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
6101	2024-08-07	Correction to: Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study 2024-Oct, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03437-5 PMID:39085640	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6102	2024-09-30	Artificial intelligence-assisted automated heart failure detection and classification from electronic health records 2024-Oct, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14828 PMID:38700133	研究论文	本文探讨了通过电子健康记录（EHR）、DICOM图像和深度学习算法自动检测和分类心力衰竭（HF）患者的方法	结合关键词搜索、AI自动解读DICOM超声心动图图像和生物样本分析，实现了HF亚型的自动识别	NA	通过自动化方法提高心力衰竭患者的检测和分类准确性	心力衰竭患者及其亚型分类	机器学习	心血管疾病	深度学习	NA	文本、图像	60,850份EHR数据，最终筛选出578名患者，包括186名对照组、236名HFpEF患者和156名HFrEF患者
6103	2024-09-30	Challenges for augmenting intelligence in cardiac imaging 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00142-0 PMID:39214759	研究论文	本文探讨了人工智能在心脏影像中的应用及其面临的挑战	提出将人工智能视为增强智能，以补充而非取代人类判断，并强调从孤立测量转向整合非线性复杂数据以识别疾病表型	数据稀缺、隐私问题、伦理担忧以及缺乏统一模型和高质量标注数据等问题限制了AI在心脏影像中的应用	探讨人工智能在心脏影像中的应用及其面临的挑战，并提出改进方法	心脏影像数据及其在医疗中的应用	计算机视觉	心血管疾病	深度学习	NA	图像	NA
6104	2024-09-30	Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study 2024-Oct, The Lancet. Digital health DOI:10.1016/S2589-7500(24)00150-X PMID:39332852	研究论文	本研究利用深度学习技术评估健康女性乳腺组织中与衰老相关的细胞核形态，以预测未来乳腺癌的风险	首次将深度学习应用于评估乳腺组织中衰老细胞的核形态，并结合多种模型提高乳腺癌风险预测的准确性	研究基于回顾性队列，且样本主要来自健康女性，可能限制了结果的普适性	探索衰老标志物在健康女性乳腺组织中对乳腺癌发展的临床相关性	健康女性乳腺组织的细胞核形态	数字病理学	乳腺癌	深度学习	深度学习模型	图像	4382名健康女性捐赠者
6105	2024-09-30	The synergistic effect of artificial intelligence technology in the evolution of visual communication of new media art 2024-Sep-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38008 PMID:39328541	研究论文	研究探讨了人工智能技术在新媒体艺术视觉传播演化中的协同效应，并提出了一种基于卷积神经网络的AI布局设计方法	提出了基于卷积神经网络的AI布局设计模型，并通过实验验证了其在新媒体艺术视觉传播设计中的有效性	研究样本仅为20名设计学生，样本量较小，可能影响结果的普适性	探讨人工智能技术在新媒体艺术视觉传播中的应用，并提出一种新的布局设计方法	新媒体艺术的视觉传播设计	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	20名设计学生
6106	2024-09-30	Transformer-based approaches for neuroimaging: an in-depth review of their role in classification and regression tasks 2024-Sep-30, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2024-0088 PMID:39333087	综述	本文深入探讨了Transformer模型在神经影像分类和回归任务中的应用	展示了Transformer模型在神经影像分类任务中的卓越性能，并展示了其在回归任务中的潜力	本文主要关注Transformer模型的应用，未深入探讨其局限性	旨在全面评估Transformer模型在神经影像任务中的应用现状和未来发展趋势	Transformer模型及其在神经影像分类和回归任务中的应用	计算机视觉	NA	Transformer模型	Transformer	神经影像	NA
6107	2024-09-30	A systematic analyses of different bioinformatics pipelines for genomic data and its impact on deep learning models for chromatin loop prediction 2024-Sep-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae009 PMID:38555493	研究论文	本文系统分析了用于基因组数据的不同生物信息学管道及其对染色质环预测深度学习模型的影响	本文创新性地整合了六个不同管道的两个蛋白质因子特异性环相互作用数据集，提供了对基因组特征分析方法的全面视角	本文主要集中在染色质环和结构的分析，未涵盖所有基因组数据分析的方面	研究基因组数据分析中生物信息学管道对深度学习模型性能的影响	染色质环和结构分析的生物信息学管道及其对深度学习模型的影响	生物信息学	NA	深度学习	深度学习模型	基因组数据	36个多样化的数据集
