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
1561	2024-12-14	Stress testing deep learning models for prostate cancer detection on biopsies and surgical specimens 2024-Dec-11, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6373 PMID:39660731	研究论文	本文研究了在不同样本类型（活检和手术标本）上训练的深度学习模型在前列腺癌检测中的表现	本文首次探讨了样本处理差异对深度学习模型在不同样本类型上表现的影响，并提出了需要针对特定样本类型进行模型优化的必要性	本文仅使用了来自宾夕法尼亚大学的样本进行训练和验证，且样本量相对较小	研究样本类型间的形态学差异是否会影响在活检样本上训练的癌症检测CNN模型在手术标本上的表现	前列腺癌的活检和手术标本	数字病理学	前列腺癌	卷积神经网络（CNN）	DenseNet CNN	图像	100个手术标本和50个活检样本用于训练和验证，750个活检样本用于外部验证
1562	2024-12-14	Lifestyle factors and other predictors of common mental disorders in diagnostic machine learning studies: A systematic review 2024-Dec-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109521 PMID:39667056	综述	本文系统回顾了使用机器学习模型预测常见精神障碍（CMDs）的研究，评估了这些模型的性能，并探讨了将生活方式数据纳入模型中的潜在益处	首次评估了诊断性机器学习在预测常见精神障碍中的效用，并评估了其偏倚风险	研究普遍存在高异质性和偏倚风险，生活方式数据在研究中未被充分利用，阻碍了稳健预测因子的全面识别	旨在综合机器学习研究预测常见精神障碍的证据，评估模型性能，并探讨将生活方式数据纳入模型的潜在益处	常见精神障碍（CMDs）的预测	机器学习	精神障碍	机器学习方法	深度学习	多类别特征	117项研究（111项仅模型开发，16项开发和验证）
1563	2024-12-14	Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors 2024-Dec-11, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.027 PMID:39667265	研究论文	本研究探讨了使用深度学习重建（DLR）的单次屏气扩散加权磁共振成像（DWI）在恶性肝肿瘤患者中的可行性，并与导航触发DWI进行了比较	本研究首次使用深度学习重建技术进行单次屏气DWI，显著提高了信噪比和整体图像质量	本研究未能在恶性肝肿瘤的显著性方面显示出与导航触发DWI的显著差异，且屏气时间仍需进一步缩短以提高患者耐受性	探讨深度学习重建的单次屏气DWI在恶性肝肿瘤患者中的可行性及其与导航触发DWI的比较	91名接受单次屏气DWI和导航触发DWI的恶性肝肿瘤患者	医学影像	肝肿瘤	深度学习重建（DLR）	深度学习模型	图像	91名恶性肝肿瘤患者
1564	2024-12-14	Mineralized tissue visualization with MRI: Practical insights and recommendations for optimized clinical applications 2024-Dec-11, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2024.11.001 PMID:39667997	综述	本文综述了用于增强矿物质组织可视化的磁共振成像（MRI）技术，并提供了优化临床应用的实用见解和建议	本文介绍了多种MT-MRI技术，包括三维梯度回波、超短和零回波时间、磁敏感加权成像以及人工智能生成的合成CT，并讨论了这些技术的优势和局限性	尽管MT-MRI技术有显著进展，但在评估细微骨异常和软组织钙化方面仍不如传统CT，主要受限于空间分辨率	优化矿物质组织MRI技术在临床中的应用	矿物质组织的MRI成像技术及其在骨骼和软组织评估中的应用	医学影像	NA	磁共振成像（MRI）	NA	图像	NA
1565	2024-12-14	Prior Knowledge-Guided U-Net for Automatic CTV Segmentation in Postmastectomy Radiotherapy of Breast Cancer 2024-Dec-10, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.104 PMID:39667584	研究论文	本研究设计并评估了一种基于先验知识的U-Net（PK-UNet），用于乳腺癌术后放疗中的自动临床靶区（CTV）分割	首次将先验医学知识整合到深度学习框架中，用于乳腺癌术后放疗的CTV分割	NA	设计并评估一种基于先验知识的U-Net，用于乳腺癌术后放疗中的自动CTV分割	乳腺癌术后放疗中的临床靶区（CTV）分割	数字病理学	乳腺癌	深度学习	U-Net	图像	102例乳腺癌术后患者的CT扫描数据，其中80例用于训练，22例用于独立测试
1566	2024-12-13	Improved Prediction of Ligand-Protein Binding Affinities by Meta-modeling 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01116 PMID:39576762	研究论文	本文开发了一个框架，通过元建模方法整合基于力场的经验对接模型和基于序列的深度学习模型，以提高配体-蛋白质结合亲和力的预测准确性	本文的创新点在于通过元建模方法整合多种模型，显著提高了结合亲和力的预测性能，并展示了更好的数据库扩展性和灵活性	NA	提高配体-蛋白质结合亲和力的预测准确性	配体-蛋白质结合亲和力	机器学习	NA	元建模	深度学习模型	序列数据	NA
