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
1701	2024-12-13	ToxMPNN: A deep learning model for small molecule toxicity prediction 2024-07, Journal of applied toxicology : JAT IF:2.7Q3 DOI:10.1002/jat.4591 PMID:38409892	研究论文	本文提出了一种基于消息传递神经网络（MPNN）架构的深度学习模型ToxMPNN，用于预测小分子毒性	ToxMPNN模型在捕捉分子结构中的毒性特征方面表现优异，且通过添加已上市药物作为负样本，提高了模型的预测性能和稳定性	NA	开发一种能够准确预测小分子毒性的深度学习模型	小分子毒性预测	机器学习	NA	消息传递神经网络（MPNN）	MPNN	分子结构数据	包含27个毒性终点的7个毒性类别的小分子数据集，以及基于该数据集的二分类Common-Toxicity任务
1702	2024-12-13	Deep learning probability flows and entropy production rates in active matter 2024-Jun-18, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2318106121 PMID:38861599	研究论文	本文开发了一种基于生成建模的深度学习框架，用于估计活性物质系统中的熵产生率和概率流	引入了一种空间局部transformer网络架构，能够学习粒子间的高阶相互作用并保持其基本排列对称性	NA	理解活性物质系统的非平衡状态特性	活性物质系统中的熵产生率和概率流	机器学习	NA	深度学习	transformer网络	数值模拟数据	4,096个粒子系统，扩展至32,768个粒子系统
1703	2024-12-13	Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-2040 PMID:38569183	研究论文	本文应用深度强化学习（DRL）来指导适应性药物调度，并展示了这些治疗方案在数学模型中优于当前的适应性协议	本文首次将深度强化学习应用于适应性药物调度，并展示了其在数学模型中优于传统适应性协议的效果	本文的深度强化学习框架对底层数学肿瘤模型没有先验知识，可能限制了其在复杂情况下的应用	开发一种个性化的适应性治疗策略，以优化前列腺癌的治疗效果	前列腺癌的治疗方案和适应性药物调度	机器学习	前列腺癌	深度强化学习（DRL）	深度强化学习模型	数学模型	NA
1704	2024-12-13	Geometry-Complete Diffusion for 3D Molecule Generation and Optimization 2024-May-24, ArXiv PMID:36798459	研究论文	本文提出了一种名为Geometry-Complete Diffusion Model (GCDM)的3D分子生成和优化模型	GCDM在生成和优化3D分子方面显著优于现有的3D分子扩散模型，能够生成更大比例的有效且能量稳定的大分子	NA	解决现有3D分子生成方法无法学习重要几何特性的问题	3D分子的生成和优化	机器学习	NA	等变图神经网络 (GNNs)，去噪扩散框架	Geometry-Complete Diffusion Model (GCDM)	3D分子数据	QM9数据集和GEOM-Drugs数据集
1705	2024-12-13	Quantifying the calcification of abdominal aorta and major side branches with deep learning 2024-05, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.01.023 PMID:38365540	研究论文	本文探讨了使用基于神经网络的方法量化腹主动脉及其分支的钙化的可能性	本文首次提出了能够自动分割腹主动脉及其分支以及钙化的神经网络模型	NA	探索基于神经网络的方法量化腹主动脉及其分支钙化的可能性	腹主动脉及其分支的钙化	计算机视觉	心血管疾病	CT血管造影	V-Net集成模型	图像	58个CT血管造影体积
1706	2024-12-13	Use of artificial intelligence in determination of bone age of the healthy individuals: A scoping review 2024-Apr, Journal of the World federation of orthodontists IF:2.6Q1 DOI:10.1016/j.ejwf.2023.10.001 PMID:37968159	综述	本文对人工智能、机器学习和深度学习在健康个体骨骼年龄评估中的应用进行了范围综述	验证了AI、ML或DL在骨骼年龄评估中的应用，并提出了未来研究的方向	需要更多不同成熟阶段的样本分布，以及使用三维输入数据如磁共振成像和锥束CT来更好地训练模型	探讨AI、ML和DL在健康个体骨骼年龄评估中的应用	健康个体的骨骼年龄评估	机器学习	NA	人工智能 (AI), 机器学习 (ML), 深度学习 (DL)	深度学习模型 (DL models), 机器学习模型 (ML models)	图像	19篇文章符合纳入标准，使用了不同类型的数据如手和手腕X光片、磁共振成像和侧位头颅片
1707	2024-12-13	Population-Specific Glucose Prediction in Diabetes Care With Transformer-Based Deep Learning on the Edge 2024-04, IEEE transactions on biomedical circuits and systems IF:3.8Q2 DOI:10.1109/TBCAS.2023.3348844 PMID:38163299	研究论文	本文提出了一种基于Transformer的深度学习模型，用于在边缘计算环境中进行特定人群的血糖预测，并将其嵌入到低功耗可穿戴设备中	本文创新性地提出了基于时间融合Transformer（TFT）的特定人群血糖预测模型，并将其嵌入到低功耗可穿戴设备中，通过边缘计算实现实时血糖预测	本文的局限性在于仅在两个公开的临床数据集上进行了验证，未来需要进一步验证其在更多数据集和实际应用中的表现	本文的研究目的是开发一种能够在可穿戴设备上嵌入的、适用于特定人群的血糖预测模型，以提高糖尿病患者的管理效果	本文的研究对象是1型糖尿病（T1D）和2型糖尿病（T2D）患者	机器学习	糖尿病	时间融合Transformer（TFT）	Transformer	时间序列数据	124名T1D或T2D患者