6108	2024-09-30	A comprehensive review of machine learning techniques for multi-omics data integration: challenges and applications in precision oncology 2024-Sep-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae013 PMID:38600757	综述	本文综述了机器学习技术在多组学数据整合中的应用，特别是在精准肿瘤学中的挑战和应用	本文探讨了深度学习和网络方法在整合多组学数据中的潜力，并提供了一个整合多组学数据在精准肿瘤学中的路线图	NA	总结和分类机器学习技术在多组学数据整合中的进展，特别是在精准肿瘤学中的应用	多组学数据（基因组学、转录组学、蛋白质组学和代谢组学）以及临床数据	机器学习	NA	机器学习	深度学习	多组学数据	NA
6109	2024-09-30	Dynamic Routing and Knowledge Re-Learning for Data-Free Black-Box Attack 2024-Sep-27, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3469952 PMID:39331554	研究论文	本文提出了一种新的动态路由和知识重学习框架（DraKe），用于在数据无访问的黑盒攻击中生成动态替代模型	本文的创新点在于提出了动态替代模型结构学习策略和动态知识重学习策略，以适应不同的目标模型和任务	本文的局限性在于依赖于在线数据生成，并且只能学习一次	本文的研究目的是解决数据无访问的黑盒攻击问题	本文的研究对象是深度学习模型和对抗样本	机器学习	NA	NA	CNN	图像	四个公共图像分类数据集和一个面部识别基准
6110	2024-09-30	Incidence trends, overall survival, and metastasis prediction using multiple machine learning and deep learning techniques in pediatric and adolescent population with osteosarcoma and Ewing's sarcoma: nomogram and webpage 2024-Sep-27, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-024-03717-9 PMID:39333451	研究论文	本研究分析了儿童和青少年骨肉瘤和尤文氏肉瘤的发病率和总体生存率，并使用多种机器学习和深度学习技术预测转移风险	本研究首次将多种机器学习和深度学习模型应用于预测儿童和青少年骨肉瘤和尤文氏肉瘤的转移风险，并开发了一个在线诺模图工具	本研究仅基于2004年至2020年的数据，未来需要更多数据验证模型的泛化能力	分析骨肉瘤和尤文氏肉瘤在儿童和青少年中的发病趋势和总体生存率，并预测转移风险	儿童和青少年骨肉瘤和尤文氏肉瘤患者	机器学习	骨肉瘤	机器学习、深度学习	Lasso回归、岭回归、弹性网络、随机森林、TensorFlow和Keras	临床数据	2465名骨肉瘤患者和1373名尤文氏肉瘤患者
6111	2024-09-30	Improving Antifreeze Proteins Prediction with Protein Language Models and Hybrid Feature Extraction Networks 2024-Sep-24, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3467261 PMID:39316498	研究论文	提出了一种新的深度学习方法AFP-Deep，用于预测抗冻蛋白，结合了预训练的蛋白质语言模型和混合特征提取网络	利用预训练的蛋白质语言模型提取蛋白质序列中的判别性全局上下文特征，并设计了混合深度神经网络增强嵌入与抗冻模式之间的关联	NA	提高抗冻蛋白的预测准确性，以开发仿生合成抗冰材料和低温器官保存材料	抗冻蛋白（AFPs）	机器学习	NA	深度学习	混合深度神经网络	蛋白质序列	基准数据集
6112	2024-09-30	A deep learning method for simultaneous denoising and missing wedge reconstruction in cryogenic electron tomography 2024-Sep-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51438-y PMID:39313517	研究论文	提出了一种用于低温电子断层扫描中同时去噪和缺失楔形重建的深度学习方法	提出了一种名为DeepDeWedge的深度学习方法，无需真实数据，通过自监督损失拟合神经网络，简化了当前最先进方法的复杂性，并在去噪和缺失楔形重建方面表现出色	未提及	解决低温电子断层扫描中由于噪声和缺失楔形信息导致的重建困难	低温电子断层扫描中的2D投影数据	计算机视觉	NA	深度学习	神经网络	图像	未提及
6113	2024-09-30	PreAlgPro: Prediction of allergenic proteins with pre-trained protein language model and efficient neutral network 2024-Sep-23, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.135762 PMID:39322150	研究论文	本文介绍了一种基于预训练蛋白质语言模型和深度学习技术的过敏原蛋白质识别方法PreAlgPro	采用ProtT5模型提取蛋白质嵌入特征，替代了手动特征提取步骤，并设计了Attention-CNN神经网络架构来识别潜在特征	NA	提高过敏原蛋白质识别的准确性和效率	过敏原蛋白质的识别	机器学习	NA	深度学习	Attention-CNN	蛋白质序列	四个独立测试集和收集的过敏原蛋白质样本
