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
7301	2024-09-19	A novel universal deep learning approach for accurate detection of epilepsy 2024-09, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104219 PMID:39284648	研究论文	提出了一种新的通用深度学习方法，用于从任何设备的脑电图信号中准确检测癫痫	将VEEG视频转换为图像，分离部分并统一来自不同设备的图像，通过添加空间注意力层提高分类准确率	脑电图数据稀缺且来自不同设备，通道数和采样频率不同	构建高精度的癫痫诊断模型	脑电图信号	机器学习	癫痫	深度学习	NA	图像	视频被分割成不同周期的标记帧进行测试
7302	2024-09-19	Construction of a multi-tissue compound-target interaction network of Qingfei Paidu decoction in COVID-19 treatment based on deep learning and transcriptomic analysis 2024-Aug, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500161 PMID:39036847	研究论文	本研究构建了基于深度学习和转录组分析的清肺排毒汤在COVID-19治疗中的多组织化合物-靶点相互作用网络	首次通过深度学习模型GraphDTA和多组织转录组分析，预测了清肺排毒汤在多个组织中的化合物-靶点相互作用，并验证了其强结合亲和力	研究主要集中在清肺排毒汤的化合物-靶点相互作用预测，未涉及临床试验验证	揭示清肺排毒汤在COVID-19治疗中的多组织作用机制	清肺排毒汤的化合物及其在多个组织中的靶点	机器学习	COVID-19	深度学习、转录组分析、分子对接、分子动力学模拟	GraphDTA	转录组数据	六个不同组织中的13种关键活性化合物、127个潜在靶点和27条相关通路
7303	2024-09-19	The State-of-the-Art Overview to Application of Deep Learning in Accurate Protein Design and Structure Prediction 2024-Jul-04, Topics in current chemistry (Cham) DOI:10.1007/s41061-024-00469-6 PMID:38965117	研究论文	本文综述了深度学习在蛋白质设计和结构预测中的最新应用	使用深度学习方法替代暴力算法，提高了蛋白质结构预测的速度和准确性	NA	探讨蛋白质结构预测领域的最新进展	蛋白质设计和结构预测	机器学习	NA	深度学习	NA	蛋白质数据库	NA
7304	2024-09-19	Regression-based Deep-Learning predicts molecular biomarkers from pathology slides 2024-Feb-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45589-1 PMID:38341402	研究论文	本文开发并评估了一种基于回归的深度学习方法，用于从病理切片中直接预测连续的分子生物标志物	本文提出了一种基于回归的深度学习方法，相较于传统的分类方法，能够更准确地预测连续的生物标志物，并提高了与已知临床相关区域的对应性	NA	开发和评估一种新的深度学习方法，用于从病理切片中直接预测连续的分子生物标志物	从11,671张病理切片图像中预测多种临床和生物学相关的生物标志物，包括同源重组缺陷评分和肿瘤微环境中关键生物过程的标志物	数字病理学	NA	深度学习	回归模型	图像	11,671张病理切片图像，涵盖九种癌症类型
7305	2024-09-19	Unlocking the potential: analyzing 3D microstructure of small-scale cement samples from space using deep learning 2024-Jan-25, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-024-00349-9 PMID:38272924	研究论文	本文提出了一种利用深度学习分析国际空间站微重力环境下硬化三钙硅酸盐样品三维微观结构的方法	本文创新性地利用深度学习框架从稀疏的实验数据中生成具有统计特性的微观结构集合，并展示了其在微重力环境下硬化水泥样品的独特微观形态	NA	研究微重力环境下硬化水泥样品的三维微观结构，并利用深度学习进行重建	微重力环境下硬化的三钙硅酸盐样品	计算机视觉	NA	深度学习	NA	图像	微重力环境下硬化的三钙硅酸盐样品
7306	2024-09-19	Contextual emotion detection in images using deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1386753 PMID:38952408	研究论文	本文研究了基于深度学习的图像中情境情感检测技术	本文提出了两种基于深度学习技术的复杂算法（DCNN和VGG19），并通过优化超参数来分析情境和肢体语言，以提高对图像中人类情感的理解	NA	开发更富有同理心的系统，应用于从医学到社交媒体情感互动的多个领域	图像中的情境情感检测	计算机视觉	NA	深度学习	DCNN, VGG19	图像	使用了来自多个数据库的真实图像，包括EMOTIC（ADE20K, MSCOCO）、EMODB_SMALL和FRAMESDB
