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
21	2024-10-13	Probabilistic generative transformer language models for generative design of molecules 2023-Sep-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-023-00759-z PMID:37749655	研究论文	本文提出了一种基于概率生成转换器的分子生成模型，用于有机分子的生成设计	该模型基于空白填充语言模型，具有高质量生成、可解释性和数据效率高的优势	NA	开发一种可解释且高效的分子生成模型	有机分子	自然语言处理	NA	NA	Transformer	文本	使用MOSES数据集进行基准测试
22	2024-10-13	A review of PET attenuation correction methods for PET-MR 2023-Sep-11, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00569-0 PMID:37695384	综述	本文综述了PET-MR系统中PET衰减校正方法的最新进展	本文将PET衰减校正方法分为四类：基于MR的、基于发射的、基于图谱的和基于机器学习的，并详细讨论了每种方法的优缺点	本文未提供具体的实验数据或结果，而是侧重于方法的分类和讨论	探讨PET-MR系统中PET衰减校正方法的现状和未来发展方向	PET-MR系统中的PET衰减校正方法	计算机视觉	NA	深度学习	深度学习模型	图像	NA
23	2024-10-12	Patient Graph Deep Learning to Predict Breast Cancer Molecular Subtype 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3290394 PMID:37379184	研究论文	研究利用深度图学习预测乳腺癌分子亚型	提出了一种基于多关系有向图的深度学习方法，结合多种诊断学科的患者信息，以更好地表示乳腺癌患者数据并预测分子亚型	未提及具体局限性	研究如何利用深度图学习方法提高乳腺癌分子亚型的预测准确性	乳腺癌患者及其分子亚型	机器学习	乳腺癌	深度图学习	关系图卷积网络	图像和基因数据	未提及具体样本数量
24	2024-10-11	An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies 2023-Sep-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.11.557288 PMID:37745338	研究论文	本研究通过挖掘研究出版物和专利，整理了超过5000个流感血凝素（HA）抗体的数据集，并开发了一种轻量级的记忆B细胞语言模型（mBLM）用于基于序列的抗体特异性预测	本研究创新性地开发了一种轻量级的记忆B细胞语言模型（mBLM），并成功应用于流感血凝素抗体的特异性预测	本研究的主要局限在于数据集的获取和模型的解释性分析	本研究的目的是开发一种可解释的语言模型，用于预测抗体的特异性	本研究主要研究对象是流感血凝素（HA）抗体	机器学习	NA	NA	记忆B细胞语言模型（mBLM）	序列	超过5000个流感血凝素（HA）抗体
25	2024-10-08	Deep learning-enabled 3D multimodal fusion of cone-beam CT and intraoral mesh scans for clinically applicable tooth-bone reconstruction 2023-Sep-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100825 PMID:37720330	研究论文	本文提出了一种基于深度学习的3D多模态融合框架，用于临床适用的牙骨重建	引入了Deep Dental Multimodal Fusion (DDMF)框架，结合了CBCT和IOS数据，采用新颖的像素表示学习架构、先验知识引导的损失函数和基于几何的3D融合技术	NA	开发一种自动化的多模态框架，用于高保真度的牙骨结构3D重建，以支持虚拟牙科治疗规划	牙骨结构的3D模型	计算机视觉	NA	深度学习	NA	图像	大规模真实世界数据集
26	2024-10-08	Task-based assessment of digital mammography microcalcification detection with deep learning denoising algorithmss using in silico and physical phantom studies 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.053502 PMID:37808969	研究论文	研究使用深度学习去噪算法在数字乳腺摄影微钙化检测中的任务评估，通过体内和物理模型研究	提出使用深度学习去噪算法来改善低剂量乳腺摄影图像质量，并探讨了训练数据集中信号存在区域的重要性	研究结果显示在物理模型和临床系统中，去噪后的半剂量乳腺摄影图像在微钙化信号检测方面没有明显改善	评估深度学习去噪算法在低剂量乳腺摄影图像中检测微钙化的效果	乳腺微钙化检测	计算机视觉	乳腺癌	深度学习去噪算法	卷积神经网络	图像	使用了一个人体模型物理幻影和数字压缩乳腺幻影进行研究
27	2024-10-02	Exploring the Steps of Infrared (IR) Spectral Analysis: Pre-Processing, (Classical) Data Modelling, and Deep Learning 2023-Sep-30, Molecules (Basel, Switzerland) DOI:10.3390/molecules28196886 PMID:37836728	综述	本文综述了红外光谱分析的步骤，包括预处理、经典数据建模和深度学习	本文探讨了经典机器学习和深度学习在红外光谱分析中的最新进展	NA	探讨红外光谱分析中的预处理和数据建模方法	红外光谱数据及其在生物医学样本中的应用	机器学习	NA	红外光谱	经典机器学习模型和深度学习模型	光谱数据	NA