1708	2024-12-13	Building trust in deep learning-based immune response predictors with interpretable explanations 2024-03-06, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-05968-2 PMID:38448546	研究论文	本文介绍了MHCXAI，一种可解释的人工智能技术，用于解释基于深度学习的MHC I类分子肽展示预测器的输出	提出了MHCXAI，通过可解释的人工智能技术帮助理解MHC I类分子预测器的决策过程	NA	旨在提高对基于深度学习的免疫反应预测器的理解，并通过验证的解释建立信任	MHC I类分子肽展示预测器的输出解释	机器学习	NA	可解释的人工智能（XAI）	深度学习模型	肽和MHC等位基因数据	大量肽和MHC等位基因数据
1709	2024-12-13	Performance of deep learning for detection of chronic kidney disease from retinal fundus photographs: A systematic review and meta-analysis 2024-Mar, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721231199848 PMID:37671422	meta-analysis	本文系统综述和荟萃分析了使用深度学习从视网膜眼底照片中检测慢性肾脏病（CKD）的性能	首次系统性地评估了深度学习在视网膜眼底照片中检测慢性肾脏病的性能	目前的性能仍有很大提升空间，距离临床应用还有很长的路要走	评估深度学习在视网膜眼底照片中检测慢性肾脏病的性能	慢性肾脏病患者	计算机视觉	肾脏病	深度学习	NA	图像	114,860名受试者
1710	2024-12-13	Use of artificial intelligence in triaging of chest radiographs to reduce radiologists' workload 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10124-1 PMID:37615766	研究论文	评估基于深度学习的检测算法在胸部X光片分诊中减少放射科医生工作量并保持非劣敏感性的效果	使用深度学习算法进行胸部X光片的分诊，能够在减少50%工作量的情况下保持非劣敏感性并提高特异性	法律上对基于AI独立解读错误诊断的责任尚未明确	评估深度学习算法在减少放射科医生工作量方面的效果	门诊患者的胸部X光片	计算机视觉	NA	深度学习	深度学习模型	图像	1964名患者
1711	2024-12-13	Brain metastasis tumor segmentation and detection using deep learning algorithms: A systematic review and meta-analysis 2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110007 PMID:37967585	综述	本文系统回顾和荟萃分析了深度学习算法在从不同原发部位的MRI图像中检测和分割脑转移瘤中的有效性	本文通过荟萃分析和子组分析，探讨了影响深度学习模型性能的因素，如MRI硬件多样性、切片厚度等	需要更大规模的研究和更广泛的荟萃分析以开发更实用和可推广的算法	评估深度学习算法在脑转移瘤检测和分割中的有效性	脑转移瘤的检测和分割	计算机视觉	脑肿瘤	深度学习	U-Net及其变体	图像	42项相关研究的荟萃分析
1712	2024-12-13	Weakly-Supervised Segmentation-Based Quantitative Characterization of Pulmonary Cavity Lesions in CT Scans 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3399261 PMID:38899144	研究论文	本文提出了一种基于弱监督学习的深度学习模型CSA2-ResNet，用于在CT扫描中自动检测、分割和量化肺腔病变区域	本文的创新点在于提出了一种弱监督学习方法CSA2-ResNet，结合混合注意力模块和梯度加权类激活映射技术，实现了对肺腔病变的自动检测和量化	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种自动化的方法，用于在CT扫描中检测、分割和量化肺腔病变，以辅助临床诊断和治疗效果评估	肺腔病变在CT扫描中的检测、分割和量化	计算机视觉	肺部疾病	深度学习	CSA2-ResNet	图像	未提供具体样本数量
1713	2024-12-13	From Scalp to Ear-EEG: A Generalizable Transfer Learning Model for Automatic Sleep Scoring in Older People 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3388852 PMID:38765887	研究论文	本文探讨了通过迁移学习模型将头皮EEG数据应用于耳EEG数据，以提高老年人自动睡眠评分准确性的方法	本文首次在老年人群体中应用LightGBM进行迁移学习，并展示了通过微调预训练模型在耳EEG数据上提高分类准确性的潜力	研究样本量较小，仅涉及17名老年人，且未涵盖所有可能的健康状况	探索将预训练的头皮EEG模型微调应用于耳EEG数据，以提高老年人睡眠评分的准确性	老年人群体的耳EEG数据	机器学习	NA	LightGBM	LightGBM	EEG数据	17名年龄在65-83岁之间的老年人
