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
2421	2024-12-02	Exploratory analysis of metabolic changes using mass spectrometry data and graph embeddings 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80955-5 PMID:39609505	研究论文	本文提出了一种基于图嵌入和异常检测算法的深度学习方法，用于分析质谱代谢组学数据	引入了一种新的深度学习方法GEMNA，通过节点嵌入和边嵌入来分析质谱代谢组学数据，相比传统方法能更好地识别代谢变化	传统统计方法可能会过度过滤原始数据，导致识别的代谢变化较少	开发一种新的方法来分析质谱代谢组学数据，以克服传统方法的局限性	质谱代谢组学数据	代谢组学	NA	质谱分析	图神经网络（GNN）	质谱数据	NA
2422	2024-12-02	Cell quantification at the osteochondral interface from synchrotron radiation phase contrast micro-computed tomography images using a deep learning approach 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81333-x PMID:39609521	研究论文	本文提出了一种基于深度学习的方法，用于从同步辐射相位对比显微CT图像中对骨软骨界面处的软骨细胞和骨细胞进行三维分割	本文将nnU-Net与标记控制的分水岭算法结合，改进了细胞腔隙的识别和分割	研究样本量较小，仅分析了15个样本，可能影响结果的普适性	研究骨软骨界面处软骨细胞和骨细胞的三维分割方法，并分析其在骨关节炎中的表现	人类膝关节中的软骨细胞和骨细胞	计算机视觉	骨关节炎	同步辐射相位对比显微CT	nnU-Net	图像	15个样本，包括10个对照组和5个骨关节炎组
2423	2024-12-02	Photorealistic attention style transfer network for architectural photography photos 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81249-6 PMID:39609556	研究论文	本文提出了一种用于建筑摄影照片的逼真注意力风格迁移网络，通过深度学习算法实现建筑照片风格的转换，同时保留关键结构和内容	本文的创新点在于利用语义分割模型将输入图像分割为前景和背景进行独立风格迁移，并使用坐标注意力机制对建筑细节进行精细处理，同时引入损失函数捕捉光影和色彩，确保图像的逼真度和艺术美感	本文未提及具体的局限性	研究目的是解决现有算法在建筑摄影风格迁移中面临的复杂细节处理和艺术效果保持的挑战	研究对象是建筑摄影照片的风格迁移	计算机视觉	NA	深度学习算法	注意力机制网络	图像	未提及具体样本数量
2424	2024-12-02	Enhancement and evaluation for deep learning-based classification of volumetric neuroimaging with 3D-to-2D knowledge distillation 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80938-6 PMID:39609597	研究论文	本文提出了一种新的3D-to-2D知识蒸馏框架，用于增强基于深度学习的体积神经影像分类	本文创新性地利用3D体积影像数据集和投影的2D数据集，通过知识蒸馏框架提升2D CNN的分类性能	由于医疗领域数据获取成本高和标注资源密集，可用数据量有限	提升基于深度学习的体积神经影像分类性能	体积神经影像数据和投影的2D数据	计算机视觉	NA	3D卷积神经网络 (CNN)	CNN	影像	两个数据集，分别来自123I-DaTscan SPECT和18F-AV133 PET
2425	2024-12-02	The factors affecting aerobics athletes' performance using artificial intelligence neural networks with sports nutrition assistance 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81437-4 PMID:39609607	研究论文	本文通过结合运动营养辅助和人工智能神经网络，全面探讨影响有氧运动员表现的因素	本文引入了ShuffleNet V3和Inception V3优化算法，并结合通道注意力机制，提出了一种基于ShuffleNet V3的有氧运动分类与识别模型，显著提高了分类识别的准确性	NA	探讨影响有氧运动员表现的因素，并提出一种新的分类与识别模型	有氧运动员的表现及其影响因素	机器学习	NA	神经网络算法	ShuffleNet V3	运动数据和营养数据	使用了MultiSports数据集和自建数据集
2426	2024-12-02	cidalsDB: an AI-empowered platform for anti-pathogen therapeutics research 2024-Nov-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00929-7 PMID:39609715	研究论文	本文介绍了一个名为CidalsDB的AI赋能平台，用于抗病原体治疗药物的研究	CidalsDB是一个新颖的网络服务器，整合了PubChem的生物测定数据，并实现了多种机器学习和深度学习算法，用于预测分子的生物活性	NA	开发一个AI辅助的药物发现平台，用于抗感染病原体的药物研究	利什曼原虫和冠状病毒	机器学习	NA	机器学习 (ML) 和深度学习 (DL) 算法	随机森林 (RF), 多层感知器 (MLP), ChemBERTa, 梯度提升 (GB), 图卷积网络 (GCN)	分子数据	NA
