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
5481	2024-10-11	Application of machine-learning model to optimize colonic adenoma detection in India 2024-Oct, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-024-01530-4 PMID:38758433	研究论文	本文旨在开发一种机器学习模型，以优化印度人群中结肠腺瘤的检测	本文首次在印度人群中应用机器学习模型来优化结肠腺瘤的检测，并通过调整学习率和树的数量以及10折交叉验证进一步优化了梯度提升机模型	研究排除了高风险结肠腺瘤患者，可能影响模型的普适性	开发一种机器学习模型，以提高结肠腺瘤的检测准确性	印度成年患者中的结肠腺瘤	机器学习	NA	梯度提升机（GBM）学习方法	梯度提升树模型	NA	10,320名患者（平均年龄45.18±14.82岁；69%为男性）
5482	2024-10-11	LENAS: Learning-Based Neural Architecture Search and Ensemble for 3-D Radiotherapy Dose Prediction 2024-Oct, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3390769 PMID:38728131	研究论文	本文提出了一种基于学习的集成方法LENAS，结合神经架构搜索和知识蒸馏，用于3D放射治疗剂量预测	本文创新性地将神经架构搜索与知识蒸馏相结合，通过教师-学生范式和混合损失设计，提高了模型性能并降低了复杂性	NA	改进放射治疗计划过程的质量和效率	3D放射治疗剂量预测	机器学习	NA	神经架构搜索、知识蒸馏	集成学习模型	3D图像	两个公开数据集：OpenKBP和AIMIS
5483	2024-10-11	DEep LearnIng-based QuaNtification of epicardial adipose tissue predicts MACE in patients undergoing stress CMR 2024-10, Atherosclerosis IF:4.9Q1 DOI:10.1016/j.atherosclerosis.2024.117549 PMID:38679562	研究论文	本研究探讨了基于深度学习的EAT体积量化在预测接受应激心脏磁共振成像患者MACE中的额外预后价值	本研究开发并训练了一种深度学习算法，用于从心脏磁共振成像中量化EAT体积，并发现其在MACE预测中提供了额外的预后信息	NA	探讨EAT体积在预测MACE中的额外预后价值	接受应激心脏磁共振成像的患者	计算机视觉	心血管疾病	深度学习	深度学习算法	图像	730名患者，分为365人的推导组和365人的验证组
5484	2024-10-11	Accurate prediction of discontinuous crack paths in random porous media via a generative deep learning model 2024-Oct, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2413462121 PMID:39320916	研究论文	开发了一种生成式深度学习模型，用于准确预测随机多孔介质中的不连续裂纹路径	提出了一个独特的生成式深度学习模型，通过两步策略解构断裂过程，精确描述了孔隙结构、断裂的多尺度行为和不连续裂纹传播之间的强相互作用	NA	深入理解微观结构中的断裂机制，定制高性能抗裂多孔介质	随机多孔介质中的裂纹路径预测	计算机视觉	NA	深度学习	生成式深度学习模型	图像	NA
5485	2024-10-11	Message-Passing Monte Carlo: Generating low-discrepancy point sets via graph neural networks 2024-Oct, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2409913121 PMID:39325425	研究论文	本文提出了一种基于图神经网络的机器学习方法，用于生成低差异点集	本文引入了一种名为Message-Passing Monte Carlo (MPMC)的新型低差异点集生成方法，并展示了其在高维空间中的扩展能力	NA	开发一种新的机器学习方法来生成低差异点集，以提高科学和工程领域中各种问题的效率	低差异点集的生成和其在高维空间中的应用	机器学习	NA	图神经网络	图神经网络	点集	NA
5486	2024-10-11	Differential diagnosis between low-risk and high-risk thymoma: Comparison of diagnostic performance of radiologists with and without deep learning model 2024-Oct, Acta radiologica open IF:0.9Q4 DOI:10.1177/20584601241288509 PMID:39380892	研究论文	本文开发了一种基于CT的深度学习模型，用于区分低风险和高风险胸腺瘤，并比较了放射科医生在使用和不使用该模型情况下的诊断性能	本文首次在胸腺瘤的CT图像上应用深度学习模型进行风险分类，并比较了模型与放射科医生的诊断性能	深度学习模型的AUC提升不显著，且样本量相对较小	开发一种基于CT的深度学习模型，用于区分低风险和高风险胸腺瘤，并评估其对放射科医生诊断性能的影响	胸腺瘤的风险分类及放射科医生的诊断性能	计算机视觉	胸腺瘤	深度学习	VGG16网络模型	CT图像	159名患者，160个胸腺瘤样本
5487	2024-10-11	Autodelineation methods in a simulated fully automated proton therapy workflow for esophageal cancer 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100646 PMID:39381611	研究论文	本文模拟了在食管癌质子治疗工作流程中自动勾画和规划的应用，旨在识别最合适的自动勾画技术并评估全自动化重规划的可行性	本文首次在食管癌质子治疗工作流程中模拟了自动勾画和规划的应用，并评估了不同自动勾画方法的效果	当前可用的工具仍需定期进行手动注释以生成临床上可接受的适应性治疗计划	识别最合适的自动勾画技术并评估全自动化重规划的可行性	食管癌患者的自动勾画和适应性治疗计划	医学影像	食管癌	深度学习分割（DLS）、刚性和可变形传播	NA	CT扫描图像	15名患者，每位患者进行基线和三次重复CT扫描
