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
6281	2024-10-16	AI diagnostics in bone oncology for predicting bone metastasis in lung cancer patients using DenseNet-264 deep learning model and radiomics 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100640 PMID:39399584	研究论文	本研究旨在利用影像组学和深度学习预测肺癌患者的骨转移	通过整合先进的影像技术和人工智能，提高预测准确性和临床决策	NA	预测肺癌患者的骨转移	肺癌患者的骨转移	计算机视觉	肺癌	影像组学	DenseNet-264	影像	NA
6282	2024-10-16	Code-Free Machine Learning Solutions for Microscopy Image Processing: Deep Learning 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0014 PMID:38556835	综述	本文综述了适用于显微图像处理的无需编程的深度学习方法	重点介绍了适用于缺乏编程经验的生物学家的深度学习算法，并提供了无需编码的开放平台访问方式	未对算法进行比较，而是描述了它们擅长解决的问题	探讨适用于显微图像处理的深度学习方法，特别是那些无需编程经验的方法	显微图像处理算法及其在生物学领域的应用	计算机视觉	NA	深度学习	人工神经网络	图像	NA
6283	2024-10-16	Clinical Significance of Pose Estimation Methods Compared with Radiographic Parameters in Adolescent Patients with Idiopathic Scoliosis 2024-Sep-27, Spine surgery and related research IF:1.2Q3 DOI:10.22603/ssrr.2023-0269 PMID:39399450	研究论文	本文研究了姿势估计方法在青少年特发性脊柱侧弯患者中的临床意义，并与放射学参数进行了比较	首次探讨了姿势估计在临床摄影中的应用潜力，并建立了青少年特发性脊柱侧弯患者的摄影参数	研究样本量较小，仅涉及42名患者，且未探讨姿势估计方法在不同设备上的适用性	探讨姿势估计方法在青少年特发性脊柱侧弯患者中的临床应用，并评估其与放射学参数的相关性	青少年特发性脊柱侧弯患者及其脊柱矫正手术和保守治疗	计算机视觉	脊柱侧弯	姿势估计	NA	图像	42名青少年特发性脊柱侧弯患者
6284	2024-10-16	Prediction of Epidermal Growth Factor Receptor Mutation Subtypes in Non-Small Cell Lung Cancer From Hematoxylin and Eosin-Stained Slides Using Deep Learning 2024-08, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102094 PMID:38871058	研究论文	开发了一种基于深度学习的框架，用于从苏木精和伊红染色的非小细胞肺癌组织切片中预测表皮生长因子受体（EGFR）突变亚型	利用深度学习技术从常规病理切片中预测EGFR突变亚型，无需分子检测	需要进一步的外部验证和临床应用评估	开发一种自动化、非侵入性、快速、成本效益高的方法来预测非小细胞肺癌患者的EGFR突变状态	非小细胞肺癌患者的EGFR突变亚型	数字病理学	肺癌	深度学习	卷积神经网络（CNN）和视觉变换器（Vision Transformer）	图像	训练集和验证集分别来自中国科学技术大学（n=172）、安徽医科大学第二附属医院和皖南医学院第一附属医院（n=193），以及癌症基因组图谱数据集（n=81）
6285	2024-10-16	Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart 2024-May, JACC. Basic to translational science DOI:10.1016/j.jacbts.2024.02.007 PMID:38984052	研究论文	本文介绍了一种基于深度学习的管道CardioCount，用于分析微观图像中的细胞核，并研究了成人心脏中心肌细胞和心脏内皮细胞的生长关系	提出了CardioCount，一种新的基于深度学习的管道，用于严格评分微观图像中的细胞核	NA	研究成人心脏中心肌细胞和心脏内皮细胞的生长关系，并探讨血管稀疏和心肌肥大在终末期心力衰竭中的相互关系	成人心脏中的心肌细胞和心脏内皮细胞	计算机视觉	心血管疾病	深度学习	NA	图像	368,434张人类微观图像
6286	2024-10-16	Towards full-stack deep learning-empowered data processing pipeline for synchrotron tomography experiments 2024-Jan-08, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2023.100539 PMID:38089566	综述	本文综述了深度学习在同步辐射断层扫描数据处理管道中的最新进展	探讨了如何将医学影像和电子断层扫描等数据密集型领域的应用迁移到同步辐射断层扫描中	未具体提及	探讨深度学习在同步辐射断层扫描数据处理中的应用及其未来发展	同步辐射断层扫描数据处理管道	计算机视觉	NA	深度学习	NA	图像	NA
6287	2024-10-16	Artificial Intelligence in Eye Movements Analysis for Alzheimer's Disease Early Diagnosis 2024, Current Alzheimer research IF:1.8Q4 DOI:10.2174/0115672050322607240529075641 PMID:38840390	研究论文	本文探讨了利用人工智能技术分析眼球运动以早期诊断阿尔茨海默病的可能性	提出了一种基于眼球运动分析的非侵入性方法，结合人工智能特别是深度学习和机器学习技术，用于早期诊断阿尔茨海默病	卷积神经网络需要更多数据以实现精确分类	研究人工智能技术在眼球运动分析中的应用，以提高阿尔茨海默病的早期诊断准确性	眼球运动数据与阿尔茨海默病之间的关系	机器学习	阿尔茨海默病	深度学习	卷积神经网络	眼球运动数据	NA