2427	2024-12-02	The efficacy of topological properties of functional brain networks in identifying major depressive disorder 2024-11-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80294-5 PMID:39604455	研究论文	研究探讨了功能性脑网络拓扑属性在识别重度抑郁症患者中的有效性	首次揭示了重度抑郁症患者脑网络拓扑属性的变化，并验证了这些属性在识别患者中的有效性	研究样本量较小，且仅使用了单一的脑成像技术	探索功能性脑网络拓扑属性在识别重度抑郁症患者中的有效性	重度抑郁症患者和健康对照组的功能性脑网络	神经科学	精神疾病	功能性磁共振成像 (fMRI)	支持向量机 (SVM)	图像	未明确提及具体样本数量
2428	2024-12-02	AI-empowered perturbation proteomics for complex biological systems 2024-Nov-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100691 PMID:39488205	研究论文	本文介绍了扰动蛋白质组学的基本原理、必要性和实用性，并提出了一个通用的PMMP（扰动、测量、建模到预测）流程	提出了基于大规模扰动蛋白质组数据的通用PMMP流程和基础模型构建方法	未具体说明所使用的模型和数据类型	推动系统生物学的发展，提高对生物系统扰动响应的理解和预测能力	生物系统的扰动响应、作用机制和蛋白质功能	系统生物学	NA	扰动蛋白质组学	传统机器学习或深度学习模型	蛋白质表达、翻译后修饰、蛋白质相互作用、运输和定位变化数据	NA
2429	2024-12-02	Weakly Supervised Classification of Mohs Surgical Sections Using Artificial Intelligence 2024-Nov-09, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100653 PMID:39522646	研究论文	本研究开发并评估了一种深度学习模型，用于在Mohs显微手术的全切片图像中检测基底细胞癌	本研究结合了弱监督学习和基于注意力图的可解释分割方法，提高了模型的性能和可解释性	本研究未对第三方数据集进行微调或预处理，可能影响模型的泛化能力	解决Mohs显微手术全切片图像中基底细胞癌检测的挑战	基底细胞癌在Mohs显微手术全切片图像中的检测	数字病理学	皮肤癌	深度学习	深度学习模型	图像	来自2个医疗中心的数据集，包括内部测试和第三方独立数据集
2430	2024-12-02	Decoding protein dynamicity in DNA ligase activity through deep learning-based structural ensembles 2024-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.07.622521 PMID:39574676	研究论文	本研究利用AlphaFold3模型研究了DNA连接酶的结构动力学及其在DNA修复中的机制	通过修改AlphaFold3的输入参数，生成了DNA结合酶的详细构象状态，提供了增强的机制见解	NA	揭示与蛋白质功能相关的构象集合，以理解蛋白质在DNA修复中的机制	NAD依赖的Taq连接酶和人类DNA连接酶1	计算机视觉	NA	AlphaFold3	深度学习模型	蛋白质结构数据	NA
2431	2024-12-02	Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230296 PMID:39194400	研究论文	本文开发了一种高度可推广的弱监督模型，用于在头部CT扫描中自动检测和定位图像级别的颅内出血	使用基于注意力的双向长短期记忆网络进行预训练和微调，提高了模型的泛化能力和检测速度	NA	开发一种自动检测和定位颅内出血的模型，以提高诊断效率	颅内出血的检测和定位	计算机视觉	NA	深度学习	CNN	图像	10699个非对比头部CT扫描，7469名患者
2432	2024-12-02	Multicenter investigation of preoperative distinction between primary central nervous system lymphomas and glioblastomas through interpretable artificial intelligence models 2024-Nov, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03451-7 PMID:39225815	研究论文	研究基于磁共振成像（MRI）的深度学习和放射组学模型在术前区分原发性中枢神经系统淋巴瘤（PCNSL）和胶质母细胞瘤（GBM）中的有效性和适用性	提出了结合放射组学模型和深度学习模型的Max-Fusion模型，显著提高了区分PCNSL和GBM的性能	研究仅在两个医疗中心的261名患者数据上进行，样本量有限	探索和验证基于MRI的深度学习和放射组学模型在术前区分PCNSL和GBM中的应用	原发性中枢神经系统淋巴瘤（PCNSL）和胶质母细胞瘤（GBM）	计算机视觉	神经系统疾病	磁共振成像（MRI）	CNN, MobileVIT, 放射组学模型	图像	261名患者，分为训练集（153名）和外部测试集（108名）