7307	2024-09-19	AlphaCRV: a pipeline for identifying accurate binder topologies in mass-modeling with AlphaFold 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae131 PMID:39286602	研究论文	介绍了一种名为AlphaCRV的Python工具包，用于在AlphaFold筛选中识别正确的相互作用蛋白	提出了AlphaCRV工具包，通过聚类、排序和可视化保守的结合拓扑结构，帮助在AlphaFold筛选中识别正确的相互作用蛋白	NA	开发一种工具，用于在蛋白质组规模上识别生物学相关的蛋白质-蛋白质相互作用	蛋白质-蛋白质相互作用	机器学习	NA	AlphaFold	NA	蛋白质序列和折叠结构	NA
7308	2024-09-19	A single sequence MRI-based deep learning radiomics model in the diagnosis of early osteonecrosis of femoral head 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1471692 PMID:39280340	研究论文	本研究开发并评估了一种基于单序列MRI的深度学习放射组学模型，用于早期股骨头坏死的诊断	首次使用此类模型进行早期股骨头坏死的诊断，相比之前的多序列MRI放射组学方法更为简单，并利用深度学习技术进行改进	NA	开发和评估一种基于单序列MRI的深度学习放射组学模型，用于早期股骨头坏死的准确预测	早期股骨头坏死	机器学习	骨科疾病	MRI	深度学习模型	图像	150名患者（80名健康，70名坏死）的MRI扫描数据
7309	2024-09-19	A Systematic Review of Real-Time Deep Learning Methods for Image-Based Cancer Diagnostics 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S446745 PMID:39281299	综述	本文深入探讨了深度学习算法在实时癌症诊断中的应用	本文评估了不同成像模式在基于深度学习的癌症诊断中的准确性和周转时间，并探讨了可解释深度学习在癌症诊断中的应用潜力	本文指出泛化问题、数据变异性和可解释性是深度学习在临床试验中应用的主要障碍	本文旨在通过系统综述了解深度学习如何影响癌症诊断的等待时间	本文研究了深度学习在实时癌症诊断中的应用，评估了不同成像模式的准确性和周转时间，并探讨了基础设施的成本和效果	计算机视觉	癌症	深度学习	卷积神经网络	图像	NA
7310	2024-09-19	Artificial intelligence in neuroimaging: Opportunities and ethical challenges 2024, Brain & spine DOI:10.1016/j.bas.2024.102919 PMID:39281849	评论	本文讨论了人工智能在神经影像学中的应用及其带来的机遇和伦理挑战	AI算法，特别是深度学习模型，在分析复杂神经影像数据方面展示了显著能力，提高了诊断准确性和个性化治疗策略	快速采用AI技术引发了算法偏差、数据隐私和AI驱动见解的可解释性等伦理挑战	探讨AI在神经影像学中的应用及其伦理挑战	神经退行性疾病	计算机视觉	NA	深度学习	深度学习模型	影像	NA
7311	2024-09-19	Corrigendum: Contextual emotion detection in images using deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1476791 PMID:39290717	correction	纠正了文章DOI: 10.3389/frai.2024.1386753中的错误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7312	2024-09-18	EGDP based feature extraction and deep convolutional belief network for brain tumor detection using MRI image 2024-Sep-16, Network (Bristol, England) DOI:10.1080/0954898X.2024.2389248 PMID:39285629	研究论文	本文提出了一种基于MRI图像的脑肿瘤检测的深度学习框架	提出了EGDP特征提取方法和深度卷积信念网络（DCvB-Net）用于脑肿瘤检测	未提及具体局限性	开发一种新的深度学习方法用于MRI图像的脑肿瘤检测	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	深度学习	深度卷积信念网络（DCvB-Net）	图像	未提及具体样本数量
7313	2024-09-17	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	本文提出了一种基于残差块和挤压激励注意力机制的NeuroPred-ResSE模型，用于预测神经肽	整合了残差块和挤压激励注意力机制，提高了神经肽预测的准确性	未提及	开发一种快速且准确的神经肽预测模型	神经肽及其在神经疾病治疗中的应用	机器学习	神经疾病	深度学习	残差块和挤压激励注意力机制	序列数据	未提及具体样本数量
7314	2024-09-17	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-Dec, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	本文开发了一种基于机器学习的二维核磁共振（2D NMR）数据处理方法，用于代谢组学中的定量分析	提出了结合部分最小二乘判别分析（PLS-DA）、人工神经网络分类（ANN-DA）、梯度提升树分类（XGBoost-DA）和人工深度学习神经网络分类（ANNDL-DA）的自动化峰值选择方法，显著提高了2D NMR数据处理的准确性	PLS-DA和XGBoost-DA在数据变化或过拟合方面存在局限性	开发一种自动化方法，将二维核磁共振（2D NMR）数据应用于代谢组学中的常规定量分析	标准混合物、海葵提取物和小鼠粪便样本	代谢组学	NA	二维核磁共振（2D NMR）	人工神经网络（ANN）、深度学习神经网络（ANNDL）、部分最小二乘判别分析（PLS-DA）、梯度提升树（XGBoost）	核磁共振数据	标准混合物、海葵提取物和小鼠粪便样本