6288	2024-10-16	A dual-branch and dual attention transformer and CNN hybrid network for ultrasound image segmentation 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1432987 PMID:39397853	研究论文	提出了一种结合Transformer和CNN的混合网络DDTransUNet，用于超声图像分割	创新性地结合了Transformer和CNN，并引入了双分支编码器和双注意力机制，以有效融合全局上下文和局部细节信息	NA	提高超声图像分割的准确性，以支持临床诊断和治疗决策	超声图像中的器官和病变	计算机视觉	NA	Transformer和CNN	DDTransUNet	图像	三个超声图像数据集，包括TN3K、BUS-BRA和CAMUS
6289	2024-10-16	Development of prognostic models for advanced multiple hepatocellular carcinoma based on Cox regression, deep learning and machine learning algorithms 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1452188 PMID:39399114	研究论文	本文开发了基于Cox回归、深度学习和机器学习算法的预后模型，用于预测晚期多发性肝细胞癌患者的预后	本文首次将Cox回归、机器学习和深度学习算法应用于晚期多发性肝细胞癌的预后预测，并比较了不同模型的性能	研究仅基于SEER数据库的数据，可能存在数据偏倚；未在其他数据集上验证模型的泛化能力	识别多发性肝细胞癌的预后因素，并开发预后模型以量化患者的预后风险和生存概率	晚期多发性肝细胞癌患者	机器学习	肝癌	Cox回归、机器学习、深度学习	梯度提升机（GBM）	临床数据	从SEER数据库中获取的符合条件的肝癌患者
6290	2024-10-16	Investigation of protein family relationships with deep learning 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae132 PMID:39399373	研究论文	本文提出了一种基于预训练神经网络ProtENN2的蛋白质家族相似性分析方法	利用ProtENN2模型生成高维度的家族嵌入，并基于这些嵌入计算家族间的相似性得分，用于改进Pfam家族的分类	方法存在一些失败模式，需要进一步改进	探索深度学习在蛋白质家族关系和功能理解中的应用	蛋白质家族及其相似性	机器学习	NA	深度学习	神经网络	蛋白质数据	涉及Pfam家族的分类
6291	2024-10-16	Plant disease recognition datasets in the age of deep learning: challenges and opportunities 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1452551 PMID:39399537	研究论文	本文探讨了在深度学习时代植物病害识别数据集的挑战和机遇	提出了一个分类法来描述潜在的植物病害数据集，并提供了未来数据集创建的方向	未具体讨论现有数据集的具体局限性	探讨如何创建适合深度学习的植物病害识别数据集	植物病害识别数据集	计算机视觉	植物病害	深度学习	NA	图像	NA
6292	2024-10-15	Artificial intelligence in endodontics: Data preparation, clinical applications, ethical considerations, limitations, and future directions 2024-Nov, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14128 PMID:39075670	综述	本文综述了人工智能在牙髓病学中的数据准备、临床应用、伦理考虑、局限性和未来方向	本文详细阐述了人工智能在牙髓病学中的技术、伦理方面，以及当前的应用和未来潜力	本文指出人工智能在模型可解释性、泛化能力和临床实践中的应用仍存在挑战	旨在全面了解人工智能在牙髓病学中的应用和局限性	牙髓病学专家对人工智能应用和局限性的理解	NA	NA	深度学习	卷积神经网络	图像	NA
6293	2024-10-15	Artificial intelligence in endodontics: Fundamental principles, workflow, and tasks 2024-Nov, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14127 PMID:39056554	综述	本文综述了人工智能在牙髓病学中的基本原理、工作流程和任务	本文填补了牙髓病学家对机器学习和深度学习基础知识的空白，展示了AI在牙髓病学中的多样化实际应用	NA	旨在阐述机器学习和深度学习的基本原理，解释AI解决方案的开发流程，并讨论与牙髓病诊断和治疗相关的特定AI任务和应用	牙髓病学中的AI应用，特别是放射影像的解释	计算机视觉	NA	NA	NA	图像和文本	NA
6294	2024-10-15	Pre-processing visual scenes for retinal prosthesis systems: A comprehensive review 2024-Nov, Artificial organs IF:2.2Q3 DOI:10.1111/aor.14824 PMID:39023279	综述	本文综述了视网膜假体系统中图像处理和机器学习技术的最新进展及其在恢复视觉功能中的关键作用	本文强调了图像处理和深度学习在视网膜假体技术中的集成及其对个体与环境交互和导航的影响	一些技术仅使用模拟方法，甚至在正常视力个体中进行，或者依赖于定性分析，其中一些考虑了现实感知模型，而另一些则没有	探讨视网膜假体技术的最新进展及其在恢复视觉功能中的作用	视网膜假体设备及其在复杂视觉任务中的应用	计算机视觉	NA	图像处理和机器学习	深度学习架构	图像	NA
