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
1481	2024-12-15	Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108270 PMID:39481232	研究论文	本文研究了通过整合机器学习和化学信息学方法预测小分子在人体肠道的吸收情况	本文创新性地结合了传统机器学习算法和深度学习模型（如图卷积神经网络和图注意力网络）来预测药物的肠道吸收	本文的局限性在于所使用的数据集主要来自早期和近期的一些研究，可能无法完全代表所有药物的肠道吸收情况	研究目的是预测药物在人体肠道的吸收情况，以评估其口服生物利用度	研究对象是2648种化合物的分子描述符及其在人体肠道的吸收情况	机器学习	NA	机器学习算法（如随机森林和LightGBM）和深度学习模型（如图卷积神经网络和图注意力网络）	随机森林、LightGBM、图卷积神经网络（GCNN）和图注意力网络（GAT）	分子描述符	2648种化合物
1482	2024-12-15	Optimization and correction of breast dynamic optical imaging projection data based on deep learning 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108259 PMID:39486356	研究论文	本文提出了一种基于深度学习的乳腺动态光学成像（DOI）投影数据优化与校正方法	利用卷积神经网络（CNN）提取原始图像特征，并通过生成对抗网络（GAN）增强图像质量，同时开发了一种新的校正算法来解决投影数据失真问题	NA	提高乳腺动态光学成像的图像质量和投影数据准确性，为乳腺癌的早期筛查和诊断提供新的方法	乳腺动态光学成像的投影数据	计算机视觉	乳腺癌	深度学习	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA
1483	2024-12-15	MuSE: A deep learning model based on multi-feature fusion for super-enhancer prediction 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108282 PMID:39561516	研究论文	提出了一种基于多特征融合的深度学习模型MuSE，用于超级增强子预测	MuSE模型通过结合one-hot编码和DNA2Vec的k-mer表示，能够自动提取DNA序列的关键特征，并在跨物种预测中表现出色	基于DNA2Vec的k-mer表示在捕捉物种个体性方面存在不足，影响了模型的泛化能力	改进超级增强子的识别方法	DNA序列的特征提取和超级增强子的预测	生物信息学	NA	深度学习	神经网络	序列	人类和鼠类物种数据集
1484	2024-12-15	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	本文开发了一种基于深度学习的算法，用于量化炎症性肠病中的Paneth细胞密度	本文创新性地使用深度学习技术（U-net模型）来量化Paneth细胞密度，并验证了其在炎症性肠病中的潜在生物标志物作用	本文的局限性在于使用了回顾性数据，且样本量相对较小	开发一种基于深度学习的工具，用于量化Paneth细胞密度，作为炎症性肠病的预测生物标志物	炎症性肠病患者的回肠组织样本中的Paneth细胞密度	数字病理学	炎症性肠病	深度学习	U-net	图像	142名克罗恩病患者和48名非IBD患者
1485	2024-12-15	Transformer-based deep learning model for the diagnosis of suspected lung cancer in primary care based on electronic health record data 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105442 PMID:39536394	研究论文	本文提出了一种基于Transformer的深度学习模型，用于在初级医疗中通过电子健康记录数据诊断疑似肺癌	该模型利用了电子健康记录中的时间序列数据，捕捉了癌症与非癌症路径之间的时序关系，从而提高了诊断的准确性	本文仅在英国的数据集上进行了验证，未来需要在外部数据集上进行验证	构建一个用于肺癌早期检测的模型，以提高诊断的准确性	疑似肺癌患者	机器学习	肺癌	ALBERT	Transformer	文本	3,303,992名患者，其中11,847例肺癌病例
