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
7061	2024-09-08	How deep can we decipher protein evolution with deep learning models 2024-Aug-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101043 PMID:39233697	研究论文	本文探讨了基于进化理论的深度学习模型在蛋白质进化研究中的应用	本文展示了基于进化的深度生成模型，特别是变分自编码器，能够在层次化的潜在空间中组织SH3同源物，并有效区分特定的Sho1域	NA	探索深度学习模型在蛋白质进化研究中的潜力	蛋白质进化中的SH3同源物和Sho1域	机器学习	NA	深度学习	变分自编码器	蛋白质序列	NA
7062	2024-09-08	Artificial Intelligence and Deep Learning in Revolutionizing Brain Tumor Diagnosis and Treatment: A Narrative Review 2024-Aug, Cureus DOI:10.7759/cureus.66157 PMID:39233936	综述	本文综述了人工智能和深度学习在脑肿瘤诊断和治疗中的应用	深度学习模型如脑肿瘤分类模型和Inception-Resnet V2，以及结合支持向量机和k近邻的混合技术，能够实时决策并增强术前规划	将人工智能整合到临床实践中仍面临挑战，需要进一步研究以实现深度学习在改善这些结果中的潜力	探讨人工智能和深度学习在脑肿瘤诊断和治疗中的应用及其潜力	脑肿瘤的诊断和治疗	计算机视觉	脑肿瘤	深度学习	CNN	图像	NA
7063	2024-09-08	Screening antimicrobial peptides and probiotics using multiple deep learning and directed evolution strategies 2024-Aug, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2024.05.003 PMID:39234615	研究论文	本文开发并改进了抗菌肽预测模型，结合多种深度学习和定向进化策略，提高了预测准确性和应用价值	使用COMDEL算法改进了抗菌肽预测模型，结合高通量筛选和定向进化方法，显著提高了抗菌肽的产量和筛选效率	NA	提高抗菌肽预测模型的准确性和应用价值	抗菌肽和益生菌	机器学习	NA	深度学习	COMDEL	多组学数据	35种可食用益生菌
7064	2024-09-08	DeepIRES: a hybrid deep learning model for accurate identification of internal ribosome entry sites in cellular and viral mRNAs 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae439 PMID:39234953	研究论文	本文介绍了一种名为DeepIRES的混合深度学习模型，用于准确识别细胞和病毒mRNA中的内部核糖体进入位点（IRES）	DeepIRES结合了膨胀1D卷积神经网络块、双向门控循环单元和自注意力模块，能够捕捉序列特征与预测结果之间的更深层次关系	NA	开发一种高效的生物信息学工具，用于准确预测内部核糖体进入位点（IRES），以理解其机制并寻找相关疾病的潜在治疗策略	细胞和病毒mRNA中的内部核糖体进入位点（IRES）	机器学习	NA	深度学习	混合模型（膨胀1D卷积神经网络、双向门控循环单元、自注意力模块）	序列	NA
7065	2024-09-08	Predicting overall survival and prophylactic cranial irradiation benefit in small-cell lung cancer with CT-based deep learning: A retrospective multicenter study 2024-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110221 PMID:38479441	研究论文	开发基于CT的深度学习模型，预测小细胞肺癌患者的总生存期并识别可能从预防性颅脑放疗中受益的患者	首次使用基于CT的深度学习模型预测小细胞肺癌患者的总生存期，并评估预防性颅脑放疗的受益情况	研究为回顾性多中心研究，样本量有限，需进一步前瞻性研究验证	开发和验证基于CT的深度学习模型，以预测小细胞肺癌患者的总生存期并评估预防性颅脑放疗的受益情况	小细胞肺癌患者及其总生存期和预防性颅脑放疗的受益情况	计算机视觉	肺癌	深度学习	全连接神经网络	CT影像	556名小细胞肺癌患者，其中训练集309例，内部验证集133例，外部验证集114例
7066	2024-09-08	Deep match: A zero-shot framework for improved fiducial-free respiratory motion tracking 2024-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110179 PMID:38403025	研究论文	提出了一种基于深度学习的模板匹配算法Deep Match，用于改进无标记的呼吸运动跟踪	Deep Match是一种零样本学习网络，无需在患者数据上进行训练，能够显著提高无标记跟踪的性能	NA	旨在改进肺部立体定向放疗中的无标记呼吸运动跟踪	肺部肿瘤及其在X射线图像中的运动跟踪	计算机视觉	肺部疾病	深度学习	深度学习网络	图像	10名患者，共38次治疗，2661张图像
