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
19361	2024-09-06	Computer Vision-Radiomics & Pathognomics 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.05.003 PMID:38910065	review	本文综述了计算机视觉在提取放射学（放射组学）和组织病理学（病理组学）特征中的应用	本文探讨了将多维数据输入整合以全面指导预后和临床管理的新方法	本文指出了当前研究中的空白，并呼吁未来工作填补这些空白	综述计算机视觉在头颈部癌症中的应用，并探讨未来研究方向	头颈部癌症的肿瘤特征、淋巴结特征及各种预后	computer vision	头颈部癌症	NA	NA	NA	NA
19362	2024-09-06	Artificial Intelligence in Laryngology, Broncho-Esophagology, and Sleep Surgery 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.04.002 PMID:38719714	综述	本文综述了人工智能在喉科学、支气管食管学和睡眠外科领域的最新创新	人工智能，特别是机器学习和深度学习，为处理和解释复杂数据提供了创新解决方案，使诊断和管理更加高效和有效	NA	探讨人工智能在喉科学、支气管食管学和睡眠外科领域的应用	喉科学、支气管食管学和睡眠外科领域的数据处理和诊断	机器学习	NA	机器学习、深度学习	NA	NA	NA
19363	2024-09-06	Exploring the contribution of joint angles and sEMG signals on joint torque prediction accuracy using LSTM-based deep learning techniques 2024-Sep-05, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2400318 PMID:39235388	研究论文	本研究使用双向长短期记忆（LSTM）模型，通过关节角度和表面肌电图（sEMG）信号预测下肢关节扭矩，并评估了不同输入模态下的模型性能	本研究创新性地使用了双向LSTM模型，并比较了单一输入模态和组合输入模态在关节扭矩预测中的效果	本研究仅使用了公开数据集进行训练和评估，未探讨其他数据集或实际应用场景中的表现	研究如何通过机器学习技术提高下肢关节扭矩预测的准确性	下肢关节扭矩的预测	机器学习	NA	双向长短期记忆（LSTM）	LSTM	关节角度和表面肌电图（sEMG）信号	使用公开数据集进行训练和评估
19364	2024-09-06	A Graph-Based Time-Frequency Two-Stream Network for Multistep Prediction of Key Performance Indicators in Industrial Processes 2024-Sep-04, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3447108 PMID:39231064	研究论文	本文提出了一种基于图的时间-频率双流网络，用于工业过程中关键性能指标的多步预测	本文创新性地提出了多图注意力层和时间-频率双流网络，解决了过程变量之间的复杂耦合关系和长期依赖学习问题	NA	实现工业过程中关键性能指标的多步预测	工业过程中的关键性能指标	机器学习	NA	多图注意力层	图神经网络	时间序列数据	两个真实世界工业数据集
19365	2024-09-04	PCaseek: ultraspecific urinary tumor DNA detection using deep learning for prostate cancer diagnosis and Gleason grading 2024-Sep-03, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-024-00710-y PMID:39223118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19366	2024-09-06	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-Sep-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文介绍了一种利用共平面注意力机制的深度学习模型，用于跨MRI序列诊断十二种膝关节异常	引入了共平面注意力机制，提高了模型对多序列MRI图像的分类能力	未提及具体限制	开发一种能够准确分类膝关节异常的深度学习模型	多序列膝关节MRI图像及其对应的异常类型	计算机视觉	NA	深度学习	深度学习模型	图像	1748名受试者和12种异常类型
19367	2024-09-06	Deep learning-based virtual staining, segmentation, and classification in label-free photoacoustic histology of human specimens 2024-Sep-02, Light, science & applications DOI:10.1038/s41377-024-01554-7 PMID:39223152	研究论文	本文介绍了一种基于深度学习的框架，用于在无标记光声组织学中进行自动虚拟染色、分割和分类	提出了一个包含可解释对比非配对翻译（E-CUT）、U-net架构和深度学习逐步特征融合方法（StepFF）的框架，显著提高了分类准确性	NA	开发一种在临床环境中简化病理诊断过程的技术	人类样本的光声组织学图像	数字病理学	肝癌	深度学习	U-net	图像	NA
