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
6241	2024-09-26	MFRC-Net: Multi-Scale Feature Residual Convolutional Neural Network for Motor Imagery Decoding 2024-Sep-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467090 PMID:39316474	研究论文	提出了一种用于运动想象解码的多尺度特征残差卷积神经网络MFRC-Net	引入时间多尺度残差卷积块和跨域双流空间卷积块，显著提升了轻量级模型的性能	未提及具体局限性	提高运动想象解码的准确性，同时减少深度学习模型的计算资源需求	运动想象解码和脑电图信号处理	机器学习	NA	卷积神经网络	CNN	脑电图信号	BCI Competition IV 2a数据集和SHU数据集
6242	2024-09-26	Exploring the Intersection Between Neural Architecture Search and Continual Learning 2024-Sep-24, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3453973 PMID:39316489	综述	本文探讨了神经架构搜索（NAS）和持续学习（CL）之间的交叉点，旨在开发更健壮和自适应的深度神经网络（DNNs）	首次全面综述了NAS和CL的结合，提出了终身自主DNNs的研究方向	NA	研究如何通过结合NAS和CL的方法，使DNNs在部署后能够持续适应和自动化	神经架构搜索和持续学习	机器学习	NA	NA	深度神经网络（DNNs）	NA	NA
6243	2024-09-26	PCG-based exercise fatigue detection method using multi-scale feature fusion model 2024-Sep-24, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2406369 PMID:39318193	研究论文	提出了一种基于心音图（PCG）的多尺度特征融合模型，用于检测运动疲劳	利用心音图信号进行非侵入式疲劳检测，并通过深度学习特征与线性特征的融合提高检测性能	实验结果仅基于两个数据集，可能需要更多数据集验证其普适性	开发一种准确检测运动疲劳的方法，以支持合理的体育活动	运动疲劳的检测	机器学习	NA	短时傅里叶变换（STFT）	卷积神经网络（VGG-16）	图像	两个数据集，分别达到91.47%和99.00%的准确率
6244	2024-09-26	Deep learning for rapid analysis of cell divisions in vivo during epithelial morphogenesis and repair 2024-Sep-23, eLife IF:6.4Q1 DOI:10.7554/eLife.87949 PMID:39312468	研究论文	本文开发了一种深度学习模型管道，用于在体内快速分析上皮组织发育和修复过程中的细胞分裂	利用深度学习技术自动检测和量化大量细胞分裂的多个特征，包括其时空同步性和方向	NA	研究细胞分裂在上皮组织发育和修复中的作用	上皮组织中的细胞分裂及其在发育和修复过程中的动态变化	计算机视觉	NA	深度学习	深度学习模型	视频	NA
6245	2024-09-26	Enhanced Osteoporosis Detection Using Artificial Intelligence: A Deep Learning Approach to Panoramic Radiographs with an Emphasis on the Mental Foramen 2024-Sep-20, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci12030049 PMID:39311162	研究论文	本文研究了使用深度学习方法在全景放射图像中检测骨质疏松症，特别关注颏孔区域	提出了一个基于卷积神经网络的AI应用，用于在全景放射图像中准确检测骨质疏松症，并展示了其在年轻患者中的高准确性	研究样本量较小，且仅限于特定年龄和性别的群体	开发一种用于早期和可靠诊断骨质疏松症的AI应用	全景放射图像中的骨质疏松症检测	计算机视觉	骨骼疾病	深度学习	卷积神经网络	图像	250张全景放射图像，分为三个组：骨质疏松组、年龄和性别匹配的非骨质疏松组、年龄和性别不同的非骨质疏松组
6246	2024-09-26	Artificial intelligence as a tool in drug discovery and development 2024-Sep-20, World journal of experimental medicine DOI:10.5493/wjem.v14.i3.96042 PMID:39312699	评论	本文探讨了人工智能在药物发现和开发中的应用潜力	本文详细讨论了AI在药物开发各阶段的应用，包括目标识别、先导优化和药代动力学及毒性的预测建模	本文指出了AI应用中的挑战，如数据隐私问题、模型可解释性以及在真实临床环境中的验证需求	本文旨在探讨AI在药物发现和开发中的可行性和前景	本文研究了AI在药物开发中的应用，包括目标识别、先导优化和预测建模	机器学习	NA	机器学习算法、深度学习、数据分析	NA	组学数据、电子健康记录、化学信息学数据	NA
6247	2024-09-26	The people behind the papers - Jake Turley 2024-Sep-15, Development (Cambridge, England) DOI:10.1242/dev.204372 PMID:39315487	研究论文	本文通过深度学习模型分析果蝇蛹的大规模成像数据集，量化不同细胞行为对伤口愈合的贡献	应用深度学习模型分析大规模成像数据集，量化不同细胞行为对伤口愈合的贡献	NA	研究不同细胞行为在伤口愈合中的贡献	果蝇蛹的伤口愈合过程	计算机视觉	NA	深度学习	深度学习模型	图像	大规模成像数据集