7067	2024-09-08	Deep5hmC: Predicting genome-wide 5-Hydroxymethylcytosine landscape via a multimodal deep learning model 2024-Mar-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.04.583444 PMID:38496575	研究论文	本文介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组范围内的5-羟甲基胞嘧啶修饰	Deep5hmC通过整合DNA序列和组蛋白修饰信息，显著提高了5hmC修饰的定性和定量预测能力	NA	开发一种能够准确预测全基因组范围内5-羟甲基胞嘧啶修饰的深度学习模型	5-羟甲基胞嘧啶修饰及其在基因表达调控中的作用	机器学习	阿尔茨海默病	深度学习	多模态深度学习模型	DNA序列和组蛋白修饰数据	在四个时间点的前脑类器官发育和17种人体组织中收集的5hmC测序数据
7068	2024-09-08	An open-source toolbox for measuring vocal tract shape from real-time magnetic resonance images 2024-03, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02171-9 PMID:37507650	研究论文	本文介绍了一种从实时磁共振图像中测量声道形状的开源工具箱	提出了一个信号处理流程，能够从唇部到喉部的实时磁共振图像中生成声道轮廓，量化声道的动态形态	该方法依赖于研究者指定的感兴趣区域，且尚未完全自动化	开发一种能够从实时磁共振图像中量化声道形态的工具	实时磁共振图像中的声道形态	计算机视觉	NA	实时磁共振成像 (rtMRI)	NA	图像	涵盖了多种行为的数据集，如说话、夸张的语音、笑声和口哨声
7069	2024-09-08	Characterisation of quantitative imaging biomarkers for inflammatory and fibrotic radiation-induced lung injuries using preclinical radiomics 2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110106 PMID:38253201	研究论文	本研究利用放射组学技术，通过定量影像生物标志物识别急性炎症和晚期纤维化放射性肺损伤的预后和预测标志物	首次在临床前模型中应用深度学习放射组学技术，建立了急性炎症和晚期肺损伤的预测模型	研究仅限于小鼠模型，尚未在人类中验证	识别与放射性肺损伤相关的放射组学特征，并建立预测模型	C3H/HeN和C57BL6小鼠的放射性肺损伤	数字病理学	肺损伤	放射组学	随机森林分类器	影像	C3H/HeN和C57BL6小鼠各若干只
7070	2024-09-08	Evaluating AI-generated CBCT-based synthetic CT images for target delineation in palliative treatments of pelvic bone metastasis at conventional C-arm linacs 2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110110 PMID:38272314	研究论文	评估基于AI生成的CBCT合成CT图像在常规C臂直线加速器上进行骨盆骨转移姑息治疗中的靶区勾画和治疗计划的可行性	利用深度学习模型生成CBCT合成CT图像，以提高常规C臂直线加速器上姑息治疗中靶区勾画的准确性	部分合成CT图像质量不足，需要通过增加PTV边距来补偿	评估AI生成的CBCT合成CT图像在姑息放射治疗中的靶区勾画和治疗计划的可行性	22名骨盆骨转移的女性患者	计算机视觉	骨转移	深度学习	深度学习模型	图像	22名女性患者，23个靶区
7071	2024-09-08	ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages 2024-Jan-30, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-024-01072-y PMID:38289518	研究论文	提出了一种基于深度学习的非侵入性方法，用于直接从时间飞行PET数据生成的histoimages重建高质量的脑部参数图像	无需侵入性动脉采样、MRI扫描或标准视野扫描仪的配对训练数据，显著提高了参数图像的估计质量	NA	开发一种非侵入性的深度学习方法，用于直接重建高质量的脑部参数PET图像	脑部参数图像的重建	计算机视觉	NA	深度学习	深度学习模型	图像	模拟幻影和五名接受18F-FDG-PET脑部扫描的肿瘤患者
7072	2024-09-08	Detecting pediatric appendicular fractures using artificial intelligence 2024, Revista da Associacao Medica Brasileira (1992) DOI:10.1590/1806-9282.20240523 PMID:39230068	研究论文	评估深度学习人工智能模型在急诊科检测儿童四肢骨折的诊断准确性	开发了一种基于深度学习的人工智能模型，用于检测儿童四肢骨折，并评估其对急诊医生诊断能力的辅助支持效果	NA	评估人工智能模型在检测儿童急性四肢骨折中的诊断准确性，并研究其对急诊医生诊断能力的影响	儿童四肢骨折的检测	计算机视觉	NA	深度学习	NA	图像	5150张X光片，其中850张显示骨折，4300张未显示骨折
7073	2024-09-08	Iteratively Refined Image Reconstruction with Learned Attentive Regularizers 2024, Numerical functional analysis and optimization IF:1.4Q2 DOI:10.1080/01630563.2024.2384849 PMID:39233889	研究论文	提出了一种利用深度学习能力并基于经典稀疏促进模型的图像重建正则化方案	该方案可解释性强，因为它对应于一系列凸问题的最小化，并且在每个问题中，基于先前解生成的掩码用于空间上细化正则化强度，使模型逐渐关注图像结构	NA	开发一种可解释性强且具有理论保证的图像重建方法	图像重建中的正则化方案	计算机视觉	NA	深度学习	NA	图像	NA
