行了一系列测试
18359	2024-09-04	ConIQA: A deep learning method for perceptual image quality assessment with limited data 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70469-5 PMID:39209864	研究论文	本文介绍了一种基于深度学习的图像质量评估方法ConIQA，该方法利用一致性训练和新的数据增强技术，适用于标记数据稀缺的情况	ConIQA通过结合标记和未标记数据进行学习，提高了在特定领域图像质量评估的性能	ConIQA的性能在完美匹配参考图像和失真图像不应被期望的应用中可能下降	开发一种适用于虚拟现实和增强现实应用中与人类感知紧密对齐的图像质量评估方法	研究在计算机生成全息图（CGH）中出现的特定伪影，如振铃、斑点和量化误差，并评估现有图像质量评估方法的不足	计算机视觉	NA	深度学习	神经网络	图像	包含1000张自然图像及其通过不同CGH算法渲染的图像，每张图像由十三名参与者进行质量评级
18360	2024-09-04	Effective weight optimization strategy for precise deep learning forecasting models using EvoLearn approach 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69325-3 PMID:39209882	研究论文	本文提出了一种名为EvoLearn的新方法，通过结合遗传算法和反向传播来优化神经网络模型的学习过程，以提高预测准确性和学习效率	EvoLearn方法通过在训练过程中从多个模型中选择最佳组件，显著提高了预测准确性	NA	旨在通过EvoLearn方法优化神经网络模型的学习过程，提高时间序列预测的准确性	时间序列预测，包括空气污染和能源消耗时间序列	机器学习	NA	遗传算法，反向传播	MLP, DNN, CNN, RNN, GRU	时间序列数据	两种时间序列类型的两个数据集