7315	2024-09-17	Using machine learning to predict carotid artery symptoms from CT angiography: A radiomics and deep learning approach 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100594 PMID:39280120	研究论文	评估放射组学和深度学习方法在从颈动脉CT血管造影图像中识别有症状的颈动脉疾病中的应用	本文引入了放射组学和深度学习方法，并与传统的钙评分进行了性能比较	需要进一步的工作来验证这些新技术的临床应用	评估放射组学和深度学习方法在识别有症状的颈动脉疾病中的有效性	颈动脉CT血管造影图像	计算机视觉	心血管疾病	放射组学、深度学习	卷积神经网络（CNN）	图像	132条颈动脉（41条有症状、41条无症状、50条无症状）
7316	2024-09-17	The impact of deep learning image reconstruction of spectral CTU virtual non contrast images for patients with renal stones 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100599 PMID:39280122	研究论文	比较深度学习图像重建（DLIR）和自适应统计迭代重建-Veo（ASIR-V）重建的虚拟非对比（VNC）图像与真实非对比（TNC）图像在肾结石检测中的图像质量和准确性	深度学习图像重建（DLIR）在光谱CT尿路造影（CTU）中重建的虚拟非对比（VNC）图像提供了比传统真实非对比（TNC）图像更好的图像质量，同时保持了相似的肾结石检测准确性	研究为回顾性分析，样本量有限，未涉及临床剂量节省的具体应用	评估深度学习图像重建（DLIR）在光谱CT尿路造影（CTU）中重建的虚拟非对比（VNC）图像与传统真实非对比（TNC）图像在肾结石检测中的图像质量和准确性	肾结石检测的图像质量和准确性	计算机视觉	泌尿系统疾病	深度学习图像重建（DLIR）	深度学习模型	图像	70名接受腹部-骨盆CTU检查的患者
7317	2024-09-17	Human-robot interaction in motor imagery: A system based on the STFCN for unilateral upper limb rehabilitation assistance 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110240 PMID:39111412	研究论文	本文设计了一种基于STFCN的精细级MI-BCI系统，用于单侧上肢康复辅助	提出了空间-时间滤波卷积网络（STFCN）算法，用于提高单个部位的分类精度	仅在四分类在线实验中验证了系统的有效性，样本量较小	开发一种精细级的MI-BCI系统，用于单侧上肢康复辅助	单侧上肢康复辅助	机器学习	NA	空间-时间滤波卷积网络（STFCN）	卷积神经网络（CNN）	脑电信号	6名志愿者参与了四分类在线实验
7318	2024-09-17	Decoding micro-electrocorticographic signals by using explainable 3D convolutional neural network to predict finger movements 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110251 PMID:39151656	研究论文	本研究使用可解释的3D卷积神经网络模型解码微电极皮层电图信号，以预测手指运动	引入3D卷积神经网络模型和可解释的人工智能技术，显著提高了手指运动预测的准确性，并提供了对模型决策过程的清晰解释	NA	提高从电极皮层电图数据中解码手指运动的准确性和可解释性	癫痫患者在清醒开颅手术期间的电极皮层电图信号	机器学习	NA	3D卷积神经网络	3D-CNN	电极皮层电图数据	NA
7319	2024-09-17	A minimalistic approach to classifying Alzheimer's disease using simple and extremely small convolutional neural networks 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110253 PMID:39168252	研究论文	研究使用极简的3D卷积神经网络SFCN对阿尔茨海默病进行分类	提出了一种极简的3D卷积神经网络SFCN，并证明其在阿尔茨海默病分类中与更复杂的架构相比具有竞争力	研究仅限于使用T1加权磁共振成像数据，未探讨其他类型的神经影像数据	探讨现代灵活架构如EfficientNet是否比标准架构在阿尔茨海默病分类中表现更优	阿尔茨海默病和健康对照组的分类	计算机视觉	阿尔茨海默病	T1加权磁共振成像	3D卷积神经网络	图像	数据来自阿尔茨海默病神经影像学倡议(ADNI)
7320	2024-09-17	NeuroQuantify - An image analysis software for detection and quantification of neuron cells and neurite lengths using deep learning 2024-Nov, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110273 PMID:39197681	研究论文	开发了一种名为NeuroQuantify的图像分析软件，利用深度学习技术检测和量化神经元细胞及神经突长度	NeuroQuantify软件能够自动检测和量化神经元细胞及神经突长度，并识别神经突方向，相较于现有方法，其在自动和准确分析神经元结构方面有所改进	NA	开发一种能够快速有效地评估神经网络发育的工具	神经元细胞和神经突	计算机视觉	NA	深度学习	NA	图像	NA