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
161	2024-09-14	StructuralDPPIV: a novel deep learning model based on atom structure for predicting dipeptidyl peptidase-IV inhibitory peptides 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae057 PMID:38305458	研究论文	本文介绍了一种名为StructuralDPPIV的新型深度学习模型，用于预测二肽基肽酶IV抑制肽	StructuralDPPIV模型结合了氨基酸的分子图特征和序列信息，显著优于现有的最先进方法	NA	开发一种有效的工具来发现二肽基肽酶IV抑制肽，以缓解糖尿病的影响	二肽基肽酶IV抑制肽的预测	机器学习	糖尿病	深度学习	深度学习模型	分子图特征和序列信息	独立测试数据集和两个湿实验数据集
162	2024-09-14	T-S2Inet: Transformer-based sequence-to-image network for accurate nanopore sequence recognition 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae083 PMID:38366607	研究论文	本文提出了一种基于Transformer的序列到图像网络T-S2Inet，用于提高纳米孔序列识别的准确性	本文创新性地提出了一个序列到图像（S2I）模块，将不等长序列转换为图像，并结合Transformer模型捕捉重要信息，从而提高分类准确性	NA	提高纳米孔序列识别的准确性	纳米孔序列数据	机器学习	NA	纳米孔测序	Transformer	序列数据	NA
163	2024-09-14	Geometry-complete perceptron networks for 3D molecular graphs 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae087 PMID:38373819	研究论文	本文介绍了一种新的几何感知SE(3)-等变图神经网络GCPNet，用于3D生物分子图的表示学习	GCPNet能够学习3D分子的重要手性属性并检测外部力场，适用于多种不变或等变节点级、边级和图级任务	NA	开发一种新的图神经网络模型，用于3D生物分子图的表示学习	3D生物分子图及其手性属性和外部力场	机器学习	NA	几何深度学习	图神经网络	3D分子图	涉及四个不同的分子几何任务
164	2024-09-14	Phenotype prediction from single-cell RNA-seq data using attention-based neural networks 2024-02-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae067 PMID:38390963	研究论文	本文提出了一种基于注意力机制神经网络的单细胞RNA测序数据表型预测方法ScRAT	ScRAT通过使用mixup模块增加训练样本数量，并采用多头注意力机制学习每个表型中最具信息量的细胞，无需依赖给定的细胞类型注释	NA	开发一种能够在有限样本数量下准确预测疾病表型的方法	单细胞RNA测序数据中的细胞表型	生物信息学	冠状病毒病	单细胞RNA测序	注意力机制神经网络	基因表达数据	三个公开的COVID数据集
165	2024-09-13	A deep learning approach to remove contrast from contrast-enhanced CT for proton dose calculation 2024-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14266 PMID:38269961	研究论文	本文提出了一种深度学习方法，用于从增强CT图像中生成非增强CT图像，以减少质子剂量计算中的不确定性	开发了一种深度网络，能够直接从增强CT图像生成非增强CT图像，避免了额外的非增强CT扫描，减少了成像时间和辐射剂量，并降低了组织运动引起的不确定性	研究仅在20名患者的腹部CT图像上进行了验证，结果显示在质子束路径的远端存在显著的剂量差异	开发一种方法，用于从增强CT图像生成非增强CT图像，以减少质子剂量计算中的不确定性	增强CT和非增强CT图像，以及质子剂量计算	计算机视觉	NA	深度学习	深度网络	图像	20名患者的腹部增强CT和非增强CT图像对，以及8000个图像块对
166	2024-09-07	Deep learning MRI-only synthetic-CT generation for pelvis, brain and head and neck cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110052 PMID:38096921	研究论文	本文验证了使用深度学习算法生成的合成CT（sCT）在骨盆、脑部和头颈部癌症中的剂量学准确性	本文采用了cycle-GAN算法生成sCT，并验证了其在不同扫描仪和序列下的剂量学准确性	NA	验证深度学习生成的合成CT在不同癌症部位的剂量学准确性	骨盆、脑部和头颈部癌症的合成CT生成	计算机视觉	头颈部癌症	深度学习	cycle-GAN	MRI和CT图像	骨盆49例，脑部25例，头颈部30例
167	2024-09-07	Uncertainty-aware MR-based CT synthesis for robust proton therapy planning of brain tumour 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110056 PMID:38104781	研究论文	本文开发了一种不确定性感知的框架，用于从MR图像生成高质量的合成CT图像，并评估其在质子治疗计划中的效率	本文的创新点在于引入了不确定性预测，并将其应用于质子治疗计划的鲁棒优化中	NA	开发和评估一种不确定性感知的框架，以提高基于MR的CT合成在质子治疗计划中的临床应用	脑肿瘤患者的MR和CT图像	机器学习	脑肿瘤	生成对抗网络	条件生成对抗网络	图像	64名脑肿瘤患者
