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
181	2024-12-06	A New Multi-Atlas Based Deep Learning Segmentation Framework With Differentiable Atlas Feature Warping 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3344646 PMID:38113158	研究论文	本文提出了一种新的基于多图谱的深度学习分割框架，通过可微分的图谱特征变形模块来建立特征级别的图谱-目标对应关系	引入了一种新的可微分图谱特征变形模块，通过平滑正则化项来建立特征级别的图谱-目标对应关系，提高了分割精度	NA	解决现有基于深度学习的多图谱分割方法中图谱-目标特征不一致的问题，提高医学图像分割的准确性	脑部分割任务	计算机视觉	NA	深度学习	深度学习模型	图像	使用了两个公开的MR脑部图像数据集：LPBA40和NIREP-NA0
182	2024-12-06	EHR-HGCN: An Enhanced Hybrid Approach for Text Classification Using Heterogeneous Graph Convolutional Networks in Electronic Health Records 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3346210 PMID:38133976	研究论文	提出了一种基于异构图卷积网络的电子健康记录文本分类方法EHR-HGCN	结合了上下文敏感的词和句子嵌入与结构化的句子级和词级关系信息，将EHR文本分类重新定义为图分类任务	未提及	提高电子健康记录文本分类的准确性和F1分数	电子健康记录文本	自然语言处理	NA	异构图卷积网络	异构图卷积神经网络	文本	多种标准文本分类基准数据集和MedLit基准数据集
183	2024-12-06	Dual-View Learning Based on Images and Sequences for Molecular Property Prediction 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347794 PMID:38153823	研究论文	本文提出了一种基于图像和序列的双视图学习方法，用于分子性质预测	本文创新性地结合了分子图像和SMILES序列，通过交叉注意力机制提取信息，提出了一种名为ISMol的多模态架构	NA	探索分子图像和SMILES序列之间的关系，提高分子性质预测的准确性	分子图像和SMILES序列	机器学习	NA	交叉注意力机制	多模态架构	图像和文本	14个小分子ADMET数据集
184	2024-12-06	Graph Autoencoders for Embedding Learning in Brain Networks and Major Depressive Disorder Identification 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3351177 PMID:38194405	研究论文	提出了一种利用图深度学习框架对脑网络进行分类以识别重度抑郁症的新方法	引入了一种新的图自编码器架构，基于图卷积网络，将fMRI网络的拓扑结构和节点内容嵌入到低维表示中	未提及	开发一种新的图深度学习框架，用于分类脑网络并识别重度抑郁症	重度抑郁症和健康对照组的脑网络	机器学习	精神疾病	功能磁共振成像(fMRI)	图自编码器(GAE)和全连接神经网络(FCNN)	图数据	未提及具体数量
185	2024-12-06	A New Automated Prognostic Prediction Method Based on Multi-Sequence Magnetic Resonance Imaging for Hepatic Resection of Colorectal Cancer Liver Metastases 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3350247 PMID:38446655	研究论文	提出了一种基于多序列磁共振成像的新型自动化预测方法，用于预测结直肠癌肝转移切除后的1年复发和无复发生存	设计了多模态引导局部特征融合模块和跨模态互补外部注意力模块，以解决现有方法中特征冗余和空间信息丢失的问题	未提及	探索结直肠癌肝转移手术切除后的预后预测	结直肠癌肝转移患者	计算机视觉	结直肠癌	磁共振成像 (MRI)	多模态引导互补网络 (MGCNet)	图像	未提及
186	2024-11-29	miTDS: Uncovering miRNA-mRNA interactions with deep learning for functional target prediction 2024-03, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.01.011 PMID:38280472	研究论文	本文开发了一种基于深度学习的miRNA-mRNA相互作用预测模型miTDS，通过动态词嵌入和多尺度注意力机制，提高了功能目标预测的准确性	miTDS利用transformer架构的动态词嵌入模型和多尺度注意力机制，结合RNA双路径模块，能够更全面地分析miRNA-mRNA相互作用位点，并准确预测功能目标	NA	解决miRNA功能目标预测中的挑战，提高预测准确性	miRNA和mRNA的相互作用及其功能预测	机器学习	NA	深度学习	transformer	序列数据	NA
187	2024-11-29	MFD-GDrug: multimodal feature fusion-based deep learning for GPCR-drug interaction prediction 2024-03, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.01.017 PMID:38286333	研究论文	本文提出了一种基于多模态特征融合的深度学习模型MFD-GDrug，用于预测GPCR-药物相互作用	利用ESM预训练模型提取蛋白质特征，并结合CNN和GCN进行多模态特征融合，有效捕捉GPCR-药物相互作用	NA	开发一种准确预测GPCR-药物相互作用的方法，以降低药物开发成本	GPCR-药物相互作用	机器学习	NA	多模态特征融合、CNN、GCN	深度学习模型	蛋白质特征、药物分子结构特征	NA
