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
19881	2024-08-07	The Era of Radiogenomics in Precision Medicine: An Emerging Approach to Support Diagnosis, Treatment Decisions, and Prognostication in Oncology 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.570465 PMID:33575207	研究论文	本文综述了放射基因组学在精准医学中的应用，探讨了其在肿瘤诊断、治疗决策和预后评估中的作用	放射基因组学结合了大量从医学图像中提取的定量数据与个体基因组表型，通过深度学习构建预测模型，为个性化医疗提供了新的科学方法	放射基因组学的工作流程标准和国际统一的统计方法指南需要进一步确认	探讨放射基因组学在肿瘤学中的应用，支持诊断、治疗决策和预后评估	放射基因组学在不同类型肿瘤中的预测价值	数字病理学	肿瘤	深度学习	深度学习模型	医学图像数据和基因组数据	NA
19882	2024-08-07	Descriptor Free QSAR Modeling Using Deep Learning With Long Short-Term Memory Neural Networks 2019, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2019.00017 PMID:33733106	研究论文	本研究探索了在不使用预计算描述符的情况下，利用长短期记忆（LSTM）神经网络构建高质量可解释的QSAR模型的前景	使用LSTM神经网络直接从SMILES代码或新开发的线性分子表示法中训练模型，提高了对训练集中不相似化合物的预测能力	NA	研究使用LSTM神经网络构建无需预计算描述符的QSAR模型的可行性	QSAR模型的构建方法及其在不同数据集上的应用	机器学习	NA	LSTM神经网络	LSTM	文本	训练集包含7,866至31,919个化合物
19883	2024-08-07	Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.024 PMID:38827235	评论	本文综述了基于深度学习的分子对接姿势选择的最新进展与挑战	提出了两种新开发的基于深度学习的姿势选择器	当前对接程序使用的评分函数参数化的设计限制了正确识别配体本征结合构象的能力	探讨基于深度学习的对接姿势选择方法的发展及未来方向	本文讨论了分子对接中配体与其靶标结合方式的选择	数字病理学	NA	深度学习	NA	结构数据	NA
19884	2024-08-06	An efficient method for disaster tweets classification using gradient-based optimized convolutional neural networks with BERT embeddings 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102843 PMID:39101121	研究论文	提出了一种基于BERT嵌入的卷积神经网络（CNN）模型，用于有效分类与灾难相关的推特	提出了结合BERT嵌入和基于梯度的优化技术的CNN模型，以提高灾难推特分类的准确性	目前所用的模型和方法可能在其他非灾难推特的分类上表现不佳	研究旨在开发有效的方法以分类与灾难相关的真实和虚假推特	研究对象为在Twitter平台上讨论的关于灾难情景的推特	自然语言处理	NA	BERT嵌入	CNN	文本	NA
19885	2024-08-06	Corrigendum to "Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities" [Comput Struct Biotechnol J vol. 23 (2024) 2141-2151] 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.001 PMID:39100805	更正	这篇文章是对之前论文的更正。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19886	2024-08-07	GraphEGFR: Multi-task and transfer learning based on molecular graph attention mechanism and fingerprints improving inhibitor bioactivity prediction for EGFR family proteins on data scarcity 2024-Sep-05, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27388 PMID:38713612	研究论文	本研究介绍了GraphEGFR，一个用于增强分子表示和模型架构的深度学习回归模型，以预测针对EGFR家族蛋白的抑制剂生物活性	创新点在于使用图注意力机制与深度卷积神经网络相结合，提升了小规模数据下的生物活性预测能力	深度学习在小数据集上的应用面临过拟合风险，这是本研究的局限之一	研究旨在解决与EGFR家族蛋白相关的癌症药物发现中的挑战	研究对象包括野生型和突变型EGFR家族蛋白的抑制剂	机器学习	肿瘤	深度学习	图神经网络	分子图	NA
19887	2024-08-07	Revolutionizing breast cancer Ki-67 diagnosis: ultrasound radiomics and fully connected neural networks (FCNN) combination method 2024-Sep, Breast cancer research and treatment IF:3.0Q2 DOI:10.1007/s10549-024-07375-x PMID:38853220	研究论文	本研究评估了超声肿瘤栖息地子区域的放射组学特征参数在乳腺癌Ki-67状态诊断中的价值	结合L1,2范数与全连接神经网络(FCNN)算法的使用，提供了一种新的诊断方法	目前的研究仅限于特定医院的数据，样本的多样性可能影响结果的推广性	研究乳腺癌患者中Ki-67状态的诊断价值	528例和232例来自两个不同医院的女性乳腺癌患者的超声图像	数字病理学	乳腺癌	深度学习	全连接神经网络(FCNN)	图像	528例和232例乳腺癌患者的超声图像
