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
5761	2024-10-05	Mineral prospectivity prediction based on convolutional neural network and ensemble learning 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73357-0 PMID:39349559	研究论文	本文提出了一种基于卷积神经网络和集成学习的矿产远景预测方法	通过集成学习结合卷积神经网络和自注意力机制算法，提高了矿产远景预测的稳定性和准确性	未来可以通过增加更多的矿化因素和引入新的算法结构来进一步提高结果的科学性和稳定性	解决不同算法在矿产远景预测中的不稳定问题	金矿化相关的14个因素和10种地球化学勘探数据以及4种地质因素	计算机视觉	NA	卷积神经网络	CNN	图像	14个金矿化相关因素，10种地球化学勘探数据和4种地质因素
5762	2024-10-05	Deep learning for discriminating non-trivial conformational changes in molecular dynamics simulations of SARS-CoV-2 spike-ACE2 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72842-w PMID:39349594	研究论文	本研究利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白与ACE2结合域的点突变对病毒感染性和免疫原性的影响	本研究创新性地将分子动力学模拟轨迹转化为残基间距离图，并使用深度卷积神经网络预测突变类型对病毒感染性和免疫原性的影响	本研究主要基于分子动力学模拟数据，未涉及实际实验验证	本研究的目的是利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白的点突变对病毒感染性和免疫原性的影响	本研究的对象是SARS-CoV-2刺突蛋白与ACE2结合域的分子动力学模拟轨迹	计算生物学	COVID-19	分子动力学模拟	深度卷积神经网络	分子动力学模拟数据	NA
5763	2024-10-05	Sex estimation using skull silhouette images from postmortem computed tomography by deep learning 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74703-y PMID:39349950	研究论文	本研究利用深度学习技术，通过死后计算机断层扫描（PMCT）获取的二维头骨轮廓图像进行性别估计	本研究首次将深度学习应用于死后计算机断层扫描（PMCT）获取的头骨轮廓图像进行性别估计，并展示了X射线图像在个人识别中的可行性	本研究仅使用了264个PMCT病例，样本量相对较小，可能影响结果的普适性	研究目的是通过头骨结构快速估计性别，以在灾难中进行快速个人识别	研究对象为通过死后计算机断层扫描（PMCT）获取的头骨轮廓图像	计算机视觉	NA	深度学习	AlexNet 和 VGG16	图像	264个PMCT病例（每种性别132例）
5764	2024-10-05	PIDiff: Physics informed diffusion model for protein pocket-specific 3D molecular generation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108865 PMID:39067153	研究论文	本文提出了一种基于物理化学原理的蛋白质口袋特异性3D分子生成模型PIDiff	PIDiff模型不仅学习蛋白质和配体的结构信息，还考虑了蛋白质-配体结合的物理化学原理，通过最小化结合自由能来生成分子	NA	开发一种能够生成与目标蛋白质结构结合的药物分子的方法	蛋白质口袋特异性3D分子生成	机器学习	NA	扩散模型	扩散模型	3D分子结构	使用CrossDocked2020基准数据集进行评估
5765	2024-10-05	Multiregional dynamic contrast-enhanced MRI-based integrated system for predicting pathological complete response of axillary lymph node to neoadjuvant chemotherapy in breast cancer: multicentre study 2024-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105311 PMID:39191174	研究论文	本研究开发了一种基于多区域动态对比增强磁共振成像（DCE-MRI）和临床病理特征的人工智能系统，用于预测乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解（pCR）	本研究创新性地构建了一个全自动集成系统（FAIS-DL），通过深度学习技术进行肿瘤和腋窝淋巴结分割，并预测腋窝pCR，其预测性能显著优于临床模型和基于单区域DCE-MRI的深度学习模型	本研究的主要局限性在于其多中心数据集的异质性，可能影响模型的泛化能力	开发一种人工智能系统，用于准确评估乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解	乳腺癌患者在接受新辅助化疗后的腋窝淋巴结病理完全缓解	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、RNA测序	深度学习模型	图像、临床病理数据	共评估了1145名患者，其中506名用于训练和验证，127名用于内部测试，414名用于外部测试，98名用于前瞻性测试
