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
61	2024-12-06	Identification of Congenital Valvular Murmurs in Young Patients Using Deep Learning-Based Attention Transformers and Phonocardiograms 2024-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3357506 PMID:38261492	研究论文	本文开发了一种基于深度学习的注意力转换器模型，用于通过心音图（PCG）自动检测年轻患者中由先天性心脏病（CHD）引起的心脏杂音	本文首次使用深度学习技术结合注意力转换器模型，通过心音图自动检测先天性心脏病引起的心脏杂音，提高了诊断效率和准确性	模型在区分杂音存在与否的准确性上仍有提升空间，且在不同年龄段的预测准确性存在差异	开发一种自动化工具，通过心音图早期检测先天性心脏病引起的心脏杂音，减少对昂贵设备和专家评估的依赖	年轻患者的心脏杂音检测	机器学习	先天性心脏病	深度学习	注意力转换器	心音图	942名年轻患者的心音图记录
62	2024-12-06	Discovering Consensus Regions for Interpretable Identification of RNA N6-Methyladenosine Modification Sites via Graph Contrastive Clustering 2024-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3357979 PMID:38265898	研究论文	提出了一种名为M6A-DCR的深度学习模型，用于通过发现共识区域来解释性地识别RNA N6-甲基腺苷修饰位点	通过整合特定位置和核苷酸类型构建实例图，并将共识区域的发现转化为图聚类问题，从而实现对m6A修饰位点的解释性识别	未提及	开发一种能够解释性地识别RNA N6-甲基腺苷修饰位点的深度学习模型	RNA N6-甲基腺苷修饰位点	机器学习	NA	图聚类	深度学习模型	RNA序列	未提及
63	2024-12-06	Brain Structural Connectivity Guided Vision Transformers for Identification of Functional Connectivity Characteristics in Preterm Neonates 2024-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3355020 PMID:38285570	研究论文	提出了一种基于脑结构连接引导的视觉变换器模型，用于识别早产儿的功能连接特征	引入了一种新的脑结构连接/功能连接矩阵补丁标记，并使用结构连接矩阵作为有效掩码筛选输入的功能连接补丁嵌入，以提高分类和识别功能连接差异的能力	NA	提高早产儿功能连接特征的分类和识别能力，以改善诊断和治疗	早产儿、有早期新生儿经验的早产儿和足月儿的功能连接差异	计算机视觉	NA	NA	视觉变换器 (ViT)	多模态MRI数据	437名新生儿的大脑数据
64	2024-12-06	Predicting Protein Functions Based on Heterogeneous Graph Attention Technique 2024-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3357834 PMID:38319781	研究论文	本文提出了一种基于异构图注意力技术的深度学习方法，用于预测蛋白质功能	该方法通过构建包含蛋白质相互作用网络、本体结构以及正负注释信息的异构图，利用图注意力技术学习蛋白质和本体术语的嵌入表示，从而提高预测性能	NA	解决现有计算方法在蛋白质功能预测中忽略负注释信息导致精度低估的问题	蛋白质功能预测	生物信息学	NA	异构图注意力技术	深度学习模型	图数据	三种物种（人类、小鼠和拟南芥）
65	2024-12-01	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	评估自主人工智能（AI）系统在早产儿视网膜病变（ROP）筛查中的跨国外部验证效果	首次在跨国范围内验证了自主AI系统在ROP筛查中的应用，展示了其在不同数据集上的高检测性能	研究仅限于特定的数据集和医疗机构，未来需要进一步验证其在更广泛医疗环境中的适用性	评估自主AI系统在ROP筛查中的有效性，特别是在高收入和低收入国家之间的差异	早产儿视网膜病变（ROP）的筛查和诊断	计算机视觉	眼科疾病	深度学习	NA	图像	总共14410次检查，涉及5087名婴儿
66	2024-11-29	MFA-DTI: Drug-target interaction prediction based on multi-feature fusion adopted framework 2024-04, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.02.008 PMID:38430967	研究论文	提出了一种基于多特征融合框架的药物-靶点相互作用预测方法MFA-DTI	MFA-DTI通过融合交互网络和化学结构特征，克服了传统方法无法有效处理每种信息类型和忽略DTI数据特异性的问题	NA	改进药物-靶点相互作用预测的准确性	药物-靶点相互作用	机器学习	NA	深度学习	NA	序列数据、交互数据	六个公共数据集
67	2024-11-27	Hemodynamic property incorporated brain tumor segmentation by deep learning and density-based analysis of dynamic susceptibility contrast-enhanced magnetic resonance imaging (MRI) 2024-Apr-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-1471 PMID:38617153	研究论文	本文介绍了一种结合深度学习和密度分析的混合方法，用于通过动态磁敏感对比增强磁共振成像（DSC MRI）进行脑肿瘤分割	该方法结合了时间依赖性灌注成像中的血流动力学特性的密度分析和深度学习空间分割技术，以增强肿瘤分割效果	NA	提高现有基于结构或形态特征的肿瘤分割技术的准确性，并提供有关肿瘤生物学和生理学的额外信息	脑肿瘤	计算机视觉	脑肿瘤	动态磁敏感对比增强磁共振成像（DSC MRI）	U-Net卷积神经网络（CNN）	图像	513名患者
