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
9141	2024-08-04	GraphsformerCPI: Graph Transformer for Compound-Protein Interaction Prediction 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00609-y PMID:38457109	研究论文	本文提出了一种名为GraphsformerCPI的深度学习框架，用于预测化合物与蛋白质的相互作用	通过引入结构增强的自注意力机制和双重注意力机制，显著提高了预测性能和可解释性	文章未提及具体的限制条件	研究旨在提高化合物-蛋白质相互作用预测的准确性和可解释性	研究对象为化合物及其与蛋白质之间的相互作用	计算机视觉	NA	深度学习	Transformer	结构化数据	多个数据集，包括人类、秀丽隐杆线虫、Davis和KIBA数据集
9142	2024-08-04	ResDeepSurv: A Survival Model for Deep Neural Networks Based on Residual Blocks and Self-attention Mechanism 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00617-y PMID:38489147	研究论文	本文提出了一种基于残差块和自注意力机制的生存模型ResDeepSurv，用于生存分析	该模型结合了神经网络的优势和Cox比例风险回归模型，不需要严格的生存数据基本分布假设	模型可能对非常复杂的风险函数仍然可能存在限制	旨在提供一种提高生存分析性能的新方法	探讨患者协变量与疾病之间的关系及治疗策略的有效性	机器学习	NA	深度学习	残差网络	临床数据	多个公共临床数据集
9143	2024-08-04	GEnDDn: An lncRNA-Disease Association Identification Framework Based on Dual-Net Neural Architecture and Deep Neural Network 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00619-w PMID:38733474	研究论文	本文提出了一种基于深度学习的lncRNA-疾病关联预测框架GEnDDn	GEnDDn结合相似性计算、非负矩阵分解和图注意自编码器提取特征，并通过双网神经架构和深度神经网络进行分类，从而创新性地识别lncRNA-疾病关联	需要进一步的生物医学实验验证以确认结果	识别新的lncRNA-疾病关联，从而更好地理解疾病机制及为癌症靶向治疗和抗癌药物设计提供见解	主要研究lncRNA及其与疾病的关联	数字病理学	肺癌	深度学习	双网神经架构	NA	使用了六种不同的评估指标验证了GEnDDn在四种竞争性lncRNA-疾病关联识别方法上的优越性，并在lncRNADisease和MNDR数据库进行了五折交叉验证
9144	2024-08-05	Automating Linear and Angular Measurements for the Hip and Knee After Computed Tomography: Validation of a Three-Stage Deep Learning and Computer Vision-Based Pipeline for Pathoanatomic Assessment 2024-Jun, Arthroplasty today IF:1.5Q3 DOI:10.1016/j.artd.2024.101394 PMID:39071819	研究论文	本研究展示了一种可重复和可扩展的方法，用于分析基于CT的解剖学，以处理髋部和膝部的测量。	开发了一个三阶段的深度学习和计算机视觉管道，能够自动识别和测量髋膝解剖特征。	未提及具体的临床参数整合方法及其对结果的影响。	研究旨在提高CT图像处理的有效性，以改善围手术期的规划和执行。	研究对象为100名接受全膝关节置换术的骨关节炎患者，其预处理的CT扫描数据。	计算机视觉	骨关节炎	深度学习	UNet3+和Attention U-Net	CT图像	100个预处理的CT扫描
9145	2024-08-05	Self-Trained Convolutional Neural Network (CNN) for Tuberculosis Diagnosis in Medical Imaging 2024-Jun, Cureus DOI:10.7759/cureus.63356 PMID:39070319	研究论文	本文提出了一种基于卷积神经网络（CNN）的深度学习方法，以提高胸部X光图像中结核病的检测率	文章展示了自训练CNN在检测结核病方面的优势，相较于多种预训练模型的迁移学习，优化了结果	后续工作需重点优化模型，并从本地医院和易感地区获取更大规模的数据集	提高结核病的早期准确检测以促进有效治疗和减少传播	研究对象为包含结核病证据的胸部X光图像以及正常图像	计算机视觉	结核病	深度学习	卷积神经网络（CNN）	图像	7000张胸部X光图像（其中3500张为结核病证据，3500张为正常）