28	2024-10-02	Developments in Image Processing Using Deep Learning and Reinforcement Learning 2023-Sep-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9100207 PMID:37888314	review	本文综述了深度学习和强化学习在图像处理领域的最新进展和优化方案	本文讨论了图像处理应用中的主要改进和最新发展，并提出了未来研究方向	尽管取得了良好成果，但该领域仍面临许多挑战	探讨图像处理应用中的最新进展和未来研究方向	图像处理中的深度学习和强化学习技术	computer vision	NA	深度学习和强化学习	NA	image	NA
29	2024-10-02	Self-Supervised Contrastive Learning to Predict the Progression of Alzheimer's Disease with 3D Amyloid-PET 2023-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101141 PMID:37892871	研究论文	本文提出了一种自监督对比学习方法SMoCo，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展	本文首次将自监督对比学习应用于基于3D淀粉样蛋白PET预测轻度认知障碍向阿尔茨海默病的转化	本文仅在ADNI数据集上进行了验证，未来需要在更多数据集上进行验证	开发一种能够准确预测轻度认知障碍向阿尔茨海默病转化的深度学习模型	轻度认知障碍患者和3D淀粉样蛋白PET图像	计算机视觉	阿尔茨海默病	自监督对比学习	SMoCo	图像	ADNI数据集
30	2024-10-02	Simultaneous estimation of gene regulatory network structure and RNA kinetics from single cell gene expression 2023-Sep-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.21.558277 PMID:37790443	研究论文	本文开发了一种深度学习模型，通过单细胞RNA测序数据同时推断基因调控网络结构和RNA动力学参数	首次提出了一种能够同时推断基因调控网络结构和RNA动力学参数的深度学习模型，并展示了其在预测基因表达状态和模拟转录因子变化效果方面的优越性	NA	构建一个完整的、预测性的生物物理模型，用于描述基因表达调控	基因调控网络结构和RNA动力学参数	机器学习	NA	单细胞RNA测序	深度学习模型	基因表达数据	175,000个单细胞样本
31	2024-10-01	Deep learning for risk-based stratification of cognitively impaired individuals 2023-Sep-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.107522 PMID:37646016	研究论文	本文利用深度学习模型结合生存分析，预测轻度认知障碍（MCI）患者向阿尔茨海默病（AD）转化的风险	本文创新性地将神经网络与生存分析相结合，用于预测MCI向AD的转化风险，并验证了模型预测的关键区域与AD经典相关区域的一致性	NA	开发一种基于风险的分类方法，用于识别轻度认知障碍（MCI）患者向阿尔茨海默病（AD）转化的风险	轻度认知障碍（MCI）患者及其向阿尔茨海默病（AD）的转化风险	机器学习	阿尔茨海默病	深度学习	神经网络	图像	发现队列544例，验证队列508例
32	2024-10-01	Efficient Dehazing with Recursive Gated Convolution in U-Net: A Novel Approach for Image Dehazing 2023-Sep-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090183 PMID:37754947	研究论文	提出了一种基于递归门控卷积和注意力机制的U-Net去雾网络模型，以提高去雾性能并保持网络结构的简洁性	引入了改进的递归门控卷积机制替代原始U-Net的卷积块，并应用SK融合模块改进跳跃连接方法，设计了名为Dehaze Recursive Gated U-Net (DRGNet)的新型U-Net变体	NA	提高图像去雾任务的性能，同时简化网络架构的训练、推理和部署过程	图像去雾	计算机视觉	NA	递归门控卷积	U-Net	图像	公开数据集
33	2024-10-01	Efficient Augmented Intelligence Framework for Bladder Lesion Detection 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00031 PMID:37774313	研究论文	研究开发了一种高效的增强智能框架，用于膀胱病变检测	使用多种深度学习模型（ConvNeXt, PlexusNet, MobileNet, SwinTransformer）进行膀胱病变检测，并比较了它们的性能和计算效率	研究样本量较小，且仅限于教育性膀胱镜图谱和68例膀胱镜视频	开发一种高效的智能系统用于膀胱病变检测	膀胱病变检测	计算机视觉	膀胱癌	深度学习	ConvNeXt, PlexusNet, MobileNet, SwinTransformer	图像	312张图像和68例膀胱镜视频
34	2024-10-01	DL-TCNN: Deep Learning-based Temporal Convolutional Neural Network for prediction of conformational B-cell epitopes 2023-Sep, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-023-03716-7 PMID:37575599	研究论文	本文提出了一种基于深度学习的时间卷积神经网络DL-TCNN，用于预测构象B细胞表位	本文提出了一种新的基于深度学习的框架DL-TCNN，结合了1D-CNN和TCN的优点，用于提高构象B细胞表位预测的准确性	NA	提高构象B细胞表位预测的准确性	构象B细胞表位	机器学习	NA	深度学习	时间卷积神经网络（TCNN）	序列数据	使用了基准抗原-抗体数据集进行训练、验证和测试