7074	2024-09-08	Global bibliometric mapping of the research trends in artificial intelligence-based digital pathology for lung cancer over the past two decades 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241277735 PMID:39233894	研究论文	本文通过文献计量分析，探讨了过去二十年人工智能辅助数字病理学在肺癌研究中的趋势和热点	首次对人工智能辅助数字病理学在肺癌领域的研究进行了全面的文献计量分析	研究主要基于独立的国家研究，缺乏国际间的学术合作和数据共享	分析人工智能辅助数字病理学在肺癌研究中的趋势、热点和研究空白	过去二十年发表的197篇与数字病理学和肺癌相关的文献	数字病理学	肺癌	文献计量分析	NA	文献	197篇文献，涉及502个机构和39个国家
7075	2024-09-08	Comprehensive hepatotoxicity prediction: ensemble model integrating machine learning and deep learning 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1441587 PMID:39234116	研究论文	本文开发了一种集成模型，结合机器学习和深度学习算法，用于预测化学品和药物的肝毒性	本文创新性地采用了集成策略，将机器学习和深度学习算法结合，以提高肝毒性预测的准确性	NA	开发一种可靠的模型，用于预测化学品和药物对肝脏的潜在损害	化学品和药物的肝毒性	机器学习	NA	机器学习 (ML) 和深度学习 (DL)	集成模型	分子特征	2588种化学品和药物
7076	2024-09-07	Integrating multi-task and cost-sensitive learning for predicting mortality risk of chronic diseases in the elderly using real-world data 2024-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105567 PMID:39068894	研究论文	本文提出了一种结合多任务学习和成本敏感学习的深度学习框架，用于预测老年人慢性疾病的死亡风险	本文的创新点在于将多任务学习和成本敏感学习相结合，以解决慢性疾病患者共病和类别不平衡问题	NA	开发一种能够准确预测老年人慢性疾病死亡风险的深度学习框架	老年人慢性疾病的死亡风险	机器学习	NA	深度学习	深度神经网络	真实世界数据	482,145名患者（包括9,516例死亡）
7077	2024-09-07	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-Nov, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子性质预测性能的方法	通过对比损失和交叉注意力机制在嵌入空间中对齐和融合图和文本特征，并引入多粒度信息增强分子表示	未提及	提升分子性质预测的准确性	分子性质预测	机器学习	NA	对比损失、交叉注意力机制	NA	图、文本	未提及
7078	2024-09-07	CT-Net: an interpretable CNN-Transformer fusion network for fNIRS classification 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03138-4 PMID:38816665	研究论文	本文提出了一种基于卷积神经网络和Transformer的新方法CT-Net，用于功能性近红外光谱（fNIRS）分类，特别是用于心理算术任务的分类	CT-Net结合了卷积神经网络和Transformer的优点，设计了一种时间层次的原始色团信号组合，以提高数据利用率和模型特征学习能力	NA	探索和改进功能性近红外光谱（fNIRS）在心理算术任务分类中的应用	心理算术任务的分类	机器学习	NA	功能性近红外光谱（fNIRS）	卷积神经网络（CNN）和Transformer	光谱数据	两个公开数据集
7079	2024-09-07	A comparative analysis of different augmentations for brain images 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03127-7 PMID:38782880	研究论文	本文比较了不同数据增强方法对脑部CT图像的性能影响	本文首次将数据增强方法分为四类，并系统地分析了它们在脑部CT图像上的应用效果	本文仅限于脑部CT图像，未涵盖其他类型的医学图像	评估不同数据增强方法在脑部CT图像上的性能，以提高模型准确性和鲁棒性	脑部CT图像	计算机视觉	NA	数据增强	深度学习模型	图像	未明确提及具体样本数量
7080	2024-09-07	BranchLabelNet: Anatomical Human Airway Labeling Approach using a Dividing-and-Grouping Multi-Label Classification 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03119-7 PMID:38777935	研究论文	本文介绍了一种名为BranchLabelNet的创新性气道标记方法，利用分治多标签分类技术对人类解剖学气道进行标记	BranchLabelNet方法考虑了气道的分形特性和固有的层次分支命名法，采用n-ary树结构管理复杂的分支数据，并通过分治多标签分类技术简化了气道分支的标记过程	NA	开发一种精确的气道标记方法，以辅助肺部疾病的诊断和治疗	人类解剖学气道及其分支	计算机视觉	肺部疾病	分治多标签分类	NA	图像	1000张胸部CT图像