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
1961	2024-12-10	ReduMixDTI: Prediction of Drug-Target Interaction with Feature Redundancy Reduction and Interpretable Attention Mechanism 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01554 PMID:39570771	研究论文	本文提出了一种名为ReduMixDTI的端到端模型，用于减少特征冗余并显式捕捉药物-靶点相互作用的复杂局部交互	ReduMixDTI通过使用图神经网络和卷积神经网络对药物和靶点特征进行编码，并引入注意力机制显式建模药物和靶点子结构之间的成对交互，从而提高了模型的预测能力和可解释性	NA	提高药物-靶点相互作用预测的准确性和可解释性	药物和靶点之间的相互作用	机器学习	NA	图神经网络、卷积神经网络	注意力机制	图、图像	三个基准数据集和反映真实场景的外部测试集
1962	2024-12-10	Conformalized Graph Learning for Molecular ADMET Property Prediction and Reliable Uncertainty Quantification 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01139 PMID:39571080	研究论文	本文介绍了一种新的图神经网络模型，用于分子ADMET性质预测和不确定性量化	提出了结合图神经网络和联合均值-分位数回归损失以及基于集成的保形预测方法的新模型	未提及	提高分子ADMET性质预测的准确性和不确定性量化	分子ADMET性质	机器学习	NA	图神经网络	图神经网络	分子数据	未提及
1963	2024-12-10	Breast cancer detection and classification with digital breast tomosynthesis: a two-stage deep learning approach 2024-Dec-09, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2024.242923 PMID:39648903	研究论文	本文提出了一种新的计算机辅助两阶段诊断系统，结合改进的深度学习架构（VGG19）用于数字乳腺断层合成（DBT）图像的分类，并使用YOLOv5模型结合卷积块注意力模块（CBAM）进行肿瘤的良恶性检测	本文的创新点在于提出了一个两阶段的深度学习方法，结合了改进的VGG19架构和YOLOv5-CBAM模型，显著提高了DBT图像分类和肿瘤检测的准确性	NA	研究目的是提出一种新的计算机辅助诊断系统，以提高数字乳腺断层合成图像的分类和肿瘤检测的准确性	研究对象是数字乳腺断层合成（DBT）图像和肿瘤的良恶性分类	计算机视觉	乳腺癌	深度学习	VGG19, YOLOv5	图像	共包含22,032次DBT检查，涉及5,060名患者
1964	2024-12-10	Applications of and issues with machine learning in medicine: Bridging the gap with explainable AI 2024-Dec-08, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01342 PMID:39647859	研究论文	本文探讨了机器学习在医学中的应用及其面临的挑战，特别是通过可解释的人工智能（XAI）来弥合这一差距	本文提出了通过可解释的人工智能（XAI）来解决机器学习模型在医学应用中的“黑箱”问题，增强模型的透明度和可解释性	本文未详细讨论具体的XAI技术实现方法及其在实际应用中的效果	探讨机器学习在医学中的应用，并提出通过可解释的人工智能（XAI）来增强模型的透明度和可解释性	机器学习在医学中的应用及其面临的挑战，特别是模型的透明度和可解释性问题	机器学习	NA	卷积神经网络、变换器	卷积神经网络、变换器	患者数据	NA
1965	2024-12-10	iDCNNPred: an interpretable deep learning model for virtual screening and identification of PI3Ka inhibitors against triple-negative breast cancer 2024-Dec-08, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11055-9 PMID:39648257	研究论文	提出了一种可解释的深度卷积神经网络模型iDCNNPred，用于虚拟筛选和识别三阴性乳腺癌中的PI3Ka抑制剂	开发了可解释的深度学习模型iDCNNPred，并通过Grad-CAM技术增强了模型的透明度和可解释性	NA	开发和验证一种用于识别三阴性乳腺癌中PI3Ka抑制剂的深度学习模型	三阴性乳腺癌中的PI3Ka抑制剂	机器学习	乳腺癌	深度卷积神经网络	CNN	图像	使用Maybridge Chemical库筛选的分子，最终筛选出12个有潜力的分子进行生物验证
1966	2024-12-10	Deep Learning-Assisted Design of Novel Donor-Acceptor Combinations for Organic Photovoltaic Materials with Enhanced Efficiency 2024-Dec-08, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202407613 PMID:39648547	研究论文	本文提出了一种基于深度学习的框架，用于设计具有增强效率的有机光伏材料的供体-受体组合	开发了一种结构表示方法——聚合物指纹，并构建了有机光伏材料数据库，通过端到端的图神经网络建模方法，建立了高精度的深度学习模型来预测有机光伏性能	NA	加速设计具有超高效率的供体-受体组合，并为有机光伏器件带来性能突破	有机光伏材料的供体和受体结构及其组合	机器学习	NA	深度学习	图神经网络	结构数据	约0.6百万个虚拟供体-受体组合
