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
7781	2024-09-07	A genome-scale deep learning model to predict gene expression changes of genetic perturbations from multiplex biological networks 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae433 PMID:39226889	研究论文	本文介绍了一种名为TranscriptionNet的深度学习模型，该模型通过整合多种生物网络来预测基因扰动引起的基因表达变化	TranscriptionNet能够系统地预测基因扰动引起的转录组变化，并展示了强大的泛化能力	NA	系统地预测基因扰动引起的基因表达变化，以促进基因功能检测和药物开发	基因扰动引起的基因表达变化	机器学习	NA	深度学习	深度学习模型	基因表达数据	26,945个基因
7782	2024-09-07	Automated hepatic steatosis assessment on dual-energy CT-derived virtual non-contrast images through fully-automated 3D organ segmentation 2024-Jul, La Radiologia medica DOI:10.1007/s11547-024-01833-8 PMID:38869829	研究论文	评估通过全自动3D器官分割从双能量CT（DECT）生成的虚拟非对比（VNC）图像中获得的基于体积CT衰减参数在评估肝脂肪变性中的有效性	利用3D深度学习算法自动分割肝脏和脾脏，并通过VNC图像计算肝脏衰减指数（LAI），提供了一种新的肝脂肪变性评估方法	研究为回顾性研究，样本量有限，且未涉及长期随访数据	评估基于体积CT衰减参数的VNC图像在肝脂肪变性评估中的有效性	肝脂肪变性	计算机视觉	肝病	双能量CT（DECT）	3D深度学习算法	图像	252名参与者
7783	2024-09-07	Deep learning unlocks label-free viability assessment of cancer spheroids in microfluidics 2024-06-11, Lab on a chip IF:6.1Q2 DOI:10.1039/d4lc00197d PMID:38804084	研究论文	本文介绍了一种基于深度学习的无标记、非破坏性方法，用于评估微流控芯片中癌症球体的生存能力	该研究提出了一种基于相位对比图像的深度学习模型，用于无标记、非破坏性的生存能力评估，提供了一种成本效益高、高通量的解决方案	该模型在扩展到训练数据集中未包含的新化合物和细胞系时，结果虽然有希望，但仍需进一步验证	改进治疗剂，精确评估药物疗效	癌症球体的生存能力	计算机视觉	NA	深度学习	深度学习模型	图像	约12000个球体
7784	2024-09-07	The Quantitative Evaluation of Automatic Segmentation in Lumbar Magnetic Resonance Images 2024-Jun, Neurospine IF:3.8Q1 DOI:10.14245/ns.2448060.030 PMID:38955536	研究论文	本研究旨在通过开发自动化分割模型，克服腰椎磁共振成像中的挑战，特别是腰椎管狭窄症	引入了一种新的旋转矩阵方法来检测突出的椎间盘，评估硬膜囊压迫，并测量黄韧带厚度	NA	开发一种准确且自动化的分割模型，用于识别腰椎磁共振成像扫描中的解剖结构	腰椎磁共振成像中的解剖结构	计算机视觉	腰椎管狭窄症	深度学习	残差U-Net	图像	539名腰椎管狭窄症患者
7785	2024-09-07	Screening for urothelial carcinoma cells in urine based on digital holographic flow cytometry through machine learning and deep learning methods 2024-05-14, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00854a PMID:38660758	研究论文	研究利用数字全息流式细胞术结合机器学习和深度学习方法，对尿液中的尿路上皮癌细胞进行筛查	结合微流控芯片技术和数字全息显微镜，实现对尿液中细胞的高通量无染色成像，并利用机器学习和深度学习模型进行高精度分类	NA	开发一种高效、准确的尿路上皮癌早期筛查方法	尿液中的尿路上皮癌细胞	数字病理学	尿路上皮癌	数字全息显微镜	机器学习和深度学习模型	图像	多种细胞类型