6248	2024-09-26	Evaluating Performance of Different RNA Secondary Structure Prediction Programs Using Self-cleaving Ribozymes 2024-Sep-13, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae043 PMID:39317944	研究论文	本文评估了不同RNA二级结构预测程序在自切割核酶序列上的性能	本文发现了一种基于深度学习的现代方法在复杂RNA折叠问题中表现优于其他程序，表明其可能是未来RNA结构预测算法的发展方向	本文仅测试了特定类别的序列，结果可能不适用于所有RNA序列	评估不同RNA二级结构预测程序的准确性	自切割核酶序列的RNA二级结构	生物信息学	NA	RNA二级结构预测	深度学习	序列	数十个自切割核酶序列
6249	2024-09-26	The Accurate Prediction of Antibody Deamidations by Combining High-Throughput Automated Peptide Mapping and Protein Language Model-Based Deep Learning 2024-Sep-10, Antibodies (Basel, Switzerland) DOI:10.3390/antib13030074 PMID:39311379	研究论文	本文提出了一种结合高通量自动化肽图谱和基于蛋白质语言模型的深度学习方法，用于准确预测抗体的脱酰胺化	本文提出了一种新的嵌合深度学习模型，结合蛋白质语言模型（pLM）嵌入和局部序列信息，以增强脱酰胺化预测，且无需繁琐的特征工程	NA	旨在早期和准确地识别抗体序列中易发生脱酰胺化的位点	治疗性抗体，如单克隆抗体（mAbs）、双特异性和多特异性抗体	机器学习	NA	高通量自动化肽图谱	深度学习模型	序列数据	2285个不同模态的抗体脱酰胺化特异性数据集
6250	2024-09-26	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2024-Sep-03, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	研究论文	本文开发了一种基于深度学习的计算机视觉方法，用于高分辨率和高通量量化单根毛发纤维的多变量特征	创新性地使用计算机视觉工具区分和提取重叠的毛发纤维，生成单根毛发的表型数据，并探索了激素信号、遗传修饰和衰老对毛发的影响	NA	研究毛发质量与健康的关系，探索影响毛发 follicle 的因素	小鼠的毛发纤维	计算机视觉	NA	深度学习	NA	图像	跨生命周期的小鼠样本
6251	2024-09-26	Comprehensive Clinical Usability-Oriented Contour Quality Evaluation for Deep Learning Auto-segmentation: Combining Multiple Quantitative Metrics Through Machine Learning 2024-Sep-02, Practical radiation oncology IF:3.4Q1 DOI:10.1016/j.prro.2024.07.007 PMID:39233005	研究论文	本文开发了一种新的轮廓质量分类方法，通过结合多种定量指标，用于深度学习自动分割的临床可用性导向的轮廓质量评估	提出了一种新的轮廓质量分类方法，通过结合多种定量指标，解决了现有评估指标的局限性，并提供了更直观的临床导向评估和比较DLAS系统的解决方案	NA	开发一种新的轮廓质量分类方法，以解决现有评估指标的局限性，并提供更直观的临床导向评估和比较DLAS系统的解决方案	腹部五个器官（胰腺、十二指肠、胃、小肠和大肠）的轮廓质量评估	机器学习	NA	监督集成树分类模型	集成树分类模型	图像	训练数据集包括50个磁共振成像（MRI）数据集，测试数据集包括20个MRI和9个计算机断层扫描（CT）数据集
6252	2024-09-26	An artificial intelligence-based nerve recognition model is useful as surgical support technology and as an educational tool in laparoscopic and robot-assisted rectal cancer surgery 2024-Sep, Surgical endoscopy DOI:10.1007/s00464-024-10939-z PMID:39073558	研究论文	本文开发了一种基于U-Net深度学习模型的AI神经识别模型，用于在腹腔镜和机器人辅助直肠癌手术中自动分割神经，并评估了其在手术支持和教育中的实用性	开发了一种基于U-Net的深度学习模型，用于自动分割直肠癌手术中的神经，并评估了其在手术支持和教育中的实用性	模型的Dice和IoU分数较低，存在一定的漏检和误检问题	开发和评估一种AI神经识别模型在腹腔镜和机器人辅助直肠癌手术中的应用效果	直肠癌手术中的神经识别和教育效果	计算机视觉	直肠癌	深度学习	U-Net	图像	60个随机选择的图像帧，5名结直肠外科医生，非结直肠外科医生、住院医师和医学生
6253	2024-09-11	The emergence of deep learning as the current state of art for classification and risk assessment of ventricular arrhythmias 2024-Sep, The Journal of physiology DOI:10.1113/JP287420 PMID:39252427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6254	2024-09-19	Vascular liver segmentation: a narrative review on methods and new insights brought by artificial intelligence 2024-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241263170 PMID:39291427	综述	本文综述了利用人工智能进行肝脏血管分割的方法及其带来的新见解	介绍了多种基于人工智能的模型，包括神经网络和深度学习模型，用于肝脏血管分割	未提及具体模型的局限性	探讨人工智能在肝脏血管分割中的应用及其未来进展	肝脏血管的分割	计算机视觉	肝癌	人工智能	神经网络、深度学习模型	医学影像	NA