5488	2024-10-11	Monte Carlo-based simulation of virtual 3 and 4-dimensional cone-beam computed tomography from computed tomography images: An end-to-end framework and a deep learning-based speedup strategy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100644 PMID:39381614	研究论文	本文提出了一种基于蒙特卡罗模拟和深度学习加速技术的端到端框架，用于从CT图像生成虚拟3D和4D锥束CT	本文的创新点在于提出了一种基于深度学习的加速技术，能够在保持图像特征和分辨率的同时，将蒙特卡罗模拟的速度提高20倍	NA	研究目的是开发一种公开可用的端到端框架，用于生成虚拟3D和4D锥束CT，并提供一种深度学习加速技术以解决蒙特卡罗模拟的计算复杂性	研究对象是CT图像和锥束CT图像，以及用于放射治疗的图像引导工作流程	计算机视觉	NA	蒙特卡罗模拟	深度学习模型	图像	NA
5489	2024-10-11	Enhancing chemistry-intuitive feature learning to improve prediction performance of optical properties 2024-Sep-26, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02781g PMID:39381129	研究论文	本文开发了一种先进的深度学习框架，通过增强化学直观的子图和边学习，并结合领域先验知识，改进了经典消息传递神经网络（MPNN），以更好地从有限的数据集中捕捉与光学性质相关的结构特征	本文的创新点在于通过增强化学直观的子图和边学习，结合领域先验知识，改进了经典消息传递神经网络（MPNN），显著提高了光学性质预测的准确性	NA	探索一种快速且准确的光学性质预测方法	光学性质（吸收波长、发射波长、光致发光量子产率和半峰全宽）	机器学习	NA	深度学习	消息传递神经网络（MPNN）	数据集	五个不同的光学数据集
5490	2024-10-11	Prediction and design of transcriptional repressor domains with large-scale mutational scans and deep learning 2024-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.21.614253 PMID:39386603	研究论文	本文通过大规模突变扫描和深度学习模型预测和设计转录抑制域	开发了名为TENet的深度学习模型，结合序列、结构和生化表示来准确预测抑制活性，并用于定向进化序列编辑框架中调节结构化和无序抑制域的活性	NA	解决对序列变异如何影响抑制域功能活性的理解不足的问题	转录抑制域及其功能活性	机器学习	NA	深度学习	深度学习模型	序列数据	115,000个变异序列，涵盖50多个抑制域
5491	2024-10-11	MultiSC: a deep learning pipeline for analyzing multiomics single-cell data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae492 PMID:39376034	研究论文	本文提出了一种名为MultiSC的深度学习管道，用于分析多组学单细胞数据	MultiSC利用多模态约束自编码器和基于矩阵分解的模型，有效整合了基因表达、染色质可及性和转录因子表达三种组学数据，并预测基因调控网络	NA	开发一种工具，有效整合和分析多组学单细胞数据，以全面理解细胞活动和基因调控网络	多组学单细胞数据，包括基因表达、染色质可及性和转录因子表达	机器学习	NA	多组学单细胞测序技术（如NEAT-seq）	多模态约束自编码器和基于矩阵分解的模型	基因表达数据、染色质可及性数据和转录因子表达数据	NA
5492	2024-10-11	Non-traumatic brachial plexopathy identification from routine MRIs: Retrospective studies with deep learning networks 2024-Sep-18, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111744 PMID:39383628	研究论文	本研究旨在通过深度学习网络从常规MRI扫描中识别非创伤性臂丛神经病变	本研究设计了六种深度学习方案，并利用五种著名的深度学习网络作为骨干，通过嵌套五折交叉验证方案进行训练和验证，以优化模型性能	本研究为回顾性研究，样本量相对较小，且仅限于Mayo Clinic的患者数据	寻求一种优化的深度学习模型，用于从常规MRI扫描中区分非创伤性臂丛神经病变	非创伤性臂丛神经病变患者及其MRI扫描图像	计算机视觉	NA	深度学习	CNN	图像	196名患者，共256个BP MRI序列，包括123个正常和133个异常序列
5493	2024-10-11	Using AI to Differentiate Mpox From Common Skin Lesions in a Sexual Health Clinic: Algorithm Development and Validation Study 2024-Sep-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52490 PMID:39269753	研究论文	开发并验证了一种基于人工智能的工具，用于区分性健康诊所中的猴痘病变与其他皮肤病变	采用深度学习方法，通过六种不同的深度学习架构训练AI模型，并使用区域兴趣方法显著提高了模型性能	NA	开发和评估一种基于人工智能的工具，用于区分猴痘病变与其他皮肤病变	猴痘病变与其他皮肤病变的图像	计算机视觉	NA	深度学习	DenseNet-121, ResNet-18	图像	2200张图像，包括猴痘和非猴痘病变图像