7786	2024-09-07	Predicting the Utility of Scientific Articles for Emerging Pandemics Using Their Titles and Natural Language Processing 2024-May-10, Disaster medicine and public health preparedness IF:1.9Q3 DOI:10.1017/dmp.2024.109 PMID:38726471	研究论文	本文探讨了使用自然语言处理技术从标题中预测科学文章在应对新兴流行病中的实用性的方法	本文首次提出使用深度学习自然语言处理模型，仅通过文章标题来评估其在公共卫生政策制定中的实用性	研究仅基于COVID-19相关文章，未涵盖其他疾病或流行病	开发一种自动化方法，从公共卫生政策制定的角度评估科学文章的实用性	COVID-19相关科学文章的标题	自然语言处理	NA	自然语言处理	深度学习模型	文本	基于CORD-19数据集中的COVID-19相关文章标题
7787	2024-09-07	Longitudinal MRI analysis using a hybrid DenseNet-BiLSTM method for Alzheimer's disease prediction 2024-04-12, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2024.114900 PMID:38341100	研究论文	本文提出了一种混合DenseNet-BiLSTM方法，用于阿尔茨海默病的纵向MRI分析和预测	该研究创新性地结合了卷积DenseNet和双向LSTM层，以提取纵向MRI图像中的空间和时间特征，从而提高诊断准确性	NA	提高阿尔茨海默病的诊断准确性和理解疾病进展	纵向MRI图像中的空间和时间特征	计算机视觉	阿尔茨海默病	MRI	DenseNet-BiLSTM	图像	684张纵向MRI图像，包括正常对照组、轻度认知障碍患者和阿尔茨海默病患者
7788	2024-09-07	Explainable deep learning-based survival prediction for non-small cell lung cancer patients undergoing radical radiotherapy 2024-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110084 PMID:38244779	研究论文	本文比较了Cox比例风险回归、随机生存森林和深度学习在预测接受放射治疗的非小细胞肺癌患者总体生存率方面的表现，并使用可解释技术提供每个协变量对预测的贡献	本文提出了使用深度学习方法进行生存预测，并结合可解释技术提高模型的透明度和可解释性	NA	比较不同机器学习方法在预测非小细胞肺癌患者总体生存率方面的表现，并提高模型的可解释性	接受放射治疗的非小细胞肺癌患者	机器学习	肺癌	深度学习	深度学习	数值数据	471名非小细胞肺癌患者
7789	2024-09-07	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-Mar-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.30.578025 PMID:38352531	研究论文	本文介绍了RNA3DB数据集，用于训练和基准测试深度学习模型进行RNA结构预测	提出了RNA3DB数据集，通过将RNA 3D链分成非冗余的组件，确保训练集和测试集在序列和结构上的差异，从而避免性能虚高的问题	NA	开发一个可重复且可定制的工具，用于生成结构上不相似的RNA数据集分割	RNA结构预测的深度学习模型	机器学习	NA	深度学习	深度学习模型	结构化RNA数据	RNA3DB数据集包含从蛋白质数据库（PDB）中提取的结构化RNA，具体样本数量未明确提及
7790	2024-09-07	Transcranial direct current stimulation improves motor function in rats with 6-hydroxydopamine-induced Parkinsonism 2024-03-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2023.114815 PMID:38122905	研究论文	研究探讨了经颅直流电刺激（tDCS）对6-羟多巴胺诱导的帕金森病大鼠模型运动功能的改善作用	首次使用深度学习视频分析（DeepLabCut）检测帕金森病大鼠在跑步机行走时的前肢运动异常	tDCS治疗效果是短暂的，停止治疗后效果迅速消失	研究tDCS对帕金森病大鼠运动功能的改善效果	6-羟多巴胺诱导的帕金森病大鼠模型	神经科学	帕金森病	经颅直流电刺激（tDCS）	NA	视频	实验涉及的样本为帕金森病大鼠模型