1486	2024-12-15	Deep learning-based body composition analysis from whole-body magnetic resonance imaging to predict all-cause mortality in a large western population 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105467 PMID:39622188	研究论文	本文开发并测试了一种基于深度学习的框架，用于从全身磁共振成像（MRI）中自动量化体积身体成分测量，并研究其在预测西方大人群全因死亡率中的预后价值	本文首次使用深度学习技术自动量化全身MRI中的体积身体成分测量，并验证其在预测全因死亡率中的预后价值	本文仅在西方人群中进行了验证，尚未在其他人群中进行测试	开发一种基于深度学习的框架，用于自动量化全身MRI中的体积身体成分测量，并评估其在预测全因死亡率中的预后价值	全身MRI中的体积身体成分测量，包括皮下脂肪组织（SAT）、内脏脂肪组织（VAT）、骨骼肌（SM）、骨骼肌脂肪分数（SMFF）和肌内脂肪组织（IMAT）	计算机视觉	NA	深度学习	深度学习框架	图像	36,317名UKBB参与者（平均年龄65.1±7.8岁，年龄范围45-84岁；51.7%为女性；1.7%全因死亡率；中位随访4.8年）和23,725名NAKO参与者（平均年龄53.9±8.3岁，年龄范围40-75；44.9%为女性）
1487	2024-12-15	Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound 2024-Dec, JTCVS techniques IF:1.7Q2 DOI:10.1016/j.xjtc.2024.09.008 PMID:39669341	研究论文	本文评估了基于深度学习的卷积神经网络在无监督情况下从内窥镜超声视频中自动提取图像，用于预测肺癌淋巴结转移的诊断性能	本文首次使用卷积神经网络从内窥镜超声视频中自动提取图像，进行肺癌淋巴结转移的预测	研究仅基于单中心数据库，未来需要在大规模前瞻性研究中验证算法的有效性	评估基于深度学习的卷积神经网络在预测肺癌淋巴结转移中的诊断性能	肺癌患者的纵隔和肺门淋巴结	计算机视觉	肺癌	卷积神经网络	SqueezeNet	视频	来自单中心数据库的患者和淋巴结数据
1488	2024-12-15	Automated crack localization for road safety using contextual u-net with spatial-channel feature integration 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102796 PMID:39669512	研究论文	本文提出了一种基于上下文U-Net深度学习模型的道路裂缝自动定位框架	该框架采用EfficientNet编码器捕捉道路图像中的空间特征和通道特征，并通过自定义的分层注意力机制使模型能够适应不同尺度和分辨率的裂缝定位	NA	提高道路裂缝定位的准确性和及时性，以保障道路安全和维护	道路图像中的裂缝	计算机视觉	NA	深度学习	U-Net	图像	基准数据集和自定义数据集
1489	2024-12-15	Using machine learning to identify risk factors for short-term complications following thumb carpometacarpal arthroplasty 2024-Dec, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100156 PMID:39669732	研究论文	本研究利用机器学习技术分析手术数据库，预测拇指腕掌关节置换术后短期并发症和再手术的风险	首次使用机器学习算法（随机森林、弹性网络回归、极端梯度提升树和神经网络）预测拇指腕掌关节置换术后的短期并发症和再手术风险	研究为回顾性分析，依赖于现有数据库的数据质量，且未考虑长期并发症	开发机器学习模型以预测拇指腕掌关节置换术后短期并发症和再手术风险	拇指腕掌关节置换术后的短期并发症和再手术风险	机器学习	手部疾病	机器学习算法（随机森林、弹性网络回归、极端梯度提升树和神经网络）	随机森林、弹性网络回归、极端梯度提升树和神经网络	手术数据库	7711例病例
1490	2024-12-15	DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108201 PMID:39255626	研究论文	提出了一种基于堆叠深度学习协作梯度分解的双通道卷积模型DCSGMDA，用于预测miRNA与疾病之间的关联	创新点在于使用了堆叠深度学习和梯度分解网络，结合双通道卷积神经网络来挖掘潜在特征，并通过多层感知器进行关联评分	未提及具体的局限性	研究miRNA与疾病之间的关系，以加深对其发病机制的理解，并促进特定疾病的药物研究	miRNA与疾病之间的潜在关联	机器学习	NA	堆叠深度学习、梯度分解网络、卷积神经网络	双通道卷积神经网络、多层感知器	网络数据	使用了基于Human MicroRNA Disease Database (HMDD)的两个数据集进行5折和10折交叉验证实验