2433	2024-12-02	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究比较了三种模拟的AI集成筛查场景与标准双读取仲裁在249,402张乳腺X光片样本中的准确性和可行性	探讨了在乳腺X光筛查中使用深度学习AI系统替代双读取的不同场景，并评估了其在工作量减少和准确性方面的影响	研究为回顾性，且仅限于特定样本量，未来需进一步验证其在不同人群和环境中的适用性	评估AI集成筛查在乳腺X光片双读取替代中的准确性和可行性	249,402张乳腺X光片样本	计算机视觉	乳腺癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	249,402张乳腺X光片
2434	2024-12-02	Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230520 PMID:39377669	研究论文	本文通过整合放射报告中的文本特征，引导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测	本文创新性地将放射报告中的文本特征整合到深度学习模型中，提升了模型的解释性和泛化能力	本文的研究是回顾性的，且仅使用了特定时间段和中心的数据	研究目的是通过整合放射报告信息，提升深度学习模型在脑部MRI病变检测中的解释性和性能	研究对象包括35,282个脑部MRI扫描及其对应的放射报告，以及2,655个外部测试数据	计算机视觉	NA	深度学习	ReportGuidedNet, PlainNet	图像, 文本	35,282个训练和验证样本，2,655个外部测试样本
2435	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2436	2024-12-02	A Robust and Data-Efficient Deep Learning Modelfor Cardiac Assessment without Segmentation 2024-Oct-28, Research square DOI:10.21203/rs.3.rs-5290766/v1 PMID:39574901	研究论文	本文介绍了一种无需分割模型的高效深度学习算法，用于心脏评估	提出了一种名为Scaled Gumbel Softmax (SGS) EchoNet的深度学习算法，该算法无需心脏分割模型，能够处理数据质量问题并提高预测模型的鲁棒性	NA	开发一种数据高效且鲁棒的深度学习算法，用于心脏评估	心脏评估中的数据质量和分割模型依赖问题	机器学习	心血管疾病	深度学习	R(2+1)D卷积编码器	视频	NA
2437	2024-12-02	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification 2024-Aug-15, ArXiv PMID:38711436	研究论文	本文提出了一种利用隐私保护的大型语言模型和多类型注释来增强胸部X光数据集的方法，以提高分类效果	本文提出了MAPLEZ方法，利用本地可执行的大型语言模型从胸部X光报告中提取和增强发现标签，不仅提取二元标签，还提取位置、严重程度和放射科医生的不确定性	NA	提高胸部X光图像分析中数据集标签的质量和分类模型的性能	胸部X光报告中的异常发现标签	计算机视觉	NA	大型语言模型	深度学习模型	文本	五个测试集中的八种异常
2438	2024-12-02	Application of image recognition technology in pathological diagnosis of blood smears 2024-Aug-06, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-024-01379-z PMID:39105953	研究论文	本文综述了利用图像识别算法诊断血液涂片中疾病的方法和步骤，重点介绍了疟疾和白血病的诊断	利用图像识别技术提高血液涂片诊断的效率和准确性	NA	探讨图像识别技术在血液涂片病理诊断中的应用	血液涂片中的疟疾和白血病	计算机视觉	血液疾病	图像识别技术	神经网络	图像	NA
2439	2024-12-02	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过结合非线性回归树和条件变分自编码器，显式考虑协变量分布差异，从而提高数据集间的一致性	本文的创新点在于提出了两种新的深度学习方法（coVAE和DeepResBat），显式考虑了协变量分布差异，并证明了不考虑协变量会导致次优的校正效果	coVAE方法在不存在关联的情况下会产生虚假的协变量关联，未来研究应避免这一假阳性陷阱	研究目的是开发一种能够显式考虑协变量分布差异的深度学习方法，以提高多数据集MRI数据的校正效果	研究对象是来自三个大洲的三个数据集，共2787名参与者和10085个解剖T1扫描图像	机器学习	NA	深度神经网络	条件变分自编码器（cVAE）	MRI图像	2787名参与者和10085个解剖T1扫描图像
2440	2024-12-02	Single-cell sequencing reveals novel proliferative cell type: a key player in renal cell carcinoma prognosis and therapeutic response 2024-Jul-25, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-024-01424-x PMID:39052149	研究论文	本研究利用单细胞RNA测序技术揭示了肾细胞癌中一种新型增殖细胞亚群，并探讨了其在患者预后和治疗反应中的作用	发现了名为“Prol”的高度增殖细胞亚群，并开发了一种基于人工智能网络的Prol特征，用于预测肾细胞癌的预后	NA	揭示肾细胞癌的分子异质性，并开发新的预后预测工具	肾细胞癌中的增殖细胞亚群及其在预后和治疗反应中的作用	数字病理学	肾细胞癌	单细胞RNA测序	人工智能网络（包括传统回归、机器学习和深度学习算法）	RNA	NA