5766	2024-10-05	Artificial Intelligence Recognition Model Using Liquid-Based Cytology Images to Discriminate Malignancy and Histological Types of Non-Small-Cell Lung Cancer 2024-Aug-28, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1 DOI:10.1159/000541148 PMID:39197433	研究论文	本研究开发了一种基于深度学习卷积神经网络的自动化图像分类模型，用于区分非小细胞肺癌的恶性程度和组织学类型	首次使用液基细胞学图像结合深度学习模型进行非小细胞肺癌的恶性程度和组织学类型的分类	样本量相对较小，且仅限于手术标本，未来需扩大样本范围以验证模型的泛化能力	开发一种自动化图像分类模型，用于区分非小细胞肺癌的恶性程度和组织学类型	非小细胞肺癌的液基细胞学图像	计算机视觉	肺癌	深度学习卷积神经网络	Densenet-121	图像	共9141个样本，包括2737个正常肺组织、4756个腺癌和1648个鳞状细胞癌
5767	2024-10-05	Machine learning-based classification models for non-covalent Bruton's tyrosine kinase inhibitors: predictive ability and interpretability 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10696-6 PMID:37479824	研究论文	本研究构建了基于机器学习技术的分类模型，用于预测非共价Bruton酪氨酸激酶（BTK）抑制剂的生物活性，并提供可解释的预测结果	本研究首次使用SHAP方法分解预测值，将定性模型转化为定量模型，为新BTK抑制剂的设计提供了指导	NA	预测非共价BTK抑制剂的生物活性和提供可解释的预测结果	非共价BTK抑制剂的生物活性	机器学习	NA	机器学习算法（决策树、随机森林、支持向量机、极端梯度提升）和深度神经网络	分类模型	化合物数据	3895个非共价BTK抑制剂
5768	2024-10-05	Review and perspective on bioinformatics tools using machine learning and deep learning for predicting antiviral peptides 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10718-3 PMID:37626205	综述	本文综述了利用机器学习和深度学习算法预测抗病毒肽的生物信息学工具和方法	本文填补了抗病毒肽预测工具和方法研究的空白	NA	探讨利用人工智能技术预测抗病毒肽的现状和未来方向	抗病毒肽及其在治疗病原体感染中的应用潜力	机器学习	NA	机器学习深度学习	NA	氨基酸序列	NA
5769	2024-10-05	Deep learning algorithms applied to computational chemistry 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10771-y PMID:38151697	综述	本文综述了应用于计算化学中的深度学习算法，涵盖了传统深度学习和几何深度学习模型，并分析了它们的特征和开放问题	提出了一个全面的分类方法，涵盖了传统深度学习和几何深度学习模型，并详细分析了这些算法的输入描述符、使用的数据集、开源代码可用性、任务解决方案和实际研究应用	没有模型能完美解决所有问题，且每种方法的优缺点对新手来说仍不明确	综述应用于计算化学中解决分子挑战的深度学习算法，并讨论分子算法设计的趋势和未来方向	深度学习算法在计算化学中的应用，包括输入描述符、数据集、开源代码、任务解决方案和实际研究应用	机器学习	NA	深度学习	深度学习模型（包括传统深度学习和几何深度学习模型）	分子数据	NA
5770	2024-10-05	A comparative analysis of computational drug repurposing approaches: proposing a novel tensor-matrix-tensor factorization method 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10851-7 PMID:38683487	研究论文	本文提出了一种新的张量-矩阵-张量分解方法，并比较了不同计算药物再利用方法的性能	提出了一种新的张量-矩阵-张量（TMT）分解方法，并将其应用于药物再利用	图神经网络方法需要以归纳方式进行才能获得可靠的预测	比较不同计算药物再利用方法的性能，并提出一种新的分解方法	药物再利用方法的性能比较	机器学习	NA	张量-矩阵-张量分解	深度学习方法、图神经网络	数据集	两个数据集
