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
3221	2024-11-22	Deep learning-driven fragment ion series classification enables highly precise and sensitive de novo peptide sequencing 2024-01-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-44323-7 PMID:38167372	研究论文	本文介绍了一种名为Spectralis的从头肽测序方法，利用深度学习技术进行碎片离子系列分类，显著提高了肽测序的精确度和灵敏度	Spectralis方法引入了卷积神经网络层连接光谱中按氨基酸质量间隔的峰值，提出了碎片离子系列分类作为从头肽测序的关键任务，并引入了肽-光谱置信度评分	NA	开发一种高精度、高灵敏度的从头肽测序方法，以解决蛋白质测序领域的不足	肽序列的从头测序	机器学习	NA	NA	卷积神经网络（CNN）	光谱数据	NA
3222	2024-11-22	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	本文提出了一种基于深度学习和切片技术的两阶段远距离船舶检测方法	结合了传统图像处理和深度学习方法的优势，通过两阶段检测模型提高了远距离小目标船舶的检测精度	NA	提高智能船舶视觉感知中远距离船舶检测的准确性	远距离船舶	计算机视觉	NA	切片技术	YOLOv8	图像	1080×640像素的图像
3223	2024-11-22	Classifying driver mutations of papillary thyroid carcinoma on whole slide image: an automated workflow applying deep convolutional neural network 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1395979 PMID:39564124	研究论文	本文开发了一种自动化工作流程，利用深度卷积神经网络对甲状腺乳头状癌的驱动突变进行分类	本文首次将深度卷积神经网络应用于全切片图像，以自动分类甲状腺乳头状癌的驱动突变	NA	开发一种自动化工作流程，利用全切片图像对甲状腺乳头状癌的驱动突变进行分类	甲状腺乳头状癌的驱动突变分类	数字病理学	甲状腺癌	深度卷积神经网络	CNN	图像	使用了来自The Cancer Genome Atlas (TCGA) 数据库的病理切片
3224	2024-11-22	DeepADRA2A: predicting adrenergic α2a inhibitors using deep learning 2024, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2270056 PMID:37837428	研究论文	利用深度学习技术开发预测肾上腺素α2a受体抑制剂的模型	采用深度学习算法开发了高效的预测模型，显著提高了预测准确性	未提及	开发能够准确预测肾上腺素α2a受体抑制剂的模型，以加速药物发现过程	肾上腺素α2a受体抑制剂	机器学习	NA	深度学习	深度学习模型	分子描述符（1D、2D和分子指纹）	未提及
3225	2024-11-22	[Application of artificial intelligence methods in the diagnosis and treatment of primary angle-closure disease] 2024, Vestnik oftalmologii DOI:10.17116/oftalma2024140051130 PMID:39569786	综述	本文综述了人工智能方法在原发性闭角型青光眼诊断和治疗中的应用	探讨了深度学习和成像技术在优化原发性闭角型青光眼诊断和治疗中的关键作用	NA	探讨人工智能在原发性闭角型青光眼诊断和治疗中的应用	原发性闭角型青光眼	计算机视觉	眼科疾病	深度学习	神经网络	图像	NA
3226	2024-11-21	External validation of a deep learning model for automatic segmentation of skeletal muscle and adipose tissue on abdominal CT images 2024-Dec-01, The British journal of radiology DOI:10.1093/bjr/tqae191 PMID:39286936	研究论文	本文开发并验证了一种深度学习神经网络，用于自动分割腹部CT图像中的骨骼肌和脂肪组织	成功训练并外部验证了一种深度学习神经网络，可用于大规模人群研究和临床实践中的体成分分析	NA	开发一种用于自动分割腹部CT图像中骨骼肌和脂肪组织的深度学习模型，并进行外部验证	腹部CT图像中的骨骼肌和脂肪组织	计算机视觉	NA	深度学习	深度学习神经网络	图像	训练集包含3187名接受腹部手术的患者，验证集包含2535名腹部癌症患者
3227	2024-11-21	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	本文提出了一种基于深度学习的HIV-1 M组亚型分类方法	首次使用深度学习方法对HIV-1 M组亚型进行分类，并通过人工分子进化技术生成合成数据集克服样本量限制	NA	开发一种新的方法来准确分类HIV-1 M组亚型	HIV-1 M组亚型	机器学习	HIV/AIDS	深度学习	卷积自编码器	DNA序列	合成数据集
3228	2024-11-21	Less is More: Selective reduction of CT data for self-supervised pre-training of deep learning models with contrastive learning improves downstream classification performance 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109242 PMID:39388839	研究论文	本文研究了通过对比学习进行自监督预训练的深度学习模型在医学图像分析中的应用，并探讨了减少数据冗余对下游分类任务性能的影响	提出了一种基于深度嵌入、信息论和哈希的不同数据减少策略，以减少医学预训练数据集中的冗余，从而提高对比学习的性能	NA	研究如何通过减少医学图像数据集的冗余来提高对比学习在下游分类任务中的性能	医学图像数据集的冗余减少策略及其对对比学习性能的影响	计算机视觉	NA	对比学习	深度学习模型	图像	涉及两个预训练数据集和多个下游分类任务，具体样本数量未详细说明