19888	2024-08-07	Enhancing the reliability of deep learning-based head and neck tumour segmentation using uncertainty estimation with multi-modal images 2024-Aug-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad682d PMID:39059432	研究论文	本研究探讨了使用多模态图像的不确定性估计方法在提高头颈部肿瘤自动分割可靠性的效果	本研究引入了不确定性估计方法，通过提供校准的置信区间来提高深度学习在头颈部癌症自动分割中的可靠性	研究中未提及具体的局限性	研究目的是评估不同不确定性估计方法在提高头颈部癌症肿瘤分割可靠性方面的效果	研究对象为567名头颈部癌症患者的多模态图像及其临床肿瘤轮廓	计算机视觉	头颈部癌症	深度学习	nnUNet 3D分割模型	多模态图像（CT、PET、T1-和T2-加权MRI）	567名头颈部癌症患者
19889	2024-08-07	Comprehensive mapping and modelling of the rice regulome landscape unveils the regulatory architecture underlying complex traits 2024-Aug-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50787-y PMID:39095348	研究论文	本文呈现了水稻的综合调控组图谱，揭示了复杂性状背后的调控结构	提出了水稻的调控组图谱，发现了117,176个独特的开放染色质区域，及其与基因的关联	研究仅限于三种代表性水稻品种，可能无法全面适用于所有水稻品种	揭示调控复杂性状的调控机制，以促进作物改良	水稻（Oryza sativa）的23种不同组织	数字基因组学	NA	RNA-seq	深度学习模型	基因组数据	23种组织
19890	2024-08-07	Robotic scrub nurse to anticipate surgical instruments based on real-time laparoscopic video analysis 2024-Aug-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00581-0 PMID:39095639	研究论文	本文介绍了一种机器人消毒护士系统，旨在通过实时腹腔镜视频分析预测并交付所需的手术器械	提出了一种三阶段深度学习架构，能够基于实时视频分析有效预测手术器械	样本量相对较小，仅在62例腹腔镜胆囊切除术中训练和测试模型	提高手术的质量和效率，缓解医护人员短缺问题	腹腔镜胆囊切除术中的手术器械预测	机器人技术	NA	深度学习	三阶段深度学习模型	视频	62例腹腔镜胆囊切除术
19891	2024-08-07	Can supervised deep learning architecture outperform autoencoders in building propensity score models for matching? 2024-Aug-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02284-5 PMID:39095707	研究论文	本研究评估了监督深度学习模型与无监督自编码器在倾向得分估计中的表现。	首次比较了监督深度学习模型和无监督自编码器在倾向得分建模中的表现，发现前者在方差估计方面优于后者。	未提及具体的样本大小和数据特列，可能限制了研究的外部验证能力	评估不同模型在倾向得分估计中的表现，尤其是在流行病学研究中的应用	使用模拟数据和真实世界数据对倾向得分模型进行评估	机器学习	NA	深度学习、逻辑回归	监督深度学习架构、无监督自编码器	模拟数据、真实世界数据	使用了Right Heart Catheterization 数据集进行模拟
19892	2024-08-07	Real-time tracking of structural evolution in 2D MXenes using theory-enhanced machine learning 2024-Aug-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66902-4 PMID:39095485	研究论文	本文提出了一种机器学习框架，用于实时评估和表征操作中电子能量损失谱图像	该研究创新性地采用变分自编码器将计算产生的MXenes结构与实验数据集结合，预测结构演变	此研究可能在样本多样性和复杂性上存在局限，未讨论具体的影响因素	旨在理解和控制二维MXenes的原子级结构转变	研究对象为二维MXenes材料系统	机器学习	NA	电子能量损失谱学（EELS）、透射电子显微镜（TEM）	变分自编码器（VAE）	谱图像数据	NA
19893	2024-08-07	Enhanced skin cancer diagnosis using optimized CNN architecture and checkpoints for automated dermatological lesion classification 2024-Aug-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01356-8 PMID:39095688	研究论文	本研究通过优化的CNN架构和检查点来提高皮肤癌诊断的自动化分类能力	引入了一个复杂的CNN模型，通过创新的数据增强策略解决了数据集的类别不平衡问题	未提及模型在真实临床环境中的应用效果	提升皮肤癌诊断的准确性和效率	利用HAM10000数据集中的皮肤病变图像进行分类	计算机视觉	皮肤癌	深度学习	卷积神经网络（CNN）	图像	使用了HAM10000数据集中的多种皮肤病变图像
