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
19481	2024-08-15	Seasonal Arctic sea ice forecasting with probabilistic deep learning 2021-08-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-25257-4 PMID:34446701	研究论文	本文介绍了一种基于概率深度学习的北极海冰季节性预报系统IceNet	IceNet在季节性夏季海冰预报中表现优于先进的动力学模型，特别是在极端海冰事件的预报上	NA	开发一种能够准确预测北极海冰季节性变化的预报系统	北极海冰的季节性变化	机器学习	NA	深度学习	深度学习模型	气候模拟和观测数据	NA
19482	2024-08-15	Technological advances in cancer immunity: from immunogenomics to single-cell analysis and artificial intelligence 2021-08-20, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-021-00729-7 PMID:34417437	综述	本文综述了癌症免疫治疗领域中从免疫基因组学到单细胞分析及人工智能技术的最新进展	介绍了单细胞技术和人工智能在解析肿瘤免疫微环境中的应用，以及它们在预测免疫治疗反应中的重要性	NA	总结免疫基因组学、单细胞分析和人工智能技术在癌症免疫治疗领域的应用，并展望未来研究方向	癌症免疫治疗中的肿瘤细胞和肿瘤免疫微环境	数字病理学	NA	下一代测序	深度学习模型	基因组和转录组数据	NA
19483	2024-08-15	DECIMER 1.0: deep learning for chemical image recognition using transformers 2021-Aug-17, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-021-00538-8 PMID:34404468	研究论文	本文介绍了DECIMER 1.0模型，一种基于transformer的网络，用于从化学结构图像中预测SMILES编码	DECIMER 1.0模型能够以高准确度（96%以上）从化学结构图像中预测SMILES编码，即使在包含立体化学信息的情况下也能达到89%的准确度	NA	开发一种自动化的开源软件解决方案，用于从化学结构图像中提取数据并转换为计算机可读格式	化学结构图像的SMILES编码预测	机器学习	NA	深度学习	transformer	图像	50-100百万分子
19484	2024-08-15	Neovascularization Detection and Localization in Fundus Images Using Deep Learning 2021-Aug-06, Sensors (Basel, Switzerland) DOI:10.3390/s21165327 PMID:34450766	研究论文	本文提出了一种用于视网膜图像中新生血管检测的语义分割卷积神经网络架构	该模型能够完全自动地检测和定位新生血管病变，这是先前发表的方法无法实现的	NA	旨在通过深度学习方法提高增生性糖尿病视网膜病变中新生血管的检测准确性	增生性糖尿病视网膜病变中的新生血管	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	视网膜图像被分为小补丁，形成训练集、验证集和测试集
19485	2024-08-15	Deep Learning Application for Analyzing of Constituents and Their Correlations in the Interpretations of Medical Images 2021-Jul-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11081373 PMID:34441307	研究论文	本文探讨了深度学习模型在医学图像解释中各组成部分及其相互关系的分析	本文的创新点在于采用统一的方法研究深度学习模型的组成部分，即数据、深度学习架构使用的工具或特定构建的深度学习架构组合，并强调它们在医学图像解释应用中的关键特征	本文未提供深度学习模型各组成部分重要性和影响的统一图景	旨在提高深度学习模型在医学图像解释中的性能	深度学习模型的组成部分及其在医学图像解释中的应用	计算机视觉	NA	深度学习	深度学习架构	医学图像	NA