6255	2024-09-26	Evaluation of a deep learning-enabled automated computational heart modelling workflow for personalized assessment of ventricular arrhythmias 2024-Sep, The Journal of physiology DOI:10.1113/JP284125 PMID:37060278	研究论文	评估一种基于深度学习的自动化计算心脏建模工作流程，用于个性化评估心室心律失常	开发了一种基于深度学习的自动化工作流程，用于重建个性化电生理心脏模型，以模拟心律失常，并与专家生成的心脏模型进行比较	研究使用了较小的训练集，未来需要在大规模数据集上验证	评估自动化、基于深度学习的心脏建模工作流程的可行性，以指导患者个性化的心室心动过速治疗	个性化电生理心脏模型，用于预测心室心动过速的诱导性和电路位置	计算机视觉	心血管疾病	深度学习	CNN	图像	111名患者
6256	2024-09-26	PGBind: pocket-guided explicit attention learning for protein-ligand docking 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae455 PMID:39293803	研究论文	本文提出了一种口袋引导的显式注意力学习方法，用于蛋白质-配体对接	本文创新性地提出了口袋引导策略，通过设计一个即插即用模块来增强蛋白质特征，从而提高盲对接方法的性能	NA	提高盲蛋白质-配体对接方法的性能	蛋白质-配体对接	计算机视觉	NA	深度学习	注意力机制	蛋白质结构	NA
6257	2024-09-26	Evaluation of Cell Cycle-Dependent Migration Activity after X-ray Exposure: A Radiobiological Approach for Optimization of Radiotherapy with Cell Cycle-Targeting Agents 2024-07-01, Radiation research IF:2.5Q2 DOI:10.1667/RADE-23-00213.1 PMID:38720240	研究论文	本文通过图像分析算法评估了X射线照射后细胞周期依赖的迁移活性，以优化放射治疗中细胞周期靶向药物的选择	本文首次使用深度学习算法Cellpose进行细胞分割，并结合TrackMate插件分析细胞迁移速度和方向，揭示了不同细胞周期阶段对X射线照射后迁移活性的影响	研究仅使用了人宫颈癌HeLa细胞，结果的普适性有待进一步验证	优化放射治疗中细胞周期靶向药物的选择	人宫颈癌HeLa细胞在不同细胞周期阶段的迁移活性	数字病理学	宫颈癌	X射线照射	CNN	图像	人宫颈癌HeLa细胞
6258	2024-09-26	Deep learning model to differentiate Crohn's disease from intestinal tuberculosis using histopathological whole slide images from intestinal specimens 2024-Jun, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03740-9 PMID:38332051	研究论文	本研究利用深度学习模型分析肠道标本的病理全切片图像，以区分克罗恩病和肠结核	开发了一种深度学习模型，能够有效区分克罗恩病和肠结核，提高了病理诊断的准确性	深度学习模型的诊断效率略低于高级胃肠病理学家	应用深度学习技术区分克罗恩病和肠结核	肠道标本的病理全切片图像	数字病理	消化系统疾病	深度学习	深度学习模型	图像	1973张全切片图像，来自85个病例，涉及3个中心
6259	2024-09-26	mmPose-FK: A Forward Kinematics Approach to Dynamic Skeletal Pose Estimation Using mmWave Radars 2024-Mar, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3348199 PMID:39309301	研究论文	本文提出了一种基于毫米波雷达的动态骨骼姿态估计方法mmPose-FK，通过前向运动学（FK）方法解决毫米波雷达低分辨率、镜面反射和噪声等问题	本文创新地将前向运动学机制整合到深度学习模型中，开发了一种端到端的解决方案，显著提高了姿态估计的准确性和稳定性	NA	解决毫米波雷达在姿态估计中的低分辨率、镜面反射和噪声问题	动态骨骼姿态估计	计算机视觉	NA	毫米波雷达	深度学习模型	雷达数据	NA
6260	2024-09-26	Multi_CycGT: A Deep Learning-Based Multimodal Model for Predicting the Membrane Permeability of Cyclic Peptides 2024-02-08, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.3c01611 PMID:38270541	研究论文	提出了一种基于深度学习的多模态模型Multi_CycGT，用于预测环肽的膜通透性	首次尝试使用深度学习方法预测环肽的膜通透性，结合图卷积网络和变压器提取一维和二维特征	未提及	加速环肽活性药物的设计	环肽的膜通透性	机器学习	NA	图卷积网络（GCN）和变压器	多模态模型	环肽数据	未提及具体数量