3229	2024-11-21	Higher effect sizes for the detection of accelerated brain volume loss and disability progression in multiple sclerosis using deep-learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109289 PMID:39423705	研究论文	本文介绍了一种基于深度学习的脑体积损失检测方法BrainLossNet，用于多发性硬化症（MS）患者中加速脑体积损失和残疾进展的检测	BrainLossNet相比传统方法Siena在检测加速脑体积损失和区分MS患者残疾进展方面具有更高的效果	NA	验证BrainLossNet在多发性硬化症患者中检测加速脑体积损失和区分残疾进展的有效性	多发性硬化症患者和健康对照组的脑体积损失	机器学习	多发性硬化症	深度学习	NA	图像	563名健康对照组，414名和156名MS患者，以及216名混合扫描器患者
3230	2024-11-21	A systematic review of generalization research in medical image classification 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109256 PMID:39427426	综述	本文系统回顾了医学图像分类中领域泛化研究的现状	提出了基于偏移类型的分类法，并讨论了未来发展的挑战	主要关注了现有的领域适应技术，未全面涵盖所有偏移类型	探索现有领域泛化方法，提出分类法并讨论未来挑战	医学图像分类中的领域泛化问题	计算机视觉	NA	深度学习	分类模型	图像	77篇文献
3231	2024-11-21	RADIANCE: Reliable and interpretable depression detection from speech using transformer 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109325 PMID:39489109	研究论文	提出了一种名为RADIANCE的可靠且可解释的抑郁症检测方法，使用Transformer模型从语音中提取可解释的抑郁症症状特征	引入了一种新的FilterBank VIsion Transformer (FBViT)网络，提供可解释的抑郁症症状特征；采用了一种新的损失函数处理数据集中的类别不平衡问题；提出了基于低级描述符的可靠性预测器，确保预测的可信度	NA	开发一种可靠且可解释的抑郁症检测方法，以提高诊断的准确性和透明度	抑郁症的自动检测	机器学习	精神疾病	Transformer	Transformer	语音	DAIC-WOZ、E-DAIC和CMDC数据集
3232	2024-11-21	Deep Lead Optimization: Leveraging Generative AI for Structural Modification 2024-Nov-20, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c11686 PMID:39499822	综述	本文综述了基于深度学习的分子生成模型在药物发现中的应用，特别是结构导向的先导优化方法	本文首次系统地将先导优化方法分类为目标导向和结构导向，并详细讨论了结构导向优化中的四个具体任务	本文主要集中在结构导向优化方法的综述，未涉及具体实验验证	探讨深度学习在药物发现中的应用，特别是先导优化过程中的结构导向方法	先导优化方法，特别是结构导向优化中的片段替换、连接子设计、骨架跳跃和侧链装饰	机器学习	NA	深度学习	生成对抗网络（GAN）	分子结构数据	NA
3233	2024-11-21	Combination of Transfer Learning and Chemprop Interpreter with Support of Deep Learning for the Energy Levels of Organic Photovoltaic Materials Prediction and Regulation 2024-Nov-20, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c15835 PMID:39564708	研究论文	本文提出了一种结合迁移学习和化学解释器的定向消息传递神经网络模型，用于有机光伏材料能级预测和可视化	本文的创新点在于结合了迁移学习和化学解释器，提高了有机光伏材料能级预测的准确性和可解释性	本文的局限性在于模型在小样本测试集上的表现较好，但在更大规模数据集上的表现尚需验证	本文的研究目的是开发一种高效且可解释的模型，用于预测和调控有机光伏材料的能级	本文的研究对象是有机光伏材料的能级及其分子结构	机器学习	NA	迁移学习	定向消息传递神经网络	分子结构数据	小测试集包含少量样本
3234	2024-11-21	Nuclear pleomorphism in canine cutaneous mast cell tumors: Comparison of reproducibility and prognostic relevance between estimates, manual morphometry, and algorithmic morphometry 2024-Nov-19, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858241295399 PMID:39560067	研究论文	本研究探讨了犬皮肤肥大细胞瘤中核异型性的评估方法，比较了不同方法的重复性和预后相关性	本研究开发了基于深度学习的自动形态测量方法，并发现其在预后评估中的高准确性	需要进一步研究验证结果，确定算法间的重复性和算法的鲁棒性，并探索整个肿瘤切片中核特征的肿瘤异质性	探索犬皮肤肥大细胞瘤中核异型性评估方法的局限性，并开发替代的形态测量解决方案	犬皮肤肥大细胞瘤的核异型性评估方法	数字病理学	犬皮肤肥大细胞瘤	深度学习	NA	图像	96例犬皮肤肥大细胞瘤
