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
18821	2024-08-28	Remote sensing estimates of global sea surface nitrate: Methodology and validation 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175362 PMID:39117199	研究论文	研究开发了一种用于全球海面硝酸盐浓度遥感估算的方法，并通过验证展示了其高预测准确性	本研究引入了光合有效辐射（PAR）作为遥感指标，改进了海面硝酸盐（SSN）的遥感反演算法，增强了其生物地球化学过程的机制描述	NA	开发一种更具代表性和广泛适用性的海面硝酸盐遥感反演算法	全球海面硝酸盐浓度	遥感	NA	遥感技术	NA	数据集	12,846个样本
18822	2024-08-28	Artificial intelligence and Eddy covariance: A review 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175406 PMID:39127196	综述	本文综述了过去二十年中人工智能技术在Eddy Covariance方法监测碳、水和能量通量中的应用	强调了机器学习模型如随机森林、支持向量机、人工神经网络等在监测通量中的应用，并建议未来研究应探索深度学习技术如Transformer和生成式AI	缺乏技术的一致性，由于环境条件和生态系统中使用的多样技术和变量	探讨人工智能与Eddy Covariance方法的结合在气候变化减缓和适应中的作用	监测地球表面与大气之间的碳、水和能量通量	机器学习	NA	Eddy Covariance方法	随机森林、支持向量机、人工神经网络、支持向量回归、K-最近邻	数据流	NA
18823	2024-08-28	Diagnostic accuracy of CT-based radiomics and deep learning for predicting lymph node metastasis in esophageal cancer 2024-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110225 PMID:38905878	meta-analysis	本文通过系统综述和荟萃分析，评估了基于CT的放射组学和深度学习在预测食管癌淋巴结转移中的诊断准确性	结合放射组学和深度学习与CT成像，为食管癌淋巴结转移的诊断提供了新的方法，有望革新预后评估和治疗计划	需要进一步的多中心研究与独立验证以确认结果并促进更广泛的临床应用	研究旨在提高食管癌淋巴结转移的诊断准确性	食管癌淋巴结转移的诊断	digital pathology	食管癌	CT-based radiomics, deep learning	DL	image	12项研究被综述，其中7项被纳入荟萃分析
18824	2024-08-28	MOCNN: A Multiscale Deep Convolutional Neural Network for ERP-Based Brain-Computer Interfaces 2024-Sep, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3390805 PMID:38713574	研究论文	本文提出了一种多尺度深度卷积神经网络（MOCNN），用于基于事件相关电位（ERP）的脑-机接口（BCI），通过多尺度特征融合提高分类性能	引入八度卷积的广义概念到ERP-BCI领域，通过分支宽度优化和多尺度信息交互有效提取时空特征	NA	提高基于ERP的脑-机接口的分类性能	ERP信号的多尺度时空特征	机器学习	NA	深度学习	CNN	信号	两个公共数据集和一个自收集的ERP数据集
18825	2024-08-28	A comparison of antibody-antigen complex sequence-to-structure prediction methods and their systematic biases 2024-Sep, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5127 PMID:39167052	研究论文	本文比较了六种从序列预测抗体-抗原复合物结构的方法，并分析了它们的系统偏差	AlphaFold-Multimer在预测抗体-抗原复合物结构方面表现最佳，但仍有改进空间	当前结构数据库中界面几何数据的稀缺可能限制了机器学习在预测抗体-抗原相互作用中的应用	评估当前从序列预测抗体-抗原复合物结构的方法，并探讨其性能限制因素	六种不同的抗体-抗原复合物结构预测方法	机器学习	NA	机器学习	深度学习	序列数据	NA
18826	2024-08-28	Transformer for low concentration image denoising in magnetic particle imaging 2024-Aug-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6ede PMID:39137818	研究论文	本文提出了一种基于稀疏轻量级Transformer模型的深度学习方法，用于磁粒子成像（MPI）图像的去噪和质量提升	提出的残差局部Transformer结构降低了模型复杂性，避免了过拟合，并通过信息保留块增强了图像细节的特征提取能力	NA	改善低浓度MPI图像的质量	低浓度磁粒子成像图像	计算机视觉	NA	深度学习	Transformer	图像	模拟和真实MPI图像数据，真实图像样本的Fe浓度低至67gml
18827	2024-08-28	Classification of optic neuritis in neuromyelitis optica spectrum disorders (NMOSD) on MRI using CNN with transfer learning and manipulation of pre-processing on augmentation 2024-Aug-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6f17 PMID:39142299	研究论文	本研究使用迁移学习和预处理增强技术，通过八种先进的卷积神经网络（CNN）模型对神经脊髓炎光谱障碍（NMOSD）患者的视神经炎（ON）进行MRI分类	首次利用深度学习技术对NMOSD患者的MRI图像中的ON变化进行分类	NA	旨在通过迁移学习的CNN模型对NMOSD患者是否存在慢性ON进行分类	NMOSD患者的视神经炎（ON）	计算机视觉	神经脊髓炎光谱障碍	卷积神经网络（CNN）	CNN	图像	NA