6295	2024-10-15	XRAInet: AI-based decision support for pneumothorax and pleural effusion management 2024-Nov, Pediatric pulmonology IF:2.7Q2 DOI:10.1002/ppul.27133 PMID:38961684	研究论文	本研究开发并评估了一种基于人工智能的决策支持系统XRAInet，用于准确识别患有胸腔积液或气胸的儿科患者，并判断是否需要进行胸管引流	XRAInet是一种基于深度学习的算法，能够准确识别和定位需要胸管引流的区域，为儿科患者提供决策支持	未来研究应探索混合模型，增强可解释性，解决数据质量问题，并符合监管要求，以确保XRAInet在医疗环境中的安全有效部署	开发和评估一种人工智能驱动的决策支持系统，用于识别胸腔积液或气胸的儿科患者并判断是否需要胸管引流	患有胸腔积液或气胸的儿科患者	计算机视觉	胸腔积液	深度学习	深度学习算法	图像	510张X光图像，来自170名儿科患者
6296	2024-10-15	NRIMD, a Web Server for Analyzing Protein Allosteric Interactions Based on Molecular Dynamics Simulation 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00783 PMID:38991149	研究论文	NRIMD是一个基于分子动力学模拟分析蛋白质变构相互作用的网络服务器	NRIMD是首个提供分子动力学模拟中长程相互作用综合分析的在线服务，显著降低了使用深度学习预测蛋白质长程相互作用的门槛	NA	开发一个用于分析蛋白质中长程变构相互作用的网络服务器	蛋白质中的长程变构相互作用	生物信息学	NA	分子动力学模拟	图神经网络	蛋白质结构数据	NA
6297	2024-10-15	FCSSL: fusion enhanced contrastive self-supervised learning method for parallel MRI reconstruction 2024-Oct-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6d28 PMID:39116910	研究论文	提出了一种融合增强的对比自监督学习方法FCSSL，用于并行MRI重建，无需全采样数据集和线圈敏感性图	引入了一种基于两对重下采样掩码的对比学习框架，设计了一种自监督学习方式的适应性融合网络，显著提高了重建质量	未提及具体限制	解决在无法或成本高昂获取全采样数据集的情况下，使用深度学习进行MRI重建的问题	并行MRI重建	计算机视觉	NA	对比自监督学习	适应性融合网络	图像	使用膝关节数据集进行实验，具体样本数量未提及
6298	2024-10-15	MHIPM: Accurate Prediction of Microbe-Host Interactions Using Multiview Features from a Heterogeneous Microbial Network 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01296 PMID:39289839	研究论文	本文提出了一种基于深度学习的方法MHIPM，用于预测微生物与宿主之间的相互作用	MHIPM利用多源生物信息和异构微生物网络，结合ESM-2和doc2vec模型以及自注意力机制，提取多视角特征，并通过GraphSAGE模型捕捉网络中的特征，实现了对微生物-宿主相互作用的高精度预测	NA	通过计算方法优先筛选微生物-宿主相互作用，以便进一步进行生物实验验证	微生物与宿主之间的相互作用	机器学习	NA	深度学习	GraphSAGE	蛋白质序列	涉及人类蛋白质、病毒、噬菌体和致病菌的异构微生物网络
6299	2024-10-15	The Development and Application of KinomePro-DL: A Deep Learning Based Online Small Molecule Kinome Selectivity Profiling Prediction Platform 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00595 PMID:39320984	研究论文	本文介绍了一种基于深度学习的在线小分子激酶选择性分析预测平台KinomePro-DL的开发与应用	开发了一种多任务深度神经网络模型，用于预测化合物的新结构激酶选择性，并提供了一个免费的在线预测平台KinomePro-DL	未提及	开发和应用一种深度学习模型，用于预测小分子激酶抑制剂的激酶选择性	小分子激酶抑制剂的激酶选择性	机器学习	NA	深度学习	多任务深度神经网络	化合物数据	191种代表性激酶的抑制剂数据集
6300	2024-10-15	KnoMol: A Knowledge-Enhanced Graph Transformer for Molecular Property Prediction 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01092 PMID:39323109	研究论文	本文介绍了一种名为KnoMol的知识增强图Transformer框架，用于提高分子结构的理解和分子属性预测的准确性	KnoMol通过将专家化学知识集成到Transformer中，模拟药物化学家的分析方法，并采用多视角注意力机制来更精确地表示环系统，从而提高了模型的表示能力	NA	提高分子属性预测的准确性和泛化能力，减少对大量数据的依赖	分子结构和分子属性	机器学习	NA	Transformer	图Transformer	分子数据	涉及MoleculeNet和一些小规模数据集的评估实验