5771	2024-10-05	Using deep learning to decipher the impact of telomerase promoter mutations on the dynamic metastatic morpholome 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012271 PMID:39078811	研究论文	研究了TERTp突变对黑色素瘤转移过程中形态组学的影响	开发了同基因克隆细胞系并使用双色表达报告基因，监测了TERTp突变引起的形态组学变化	NA	理解TERTp突变对黑色素瘤转移过程中形态和表型的影响	TERTp突变C228T和C250T对黑色素瘤细胞形态组学的影响	数字病理学	黑色素瘤	NA	NA	细胞	包含TERTp突变的同基因克隆细胞系
5772	2024-10-05	Hi-gMISnet: generalized medical image segmentation using DWT based multilayer fusion and dual mode attention into high resolutionpGAN 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3cb3 PMID:38593830	研究论文	提出了一种基于高分辨率并行生成对抗网络（GAN）的广义深度学习方法，用于自动分割来自多种成像模式的医学图像	引入部分混合迁移学习、基于离散小波变换（DWT）的多层和多分辨率特征融合以及解码器中的双模式注意力门，提高了分割性能和泛化能力	NA	开发一种广义、准确、鲁棒且可靠的医学图像分割方法	多种成像模式的医学图像	计算机视觉	NA	离散小波变换（DWT）	生成对抗网络（GAN）	图像	九个不同的公开医学图像分割数据集，包括PhysioNet ICH、BUSI、CVC-ClinicDB、MoNuSeg、GLAS、ISIC-2018、DRIVE、Montgomery和PROMISE12
5773	2024-10-05	Cellular data extraction from multiplexed brain imaging data using self-supervised Dual-loss Adaptive Masked Autoencoder 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102828 PMID:38564879	研究论文	本文提出了一种自监督的双损失自适应掩码自编码器（DAMA），用于从多重免疫荧光脑图像中提取细胞数据	首次开发了一种用于多重免疫荧光脑图像的自监督学习方法，采用了一种新颖的自适应掩码采样策略	NA	开发一种无需大量标注即可实现细胞检测、分割和分类的高效方法	多重免疫荧光脑图像中的细胞数据	计算机视觉	NA	自监督学习	自编码器	图像	涉及六个不同组织类型的两通道荧光图像，使用六个不同的成像平台
5774	2024-10-05	Stable feature selection utilizing Graph Convolutional Neural Network and Layer-wise Relevance Propagation for biomarker discovery in breast cancer 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102840 PMID:38658129	研究论文	本文探讨了利用图卷积神经网络和逐层相关传播进行特征选择，以发现乳腺癌中的生物标志物	本文提出了使用图卷积神经网络（GCNN）和逐层相关传播（LRP）或SHapley Additive exPlanations（SHAP）进行特征选择的新方法，显著提高了特征选择的稳定性和可解释性	本文主要集中在乳腺癌数据集上，未来研究可以扩展到其他类型的癌症或其他疾病	研究旨在通过结合分子网络信息改进机器学习方法中的特征选择稳定性，以发现乳腺癌中的生物标志物	研究对象为乳腺癌基因表达数据，旨在识别出稳定的预测基因列表	机器学习	乳腺癌	图卷积神经网络（GCNN），逐层相关传播（LRP），SHapley Additive exPlanations（SHAP）	图卷积神经网络（GCNN）	基因表达数据	使用了大量的乳腺癌基因表达数据集
5775	2024-10-05	An innovative artificial intelligence-based method to compress complex models into explainable, model-agnostic and reduced decision support systems with application to healthcare (NEAR) 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102841 PMID:38658130	研究论文	本文介绍了一种基于人工智能的创新方法，用于将复杂的预测模型压缩成可解释、模型无关且简化的临床决策支持系统，并在医疗领域进行了验证	提出了一种名为NEAR的创新AI方法，能够将复杂的AI预测模型压缩成可解释、模型无关且简化的决策支持系统，提高了模型的可解释性和临床应用性	NA	开发一种可解释且可靠的临床决策支持系统，使其能够个性化和动态地辅助医生进行日常临床决策	急性冠脉综合征患者的死亡率预测	机器学习	心血管疾病	Shapley Additive Explanations框架	Adaptive Boosting分类器	临床数据	NA