5494	2024-10-11	Integrative radiopathomics model for predicting progression-free survival in patients with nonmetastatic nasopharyngeal carcinoma 2024-Sep-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05930-z PMID:39249584	研究论文	构建一个综合的放射病理组学模型，用于预测非转移性鼻咽癌患者的无进展生存期	该研究创新性地结合了放射组学特征和病理组学特征，构建了一个综合模型，显著提高了预测性能	NA	开发一个综合模型，用于预测非转移性鼻咽癌患者的无进展生存期	非转移性鼻咽癌患者	数字病理学	鼻咽癌	深度学习	Swin Transformer	图像	357名患者，分为训练集（250名）和验证集（107名）
5495	2024-10-11	Artificial intelligence in dermatopathology: Updates, strengths, and challenges 2024 Sep-Oct, Clinics in dermatology IF:2.3Q2 DOI:10.1016/j.clindermatol.2024.06.010 PMID:38909860	研究论文	探讨人工智能在皮肤病理学中的应用、优势和挑战	人工智能，尤其是卷积神经网络，在皮肤病理学中的诊断应用中显示出超越人类病理学家的敏感性和特异性	在炎症性和淋巴增生性皮肤病理学中，研究有限，需要进一步探索	研究人工智能在皮肤病理学中的应用及其潜力	皮肤病理学，特别是肿瘤性皮肤病理学	数字病理学	NA	机器学习和深度学习	卷积神经网络	图像	NA
5496	2024-10-11	Drug-Target Binding Affinity Prediction in a Continuous Latent Space Using Variational Autoencoders 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3402661 PMID:38767996	研究论文	本文提出了一种在连续潜在空间中使用变分自编码器预测药物-靶点结合亲和力的方法	与传统在向量空间中建模结合亲和力的方法不同，本文提出在连续空间中进行建模，以考虑输入样本的多样性	NA	提高药物-靶点结合亲和力预测的准确性，从而促进更高效的药物发现过程	药物和靶点蛋白的结合亲和力	机器学习	NA	变分自编码器	残差门控卷积神经网络	文本	使用了常用的基准数据集进行评估
5497	2024-10-11	Data-driven continuum damage mechanics with built-in physics 2024-Sep, Extreme Mechanics Letters IF:4.3Q1 DOI:10.1016/j.eml.2024.102220 PMID:39372561	研究论文	本文探讨了使用神经常微分方程（NODEs）结合物理约束来模拟软材料的连续损伤力学行为	本文首次将神经常微分方程（NODEs）应用于模拟软材料的非弹性行为，并通过引入非弹性势能函数实现了热力学一致性	本文主要集中在合成应力-变形历史数据和实验皮肤及皮下组织数据的模拟，未涉及更多类型的材料或数据	研究如何利用数据驱动的方法结合物理约束来准确模拟软材料的损伤和能量耗散机制	软材料如橡胶和软组织在经历大变形和损伤退化时的行为	机器学习	NA	神经常微分方程（NODEs）	神经网络	应力-变形历史数据	实验皮肤和皮下组织数据
5498	2024-10-11	Improving Clinical Decision Making With a Two-Stage Recommender System 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3318209 PMID:37738190	研究论文	本文介绍了一种两阶段推荐框架，用于改进临床决策支持系统	提出了一个基于深度神经网络的两阶段推荐系统，利用电子健康记录数据进行临床决策支持	讨论了数据可用性和隐私问题，并指出了未来在该领域的探索方向	改进临床决策支持系统，提供个性化的医疗建议	临床决策支持系统的设计和优化	机器学习	NA	深度学习	深度神经网络	电子健康记录	使用了公开可访问的电子健康记录数据集
5499	2024-10-10	Exploring the Knowledge of an Outstanding Protein to Protein Interaction Transformer 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3381825 PMID:38536676	研究论文	本文提出了一种基于Transformer的蛋白质相互作用预测模型PPITrans，并验证了其在未见物种上的有效性	PPITrans模型利用预训练的语言模型进行蛋白质相互作用预测，显著提高了在未见物种上的预测性能	PPITrans无法捕捉蛋白质的空间结构	解决深度学习模型在未见物种上预测蛋白质相互作用性能不佳的问题	蛋白质相互作用预测	机器学习	NA	Transformer	Transformer	蛋白质相互作用数据	使用人类蛋白质相互作用数据进行训练，并在其他物种的蛋白质相互作用数据上进行测试
5500	2024-10-11	NLP-based ergonomics MSD risk root cause analysis and risk controls recommendation 2024-Aug-27, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2394510 PMID:39189206	研究论文	本文提出了一种基于自然语言处理（NLP）的工效学评估方法，用于分析工作场所中肌肉骨骼疾病（MSD）的风险根源并推荐控制措施	本文的创新点在于结合深度学习NLP技术和专家系统，自动分析工作中的物理动作及其对象，识别MSD风险的根源并推荐控制策略	NA	研究目的是开发一种自动化的工效学评估流程，用于预测和预防工作场所中的肌肉骨骼疾病	研究对象是工作场所中的物理风险因素及其导致的肌肉骨骼疾病	自然语言处理	NA	自然语言处理（NLP）	深度学习	文本	NA