19894	2024-08-07	Coot-Lion optimized deep learning algorithm for COVID-19 point mutation rate prediction using genome sequences 2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2023.2244109 PMID:37668061	研究论文	本研究使用基于狮子算法的Coot算法优化深度量子神经网络来预测COVID-19突变率	引入基于狮子算法的Coot算法和深度量子神经网络的新方法来提高COVID-19突变率预测的准确性	研究未提及样本数量的具体情况和其他可能影响预测的因素	旨在利用基因组序列预测COVID-19的突变率	研究对象为COVID-19的基因组序列	机器学习	COVID-19	深度量子神经网络	深度量子神经网络	基因组序列	NA
19895	2024-08-07	A comprehensive review on heart disease prognostication using different artificial intelligence algorithms 2024-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2319706 PMID:38424704	review	本文综合评述了使用不同人工智能算法进行心脏疾病预后预测的研究	提出了人工智能技术在心脏疾病预测中的应用，比较分析了多种现有算法的优缺点	未提供具体的算法性能数据及其在实际应用中的限制	探讨不同人工智能算法在心脏疾病预后中的应用与效果	对多种人工智能算法及其应用于心脏疾病预测的研究进行综述	机器学习	心脏病	人工智能（AI），机器学习（ML），深度学习（DL）	NA	历史数据	NA
19896	2024-08-07	A scheme combining feature fusion and hybrid deep learning models for epileptic seizure detection and prediction 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67855-4 PMID:39043914	研究论文	提出了一种基于多类特征融合和混合深度学习模型的新方法，用于癫痫发作的检测和预测	结合了卷积神经网络、门控递归单元和注意力机制，以提高癫痫发作检测和预测的精度	NA	开发一种有效的方法以检测和预测癫痫发作	针对癫痫患者的EEG信号进行分析	机器学习	癫痫	离散小波变换（DWT）、卷积神经网络（CNN）、门控循环单元（GRU）	CNN-GRU-AM	EEG信号	使用CHB-MIT数据集进行验证
19897	2024-08-07	Human gender estimation from CT images of skull using deep feature selection and feature fusion 2024-07-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65521-3 PMID:39043755	研究论文	本研究旨在通过颅骨CT图像预测性别	该研究利用深度学习和特征融合技术，提高了性别预测的准确性和效率	研究可能只限于特定人群，可能无法推广至其他年龄和种族	探索通过CT图像准确估计人类性别的可能性	涉及421名年龄在25至65岁之间的男性和女性的颅骨CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	421个颅骨CT图像样本
19898	2024-08-07	The artistic image processing for visual healing in smart city 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68082-7 PMID:39039163	研究论文	本研究探讨了艺术图像处理在智慧城市背景下对城市居民心理健康和生活质量的视觉治疗效果	提出了重叠分割视觉变换器（OSViT）结合双向长短期记忆（BiLSTM）算法的艺术图像处理和分类识别模型	NA	探讨艺术图像处理在智慧城市中的应用及其对居民心理健康的影响	艺术图像及其处理技术	数字病理学	NA	深度学习技术	OSViT-BiLSTM	图像	涉及多个场景的艺术图像，用户反馈超过90%满意
19899	2024-08-07	YOLO-Granada: a lightweight attentioned Yolo for pomegranates fruit detection 2024-07-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67526-4 PMID:39039263	研究论文	提出了一种轻量级的YOLO-Granada算法用于石榴果实检测	基于YOLOv5改进算法，使用ShuffleNetv2作为骨干网，并结合注意力机制提升检测精度和速度	与原始YOLOv5s模型的精度相差不到1%，但模型压缩和速度提升仍有改进空间	开发智能管理系统以提高石榴果园的产量和管理效率	石榴果实的检测	计算机视觉	NA	深度学习	YOLOv5	图像	NA
19900	2024-08-07	Automated PD-L1 status prediction in lung cancer with multi-modal PET/CT fusion 2024-07-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66487-y PMID:39030240	研究论文	本文研究了如何利用多模态PET/CT融合自动预测肺癌中的PD-L1状态	提出了使用不同数据融合方案的深度学习模型来进行PD-L1状态的预测，并发现PET和CT融合的表现优于单独使用	在晚期融合架构中，虽然权重共享可能提高模型的稳定性，但并不总能带来更好的结果	评估不同融合方法在非小细胞肺癌中预测PD-L1状态的性能	189名肺癌患者的非侵入性CT和PET图像	计算机视觉	肺癌	PET/CT成像	ResNet, DenseNet, EfficientNet	图像	189名非小细胞肺癌患者的PET和CT图像