7791	2024-09-07	Deep learning MRI-only synthetic-CT generation for pelvis, brain and head and neck cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110052 PMID:38096921	研究论文	本文验证了使用深度学习算法生成的合成CT（sCT）在骨盆、脑部和头颈部癌症中的剂量学准确性	本文采用了cycle-GAN算法生成sCT，并验证了其在不同扫描仪和序列下的剂量学准确性	NA	验证深度学习生成的合成CT在不同癌症部位的剂量学准确性	骨盆、脑部和头颈部癌症的合成CT生成	计算机视觉	头颈部癌症	深度学习	cycle-GAN	MRI和CT图像	骨盆49例，脑部25例，头颈部30例
7792	2024-09-07	Uncertainty-aware MR-based CT synthesis for robust proton therapy planning of brain tumour 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110056 PMID:38104781	研究论文	本文开发了一种不确定性感知的框架，用于从MR图像生成高质量的合成CT图像，并评估其在质子治疗计划中的效率	本文的创新点在于引入了不确定性预测，并将其应用于质子治疗计划的鲁棒优化中	NA	开发和评估一种不确定性感知的框架，以提高基于MR的CT合成在质子治疗计划中的临床应用	脑肿瘤患者的MR和CT图像	机器学习	脑肿瘤	生成对抗网络	条件生成对抗网络	图像	64名脑肿瘤患者
7793	2024-09-07	Classification of Parkinson's disease by deep learning on midbrain MRI 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1425095 PMID:39228827	研究论文	本文通过深度学习方法在脑部MRI图像上对帕金森病进行分类	本文创新性地使用基于定量磁敏感图（QSM）的磁敏感加权成像（SMWI）和神经黑色素敏感（NMS）MRI来评估黑质-1（N1），并开发了帕金森病的深度学习分类算法	本文的局限性在于分类错误的原因包括左右不对称、跨平面重切片、搏动伪影和N1过薄等问题，且临床效用需要在前驱期帕金森病队列中验证	比较四种帕金森病诊断方法的分类性能	帕金森病患者和健康对照者的脑部MRI图像	计算机视觉	帕金森病	MRI	深度学习	图像	82名帕金森病患者和107名健康对照者
7794	2024-09-07	Performance evaluation of semi-supervised learning frameworks for multi-class weed detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1396568 PMID:39228840	研究论文	评估半监督学习框架在多类别杂草检测中的性能	提出了一种改进的伪标签生成模块和集成学生网络的半监督学习框架，显著减少了标注数据的需求	实验结果仅限于CottonWeedDet3和CottonWeedDet12数据集，可能需要进一步验证在其他数据集上的表现	探索半监督学习在杂草检测中的应用，减少对大量标注数据的依赖	多类别杂草检测	计算机视觉	NA	深度学习	FCOS, Faster-RCNN	图像	CottonWeedDet3和CottonWeedDet12数据集，分别使用10%的标注数据进行训练
7795	2024-09-07	Integration of dosimetric parameters, clinical factors, and radiomics to predict symptomatic radiation pneumonitis in lung cancer patients undergoing combined immunotherapy and radiotherapy 2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110047 PMID:38070685	研究论文	本研究旨在结合临床/剂量学因素和手工/深度学习放射组学特征，建立预测接受免疫治疗后放疗的肺癌患者症状性（≥2级）放射性肺炎的模型	本研究首次将临床/剂量学因素与手工/深度学习放射组学特征结合，用于预测放射性肺炎	本研究为回顾性研究，需要进一步的前瞻性验证	建立预测接受免疫治疗后放疗的肺癌患者症状性放射性肺炎的模型	接受免疫治疗后放疗的肺癌患者	数字病理学	肺癌	放射组学	ResNet	图像	73名接受免疫治疗后放疗的肺癌患者，其中41名（56.2%）出现症状性≥2级放射性肺炎