188	2024-11-29	GSL-DTI: Graph structure learning network for Drug-Target interaction prediction 2024-03, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.01.018 PMID:38360082	研究论文	提出了一种名为GSL-DTI的自动图结构学习模型，用于预测药物-靶点相互作用	引入了自动图结构学习方法，通过滤波门和下游任务的分类损失来指导DPP网络结构的学习	未提及具体限制	预测药物与靶点蛋白之间的相互作用，加速药物发现过程	药物分子与靶点蛋白的相互作用	机器学习	NA	图卷积网络	图结构学习网络	图数据	三个公开数据集
189	2024-11-24	FABEL: Forecasting Animal Behavioral Events with Deep Learning-Based Computer Vision 2024-Mar-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.15.584610 PMID:38559273	研究论文	本文介绍了一种基于深度学习的计算机视觉方法FABEL，用于预测动物未来的行为和运动轨迹	FABEL模型仅使用行为视频作为输入，可以适应任何行为任务，并且不需要特定的生理读数	NA	研究旨在通过预测动物行为和运动轨迹，为神经行为干预提供基础	动物行为和运动轨迹	计算机视觉	NA	深度学习	LSTM和Temporal Fusion Transformer	视频	NA
190	2024-11-22	Utilizing multimodal AI to improve genetic analyses of cardiovascular traits 2024-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.19.24304547 PMID:38562791	研究论文	提出了一种名为M-REGLE的多模态深度学习方法，用于从多模态高维临床数据中识别心血管性状的遗传关联	M-REGLE通过联合学习多模态高维临床数据的低维表示，并结合全基因组关联研究，显著提高了遗传关联的识别能力	NA	改进心血管性状的遗传分析	多模态高维临床数据中的心血管性状遗传关联	机器学习	心血管疾病	多模态深度学习	卷积变分自编码器	多模态高维临床数据	涉及多个生物银行的心血管模态数据，包括12导联心电图数据集和心电图I导联+光电容积描记数据集
191	2024-11-21	Application of artificial intelligence in brain arteriovenous malformations: Angioarchitectures, clinical symptoms and prognosis prediction 2024-Mar-22, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199241238798 PMID:38515371	review	本文综述了人工智能在脑动静脉畸形管理中的应用	人工智能算法在脑动静脉畸形管理中的多个方面得到了应用，特别是在机器学习和深度学习模型中	本文总结了当前研究的局限性和未来研究方向	总结人工智能在脑动静脉畸形管理中的应用	脑动静脉畸形	machine learning	脑血管疾病	machine learning, deep learning	machine learning, deep learning	image	NA
192	2024-11-20	Artificial Intelligence: Fundamentals and Breakthrough Applications in Epilepsy 2024-Mar-31, Epilepsy currents IF:5.8Q1 DOI:10.1177/15357597241238526 PMID:39554271	综述	本文综述了人工智能、机器学习和深度学习在癫痫研究和临床护理中的基础知识和突破性应用	介绍了人工智能在癫痫药物筛选、临床药物反应预测和EEG信号检测分析中的前沿应用	强调了这些技术在癫痫研究和护理中的潜力和局限性，并指出它们不会取代临床医生和研究人员的工作	旨在传播人工智能在癫痫领域的应用知识，包括使用方法、优势和潜在局限性	人工智能、机器学习和深度学习在癫痫研究和临床护理中的应用	机器学习	癫痫	NA	NA	NA	NA
193	2024-11-20	Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial 2024-Mar-19, ArXiv PMID:38562444	研究论文	本文提出了一种基于深度学习的X射线光子计数计算机断层扫描（PCCT）图像重建方法，用于在新西兰临床试验中实现减半剂量和加倍速度的高分辨率成像	本文创新性地提出了基于深度学习的补丁式体积细化网络，以缓解GPU内存限制，并使用合成数据进行训练，通过模型迭代细化来弥合合成数据与真实数据之间的差距	本文的局限性在于需要进一步的临床试验来验证其在不同患者群体中的适用性和效果	本文的研究目的是改进X射线光子计数计算机断层扫描（PCCT）的辐射剂量和成像速度，同时保持图像质量	本文的研究对象是四肢的高分辨率PCCT图像重建	计算机视觉	NA	深度学习	补丁式体积细化网络	图像	8名患者的临床试验数据
194	2024-11-19	Deep learning reduces data requirements and allows real-time measurements in imaging FCS 2024-03-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.11.3403 PMID:38050354	研究论文	本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量	提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估	NA	减少荧光相关光谱成像中的数据需求，并实现实时测量	荧光相关光谱成像中的相关性和强度轨迹分析	计算机视觉	NA	卷积神经网络	CNN	图像	模拟数据