9146	2024-08-05	Bibliometric Analysis and Visualization of Scientific Literature on Heart Disease Classification Using a Logistic Regression Model 2024-Jun, Cureus DOI:10.7759/cureus.63337 PMID:39070375	研究论文	本研究通过文献计量分析调查了心脏病分类中使用逻辑回归模型的研究生产力	揭示了心脏病分类领域的研究模式和未来趋势，强调了重要的研究团队和国家	研究只考虑了来自Scopus的数据，排除了其他数据库的文献，并且仅关注2019年后的开发	探讨心脏病分类中逻辑回归模型的研究生产力和影响力	心脏病分类相关的科学文献	机器学习	心脏病	逻辑回归	NA	文献	2331篇文献
9147	2024-08-05	A large-scale assessment of sequence database search tools for homology-based protein function prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae349 PMID:39038936	研究论文	本文评估了不同序列数据库搜索工具在基于同源性的蛋白质功能预测中的效果	提出新的评分函数以改进基于同源性匹配的GO预测，并验证了搜索参数的重要性	没有探讨所有可能的顺序搜索工具和参数组合	探讨如何选择最佳序列搜索工具及其参数以提高蛋白质功能预测	主要研究热门的序列搜索工具对蛋白质功能预测的影响	机器学习	NA	序列数据库搜索	NA	基准数据集	大规模基准数据集
9148	2024-08-05	Comprehensive single-cell RNA-seq analysis using deep interpretable generative modeling guided by biological hierarchy knowledge 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae314 PMID:38960404	研究论文	提出了一种名为d-scIGM的深度可解释生成模型，用于单细胞RNA-seq数据分析	d-scIGM结合锯齿连接技术和残差网络，构建了一个深度生成框架，并结合生物领域的层次性先验知识提高了模型的可解释性	大部分以往的生成模型工作局限于一到三层潜在变量的浅层神经网络	探索如何通过深度学习分析单细胞转录组数据并增加模型的可解释性	单细胞RNA-seq数据	数字病理学	黑色素瘤	RNA-seq	深度生成模型	基因表达数据	包含大规模实验的数据集
9149	2024-08-04	Magnetic resonance imaging-based bone imaging of the lower limb: Strategies for generating high-resolution synthetic computed tomography 2024-04, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25707 PMID:37807082	研究论文	本研究旨在评估生成适用于骨科护理的高分辨率磁共振成像（MRI）基础的合成计算机断层扫描（sCT）图像的方法	提出了使用低分辨率数据生成高分辨率sCT图像的新方法	使用低分辨率CT数据训练模型导致产生的sCT图像模糊	研究低分辨率CT数据在生成高分辨率sCT中的应用	针对三个解剖区域的MRI和CT配对数据	数字病理学	NA	深度学习	NA	MRI和CT数据	三种解剖区域的数据（高分辨率的膝盖和踝关节数据，以及低分辨率的髋关节数据）
9150	2024-08-04	Development of an automated estimation of foot process width using deep learning in kidney biopsies from patients with Fabry, minimal change, and diabetic kidney diseases 2024-01, Kidney international IF:14.8Q1 DOI:10.1016/j.kint.2023.09.011 PMID:37774924	研究论文	本文开发了一种使用深度学习自动估计足突宽度的技术，用于患者的肾脏活检。	创新点在于开发了一种基于深度学习的自动化FPW估计技术，并通过云应用使其易于访问。	当前研究只使用了有限数量的患者样本，未涵盖所有类型的肾脏疾病。	研究旨在提高肾脏疾病中足突宽度的测量效率和可获取性。	研究对象为来自Fabry病、2型糖尿病、最小变病和正常个体的肾脏活检图像。	数字病理学	肾脏疾病	深度学习	U-Net	电子显微镜图像	56名Fabry病患者，15名2型糖尿病患者，10名最小变病患者和17名正常个体