19368	2024-09-06	Predicting odor from vibrational spectra: a data-driven approach 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70696-w PMID:39223164	研究论文	本研究通过数据驱动的方法，利用振动光谱（VS）预测气味，并结合计算机视觉技术进行特征提取和分类	首次使用数据驱动的分类、聚类和可解释AI技术，分析了3018个分子的振动光谱数据，并结合图像表示和PCA降维指纹特征，提高了气味分类的准确性	NA	验证振动理论在气味感知中的应用，并探索深度学习在嗅觉研究中的潜力	3018个分子的振动光谱数据及其气味分类	计算机视觉	NA	数据驱动分类、聚类、可解释AI	深度学习模型	振动光谱图像	3018个分子
19369	2024-09-06	Integrating machine and deep learning technologies in green buildings for enhanced energy efficiency and environmental sustainability 2024-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70519-y PMID:39223231	研究论文	本文研究了将机器学习和深度学习技术应用于绿色建筑设计中，以提高能源效率和环境可持续性	提出了结合机器学习和深度学习技术来优化绿色建筑设计过程，并使用GNN和LSTM模型进行实验，结果表明这些模型比传统深度学习技术更准确和高效	未提及具体的研究局限性	开发一个绿色建筑设计预测模型，以优化资源消耗、提高居住者舒适度并减少建筑环境对环境的影响	绿色建筑设计过程及其对环境可持续性的影响	机器学习	NA	机器学习（ML）和深度学习（DL）技术，包括RF、DT、Extreme GB、GNN、LSTM和RNN	GNN和LSTM	数值数据	使用了ASHARE-884数据集
19370	2024-09-06	Impact of acquisition area on deep-learning-based glaucoma detection in different plexuses in OCTA 2024-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71235-3 PMID:39223266	研究论文	研究了不同采集区域和血管丛对基于深度学习的青光眼检测的影响	深度学习方法在所有采集区域和血管丛中均优于传统的血管密度生物标志物，并且在6x6 ONH扫描中表现最佳	未提及具体限制	探讨不同采集区域和血管丛对基于机器学习的青光眼患者与健康对照组区分的影响	青光眼患者和健康对照组	计算机视觉	眼科疾病	光学相干断层扫描血管造影 (OCTA)	深度学习	图像	未提及具体样本数量
19371	2024-09-06	PCP-GC-LM: single-sequence-based protein contact prediction using dual graph convolutional neural network and convolutional neural network 2024-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05914-3 PMID:39223474	研究论文	本文提出了一种基于单序列的蛋白质接触预测方法PCP-GC-LM，结合双层图卷积神经网络和卷积神经网络进行预测	本文创新性地使用了双层图神经网络和卷积网络，能够更好地捕捉蛋白质分子不同层次的抽象特征，并处理不同长度和形状的蛋白质分子结构	本文未提及具体的计算负担问题解决方案	提高基于单序列的蛋白质接触预测方法的准确性	蛋白质接触图谱预测	机器学习	NA	图卷积神经网络	图卷积神经网络和卷积神经网络	蛋白质序列和结构信息	两个同源二聚体蛋白质测试集（DeepHomo测试数据集和CASP-CAPRI目标数据集）
19372	2024-09-06	Robust mosquito species identification from diverse body and wing images using deep learning 2024-Sep-02, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06459-3 PMID:39223629	研究论文	研究使用卷积神经网络（CNN）对蚊子种类进行基于图像的分类	比较了三种图像采集方法（智能手机、带宏镜头的智能手机和专业立体显微镜）在蚊子种类分类中的效果，并发现基于翅膀的分类效果优于基于身体的分类	CNN模型在不同设备上的表现依赖于特定设备的训练，导致平均准确率下降14%	探索卷积神经网络在蚊子种类分类中的应用	四种形态相似的Aedes蚊子种类	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	796个样本
19373	2024-09-06	X-ray lens figure errors retrieved by deep learning from several beam intensity images 2024-Sep-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577524004958 PMID:39042577	研究论文	本文研究了使用深度学习从多个光束强度图像中检索X射线透镜表面误差的方法	提出了一种使用神经网络从光束强度图像中准确预测透镜误差轮廓的方法	NA	解决同步辐射光束聚焦中的相位问题，并验证仅使用传播光束在多个距离处的强度图像检索透镜表面误差的可能性	X射线透镜的表面误差	计算机视觉	NA	深度学习	神经网络	图像	数千次模拟