1967	2024-12-10	Interpretable deep learning architecture for gastrointestinal disease detection: A Tri-stage approach with PCA and XAI 2024-Dec-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109503 PMID:39647242	研究论文	本文提出了一种用于胃肠道疾病检测的可解释深度学习架构，采用三阶段方法结合PCA和XAI技术	提出了一种三阶段轻量级架构，结合了PSE-CNN特征提取器、PCA特征选择器和DELM分类器，并在GastroVision数据集上进行了验证	NA	开发一种自动分类胃肠道疾病的计算机辅助诊断系统	胃肠道疾病	计算机视觉	胃肠道疾病	深度学习	PSE-CNN-PCA-DELM	图像	8000张图像，涵盖27种胃肠道疾病
1968	2024-12-10	Deep learning biomarker of chronometric and biological ischemic stroke lesion age from unenhanced CT 2024-Dec-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01325-z PMID:39643604	研究论文	本文研究了使用深度学习方法从非增强CT图像中估计急性缺血性脑损伤的生物学和计时学年龄	本文提出了一种基于卷积神经网络的放射组学模型（CNN-R），用于优化从非增强CT图像中估计病变年龄，其准确性约为传统方法NWU的两倍	NA	优化急性缺血性脑损伤的病变年龄估计方法，以提高超急性期中风管理的准确性	急性缺血性脑损伤的生物学和计时学年龄	计算机视觉	中风	卷积神经网络	CNN	图像	1945例
1969	2024-12-10	A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study 2024-Dec-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110660 PMID:39645201	研究论文	开发并验证了一种基于深度学习的预测模型，用于识别适合单独使用调强放疗的II期鼻咽癌患者	结合深度学习MRI特征和临床信息，开发了一种新的预测模型，显著提高了预测性能	研究为回顾性多中心研究，样本量有限，需要进一步的前瞻性研究验证	开发和验证一种预测模型，用于识别适合单独使用调强放疗的II期鼻咽癌患者	II期鼻咽癌患者	机器学习	鼻咽癌	深度学习	3DResNet, eXtreme Gradient Boosting	MRI图像, 临床信息	999名II期鼻咽癌患者
1970	2024-12-10	A multi-task framework for breast cancer segmentation and classification in ultrasound imaging 2024-Dec-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108540 PMID:39647406	研究论文	本文提出了一种用于超声图像中乳腺癌分割和分类的多任务框架	本文创新性地采用了多任务学习框架，结合了乳腺癌的分割和分类任务，以提高检测性能	本文的局限性在于依赖于特定的数据集，并且需要进一步验证其在其他数据集上的泛化能力	研究目的是探索多任务系统在提高乳腺癌病变检测中的潜力	研究对象是超声图像中的乳腺癌病变	计算机视觉	乳腺癌	深度学习	多任务框架	图像	使用了名为BUSI的公共乳腺癌超声数据集，进行了全面的分析和处理
1971	2024-12-10	State-of-the-art performance of deep learning methods for pre-operative radiologic staging of colorectal cancer lymph node metastasis: a scoping review 2024-Dec-02, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2024-086896 PMID:39622569	综述	评估深度学习方法在结直肠癌淋巴结转移术前影像分期中的当前最先进水平	揭示了深度学习方法在结直肠癌淋巴结转移诊断中的潜力，并指出了当前研究中的方法学和验证缺陷	大多数研究存在数据不具代表性、方法学不足、模型验证不充分和解释性技术有限等基本局限	评估深度学习方法在结直肠癌淋巴结转移术前影像分期中的应用现状	结直肠癌淋巴结转移的术前影像分期	计算机视觉	结直肠癌	深度学习	NA	影像	涵盖13项符合条件的研究
1972	2024-11-09	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	提出了一种基于像素级采样和深度学习合成的高速HDR视频获取方法	采用像素级可编程图像传感器进行采样，结合深度神经网络进行HDR视频合成，解决了传统方法中帧率与动态范围之间的矛盾	NA	提高动态场景下高速HDR视频的获取精度	动态场景中的高速HDR视频	计算机视觉	NA	深度学习	深度神经网络	视频	NA
1973	2024-12-10	Generative adversarial networks to create synthetic motion capture datasets including subject and gait characteristics 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112358 PMID:39509807	研究论文	本文通过修改生成对抗网络（GANs）为条件生成对抗网络（cGANs），生成包括受试者和步态特征的合成运动捕捉数据集	本文创新性地使用cGANs生成多样化的运动捕捉数据，包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs），并基于指定的受试者和步态特征	本文未提及具体的局限性	解决资源密集型运动捕捉系统对预测深度学习应用的挑战，生成多样化的运动捕捉数据集	研究对象包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs）	机器学习	NA	生成对抗网络（GANs）	条件生成对抗网络（cGANs）	运动捕捉数据	未明确提及样本数量