6114	2024-09-30	AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae479 PMID:39323093	研究论文	本文开发了一种基于深度学习的自编码器生存分析模型（AESurv），用于分析高维血液DNA甲基化特征和传统临床风险因素，以实现冠状动脉疾病（CHD）的早期预测	本文创新性地结合了自编码器和生存分析模型，通过学习低维表示来提高CHD预测的准确性	NA	开发一种新的深度学习模型，用于准确预测冠状动脉疾病的时间事件	冠状动脉疾病（CHD）的早期预测	机器学习	心血管疾病	DNA甲基化测序	自编码器	高维数据	涉及两个队列研究：Strong Heart Study（SHS）和Women's Health Initiative（WHI）
6115	2024-09-27	Multi-Cover Persistence (MCP)-based machine learning for polymer property prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae465 PMID:39323091	研究论文	本文介绍了一种基于多覆盖持久性（MCP）的分子表示方法，并将其与梯度提升树（GBT）模型结合，用于聚合物性质预测	首次引入多覆盖持久性（MCP）作为分子表示方法，利用Delaunay切片和菱形平铺来表征复杂的几何和拓扑信息	NA	开发一种新的分子表示方法，以提高聚合物性质预测的准确性和效率	聚合物及其性质	机器学习	NA	多覆盖持久性（MCP）	梯度提升树（GBT）	聚合物数据	聚合物基准数据集
6116	2024-09-30	Aggregation Rules of Short Peptides 2024-Sep-23, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.4c00501 PMID:39328768	研究论文	本文研究了短肽（如四肽和五肽）的聚集规则，并基于transformer深度学习模型预测的聚集倾向值，推导了四肽和五肽在整个序列空间中的综合聚集规则	本文扩展了现有的三肽序列聚集规则，涵盖了数百万个四肽和五肽序列，为实验人员提供了明确的路线图，用于微调短肽的聚集行为	NA	阐明短肽的聚集规则，以便精确操控聚集行为	四肽和五肽的聚集规则	机器学习	NA	transformer深度学习模型	transformer	序列数据	超过20,000个四肽
6117	2024-09-30	An ensemble machine learning model assists in the diagnosis of gastric ectopic pancreas and gastric stromal tumors 2024-Sep-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01809-2 PMID:39320559	研究论文	开发了一种基于多相计算机断层扫描（MPCT）的集成机器学习（eML）模型，用于区分胃异位胰腺（GEP）和胃间质瘤（GIST）	首次通过放射组学和深度学习方法区分这些肿瘤，揭示了病变中潜在的不同表型	研究样本量较小，且仅限于小于3厘米的病变	开发一种能够有效区分胃异位胰腺和胃间质瘤的机器学习模型	胃异位胰腺和胃间质瘤	机器学习	胃肠道疾病	多相计算机断层扫描（MPCT）	集成机器学习（eML）	图像	138名患者的多相计算机断层扫描图像
6118	2024-09-30	Explainable breast cancer molecular expression prediction using multi-task deep-learning based on 3D whole breast ultrasound 2024-Sep-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01810-9 PMID:39320560	研究论文	本文研究了使用多任务深度学习模型基于3D全乳腺超声图像预测乳腺癌分子表达，并提高了模型的可解释性	本文提出了一个多任务深度学习模型，结合肿瘤分割与生物标志物预测，以提高模型的可解释性和预测性能	NA	非侵入性地估计三种乳腺癌生物标志物（ER、PR和HER2）的表达，并提高预测性能和可解释性	乳腺癌患者的ER、PR和HER2生物标志物表达	计算机视觉	乳腺癌	3D全乳腺超声系统（3DWBUS）	多任务深度学习模型	图像	388名乳腺癌患者
6119	2024-09-30	δ-Conotoxin Structure Prediction and Analysis through Large-Scale Comparative and Deep Learning Modeling Approaches 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404786 PMID:39033537	研究论文	本文通过大规模比较和深度学习建模方法预测和分析δ-芋螺毒素的结构	利用AlphaFold和RosettaCM两种方法对18种未表征的δ-芋螺毒素进行建模，提供了对这些肽结构方面的有用见解	NA	预测和分析δ-芋螺毒素的结构，为药物开发提供参考	δ-芋螺毒素的结构和功能	生物信息学	NA	深度学习建模	AlphaFold, RosettaCM	蛋白质结构	18种未表征的δ-芋螺毒素
6120	2024-09-30	Stretchable Piezoresistive Pressure Sensor Array with Sophisticated Sensitivity, Strain-Insensitivity, and Reproducibility 2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405374 PMID:39013112	研究论文	研究开发了一种新型10x10传感器阵列，包含100个压力传感器像素，通过创新设计传感器结构，实现了高达888.79 kPa的显著灵敏度	采用聚丁二烯-尿烷（PBU）和MXene纳米片合成导电织物，通过预应变方法确保电极的应变免疫性，并引入深度学习方法提高长期传感精度	NA	提升可拉伸压阻式压力传感器的可靠性和性能	可拉伸压阻式压力传感器	传感器技术	NA	电纺丝技术	深度学习	传感器数据	100个压力传感器像素