1714	2024-12-13	A Development of a Sound Recognition-Based Cardiopulmonary Resuscitation Training System 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3433448 PMID:39155923	研究论文	本文开发了一种基于声音识别的心肺复苏（CPR）训练系统，该系统具有成本效益、易于维护，并能提供准确的CPR反馈	本文提出了一种名为Beep-CPR的新型设备，通过高频声音记录和分析CPR过程中的压缩深度、速率和释放速度，并使用深度学习模型进行预测	NA	开发一种基于声音识别的心肺复苏训练系统，以提高CPR训练的效果	心肺复苏（CPR）训练过程中的压缩质量	机器学习	心血管疾病	深度学习	EfficientNet	音频	6,065个频谱图，来源于约40分钟的音频数据
1715	2024-12-13	Simultaneous EEG-fNIRS Data Classification Through Selective Channel Representation and Spectrogram Imaging 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448457 PMID:39247844	研究论文	本文提出了一种名为多模态DenseNet融合（MDNF）模型的深度学习架构，用于同时处理EEG和fNIRS数据，并通过选择性通道表示和频谱图成像提高脑机接口（BCI）的分类准确性	本文的创新点在于提出了MDNF模型，通过将EEG数据转换为2D图像并结合fNIRS的频谱熵特征，提高了EEG-fNIRS数据在脑机接口中的分类准确性和多样性	NA	本文的研究目的是提高EEG-fNIRS数据在脑机接口中的分类准确性和多样性，以推动脑机接口技术的发展	本文的研究对象是EEG和fNIRS数据，以及它们在脑机接口中的应用	机器学习	NA	深度学习	DenseNet	图像	两个公开数据集
1716	2024-12-13	Deep Learning and fMRI-Based Pipeline for Optimization of Deep Brain Stimulation During Parkinson's Disease Treatment: Toward Rapid Semi-Automated Stimulation Optimization 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448392 PMID:39247846	研究论文	本文提出了一种基于深度学习和fMRI的管道，用于优化帕金森病治疗中的深脑刺激参数	该研究的创新点在于利用深度学习技术和fMRI数据，将深脑刺激参数优化的过程从约1年缩短到几个小时，实现快速半自动化优化	本文的局限性在于仅使用了39名患者的fMRI数据，样本量较小，可能影响模型的泛化能力	研究目的是开发一种快速半自动化的深脑刺激参数优化方法，以减少患者的时间和经济负担	研究对象是接受深脑刺激治疗的帕金森病患者	机器学习	帕金森病	fMRI	自编码器（AE）和多层感知器（MLP）	fMRI数据	39名帕金森病患者
1717	2024-12-13	A Multi-Task Based Deep Learning Framework With Landmark Detection for MRI Couinaud Segmentation 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3491612 PMID:39559826	研究论文	本文提出了一种基于多任务学习的深度学习框架，用于在对比增强磁共振成像（CE-MRI）中自动检测关键解剖标志并进行Couinaud肝段分割	通过多任务学习框架同步检测解剖标志与分割过程，提高了Couinaud段分割的准确性和鲁棒性	NA	实现精确的Couinaud肝段分割，优化肝手术的术前规划，减少术后并发症并保护肝功能	Couinaud肝段分割及关键解剖标志检测	计算机视觉	NA	对比增强磁共振成像（CE-MRI）	多任务学习框架	图像	包括正常肝脏、弥漫性肝病和局部肝病变的多类型患者，涉及两种场强、两种设备和两种对比剂
1718	2024-12-13	Enhanced brain tumor diagnosis using combined deep learning models and weight selection technique 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1444650 PMID:39659489	研究论文	本研究提出了一种结合深度学习模型和权重选择技术的方法，用于增强脑肿瘤的诊断	创新点在于利用集成学习方法结合Vision Transformers (ViT)和EfficientNet-V2模型，并通过遗传算法优化权重，显著提高了分类准确性	NA	旨在提高脑肿瘤分类的准确性，以改善诊断和治疗计划	脑肿瘤的多分类任务	计算机视觉	脑肿瘤	深度学习	Vision Transformers (ViT), EfficientNet-V2	图像	使用了一个包含标记脑部MRI图像的精心策划的数据集
1719	2024-12-13	Deep learning and transfer learning for brain tumor detection and classification 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae080 PMID:39659666	研究论文	本研究探讨了卷积神经网络（CNN）在脑肿瘤检测和分类中的应用，通过迁移学习步骤提升网络的肿瘤检测能力	引入了独特的伪装动物检测迁移学习步骤，以增强网络的肿瘤检测能力	NA	提高神经网络在脑肿瘤MRI数据上的分类准确性	胶质瘤和正常脑MRI数据，包括增强后T1加权和T2加权图像	计算机视觉	脑肿瘤	卷积神经网络（CNN）	CNN	图像	NA
1720	2024-12-13	Spontaneous breaking of symmetry in overlapping cell instance segmentation using diffusion models 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae084 PMID:39659670	研究论文	本文提出了一种基于扩散模型的重叠细胞实例分割方法，解决了传统方法在处理重叠标签时的局限性	本文提出了一种基于扩散模型的新方法，能够自发地打破对称性，并在像素级别上实现实例分割，同时允许重叠标签	NA	解决在生物医学图像中处理重叠标签的实例分割问题	重叠的细胞实例	计算机视觉	NA	扩散模型	扩散模型	图像	使用了cellpose荧光细胞数据集