168	2024-09-04	Sparks of function by de novo protein design 2024-Feb, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02133-2 PMID:38361073	研究论文	本文探讨了通过深度学习方法在从头蛋白质设计中实现功能性蛋白质设计的进展	利用深度学习方法提高了结构建模的效率和准确性，并促进了成功设计的丰富化	NA	探索从头蛋白质设计中功能性蛋白质设计的新进展及其对未来挑战的影响	蛋白质设计中的序列、结构协同设计和构象控制	机器学习	NA	深度学习	NA	NA	NA
169	2024-08-27	Ultrafast Brain MRI with Deep Learning Reconstruction for Suspected Acute Ischemic Stroke 2024-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.231938 PMID:38376403	研究论文	本研究旨在评估深度学习加速的磁共振成像（DL-accelerated MRI）与传统MRI在疑似急性缺血性卒中患者中的可互换性	本研究首次前瞻性地评估了深度学习加速MRI重建在急性疑似卒中中的诊断性能	NA	探讨深度学习加速MRI与传统MRI在疑似急性缺血性卒中患者中的可互换性	211名疑似急性卒中患者	计算机视觉	脑血管疾病	深度学习	NA	图像	211名参与者
170	2024-08-24	A Deep Learning Pipeline Using Prior Knowledge for Automatic Evaluation of Placenta Accreta Spectrum Disorders With MRI 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28770 PMID:37177832	研究论文	本文开发了一种利用先验知识进行磁共振成像（MRI）自动评估胎盘植入谱（PAS）障碍的深度学习（DL）流程	该研究利用了胎盘植入谱相关迹象通常沿子宫胎盘边缘线（UPB）发现的先验知识，通过UPB图像和胎盘位置信息提高了PAS诊断的准确性	NA	开发一种深度学习工具，用于使用T2加权MR图像进行产前PAS诊断	540名临床疑似PAS障碍的孕妇	机器学习	胎盘植入谱障碍	磁共振成像（MRI）	DenseNet	图像	540名孕妇，分为训练集（409）、内部测试集（103）和外部测试集（28）
171	2024-08-24	Deep Learning Detection and Segmentation of Brain Arteriovenous Malformation on Magnetic Resonance Angiography 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28795 PMID:37220191	研究论文	本研究开发了一种基于深度学习的方法，用于在时间飞跃磁共振血管成像上检测和分割脑动静脉畸形	本研究采用了YOLOv5和YOLOv8算法进行病变检测，以及U-Net和U-Net++模型进行核心分割，提高了临床实践效率	本研究为回顾性研究，且样本量相对较小	开发一种自动检测和分割脑动静脉畸形的方法，以提高临床实践效率	221名脑动静脉畸形患者	计算机视觉	脑动静脉畸形	时间飞跃磁共振血管成像	YOLOv5, YOLOv8, U-Net, U-Net++	图像	221名患者，分为177个训练样本，22个验证样本和22个测试样本
172	2024-08-24	Prenatal Diagnosis of Placenta Accreta Spectrum Disorders: Deep Learning Radiomics of Pelvic MRI 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28787 PMID:37222638	研究论文	本研究探讨了基于磁共振成像的深度学习放射组学模型在诊断胎盘植入谱系障碍中的应用	本研究首次使用深度学习放射组学方法量化胎盘植入谱系障碍的磁共振成像特征，并开发了一个结合放射组学特征、临床模型和磁共振形态学模型的诊断模型	研究为回顾性研究，且样本来自两家机构，可能存在一定的偏倚	探索基于磁共振成像的深度学习放射组学是否能有效识别胎盘植入谱系障碍的妊娠	324名疑似胎盘植入谱系障碍的孕妇	机器学习	妇产科疾病	深度学习放射组学	深度学习模型	磁共振成像	324名孕妇，其中206名确诊为胎盘植入谱系障碍，118名非胎盘植入谱系障碍
173	2024-08-24	Suitability of DNN-based vessel segmentation for SIRT planning 2024-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03005-x PMID:37535263	研究论文	本研究评估了基于深度神经网络（DNN）的血管分割在选择性内部放射治疗（SIRT）规划中的适用性	深度学习方法在肝动脉分割中优于传统的机器学习算法，显示出在SIRT规划中的应用潜力	尽管深度学习方法在大多数情况下表现良好，但仍有部分病例的分割结果不适合用于SIRT规划	评估基于DNN的血管分割在SIRT治疗前介入规划中的适用性	肝动脉的分割质量及整体图像质量	计算机视觉	肝癌	深度学习	DNN	图像	36例增强计算机断层扫描（CT）扫描