1567	2024-12-14	Digital Image Processing to Detect Adaptive Evolution 2024-Dec-06, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae242 PMID:39565932	研究论文	本文探讨了利用数字图像处理技术，特别是α-分子方法，从单倍型比对的图像表示中提取特征，以检测基因组中的适应性进化	本文引入了α-分子技术，如小波分解和曲线分解，这些技术能够从图像中提取多尺度特征，并结合卷积神经网络自动提取重要特征	NA	研究目的是通过数字图像处理技术检测基因组中自然选择的区域	研究对象是基因组数据中的单倍型比对图像	计算机视觉	NA	数字图像处理	卷积神经网络	图像	NA
1568	2024-12-14	Explainable exercise recommendation with knowledge graph 2024-Dec-05, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106954 PMID:39667214	研究论文	本文提出了一种基于知识图谱的可解释性运动推荐系统KG4EER，旨在提高学生的学习效率	本文的创新点在于引入了知识图谱来匹配学生与合适的运动，并提供了推荐的理由，解决了协同过滤和深度学习方法在推荐中的不足	NA	提高学生的学习效率	学生的学习特征和合适的运动推荐	机器学习	NA	知识图谱	NA	文本	三个真实世界的数据集
1569	2024-12-14	EpiBrCan-Lite: A lightweight deep learning model for breast cancer subtype classification using epigenomic data 2024-Dec-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108553 PMID:39667144	研究论文	本文提出了一种轻量级的深度学习模型EpiBrCan-Lite，用于基于表观基因组数据的乳腺癌亚型分类	该模型通过减少可训练权重参数（TWP）并使用改进的Transformer编码器（TransGRU）来捕捉输入特征数据的长程依赖性，从而解决了传统模型中参数过多、性能低和类别不平衡的问题	NA	提高乳腺癌亚型分类的准确性，并使其适用于计算能力较低的设备	乳腺癌亚型分类	机器学习	乳腺癌	DNA甲基化测序	TransGRU	表观基因组数据	使用TCGA乳腺癌数据集进行验证
1570	2024-12-14	Artificial intelligence-driven quantification of antibiotic-resistant Bacteria in food by color-encoded multiplex hydrogel digital LAMP 2024-Dec-04, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142304 PMID:39667227	研究论文	本文开发了一种基于人工智能的颜色编码多重水凝胶数字LAMP系统，用于食品中抗生素抗性细菌的定量检测	首次在多重数字LAMP中引入未掺入扩增信号报告物淬灭（QUASR），并利用深度学习模型自动识别和量化荧光点	NA	开发一种新方法用于食品中抗生素抗性细菌的定量检测	食品中的耐甲氧西林金黄色葡萄球菌和耐碳青霉烯类大肠杆菌	NA	NA	数字LAMP	深度学习模型	图像	真实水果和蔬菜样本
1571	2024-09-24	Validation of a deep learning model for classification of pediatric pneumonia in Hong Kong 2024-Dec-02, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2024.126370 PMID:39307024	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1572	2024-12-14	Computational Methods for Image Analysis in Craniofacial Development and Disease 2024-Dec, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241265048 PMID:39272216	研究论文	本文探讨了计算方法在颅面发育和疾病中的图像分析应用	本文介绍了新的计算工具，用于三维空间基因组图谱的生成，并展示了这些工具在颅面发育和口腔疾病研究中的应用	NA	探讨图像分析技术在生物医学中的应用，特别是颅面发育和口腔疾病的研究	颅面发育和口腔疾病	计算机视觉	口腔疾病	深度学习模型	深度学习模型	图像	NA
1573	2024-12-14	Evaluation of deep learning based dose prediction in head and neck cancer patients using two different types of input contours 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14519 PMID:39285649	研究论文	本研究评估了基于深度学习的剂量预测方法在头颈癌患者中的应用，使用两种不同类型的输入轮廓	本研究首次使用两种不同类型的输入轮廓（8通道和10通道模型）来评估深度学习在头颈癌患者剂量预测中的表现，并发现10通道模型在某些剂量指标上表现更优	研究样本量较小，仅包括75名患者，且测试集只有10个病例	评估深度学习在头颈癌患者剂量预测中的准确性和可行性	头颈癌患者的剂量预测	机器学习	头颈癌	深度学习	U-net	图像	75名头颈癌患者