3235	2024-11-21	Performance of deep learning models in predicting the nugent score to diagnose bacterial vaginosis 2024-Nov-19, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02344-24 PMID:39560430	研究论文	本研究评估了深度学习模型在预测Nugent评分以诊断细菌性阴道病中的表现	深度学习模型在预测Nugent评分方面表现出高准确性，优于实验室技术人员的平均准确率	需要在大规模上进行验证	提高细菌性阴道病诊断的一致性和准确性	1510张阴道涂片图像	计算机视觉	细菌性阴道病	深度学习	深度学习模型	图像	1510张阴道涂片图像，以及106张独立测试图像
3236	2024-11-21	A Modified Transformer Network for Seizure Detection Using EEG Signals 2024-Nov-19, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500030 PMID:39560448	研究论文	本文提出了一种改进的Transformer网络用于癫痫发作检测，结合了Inception和Residual网络提取不同尺度的脑电图（EEG）信号特征，并通过Co-MixUp方法处理数据不平衡问题	本文提出的Inresformer网络结合了Inception和Residual网络，增强了特征表示能力，并通过改进的Feedforward层增强了模型的非线性表示	NA	提高癫痫发作检测的准确性和性能	脑电图（EEG）信号	机器学习	NA	离散小波变换（DWT）	Transformer网络	信号	Bonn数据集和CHB-MIT数据集
3237	2024-11-21	Evaluation of SR-DLR in low-dose abdominal CT: superior image quality and noise reduction 2024-Nov-19, Abdominal radiology (New York) DOI:10.1007/s00261-024-04686-x PMID:39560744	研究论文	评估超分辨率深度学习重建（SR-DLR）在低剂量腹部CT成像中的效果，并与混合迭代重建（HIR）和传统深度学习重建（cDLR）算法进行比较	SR-DLR在低剂量腹部CT成像中提供了优于cDLR和HIR的图像质量和噪声减少效果	NA	评估SR-DLR在低剂量腹部CT成像中的有效性	低剂量腹部CT成像的图像重建算法	计算机视觉	NA	超分辨率深度学习重建（SR-DLR）	深度学习模型	图像	35名患者的腹部CT扫描数据
3238	2024-11-21	Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach 2024-Nov-19, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00670-7 PMID:39560852	研究论文	本研究提出了一种基于深度学习的AIGO-DTI框架，用于预测Yinchenhao Decoction中主要成分对TLR4的靶向概率，并验证了其对肝病的治疗潜力	首次使用AIGO-DTI深度学习框架预测Yinchenhao Decoction中成分对TLR4的靶向概率，并建立了TLR4-Predict在线平台	NA	探索Yinchenhao Decoction中有效成分及其对TLR4的靶向治疗机制，以治疗肝病	Yinchenhao Decoction中的主要成分及其对TLR4的靶向作用	机器学习	肝病	深度学习	AIGO-DTI	化合物	NA
3239	2024-11-21	TCKAN: a novel integrated network model for predicting mortality risk in sepsis patients 2024-Nov-19, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03245-2 PMID:39560917	研究论文	本文介绍了一种名为TCKAN的新型集成网络模型，用于预测脓毒症患者的死亡风险	TCKAN模型独特地整合了时间数据、常量数据和ICD代码，采用多模态数据集成策略，显著提高了预测准确性和鲁棒性	未来研究可以纳入更多类型的医疗数据，如影像和实验室测试结果，以实现更全面的数据集成并进一步提高预测准确性	开发一种能够准确预测脓毒症患者死亡风险的集成网络模型	脓毒症患者的死亡风险	机器学习	脓毒症	NA	集成网络模型	时间数据、常量数据、ICD代码	使用MIMIC-III和MIMIC-IV数据集进行验证
3240	2024-11-21	Quantitative and Morphology-Based Deep Convolutional Neural Network Approaches for Osteosarcoma Survival Prediction in the Neoadjuvant and Metastatic Setting 2024-Nov-19, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-24-2599 PMID:39561274	研究论文	本文探讨了三种深度学习策略在组织学样本上预测新辅助和转移性骨肉瘤生存结果的应用	本文创新性地使用深度卷积神经网络自动估计坏死与肿瘤的比例，并识别出特定的组织形态学生物标志物	NA	探索深度学习策略在新辅助和转移性骨肉瘤生存预测中的应用	骨肉瘤患者的组织学样本	数字病理学	骨癌	深度学习	深度卷积神经网络	图像	训练集来自纽约大学，外部验证集来自查尔斯大学