19486	2024-08-15	Truncating a densely connected convolutional neural network with partial layer freezing and feature fusion for diagnosing COVID-19 from chest X-rays 2021, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2021.101408 PMID:34109106	研究论文	本文提出了一种通过层截断、部分层冻结和特征融合来修改训练方法的视觉模型，用于从胸部X光片诊断COVID-19。	该方法显著减少了模型的参数大小，同时保持了较高的分类性能，并提供了可扩展、可重复和可部署的深度卷积神经网络模型。	NA	开发一种新的训练方法，以降低计算成本和提高模型部署的便利性。	使用密集连接卷积神经网络（DenseNet）模型诊断胸部X光片中的COVID-19、肺炎和正常情况。	计算机视觉	COVID-19	卷积神经网络（CNN）	DenseNet	图像	NA
19487	2024-08-15	A Pipeline for Predicting the Treatment Response of Neoadjuvant Chemoradiotherapy for Locally Advanced Rectal Cancer Using Single MRI Modality: Combining Deep Segmentation Network and Radiomics Analysis Based on "Suspicious Region" 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.711747 PMID:34422664	研究论文	本研究提出了一种使用单一MRI模态预测局部晚期直肠癌新辅助放化疗治疗反应的流程，结合深度分割网络和基于“可疑区域”的放射组学分析	该研究创新性地设计了双阶段直肠感知U-Net（tsraU-Net）用于自动分割感兴趣区域，替代了耗时的手动描绘，并基于此进行了放射组学分析以预测病理完全缓解状态	NA	旨在早期准确预测局部晚期直肠癌患者在新辅助放化疗后的病理完全缓解状态，以帮助医生制定个性化治疗计划	局部晚期直肠癌患者	数字病理学	直肠癌	MRI	U-Net	图像	共收集了来自两家医院的275名患者的数据，分为四个数据集：Seg-T（N=88）用于训练tsraU-Net，Rad-T（N=107）用于构建放射组学模型，In-V（N=46）用于内部验证，Ex-V（N=34）用于外部验证
19488	2024-08-15	Analysis on the Characterization of Multiphoton Microscopy Images for Malignant Neoplastic Colon Lesion Detection under Deep Learning Methods 2021, Journal of pathology informatics DOI:10.4103/jpi.jpi_113_20 PMID:34447607	研究论文	本文利用多光子显微镜（MPM）技术和深度学习方法，分析恶性肿瘤性结肠病变图像，以实现早期检测	首次将多光子显微镜与深度学习结合，用于实时识别和区分恶性肿瘤性结肠病变	NA	展示多光子显微镜技术结合深度学习在无需组织病理学染色的情况下，识别恶性肿瘤性结肠病变的能力	恶性肿瘤性结肠病变与健康、增生或良性肿瘤性组织的区分	数字病理学	结直肠癌	多光子显微镜（MPM）	卷积神经网络（CNN）	图像	14,712张图像，来自42名患者，分为2类
19489	2024-08-15	Deep Learning Model to Predict Serious Infection Among Children With Central Venous Lines 2021, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2021.726870 PMID:34604142	研究论文	研究使用深度学习模型预测带有中心静脉导管的儿童发生严重感染的情况	提出的深度学习模型在预测严重感染方面比传统的病情严重程度标记（PELOD-2）具有更高的阳性预测值	研究为回顾性研究，且仅限于单一学术儿童医院的数据	预测带有中心静脉导管的儿童在住院期间发生严重感染的可能性	带有中心静脉导管的儿童患者	机器学习	NA	深度学习	深度学习模型	电子病历数据	涉及748,380个48小时时间窗口，对应27,137次患者就诊
19490	2024-08-14	Assessing the risk of E. coli contamination from manure application in Chinese farmland by integrating machine learning and Phydrus 2024-Sep-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.124345 PMID:38852664	研究论文	本研究通过整合机器学习算法与基于机制的模型（Phydrus），全面评估中国农田中牲畜粪便应用后土壤中大肠杆菌（E. coli）的残留和迁移风险	本研究创新性地结合了机器学习模型和Phydrus模型，以预测和模拟大肠杆菌在土壤中的死亡率和附着系数，以及其在中国的23692个子区域中的迁移和存活情况	NA	旨在全面研究中国农田中牲畜粪便应用后土壤中大肠杆菌的残留和迁移风险	研究对象为应用牲畜粪便后的中国农田土壤中的大肠杆菌	机器学习	NA	机器学习算法	深度学习模型和梯度提升机	土壤特性、土壤深度、降水量、季节变化和区域差异的数据	23692个子区域