18828	2024-08-28	ASO Visual Abstract: Development and Validation Study of the Prognostic Impact of Deep Learning-Determined Myxoid Stroma After Neoadjuvant Chemotherapy in Patients with Esophageal Squamous Cell Carcinoma 2024-Aug-26, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16099-7 PMID:39187666	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18829	2024-08-28	Discovering New Metallo-Deubiquitinase CSN5 Inhibitors by a Non-Catalytic Activity Assay Platform 2024-Aug-22, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01514 PMID:39129245	研究论文	本文介绍了一种新的非催化活性检测平台，用于发现CSN5金属脱氧核糖核酸酶抑制剂，并利用荧光探针进行验证	开发了一种新的荧光探针和非催化活性检测平台，用于识别CSN5抑制剂，并结合深度学习虚拟筛选和分子动力学模拟探索抑制剂与CSN5的结合模式	文章未提及具体的局限性	发现新的CSN5金属脱氧核糖核酸酶抑制剂，作为抗癌靶点	CSN5金属脱氧核糖核酸酶及其抑制剂	NA	癌症	荧光偏振，分子动力学模拟	NA	荧光信号	文章未提及具体的样本数量
18830	2024-08-28	A Multibranch Neural Network for Drug-Target Affinity Prediction Using Similarity Information 2024-Aug-20, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c05607 PMID:39184467	研究论文	本文提出了一种利用药物相似性和蛋白质相似性信息的多分支神经网络GASI-DTA，用于预测药物-靶点亲和力	引入药物和蛋白质的相似性信息，并设计了一个自主提取相似信息的网络框架，不依赖于知识图谱	未提及具体限制	加速药物发现过程中的药物-靶点亲和力预测	药物-靶点亲和力预测	机器学习	NA	深度学习	多分支神经网络	图结构数据	两个基准数据集和三种冷启动场景
18831	2024-08-28	Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations 2024-Aug, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108818 PMID:38878653	研究论文	本研究首次使用深度卷积神经网络来校正2021-2023年间地球静止环境监测光谱仪（GEMS）对NO（TCDNO）的偏差，并通过Pandora观测数据验证GEMS与TROPOMI的NO2测量精度。	采用深度学习方法显著提高了GEMS对NO2测量数据的准确性，减少了偏差超过50%。	尽管GEMS经过深度学习校正后的数据精度有所提高，但仍不及TROPOMI的测量精度。	验证并比较GEMS和TROPOMI的NO2测量数据，使用深度学习方法校正GEMS数据的偏差。	GEMS和TROPOMI的NO2测量数据，以及Pandora观测数据。	机器学习	NA	深度卷积神经网络	CNN	NO2测量数据	多个Pandora站点数据
18832	2024-08-28	A review: artificial intelligence in image-guided spinal surgery 2024-Aug, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2024.2384541 PMID:39115295	综述	本文综述了深度学习和人工智能在图像引导脊柱手术中的最新进展	通过人工智能增强的图像引导脊柱手术优于传统脊柱手术技术	需要收集更广泛的数据集以进一步确保手术程序的安全性	为从事该领域的医生、工程师和研究人员提供参考和指导	图像引导脊柱手术中的人工智能应用	计算机视觉	NA	深度学习	NA	图像	NA
18833	2024-08-28	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-Jul-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	本文提出了一种新的深度学习方法DP2LM，用于处理高维中介变量和复杂混杂因素的调解效应估计和假设检验	DP2LM方法结合了深度神经网络技术来处理混杂因素的非线性效应，并利用惩罚部分线性模型来适应高维度	传统的线性调解分析在处理高维中介变量时存在固有限制，现有的方法不足以解决由混杂因素引入的复杂关系	解决高维中介变量和复杂混杂因素下的调解效应估计和假设检验问题	高维中介变量和复杂混杂因素	机器学习	NA	深度神经网络	深度神经网络	DNA甲基化数据	涉及大量中介变量的场景
18834	2024-08-28	Deep Learning Diagnostic Classification of Cervical Images to Augment Colposcopic Impression 2024-Jul-01, Journal of lower genital tract disease IF:2.4Q2 DOI:10.1097/LGT.0000000000000815 PMID:38713522	研究论文	本文开发了一种基于深度学习的分类器，用于提高宫颈图像的诊断准确性，辅助阴道镜印象	该模型在10折实验中表现优于专家，并通过整合患者年龄和转诊数据进一步提高了性能	NA	提高阴道镜印象的准确性	宫颈图像的分类	计算机视觉	宫颈疾病	深度学习	SegFormer	图像	5,485张阴道镜图像，其中4,946张具有组织学和可见宫颈