5776	2024-10-05	A Deep Learning Model Enhances Clinicians' Diagnostic Accuracy to More Than 96% for Anterior Cruciate Ligament Ruptures on Magnetic Resonance Imaging 2024-04, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2023.08.010 PMID:37597705	研究论文	开发了一种深度学习模型，用于在磁共振成像（MRI）上准确检测前交叉韧带（ACL）撕裂，并评估其对临床医生诊断准确性和效率的影响	该模型显著提高了所有临床医生的诊断准确性，超过96%，并且在诊断时间上也有显著减少	研究是回顾性的，且样本主要来自特定时间段和特定中心的患者	开发和验证一种深度学习模型，以提高临床医生对前交叉韧带撕裂的诊断准确性和效率	前交叉韧带撕裂的诊断	计算机视觉	运动损伤	深度学习	深度学习模型	图像	训练数据集包含22,767个MRI，验证数据集包含4,086个MRI，共有38名临床医生参与诊断3,800个MRI
5777	2024-10-05	Editorial Commentary: Artificial Intelligence Analysis of Biomedical, Large, Clinical Registry Data Using Machine Learning Requires Tens of Thousands of Subjects and a Focus on Substantial Clinical Benefit: Minimal Clinically Important Difference Is too Low a Bar 2024-04, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2023.10.035 PMID:38219135	评论	本文讨论了使用机器学习分析大型临床注册数据以评估髋关节镜手术效果的必要性	提出需要数万名受试者进行深度学习模型训练，并强调临床相关性指标应超越最小临床重要差异（MCID）	未提及具体限制	探讨如何利用机器学习分析大型临床注册数据以评估髋关节镜手术效果	髋关节镜手术对髋关节撞击综合征（FAIS）患者的疗效	机器学习	髋关节疾病	机器学习	深度学习模型	临床注册数据	数万名受试者
5778	2024-10-05	Leveraging code-free deep learning for pill recognition in clinical settings: A multicenter, real-world study of performance across multiple platforms 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102844 PMID:38553153	研究论文	本研究探讨了在临床环境中利用无代码深度学习（CFDL）进行药片识别的可行性，并通过多中心真实世界研究评估了其在不同平台上的性能	本研究首次探索了无代码深度学习（CFDL）在药片识别模型开发中的应用，并评估了其在实际临床环境中的性能	尽管模型在在线API上表现良好，但在离线模式和Android应用上的性能有所下降，且存在依赖颜色特征和设备依赖性的问题	研究无代码深度学习（CFDL）在药片识别模型开发中的可行性，并评估其在多中心临床环境中的实际应用效果	药片识别模型在不同部署场景和多中心临床环境中的性能	计算机视觉	NA	无代码深度学习（CFDL）	TensorFlow Lite	图像	26,880张图像，来自三家参与医院的30种最常用的固体口服制剂（SODFs）
5779	2024-10-05	Multicentric development and validation of a multi-scale and multi-task deep learning model for comprehensive lower extremity alignment analysis 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102843 PMID:38553152	研究论文	本文开发并验证了一种用于下肢综合对齐分析的多尺度多任务深度学习模型	该模型能够自动分析前-后位下肢全长X光片，显著提高分析速度和一致性，与专业骨科医生的准确性相当	NA	提高下肢对齐分析的自动化程度和效率	下肢对齐分析	计算机视觉	骨关节炎	深度学习	多任务深度学习模型	图像	594名患者的下肢全长X光片
5780	2024-10-05	Automatic quantitative stroke severity assessment based on Chinese clinical named entity recognition with domain-adaptive pre-trained large language model 2024-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102822 PMID:38553162	研究论文	本研究开发了一种基于领域自适应预训练大语言模型的中文临床命名实体识别系统，用于自动定量评估中风严重程度	本研究提出了一个自动化的中风严重程度评估框架，通过领域自适应预训练大语言模型和深度学习技术，实现了从中文电子健康记录中自动提取实体并进行NIHSS评分	NA	开发一种自动化的中风严重程度评估框架，通过自动化整个NIHSS评分过程，提高评估的准确性和效率	中风严重程度的定量评估	自然语言处理	中风	领域自适应预训练大语言模型	深度学习模型	文本	从合作医院提供的电子健康记录中构建了一个名为“Chinese Stroke Clinical Records”（CSCR）的密集注释数据集