19491	2024-08-14	Application of improved machine learning in large-scale investigation of plastic waste distribution in tourism Intensive artificial coastlines 2024-Sep-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.124292 PMID:38823545	研究论文	本研究通过改进的YOLOv8模型，结合InceptionNeXt和LSK模块，提高了对人工海岸线上塑料垃圾检测的准确性，并减少了误识别情况	引入InceptionNeXt和LSK模块，提高了YOLOv8模型的检测准确率，减少了误报率	NA	提高人工海岸线上塑料垃圾监测的准确性	人工海岸线上的塑料垃圾	机器学习	NA	YOLOv8	CNN	图像	553张高分辨率海岸线图像，包含3488件检测到的塑料垃圾
19492	2024-08-14	Predicting masticatory muscle activity and deviations in mouth opening from non-invasive temporomandibular joint complex functional analyses 2024-Sep, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.13769 PMID:38840513	研究论文	本研究通过非侵入性颞下颌关节复合体功能分析，预测咀嚼肌活动和口腔张开时的偏差	利用深度学习结合电颌描记术（EGN）、表面肌电图（EMG）和关节振动分析（JVA）数据，建立了肌肉与硬组织运动之间的量化关系	NA	探索从非侵入性硬组织评估中预测肌肉活动和下颌运动的定量方法	咀嚼肌活动和下颌运动	NA	NA	电颌描记术（EGN）、表面肌电图（EMG）和关节振动分析（JVA）	XGBoost	数据	66名参与者
19493	2024-08-14	An effective role-oriented binary Walrus Grey Wolf approach for feature selection in early-stage chronic kidney disease detection 2024-Sep, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-024-04067-9 PMID:38748365	研究论文	本文提出了一种结合深度径向偏置网络和美洲狮优化算法的方法，用于早期慢性肾脏病的精确分类	采用角色导向二进制海象灰狼算法进行特征选择，并使用自动编码器与基于块的主成分分析进行降维，以提高分类准确性和减少处理时间	NA	提高慢性肾脏病检测的准确性	慢性肾脏病	机器学习	慢性肾脏病	深度学习	深度径向偏置网络	数据集	两个数据集：慢性肾脏病风险因素预测数据集和慢性肾脏病数据集
19494	2024-08-14	Deep Learning with Pretrained Framework Unleashes the Power of Satellite-Based Global Fine-Mode Aerosol Retrieval 2024-Aug-13, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c02701 PMID:39096297	研究论文	提出一种预训练深度学习框架，用于从卫星数据中提取细模态气溶胶光学厚度（fAOD）信息，以提高气候研究的准确性	该框架能够从每个卫星像素中提取潜在信息，生成新的特征，提高无实地数据区域的检索精度，并减少了全球趋势的过高估计	NA	提高细模态气溶胶光学厚度（fAOD）的检索准确性，改善气候研究	细模态气溶胶光学厚度（fAOD）及其在全球气候变化中的作用	机器学习	NA	深度学习	深度学习框架	卫星数据	2001年至2020年的全球fAOD数据
19495	2024-08-14	Rational Design of Deep Learning Networks Based on a Fusion Strategy for Improved Material Property Predictions 2024-Aug-13, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00187 PMID:39020520	研究论文	本文通过引入化学环境聚类向量（CECV）反馈方法，设计了一种融合长短期记忆网络和门控循环单元与深度卷积神经网络（L-G-DCNN）的深度学习模型，用于改进材料性质预测	开发了基于物理洞察的化学环境聚类向量（CECV）反馈方法，并设计了L-G-DCNN模型，该模型在28个基准数据集上超越了现有最先进的结构不可知模型	NA	改进材料科学中深度学习模型的设计，提高材料性质预测的准确性和效率	材料性质预测的深度学习模型设计	机器学习	NA	深度学习	L-G-DCNN	数据集	28个基准数据集