35	2024-10-01	Frequent temporal patterns of physiological and biological biomarkers and their evolution in sepsis 2023-09, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102576 PMID:37673556	研究论文	本文采用时间模式挖掘方法，识别脓毒症患者生理和生物标志物的频繁时间模式及其演变	通过使用频繁模式作为特征来分类脓毒症和非脓毒症患者，提高了预测准确性和性能	深度学习方法在脓毒症文献中广泛使用，虽然准确性高，但模型可解释性和可解释性有限	早期识别脓毒症，避免潜在的不可逆器官功能障碍	脓毒症患者的生理和生物标志物	NA	脓毒症	时间模式挖掘	NA	生理和生物标志物数据	NA
36	2024-10-01	Force Profile as Surgeon-Specific Signature 2023-Sep, Annals of surgery open : perspectives of surgical history, education, and clinical approaches DOI:10.1097/AS9.0000000000000326 PMID:37746608	研究论文	研究外科医生的力学特征作为其身份和表现的标志	首次研究了外科医生的手术技术是否可以通过其力学特征进行识别	研究仅限于神经外科手术数据，未来需扩展到其他手术类型	探索外科医生的力学特征是否可以作为其身份和表现的标志	外科医生的力学特征和手术技术	机器学习	NA	深度学习方法	ResNet模型和XGBoost算法	时间序列数据	2819个10秒的时间段，来自89例神经外科手术
37	2024-09-28	Digital Filtering Techniques Using Fuzzy-Rules Based Logic Control 2023-Sep-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9100208 PMID:37888315	研究论文	本文讨论了基于模糊逻辑控制概念的数字滤波技术，用于去除数字图像中的脉冲噪声	提出了多种基于模糊规则的滤波算法，并探讨了模糊规则在检测和过滤脉冲噪声中的应用，以及模糊细胞自动机和模糊规则深度学习集成分类器的潜在优势	未提及具体的局限性	研究如何利用模糊逻辑控制技术有效去除数字图像中的脉冲噪声，同时保留图像边缘和细节	数字图像中的脉冲噪声去除	计算机视觉	NA	模糊逻辑控制	卷积神经网络 (CNN), 循环神经网络 (RNN), 长短期记忆神经网络 (LSTM), 门控循环单元 (GRU)	图像	未提及具体样本数量
38	2024-09-28	Bio-Inspired Artificial Intelligence with Natural Language Processing Based on Deceptive Content Detection in Social Networking 2023-Sep-23, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics8060449 PMID:37887580	研究论文	本文提出了一种基于生物启发的人工智能和自然语言处理技术，用于检测社交媒体中的欺骗性内容	本文创新性地结合了多头部自注意力双向长短期记忆模型和非洲秃鹫优化算法，用于检测社交媒体中的欺骗性内容	NA	检测社交媒体中的欺骗性或虚假内容	社交媒体中的欺骗性内容	自然语言处理	NA	机器学习	多头部自注意力双向长短期记忆模型	文本	两个基准假新闻数据集：BuzzFeed和PolitiFact
39	2024-09-28	Scoping Meta-Review of Methods Used to Assess Artificial Intelligence-Based Medical Devices for Heart Failure 2023-Sep-22, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101109 PMID:37892839	meta-analysis	本文对用于评估基于人工智能的心力衰竭医疗设备的方法进行了范围综述	本文首次系统地综述了评估基于人工智能的心力衰竭医疗设备的方法，填补了现有健康技术评估流程中对AI/ML-based MDs评估方法的空白	本文主要依赖于已发表的综述，可能存在选择偏倚；且未涵盖所有地区和时间段的研究	旨在收集和分析现有文献中用于评估基于人工智能的心力衰竭医疗设备的方法	基于人工智能的心力衰竭医疗设备及其评估方法	机器学习	心血管疾病	深度学习	NA	电子健康记录和注册数据	21篇综述，主要来自北美和欧洲
40	2024-09-28	Prediction of Adverse Events Risk in Patients with Comorbid Post- Traumatic Stress Disorder and Alcohol Use Disorder Using Electronic Medical Records by Deep Learning Models 2023-Sep-18, Research square DOI:10.21203/rs.3.rs-3299369/v1 PMID:37790550	研究论文	本文使用电子病历和深度学习模型预测患有创伤后应激障碍和酒精使用障碍患者的多种不良事件风险	开发了DeepBiomarker2模型，通过整合多模态信息（实验室检测、药物、合并症和社会决定因素）来提高预测准确性	NA	预测患有创伤后应激障碍和酒精使用障碍患者的多种不良事件风险	患有创伤后应激障碍和酒精使用障碍的患者	机器学习	精神障碍	深度学习	DeepBiomarker2	电子病历	5565名患者