195	2024-11-19	Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images 2024-03-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/kead366 PMID:37471602	研究论文	研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值	开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当	NA	探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值	多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒）	计算机视觉	类风湿性关节炎	深度学习	ResNet	图像	1244张图像用于模型训练，152张和354张分别用于两个测试集
196	2024-11-14	An integrated framework for prognosis prediction and drug response modeling in colorectal liver metastasis drug discovery 2024-03-30, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05127-5 PMID:38555418	研究论文	本研究开发了一个综合框架，用于预测结直肠癌肝转移的预后和药物反应建模	本研究开发了两个基于差异表达基因的肝转移相关预后标志物，并使用可解释的深度学习模型识别高风险患者的潜在治疗药物	NA	发现结直肠癌肝转移的新型预后生物标志物和治疗药物	结直肠癌肝转移患者	机器学习	结直肠癌	深度学习	深度学习模型	基因表达数据	NA
197	2024-11-14	Artificial intelligence in neuro-oncology: advances and challenges in brain tumor diagnosis, prognosis, and precision treatment 2024-Mar-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00575-0 PMID:38553633	综述	本文综述了人工智能在神经肿瘤学中的最新进展及其在脑肿瘤诊断、预后和精准治疗中的挑战	人工智能在脑肿瘤管理中引入了变革性创新，利用成像、组织病理学和基因组工具实现高效检测、分类、预后预测和治疗规划	本文讨论了人工智能在神经肿瘤学应用中的挑战，包括多模态数据整合、生成性人工智能、大型医学语言模型、精确肿瘤描绘和特征化以及解决种族和性别差异等问题	探讨人工智能在神经肿瘤学中的应用及其对脑肿瘤管理的全面影响	胶质瘤，一类代表全球重大健康问题的脑肿瘤	计算机视觉	脑肿瘤	人工智能	深度学习	成像数据	NA
198	2024-11-12	Methodological insights into ChatGPT's screening performance in systematic reviews 2024-Mar-27, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02203-8 PMID:38539117	研究论文	本研究评估了ChatGPT在放射学系统评价筛选过程中的表现，并与普通医生进行了比较	首次评估了ChatGPT在无需训练数据的情况下自动筛选系统评价的能力	ChatGPT的特异性和阳性预测值低于人类评分者，且Kappa系数较低	评估ChatGPT在放射学系统评价筛选过程中的有效性	ChatGPT在放射学系统评价筛选中的表现与普通医生的比较	自然语言处理	NA	生成预训练变压器（GPT）	GPT	文本	1198篇摘要
199	2024-11-12	Deep Learning-Based Multi-Class Segmentation of the Paranasal Sinuses of Sinusitis Patients Based on Computed Tomographic Images 2024-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s24061933 PMID:38544195	研究论文	本研究通过比较四种3D U-Net变体（正常、残差、密集和残差-密集），引入了一种多类卷积神经网络（CNN）分割模型，用于鼻窦炎患者的鼻窦CT图像分割	本研究引入了多类卷积神经网络（CNN）分割模型，并通过比较四种3D U-Net变体，展示了正常3D U-Net在鼻窦分割中的优越性能	尽管在清晰的鼻窦中实现了有效的分割，但在黏膜炎症方面仍存在局限性	本研究的目的是通过引入多类卷积神经网络（CNN）分割模型，提高鼻窦炎患者鼻窦CT图像的分割精度，从而减少手术并发症	本研究的对象是鼻窦炎患者的鼻窦CT图像	计算机视觉	鼻窦炎	卷积神经网络（CNN）	3D U-Net	图像	40名患者（20名正常，20名异常）
200	2024-11-12	A Survey on Blood Pressure Measurement Technologies: Addressing Potential Sources of Bias 2024-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s24061730 PMID:38543993	综述	本文综述了血压测量技术，特别是袖带式血压监测技术，探讨了测量中可能存在的偏差来源	本文提出了利用人工智能（AI）技术开发新一代袖带式血压设备，以减少测量偏差并提供个性化的血压相关心血管风险指数	本文主要关注袖带式血压监测技术，未涵盖其他类型的血压测量方法	探讨血压测量技术中的偏差来源，并提出利用AI技术改进血压测量设备	血压测量技术及其在临床和日常监测中的应用	NA	心血管疾病	人工智能（AI）、机器学习、深度学习、贝叶斯推断	NA	电子健康记录中的血压记录	NA