174	2024-08-24	Fully automatic deep learning-based lung parenchyma segmentation and boundary correction in thoracic CT scans 2024-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-023-03010-0 PMID:37594684	研究论文	本文提出了一种基于深度学习的算法，用于在胸部CT扫描中精确分割肺实质并进行边界修正	结合深度学习和传统图像处理算法，使用改进的2D U-Net CNN模型和Inception-ResNet-v2作为主干，以及后续的边界修正算法	NA	开发一种精确分割肺实质的算法	胸部CT扫描中的肺实质	计算机视觉	NA	深度学习	CNN	图像	训练数据包括来自两个不同来源的32个CT扫描，测试数据包括来自AIIMS Delhi和LUNA16挑战的16个CT扫描
175	2024-08-24	Deep Learning Model Based on Multisequence MRI Images for Assessing Adverse Pregnancy Outcome in Placenta Accreta 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29023 PMID:37851581	研究论文	本研究通过建立基于多序列MRI图像的深度学习模型，评估胎盘植入症（PAS）患者的不良妊娠结局风险	本研究提出的模型在评估不良妊娠结局方面表现出良好的诊断性能，尤其是在使用四序列MRI图像时，其性能显著优于使用单序列和双序列的模型	本研究为回顾性研究，样本量相对较小，且仅限于特定类型的胎盘植入症患者	探讨术前MRI多序列图像与不良妊娠结局之间的关联，并建立深度学习模型进行风险评估	323名疑似胎盘植入症的孕妇	机器学习	妊娠疾病	MRI	深度学习模型	图像	323名孕妇，分为训练集227例和验证集96例
176	2024-08-24	Editorial for "A Deep Learning Pipeline Using Prior Knowledge for Automatic Evaluation of Placenta Accreta Spectrum Disorders With MRI" 2024-02, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29152 PMID:38014825	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
177	2024-08-22	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	研究论文	本文使用时空深度神经网络（stDNN）模型揭示了人类功能性脑组织的性别差异及其行为相关性	本文通过stDNN模型和可解释AI（XAI）分析，揭示了高度可复制和可泛化的性别差异，并预测了性别特定的认知特征	NA	探讨人类功能性脑组织的性别差异及其行为后果	男性与女性大脑的功能性脑动态	机器学习	NA	时空深度神经网络（stDNN）	深度神经网络	功能性脑数据	约1,500名20至35岁的年轻成年人
178	2024-08-22	filoVision - using deep learning and tip markers to automate filopodia analysis 2024-02-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261274 PMID:38264939	研究论文	本文介绍了一种名为filoVision的深度学习平台，用于自动化分析带有标记的丝状伪足	filoVision平台通过filoTips和filoSkeleton工具，能够在没有肌动蛋白或膜标记的情况下，仅使用单一的丝状伪足尖端标记进行信息提取，并结合肌动蛋白标记进行更全面的分析	NA	开发一种适用于不同细胞类型和可视化方法的自动化丝状伪足分析流程	丝状伪足的自动化分析	计算机视觉	NA	深度学习	NA	图像	NA
179	2024-08-21	AttnPep: A Self-Attention-Based Deep Learning Method for Peptide Identification in Shotgun Proteomics 2024-02-02, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00729 PMID:38252705	研究论文	本文提出了一种基于自注意力机制的深度学习方法AttnPep，用于提高蛋白质组学中肽段鉴定的准确性	AttnPep利用自注意力模块帮助神经网络聚焦于与PSM分类相关的特征，忽略不相关的特征，从而提高PSM鉴定的准确性	NA	提高蛋白质组学中肽段鉴定的准确性	蛋白质组学中的肽段鉴定	机器学习	NA	深度学习	自注意力机制	质谱数据	复杂SWATH数据集
180	2024-08-17	A reliable diabetic retinopathy grading via transfer learning and ensemble learning with quadratic weighted kappa metric 2024-Feb-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02446-x PMID:38321416	研究论文	本文提出了一种基于迁移学习和集成学习的糖尿病视网膜病变分级方法，使用二次加权kappa指标进行评估	利用预训练模型权重减少训练时间和资源需求，采用数据增强技术改善特征和泛化能力，结合迁移学习和图像增强技术提高分级准确性	NA	提高糖尿病视网膜病变的分级准确性和效率	糖尿病视网膜病变	机器学习	糖尿病	迁移学习	集成学习	图像	使用了Eyepacs、Aptos和Messidor数据集