18835	2024-08-28	Combining Artificial Intelligence and Simplified Image Processing for the Automatic Detection of Mycobacterium tuberculosis in Acid-fast Stain : A Cross-institute Training and Validation Study 2024-Jul-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002223 PMID:38595262	研究论文	本文介绍了一种结合深度学习和图像处理技术的自动化结核杆菌检测平台，用于提高结核病的检测效率和准确性	采用改进的EfficientNet模型和图像处理技术，实现了97%的图像分类准确率，并通过设置0.99的阈值显著降低了假阳性率	NA	提高结核病的自动化检测效率和准确性	结核杆菌的自动检测	数字病理学	结核病	深度学习	EfficientNet	图像	来自2家医院的整张幻灯片图像
18836	2024-08-28	Enhancing Clinical Diagnosis With Convolutional Neural Networks: Developing High-Accuracy Deep Learning Models for Differentiating Thoracic Pathologies 2024-Jul, Cureus DOI:10.7759/cureus.65444 PMID:39184667	研究论文	本研究利用卷积神经网络开发深度学习模型，以区分正常胸片与显示肺炎、结核病、心脏肥大和COVID-19的胸片	本研究展示了机器学习算法在胸片疾病检测中的高准确性和潜力	训练模型需要大量样本，且图像扫描设备和技术的差异可能导致模型学习到外部噪声和非预期细节，影响准确性	提高临床诊断的准确性，通过使用人工智能技术改善诊断质量、效率和降低医疗成本	区分正常胸片与肺炎、结核病、心脏肥大和COVID-19的胸片	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	共使用3,063张正常胸片、3,098张肺炎胸片、2,920张COVID-19胸片、2,214张胸片和554张结核病胸片进行训练和验证
18837	2024-08-28	AsymMirai: Interpretable Mammography-based Deep Learning Model for 1-5-year Breast Cancer Risk Prediction 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232780 PMID:38501952	研究论文	研究通过分析双侧不对称性，构建了一个可解释的深度学习模型AsymMirai，用于预测1-5年乳腺癌风险	AsymMirai模型通过引入局部双侧不对称性模块，提高了模型的解释性，并能近似Mirai模型的预测性能	研究为回顾性研究，且样本主要来自EMBED数据库，可能存在选择偏倚	旨在探索双侧不对称性是否是Mirai模型推理过程的基础，并构建一个简化的、可解释的模型AsymMirai	乳腺癌风险预测	数字病理学	乳腺癌	深度学习	CNN	影像	210,067张筛查乳腺X线照片，来自81,824名患者
18838	2024-08-28	Music-evoked emotions classification using vision transformer in EEG signals 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1275142 PMID:38638516	研究论文	本研究提出了一种结合注意力机制的深度学习模型，用于从情绪相关的脑电图（EEG）记录中有效提取空间和时间信息，以进行音乐引发情绪的分类。	本研究引入了一种新的深度学习模型，该模型结合了注意力机制，能够更有效地从EEG信号中提取空间和时间信息，以改善情绪分类的准确性。	NA	旨在通过深度学习模型提高基于EEG的情绪识别的准确性。	研究对象为音乐引发的EEG情绪信号。	机器学习	NA	EEG	Vision Transformer	EEG信号	本研究使用了两个数据集，一个是自有的音乐引发情绪的EEG记录数据集，另一个是公开可用的数据集。
18839	2024-08-28	Skin Type Diversity in Skin Lesion Datasets: A Review 2024, Current dermatology reports IF:2.4Q2 DOI:10.1007/s13671-024-00440-0 PMID:39184010	综述	本文综述了皮肤病变数据集中皮肤类型多样性的问题，评估了公开的皮肤病变数据集及其元数据，以评估皮肤类型的报告频率和完整性，并调查了每个皮肤类型在这些数据集中的多样性和代表性。	本文通过评估公开的皮肤病变数据集及其元数据，探讨了皮肤类型多样性的问题，并调查了每个皮肤类型在这些数据集中的多样性和代表性。	本文未具体测量所审查数据集中皮肤类型的多样性。	探讨和评估皮肤病变数据集中皮肤类型多样性的问题。	皮肤病变数据集及其元数据。	计算机视觉	NA	深度学习	NA	图像	NA
18840	2024-08-28	Deep learning-assisted diagnosis of benign and malignant parotid gland tumors based on automatic segmentation of ultrasound images: a multicenter retrospective study 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1417330 PMID:39184051	研究论文	本研究构建了基于超声图像自动分割的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤	本研究采用多种深度学习模型进行超声图像的自动分割，并评估了这些模型在辅助诊断中的性能	NA	构建和评估基于超声图像自动分割的深度学习模型，以提高放射科医生对腮腺肿瘤的诊断性能	良性和恶性腮腺肿瘤的诊断	计算机视觉	腮腺肿瘤	深度学习	ResNet18, Inception_v3, Deeplabv3, UNet++, UNet	图像	582名经组织病理学诊断的腮腺肿瘤患者