9151	2024-08-05	Performance Investigation of Somfit Sleep Staging Algorithm 2024, Nature and science of sleep IF:3.0Q2 DOI:10.2147/NSS.S463026 PMID:39071546	研究论文	研究了新型家用睡眠监测设备Somfit的睡眠分期算法的准确性	提出了一种基于卷积神经网络架构的Somfit深度学习睡眠分期算法	研究中仅限于睡眠监测设备的准确性验证，未包含其他可能影响的因素	探讨Somfit睡眠分期算法在家用睡眠监测设备中的准确性	110名有阻塞性睡眠呼吸暂停症状的参与者	数字病理学	阻塞性睡眠呼吸暂停	无创监测技术	卷积神经网络 (CNN)	多导睡眠监测数据	110名参与者
9152	2024-08-05	A cutting-edge deep learning-and-radiomics-based ultrasound nomogram for precise prediction of axillary lymph node metastasis in breast cancer patients ≥ 75 years 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1323452 PMID:39072273	研究论文	本研究旨在开发一种基于深度学习和放射组学的超声命名法，以评估75岁及以上乳腺癌患者腋窝淋巴结转移风险	本研究结合深度学习与放射组学，提出了一种新的超声命名法，极大提升了预测腋窝淋巴结转移的准确性	样本仅限于接受哨兵淋巴结活检或腋窝淋巴结清扫的患者，可能影响结果的普适性	研究旨在提高75岁及以上乳腺癌患者腋窝淋巴结转移预测的准确性	研究对象为75岁及以上的乳腺癌患者	数字病理学	乳腺癌	超声, 深度学习	DenseNet-201	图像	75岁及以上乳腺癌患者，具体样本数量未提及
9153	2024-08-05	Advanced integration of 2DCNN-GRU model for accurate identification of shockable life-threatening cardiac arrhythmias: a deep learning approach 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1429161 PMID:39072217	研究论文	本研究提出了一种新的混合方法，用于自动检测危险的心律失常。	提出了一种新的深度学习架构的混合神经网络来分类危险心律失常，利用小段ECG信号的连续小波变换技术将信号转化为图像。	研究中使用的数据集可能在特征和样本方面存在不平衡的问题，尚未探讨其他心律失常种类。	旨在开发一种有效的混合方法，用于自动识别重症心律失常。	研究主要对象为心脏病患者的短ECG片段。	机器学习	心血管疾病	连续小波变换 (CWT)	混合神经网络	ECG数据	使用实际ECG数据以及通过SMOTE方法合成的ECG数据
9154	2024-08-05	Exploratory analysis of swallowing behaviour in community-dwelling older adults using a wearable device: Differences by age and ingestant under different task loads 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241264640 PMID:39070893	研究论文	本文开发了一种新的方法来评估吞咽行为	采用可穿戴设备非侵入性地监测吞咽声音，评估不同年龄和食物对吞咽行为的影响	研究样本相对较小，仅限于健康参与者，可能不适用于所有人群	提出一种新的评估吞咽行为的方法	健康的社区老年人，分为年轻组和老年组	数字病理学	老年疾病	深度学习	神经网络	生物声音	69名参与者（年轻组32人，老年组37人）
9155	2024-08-05	LSTM-Based Prediction Model for Tuberculosis Among HIV-Infected Patients Using Structured Electronic Medical Records: A Retrospective Machine Learning Study 2024, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S467877 PMID:39070689	研究论文	本研究建立了一种基于LSTM的预测模型，以利用电子病历预测HIV感染者中的结核病。	结合多层感知机分类器与长短时记忆网络（LSTM）提高了电子健康记录的提取和疾病预测能力。	尽管模型在识别HIV-结核共感染方面表现准确，但仍存在进一步优化和泛化的机会。	研究旨在通过电子健康记录构建预测模型，为HIV感染者中的结核病提供早期检测和精准干预的科学依据。	研究对象为4540名HIV感染患者，重点分析其结核病的感染情况及相关特征。	机器学习	结核病	机器学习，电子健康记录，自然语言处理	多层感知机，LSTM	电子病历数据	4540名（HIV感染者）