1491	2024-12-15	Autoencoder-based drug synergy framework for malignant diseases 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108273 PMID:39522484	研究论文	提出了一种基于自编码器的药物协同作用框架，用于恶性疾病的治疗	提出了AESyn框架，利用词袋编码技术提取药物靶向基因，并通过自编码器提取药物特征，实现了稳定的、与顺序无关的药物协同预测	未提及具体的局限性	寻找有效的药物组合以提高恶性疾病的治疗效果	药物组合及其协同作用	机器学习	恶性疾病	自编码器	自编码器	文本	使用了NCI-ALMANAC和O'Neil数据集的数据
1492	2024-12-15	Unveiling the distinctive variations in multi-omics triggered by TP53 mutation in lung cancer subtypes: An insight from interaction among intratumoral microbiota, tumor microenvironment, and pathology 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108274 PMID:39531992	研究论文	本文研究了TP53突变在肺腺癌和肺鳞癌亚型中引发的多种组学变化，并探讨了肿瘤内微生物群、肿瘤微环境和病理学之间的相互作用	提出了一个基于病理图像的多模态深度学习模型，用于预测TP53突变，并在肺腺癌中取得了较高的AUC值	研究仅限于TCGA和CPTAC数据库中的样本，未涵盖所有可能的肺腺癌和肺鳞癌病例	探讨TP53突变在不同肺部癌症亚型中的影响，并评估深度学习方法在预测TP53突变中的潜力	肺腺癌和肺鳞癌患者的肿瘤内微生物群、肿瘤免疫微环境和病理学特征	数字病理学	肺癌	深度学习	多模态深度学习模型	图像	992名非小细胞肺癌患者的数据来自TCGA，332名非小细胞肺癌患者的数据来自CPTAC
1493	2024-12-15	HiMolformer: Integrating graph and sequence representations for predicting liver microsome stability with SMILES 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108263 PMID:39536405	研究论文	提出了一种结合图和序列表示的混合模型HiMolformer，用于预测分子在肝脏微粒体中的代谢稳定性	首次尝试使用回归方法结合单一SMILES输入来开发小鼠和人类肝脏微粒体预测模型，并整合了基于图和序列的预训练模型	NA	开发一种新的混合模型来预测分子在肝脏微粒体中的代谢稳定性	分子在肝脏微粒体中的代谢稳定性	机器学习	NA	图神经网络（GNN）和Transformer模型	混合模型	分子数据	3498个分子，包含小鼠和人类肝脏微粒体的实验数据
1494	2024-12-15	Real-World and Clinical Trial Validation of a Deep Learning Radiomic Biomarker for PD-(L)1 Immune Checkpoint Inhibitor Response in Advanced Non-Small Cell Lung Cancer 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00133 PMID:39671539	研究论文	本研究开发并验证了一种基于深度学习的放射组学生物标志物，用于预测晚期非小细胞肺癌患者对免疫检查点抑制剂治疗的反应	首次使用真实世界数据和临床试验数据验证了一种基于深度学习的放射组学生物标志物，用于预测免疫检查点抑制剂治疗的反应	研究仅限于晚期非小细胞肺癌患者，且依赖于特定的CT/PET-CT扫描数据	开发并验证一种新的深度学习放射组学生物标志物，用于预测晚期非小细胞肺癌患者对免疫检查点抑制剂治疗的反应	晚期非小细胞肺癌患者对免疫检查点抑制剂治疗的反应	数字病理学	肺癌	深度学习	深度学习特征提取器和生存模型	图像	1829名接受PD-(L)1免疫检查点抑制剂治疗的晚期非小细胞肺癌患者
1495	2024-12-15	Construction and validation of deep learning model for cachexia in extensive-stage small cell lung cancer patients treated with immune checkpoint inhibitors: a multicenter study 2024-Nov-30, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-543 PMID:39670020	研究论文	本研究构建并验证了一种深度学习模型，用于预测接受免疫检查点抑制剂治疗的广泛期小细胞肺癌患者的恶病质及其预后价值	本研究首次开发并验证了一种基于深度学习的恶病质预测模型，并展示了其在预测广泛期小细胞肺癌患者生存结果方面的优越性能	本研究的样本量相对较小，且仅在三家医院的数据上进行了验证，可能限制了模型的普适性	评估恶病质对免疫治疗效果的影响，开发并验证一种基于深度学习的恶病质预测模型及其预后价值	接受一线免疫治疗和化疗的广泛期小细胞肺癌患者	机器学习	肺癌	深度学习	深度学习模型	医学记录和CT图像	231名广泛期小细胞肺癌患者