19496	2024-08-14	MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space 2024-Aug-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6185 PMID:38986464	研究论文	本文提出了一种名为MRGazer的框架，用于从个体空间的功能磁共振成像（fMRI）数据中预测眼球注视点	MRGazer框架跳过了fMRI的共配准步骤，简化了处理流程，并实现了端到端的眼球注视回归	NA	开发一种高效、简单且准确的深度学习框架，用于从fMRI数据中预测眼球运动	眼球注视点的预测	机器学习	NA	功能磁共振成像（fMRI）	残差网络	图像	具体样本数量未在摘要中提及
19497	2024-08-14	Deep learning models for separate segmentations of intracerebral and intraventricular hemorrhage on head CT and segmentation quality assessment 2024-Aug-12, Medical physics IF:3.2Q1 DOI:10.1002/mp.17343 PMID:39133935	研究论文	本研究开发了一种用于脑内出血（ICH）和脑室内出血（IVH）分割的深度学习模型REUnet，并进行了外部验证和分割质量评估	提出的REUnet模型在ICH和IVH分割中表现优于其他模型，并首次提供了IVH分割质量评估方法	NA	开发一种稳健的深度学习模型，用于ICH和IVH的分割，并提供IVH分割质量评估	脑内出血（ICH）和脑室内出血（IVH）的分割	计算机视觉	脑血管疾病	深度学习	REUnet	CT图像	训练和内部验证使用977张CT图像，外部测试使用375张CT图像
19498	2024-08-14	The impact of introducing deep learning based [18F]FDG PET denoising on EORTC and PERCIST therapeutic response assessments in digital PET/CT 2024-Aug-10, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-024-01128-z PMID:39126532	研究论文	本文评估了基于深度学习的[18F]FDG PET去噪技术SubtlePET™对EORTC和PERCIST治疗反应评估的临床影响。	使用深度学习AI技术对[18F]FDG PET图像进行去噪，并评估其对治疗反应评估的影响。	研究仅涉及110名患者，且仅评估了两种PET图像比较方法的临床满意度。	评估基于深度学习的[18F]FDG PET去噪技术在肿瘤治疗反应评估中的临床应用。	110名接受标准数字[18F]FDG PET/CT检查的患者。	数字病理学	肿瘤	深度学习	NA	图像	110名患者
19499	2024-08-14	Evaluation of deep learning for predicting rice traits using structural and single-nucleotide genomic variants 2024-Aug-10, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01250-y PMID:39127715	研究论文	研究使用深度学习方法结合结构和单核苷酸基因组变异来预测水稻性状	首次探讨了深度学习网络在使用结构基因组变异和单核苷酸多态性作为遗传标记时的性能	研究主要集中在水稻上，可能需要进一步验证在其他作物中的适用性	探索结合结构基因组变异和单核苷酸多态性是否能提高水稻性状预测的准确性，并比较深度学习网络与贝叶斯线性模型的性能	水稻的性状预测	机器学习	NA	深度学习	多层感知器和卷积神经网络	基因组变异数据	涉及87%的复杂性状案例和75%的研究案例
19500	2024-08-14	Two-stage deep neural network for diagnosing fungal keratitis via in vivo confocal microscopy images 2024-08-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68768-y PMID:39117709	研究论文	本文提出了一种基于活体共聚焦显微镜图像的深度学习框架，用于诊断真菌性角膜炎，辅助眼科医生进行诊断	本研究采用了两阶段深度神经网络架构，结合图像级和序列级信息进行诊断预测，并收集了迄今为止最大的96,632张活体共聚焦显微镜图像数据集	NA	开发一种辅助眼科医生诊断真菌性角膜炎的深度学习框架	真菌性角膜炎的诊断	计算机视觉	眼科疾病	活体共聚焦显微镜(IVCM)	深度神经网络	图像	96,632张活体共聚焦显微镜图像