9156	2024-08-05	Differentiation of glioblastoma from solitary brain metastasis using deep ensembles: Empirical estimation of uncertainty for clinical reliability 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108288 PMID:38941861	研究论文	本文开发了一种临床可靠的深度学习模型，以区分胶质母细胞瘤与孤立性脑转移。	通过提供预测不确定性估计和可解释性，提升了深度学习模型的临床可靠性。	模型的高不确定性组在预测性能上表现较差，可能受到数据不平衡的影响。	研究旨在开发一种能够区分胶质母细胞瘤和孤立性脑转移的深度学习模型。	研究对象包括469名患者，其中300名为胶质母细胞瘤患者，169名为孤立性脑转移患者。	深度学习	胶质母细胞瘤	深度集成学习	DenseNet121	多参数MRI	469名患者，包含300名胶质母细胞瘤和169名孤立性脑转移
9157	2024-08-05	Light&fast generative adversarial network for high-fidelity CT image synthesis of liver tumor 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108252 PMID:38843572	研究论文	提出了一种生成对抗网络模型，以提升肝肿瘤CT图像合成的真实度	本研究通过新颖的梯度传递采样模块和注意力模块，提高了图像合成的质量和生成模型的准确性	本研究主要集中于肝细胞癌的模型构建，可能对其他类型的肿瘤适用性有限	改善肝细胞癌辅助诊断的准确性	生成接近真实分布的肝脏和肿瘤图像	数字病理学	肝癌	生成对抗网络(GAN)	NA	图像	NA
9158	2024-08-05	MACFNet: Detection of Alzheimer's disease via multiscale attention and cross-enhancement fusion network 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108259 PMID:38865795	研究论文	本研究提出了一种新颖的多尺度注意力和交叉增强融合网络MACFNet，用于阿尔茨海默病的检测	提出了一种新颖的交叉增强融合模块和高效空间通道注意力模块，改进了不同模态低级特征的融合和交互	该研究的结果依赖于阿尔茨海默病神经影像倡议（ADNI）数据集，可能在其他数据集上表现不同	旨在提高阿尔茨海默病的早期诊断准确性	研究对象为阿尔茨海默病患者与正常对照及轻度认知障碍者	数字病理学	老年痴呆症	深度学习	多尺度注意力网络	神经影像数据	使用来自阿尔茨海默病神经影像倡议（ADNI）数据集的样本
9159	2024-08-05	Suppressing the HIFU interference in ultrasound guiding images with a diffusion-based deep learning model 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108304 PMID:38954917	研究论文	本文提出了一种基于扩散的深度学习模型，用于抑制高强度聚焦超声（HIFU）在超声引导图像中的干扰	这是第一个为抑制HIFU干扰而开发的基于扩散的模型	NA	提出一种新的方法来实时监测非侵入性手术过程	高强度聚焦超声手术中的超声引导图像	数字病理学	NA	深度学习，扩散隐式模型	扩散隐式模型（HIFU-Diff）	图像	进行了一系列的离体和在体实验
9160	2024-08-05	Multi-omics deep learning for radiation pneumonitis prediction in lung cancer patients underwent volumetric modulated arc therapy 2024-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108295 PMID:38905987	研究论文	本文评估了辐射组学、剂量组学和深度学习在预测肺癌患者放射性肺炎的可行性和准确性	通过结合辐射组学、剂量组学和深度学习特征，从而提高了对肺癌患者放射性肺炎预测的准确性	在外部验证中，模型的特异性较低，需进一步优化和验证	提高接受体积调制弧形治疗的肺癌患者的放疗安全性和管理	318名和31名接受体积调制弧形治疗的肺癌患者	机器学习	肺癌	辐射组学、剂量组学、深度学习	ResNet-34	图像	318名用于训练和31名用于外部验证的肺癌患者