1496	2024-12-15	Effect of Deep Learning Image Reconstruction Algorithms on Radiomic Features of Pulmonary Nodules in Ultra-Low-Dose CT 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001634 PMID:39095065	研究论文	本研究探讨了深度学习图像重建（DLIR）算法对超低剂量CT中肺结节放射组学特征定量的影响	DLIR算法在超低剂量CT中提高了放射组学特征的可重复性，特别是在纯磨玻璃结节（pGGNs）和实性结节（SNs）的纹理特征上	研究样本量相对较小，且仅比较了两种不同的重建算法	探讨DLIR算法在超低剂量CT中对放射组学特征定量的影响	肺结节的放射组学特征	计算机视觉	肺癌	深度学习图像重建（DLIR）	NA	图像	183名肺结节患者
1497	2024-12-15	Image Quality Assessment of a Deep Learning-Based Automatic Bone Removal Algorithm for Cervical CTA 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001637 PMID:39095057	研究论文	本研究评估了基于深度学习的自动骨移除算法在颈椎CTA中的后处理图像质量	深度学习算法在骨移除和血管完整性方面表现优于传统算法，特别是在复杂解剖结构和邻近骨的区域	研究仅涉及100名患者，样本量相对较小	评估深度学习算法在颈椎CTA中自动骨移除的图像质量	颈椎CTA图像中的骨移除和血管完整性	计算机视觉	NA	深度学习	NA	图像	100名患者（31名女性，平均年龄61.4 ± 12.4岁）
1498	2024-12-15	Accelerated Diffusion-Weighted Magnetic Resonance Imaging of the Liver at 1.5 T With Deep Learning-Based Image Reconstruction: Impact on Image Quality and Lesion Detection 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001622 PMID:38722777	研究论文	比较基于深度学习的扩散加权序列与传统和加速扩散加权序列在临床肝脏磁共振成像中的图像质量和病变检测效果	提出了一种基于深度学习的扩散加权磁共振成像序列，显著缩短了采集时间，同时保持或提高了图像质量	研究仅包括50名患者，样本量较小，可能影响结果的普适性	评估基于深度学习的扩散加权序列在临床肝脏磁共振成像中的图像质量和病变检测效果	50名接受1.5T磁共振成像的肝脏患者	NA	NA	磁共振成像 (MRI)	深度学习	图像	50名患者
1499	2024-12-15	Impact of Emerging Deep Learning-Based MR Image Reconstruction Algorithms on Abdominal MRI Radiomic Features 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001648 PMID:39190703	研究论文	本研究评估了基于深度学习的MRI重建技术对腹部MRI放射组学特征的影响	首次比较了基于深度学习的重建技术与传统重建技术对MRI放射组学特征的影响	样本量较小，且仅使用了单一MRI设备的数据	评估深度学习重建技术对MRI放射组学特征的影响	腹部MRI图像的放射组学特征	计算机视觉	NA	深度学习	NA	图像	17名成人和儿童
1500	2024-12-15	Application of U-Net Network Utilizing Multiattention Gate for MRI Segmentation of Brain Tumors 2024 Nov-Dec 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001641 PMID:39190714	研究论文	本文提出了一种基于U-Net网络并结合多注意力门机制的脑肿瘤MRI分割方法	本文创新性地在U-Net网络中引入了多注意力门机制，通过在编码部分抑制无关区域的特征并减少特征冗余，在解码部分通过添加注意力门来突出重要特征信息，从而提高了模型的敏感性和准确性	本文未提及具体的局限性	本研究旨在通过深度学习算法实现低级别胶质瘤MRI的自动分割，以提高诊断效率	研究对象为低级别胶质瘤的MRI图像	计算机视觉	脑肿瘤	深度学习算法	U-Net	图像	未提及具体样本数量