19374	2024-09-06	Artificial intelligence-based plasma exosome label-free SERS profiling strategy for early lung cancer detection 2024-Sep, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05445-z PMID:39017700	研究论文	本文介绍了一种基于人工智能的无标记表面增强拉曼光谱（SERS）策略，用于早期肺癌的检测	利用深度学习模型和卷积神经网络（CNN）对细胞外囊泡的拉曼光谱数据进行特征提取，结合支持向量机（SVM）模型进行早期肺癌的准确诊断	NA	开发一种新的早期肺癌诊断方法	肺癌细胞和正常细胞的细胞外囊泡	机器学习	肺癌	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）和支持向量机（SVM）	光谱数据	肺癌细胞系和正常细胞系的细胞外囊泡样本
19375	2024-09-06	Pre-therapy PET-based voxel-wise dosimetry prediction by characterizing intra-organ heterogeneity in PSMA-directed radiopharmaceutical theranostics 2024-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06737-3 PMID:38724653	研究论文	本研究旨在通过表征体内器官异质性，利用人工智能技术预测基于预治疗PET的体素级剂量分布	本研究首次利用深度学习技术预测体素级吸收剂量图，考虑了体内器官的异质性	本研究仅在转移性去势抵抗性前列腺癌患者中进行，样本量有限	通过表征体内器官异质性，预测基于预治疗PET的体素级吸收剂量图，以提高治疗效果	转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	深度学习	深度学习模型	图像	23名患者，48个治疗周期
19376	2024-09-06	Privacy Risk Assessment for Synthetic Longitudinal Health Data 2024-Aug-30, Studies in health technology and informatics DOI:10.3233/SHTI240867 PMID:39234731	研究论文	本文探讨了合成纵向健康数据在隐私风险评估中的应用	提出了Anonymeter框架，用于评估合成数据生成的隐私风险，特别是针对欧洲数据保护委员会考虑的隐私风险	隐私风险评估仍然是一个开放的问题，实施和结果解释中遇到了挑战	评估合成数据生成方法的隐私风险，确保符合数据保护指南	合成纵向健康数据及其隐私风险	NA	NA	深度学习	NA	纵向健康数据	1312名参与者，16个时间点
19377	2024-09-06	Predicting Overall Survival of Glioblastoma Patients Using Deep Learning Classification Based on MRIs 2024-Aug-30, Studies in health technology and informatics DOI:10.3233/SHTI240878 PMID:39234740	研究论文	本文开发并评估了一种基于深度学习的方法，通过MRI图像预测胶质母细胞瘤患者的总体生存期	利用深度学习技术对常规生成的MRI序列进行自动分析，以实现准确的总体生存期预测	最佳模型的F1-score为0.51，准确率为0.67，仍有改进空间	开发一种能够通过MRI图像准确预测胶质母细胞瘤患者总体生存期的方法	胶质母细胞瘤患者的总体生存期	计算机视觉	脑肿瘤	深度学习	ResNet50	图像	NA
19378	2024-09-06	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-Jul-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	本文探讨了利用X射线吸收光谱（XAS）结合深度学习技术进行自动和快速非法药物检测的新方法	本文提出了一种结合XAS和改进的transformer编码器模型的新方法，用于自动、快速和准确地检测非法药物，相比LSTM和ResU-net模型，该方法在训练时间和准确性上均有显著提升	NA	探索一种自动、快速和准确检测非法药物的新方法	50种与药物具有相似分子式的同分异构体或化合物	机器学习	NA	X射线吸收光谱（XAS）	transformer编码器模型	光谱数据	50种物质
19379	2024-09-06	Deep Learning-Based Facial and Skeletal Transformations for Surgical Planning 2024-07, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241253186 PMID:38808566	研究论文	本文开发并验证了一种基于深度学习的新型双向3D框架P2P-ConvGC，用于正颌手术中面部和骨骼形状的准确预测	提出了P2P-ConvGC框架，通过两阶段点采样策略生成多个非重叠点子集来表示高分辨率的面部和骨骼形状，并分别输入到预测系统中进行预测	NA	开发一种能够准确预测面部和骨骼形状的深度学习模型，以应用于正颌手术的虚拟手术规划	面部和骨骼形状的预测	计算机视觉	NA	深度学习	P2P-ConvGC	3D点集	基于大规模数据集进行验证，具体样本数量未提及
19380	2024-09-06	Data-independent acquisition in metaproteomics 2024 Jul-Aug, Expert review of proteomics IF:3.8Q1 DOI:10.1080/14789450.2024.2394190 PMID:39152734	综述	本文综述了数据非依赖采集（DIA）质谱技术在元蛋白质组学中的应用	介绍了DIA技术在提高元蛋白质组学深度和准确性方面的潜力，并讨论了未来可能采用的深度学习和从头测序方法	DIA技术和元蛋白质组学的复杂性带来了挑战	探讨DIA技术在元蛋白质组学中的应用及其未来发展方向	元蛋白质组学中的微生物群落功能和微生物间及宿主-微生物相互作用	NA	NA	数据非依赖采集（DIA）质谱技术	NA	蛋白质组学数据	NA