1974	2024-12-10	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	本研究使用无标记的多视角运动捕捉系统估算了L5-S1节段在提举/放下任务中的负荷	本研究首次使用无标记的多视角运动捕捉系统结合深度学习技术估算L5-S1节段的负荷，并与传统的基于标记和力板的系统进行了比较	本研究尚未在真实的工业条件下进行验证	研究提举/放下任务中L5-S1节段的负荷，以更好地理解肌肉骨骼疾病的病因和发展	L5-S1节段的负荷	生物力学	NA	深度学习	NA	运动数据	所有受试者的平均差异为14.0 ± 6.9 N和9.0 ± 2.3 Nm，峰值差异为10.8 ± 8.9 N和11.9 ± 9.5 Nm
1975	2024-12-10	Deep learning-based automated detection of the dental crown finish line: An accuracy study 2024-Dec, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.018 PMID:38097424	研究论文	本文研究了基于深度学习的牙冠完成线自动检测方法的准确性	提出了一种结合深度学习和计算机辅助设计的新型混合方法，用于牙冠完成线的提取	研究样本仅包括182个下颌扫描数据，且未涵盖所有可能的临床情况	比较新型混合方法与现有软件在提取牙冠完成线方面的准确性	牙冠完成线的自动提取方法	计算机视觉	NA	深度学习	NA	图像	182个下颌扫描数据，分为两组：使用桌面扫描仪扫描的模型（DS组）和使用口内扫描仪扫描的数据（IS组）
1976	2024-12-10	MicroRNA signature for early prediction of knee osteoarthritis structural progression using integrated machine and deep learning approaches 2024-Nov-29, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.11.008 PMID:39617204	研究论文	开发了一种基于miRNA的预测模型，用于早期预测膝关节骨性关节炎的结构进展	首次使用集成机器学习和深度学习方法开发miRNA预测模型，用于膝关节骨性关节炎的早期预测	样本量较小，需要进一步验证和扩大样本以提高模型的泛化能力	开发一种新的miRNA预测模型，用于早期识别膝关节骨性关节炎的结构进展	膝关节骨性关节炎患者	机器学习	骨性关节炎	miRNA测序	人工神经网络	miRNA数据	152名参与者（91名进展者，61名非进展者）用于模型开发，30名参与者（14名进展者，16名非进展者）用于模型验证
1977	2024-12-10	Denoising low-field MR images with a deep learning algorithm based on simulated data from easily accessible open-source software 2024-Nov-29, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2024.107812 PMID:39647413	研究论文	本文介绍了一种基于深度学习的去噪方法，旨在通过先进的3D深度卷积残差网络模型提高低场MRI（LFMRI）的对比度	使用合成脑部影像数据集，模拟LFMRI扫描的对比度和噪声特征，解决了用于训练深度学习模型的体内LFMRI数据集的局限性	NA	提高低场MRI图像的对比度	低场MRI图像	计算机视觉	NA	深度学习	3D深度卷积残差网络	图像	合成脑部影像数据集和体内数据集
1978	2024-12-10	Time-Series Deep Learning and Conformal Prediction for Improved Sepsis Diagnosis in Non-ICU Hospitalized Patients 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317716 PMID:39606323	研究论文	本文开发了一种基于深度学习和保形预测框架的模型，用于在非ICU住院患者中改进脓毒症的早期诊断	本文的创新点在于结合深度学习和保形预测框架，提高了模型在非ICU环境中的泛化能力和特异性，减少了误报率	NA	本文的研究目的是改进非ICU住院患者中脓毒症的早期诊断	本文的研究对象是非ICU住院患者中的脓毒症	机器学习	脓毒症	深度学习	深度学习模型	时间序列数据	83,813名患者用于训练，eICU-CRD数据集用于验证
1979	2024-12-10	Denoising diffusion model for increased performance of detecting structural heart disease 2024-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.21.24317662 PMID:39606362	研究论文	本文开发了一种去噪扩散概率模型，用于提高结构心脏病检测的性能	利用去噪扩散模型生成偏向年轻患者的合成数据集，并展示了其在提高诊断准确性方面的潜力	NA	提高结构心脏病检测的诊断准确性	年轻患者和结构左心室疾病	机器学习	心血管疾病	去噪扩散模型	深度学习模型	图像	使用了CheXchoNet数据集进行训练，并在合成数据集上进行了验证
1980	2024-12-10	c-Triadem: A constrained, explainable deep learning model to identify novel biomarkers in Alzheimer's disease 2024-Nov-20, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.19.24317595 PMID:39606415	研究论文	提出了一种名为c-Triadem的约束性可解释深度学习模型，用于识别阿尔茨海默病中的新型血液生物标志物，并预测轻度认知障碍和阿尔茨海默病	开发了一种新的深度神经网络c-Triadem，结合基因型数据、基因表达数据和临床信息，以高准确度预测阿尔茨海默病和轻度认知障碍	NA	开发新的生物标志物和方法，特别是血液诊断方法，以实现阿尔茨海默病的早期诊断	阿尔茨海默病和轻度认知障碍的血液生物标志物	机器学习	阿尔茨海默病	深度学习	深度神经网络	基因型数据、基因表达数据、临床信息	使用了来自阿尔茨海默病神经影像学倡议（ADNI）的血液基因型数据、微阵列和临床特征