7796	2024-09-06	MalariaFlow: A comprehensive deep learning platform for multistage phenotypic antimalarial drug discovery 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116776 PMID:39173285	研究论文	本文介绍了一个名为MalariaFlow的综合深度学习平台，用于多阶段表型抗疟药物发现	本文创新性地整合了多种机器学习和深度学习模型，包括指纹、图和共表示方法，以提高抗疟药物活性预测的准确性，并开发了一个网络服务器MalariaFlow用于虚拟筛选和相似性搜索	本文未涵盖疟疾寄生虫的突变株，这些突变株具有不同程度的敏感性或抗性	加速抗疟药物发现，特别是针对疟疾寄生虫在人体宿主中的三个主要生命周期阶段（肝脏、无性血液和配子体）的抑制活性预测	407,404种独特化合物和410,654个生物活性数据点，涵盖十个疟疾表型和三个生命周期阶段	机器学习	疟疾	深度学习	FP-GNN	化合物数据	407,404种独特化合物和410,654个生物活性数据点
7797	2024-09-06	Discovery of AMPs from random peptides via deep learning-based model and biological activity validation 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116797 PMID:39197254	研究论文	本文通过深度学习模型从随机肽库中筛选出具有抗菌活性的多肽，并验证了其生物活性	利用深度学习构建多判别器模型，成功从30,000个随机肽中筛选出12个具有抗菌活性的多肽	仅在特定实验条件下验证了筛选出的多肽的抗菌活性，未进行大规模临床试验	发现具有临床应用潜力的新型抗菌肽	随机肽库中的抗菌肽	机器学习	NA	深度学习	多判别器模型	肽序列	30,000个随机肽
7798	2024-09-06	A protein pre-trained model-based approach for the identification of the liquid-liquid phase separation (LLPS) proteins 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134146 PMID:39067723	研究论文	本文提出了一种基于蛋白质预训练模型的方法，用于识别液-液相分离（LLPS）蛋白质	本文使用基于transformer架构的ESM2-36预训练模型结合卷积神经网络，直接感知蛋白质序列的语义信息，提高了识别LLPS蛋白质的准确性	NA	开发一种高效、成本低廉的方法来识别LLPS蛋白质	液-液相分离（LLPS）蛋白质	机器学习	NA	NA	卷积神经网络（CNN）	蛋白质序列	1206个蛋白质序列，包括603个LLPS蛋白质和603个非LLPS蛋白质
7799	2024-09-06	The Application of Artificial Intelligence to Acoustic Data in Otolaryngology 2024-Oct, Otolaryngologic clinics of North America IF:1.3Q3 DOI:10.1016/j.otc.2024.06.011 PMID:39048506	综述	本文综述了人工智能，特别是深度学习，在耳鼻喉科，尤其是喉科和耳科中的应用	深度学习通过其建模复杂、噪声系统的强大能力，正在改变多个领域，并在许多任务中达到与人类相当的性能	本文主要讨论了深度学习在耳鼻喉科中的应用，但未深入探讨其他医学领域的应用	探讨深度学习在耳鼻喉科中的应用及其潜力	耳鼻喉科，特别是喉科和耳科	机器学习	NA	深度神经网络 (DNNs)	深度神经网络 (DNNs)	声学数据和其他临床数据	NA
7800	2024-09-06	A green and efficient approach for the simultaneous extraction and mechanisms of essential oil and lignin from Cinnamomum camphora: Process optimization based on deep learning 2024-Oct, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.134215 PMID:39074705	研究论文	研究了一种从樟树叶中同时提取精油和木质素的绿色高效方法，并利用深度学习工具优化了提取过程	采用深度共熔溶剂（DES）和深度学习工具实现了樟树叶中精油和木质素的同时提取，提取效率比传统水蒸气蒸馏提高了23%	NA	最大化生物质资源的利用和经济效益	樟树叶中的精油和木质素	NA	NA	深度共熔溶剂（DES）	深度学习	NA	NA