1574	2024-12-14	Ranking attention multiple instance learning for lymph node metastasis prediction on multicenter cervical cancer MRI 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14547 PMID:39369718	研究论文	本文开发了一种基于排名注意力多实例学习（RA-MIL）模型的方法，用于从多中心宫颈癌MRI中预测淋巴结转移	提出了集成卷积神经网络（CNN）和排名注意力池化的RA-MIL模型，用于从T2 MRI中诊断淋巴结转移，并通过可视化信息区域增强模型的可解释性	研究是回顾性的，样本量相对较小，且仅使用了T2加权MRI	开发一种非侵入性且术前预测淋巴结转移的方法	宫颈癌患者的淋巴结转移预测	计算机视觉	宫颈癌	卷积神经网络（CNN）	RA-MIL	图像	300名接受T2加权磁共振成像（MRI）扫描和病理诊断的宫颈癌女性患者
1575	2024-12-14	A review of deep learning approaches for multimodal image segmentation of liver cancer 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14540 PMID:39374312	综述	本文综述了深度学习技术在肝癌多模态图像分割中的最新进展	探讨了深度学习方法在多模态图像融合分割中的应用，并讨论了各种深度学习架构如卷积神经网络（CNN）和U-Net的优势	强调了当前研究中的挑战，如数据不平衡、模型泛化能力和模型可解释性	探讨深度学习技术在肝癌多模态图像分割中的应用，以提高临床决策的准确性和效率	肝癌的多模态图像分割	计算机视觉	肝癌	深度学习	卷积神经网络（CNN）、U-Net	图像	NA
1576	2024-12-14	GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model 2024-Dec, Cell research IF:28.1Q1 DOI:10.1038/s41422-024-01034-y PMID:39375485	研究论文	本文构建了一个跨物种的基础模型GeneCompass，用于解析普遍的基因调控机制	GeneCompass通过整合四种先验生物学知识，在自监督学习中增强了基因调控机制的理解，并在多个下游任务中超越了现有模型	NA	解析跨物种的普遍基因调控机制，促进基础生命过程研究和临床应用	人类和小鼠的单细胞转录组数据，以及基因调控机制	机器学习	NA	单细胞测序，深度学习	基础模型	单细胞转录组数据	12000万个人类和小鼠的单细胞转录组数据，经过预处理后得到101768420个单细胞转录组数据
1577	2024-12-14	A Cluster-Based Deep Learning Model Perceiving Series Correlation for Accurate Prediction of Phonon Spectrum 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202406183 PMID:39422637	研究论文	本文开发了一种基于晶格动力学理论的机器学习模型CSGN，用于预测晶体材料的声子态密度谱	提出了基于簇的序列图网络（CSGN）模型，通过多原子簇表示和混合高斯过程与动态时间规整机制，实现了对复杂谱的准确预测	NA	开发一种能够感知序列相关性的深度学习模型，以准确预测声子谱	晶体材料的声子态密度谱	机器学习	NA	混合高斯过程，动态时间规整	簇基序列图网络（CSGN）	声子态密度谱	NA
1578	2024-12-14	Reconstructing Molecular Networks by Causal Diffusion Do-Calculus Analysis with Deep Learning 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409170 PMID:39440482	研究论文	本文提出了一种结合干预操作和扩散模型的深度学习方法，即因果扩散Do-Calculus（CDD）分析，用于推断分子间的因果网络	CDD方法通过干预操作从观测数据中提取因果关系，显著提高了因果网络推断的准确性和泛化能力	NA	阐明生物过程在网络层面的分子机制	基因/分子间的因果关系	机器学习	NA	深度学习	扩散模型	组学数据	使用了模拟数据和真实组学数据，并分析了来自UK Biobank数据库的不同人群的疾病与潜在因素的因果关系
1579	2024-12-14	Artificial intelligence as an auxiliary tool in pediatric otitis media diagnosis 2024-Dec, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2024.112154 PMID:39547107	研究论文	本文探讨了使用卷积神经网络和深度学习技术作为辅助工具，用于儿科中耳炎的诊断	开发了儿科中耳炎分类器，通过AI技术将诊断准确率提高到98%以上，远超人类医生的诊断准确率	未提及具体的局限性	促进AI技术在儿科中耳炎诊断中的应用，提高诊断准确率	儿科中耳炎的诊断	计算机视觉	儿科疾病	卷积神经网络	CNN	图像	大量急性中耳炎（AOM）、分泌性中耳炎（OME）和正常耳镜图像
1580	2024-12-14	Early multi-cancer detection through deep learning: An anomaly detection approach using Variational Autoencoder 2024-Dec, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104751 PMID:39571772	研究论文	本文提出了一种基于变分自编码器（VAE）的深度学习模型，用于早期多癌症检测	创新点在于使用变分自编码器进行异常检测，能够早期检测多种癌症，而不局限于特定类型的癌症	本文未详细讨论模型的泛化能力以及在不同数据集上的表现	开发一种能够早期检测多种癌症的深度学习模型	多种癌症的早期检测	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	转录组数据	使用TCGA和GTEx数据集，训练了六种癌症的数据