68	2024-11-24	Geometric deep learning for diffusion MRI signal reconstruction with continuous samplings (DISCUS) 2024-Apr-01, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00121 PMID:39575177	研究论文	本文提出了一种几何深度学习方法，用于扩散MRI信号重建，适用于任意扩散采样方案	本文首次提出了一种几何深度学习方法，能够处理任意扩散编码的dMRI信号重建，结合了学习方法的准确性和模型方法的灵活性	NA	解决dMRI信号重建中的采样限制和数据集合并困难问题	扩散加权磁共振成像（dMRI）信号	计算机视觉	NA	扩散加权磁共振成像（dMRI）	几何深度学习	图像	涉及单壳、多壳和基于网格的扩散MRI数据集
69	2024-11-23	Transcriptome-based deep learning analysis identifies drug candidates targeting protein synthesis and autophagy for the treatment of muscle wasting disorder 2024-Apr, Experimental & molecular medicine DOI:10.1038/s12276-024-01189-z PMID:38556548	研究论文	本研究通过转录组深度学习分析，识别出针对蛋白质合成和自噬的药物候选物，用于治疗肌肉萎缩症	本研究首次发现dimenhydrinate（一种由8-氯茶碱和苯海拉明组成的药物）作为治疗肌肉萎缩症的潜在疗法，并通过体外和体内实验验证了其促进肌肉再生的效果	本研究主要集中在dimenhydrinate的潜在治疗效果上，未详细探讨其长期使用的可能副作用和安全性	本研究的目的是通过转录组分析和深度学习技术，识别出新的药物候选物，用于治疗肌肉萎缩症	本研究主要关注癌症形成和5-FU化疗诱导的肌肉萎缩相关的基因表达特征，以及dimenhydrinate在肌肉再生中的作用	机器学习	肌肉萎缩症	转录组分析	深度学习	基因表达数据	包括体外实验中的肌肉祖细胞和体内实验中的多种肌肉萎缩模型动物
70	2024-11-21	Evaluation of a deep image-to-image network (DI2IN) auto-segmentation algorithm across a network of cancer centers 2024-Apr-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_769_23 PMID:39023610	研究论文	本文评估了一种基于深度图像到图像网络（DI2IN）的自动分割算法在多个癌症中心的性能	首次进行多机构研究，描述并评估基于深度图像到图像网络（DI2IN）的AI算法用于自动分割危及器官（OARs）	NA	评估AI算法在自动分割危及器官（OARs）中的应用效果	危及器官（OARs）的自动分割算法	计算机视觉	NA	深度学习	深度图像到图像网络（DI2IN）	图像	156名患者和1366个轮廓
71	2024-11-20	Artificial intelligence in lung cancer screening: Detection, classification, prediction, and prognosis 2024-Apr, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7140 PMID:38581113	综述	本文综述了人工智能在肺癌筛查中的应用，包括肺部分割、结节检测、分类和预后	本文探讨了基于深度学习的人工智能技术在肺癌筛查中的应用前景，特别是卷积神经网络（CNNs）的引入	人工智能结果的普遍性和可解释性需要进一步提高	探讨人工智能在肺癌筛查中的应用及其未来发展方向	肺癌筛查中的肺部分割、结节检测、分类和预后	计算机视觉	肺癌	卷积神经网络（CNNs）	卷积神经网络（CNN）	图像	NA
72	2024-11-18	Genomic language model predicts protein co-regulation and function 2024-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46947-9 PMID:38570504	研究论文	本文训练了一个基因组语言模型（gLM），通过数百万个宏基因组支架来学习基因之间的潜在功能和调控关系	本文首次将机器学习扩展到包含更高阶的基因组上下文信息，利用进化过程产生的基因组模式来揭示基因产物之间的功能关系	NA	揭示基因与其基因组上下文之间的关系，理解生物系统的功能和调控	基因之间的功能和调控关系	机器学习	NA	基因组语言模型（gLM）	语言模型	蛋白质序列数据	数百万个宏基因组支架
73	2024-11-17	Cervical lymph node metastasis prediction from papillary thyroid carcinoma US videos: a prospective multicenter study 2024-04-12, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03367-2 PMID:38609953	研究论文	本文研究了使用超声视频预测甲状腺乳头状癌患者颈部淋巴结转移的人工智能模型	提出了多尺度、多帧和双向深度学习（MMD-DL）模型，用于从超声视频中预测甲状腺乳头状癌患者的颈部淋巴结转移	研究仅在特定时间段和特定医疗中心进行，可能存在样本偏倚	开发一种能够准确预测甲状腺乳头状癌患者颈部淋巴结转移的人工智能模型，以改善个性化治疗	甲状腺乳头状癌患者的颈部淋巴结转移	计算机视觉	甲状腺癌	多尺度、多帧和双向深度学习（MMD-DL）	MMD-DL	视频	共纳入488名患者进行预训练，218名患者进行模型微调和验证
74	2024-11-17	Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women 2024-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307609 PMID:38279514	研究论文	介绍了一种用于产后女性心血管监测的可穿戴系统，该系统集成了云端软胸骨设备和共形纳米膜传感器	提出了一个集成了云端和移动应用的智能可穿戴系统，用于远程连续监测产后女性的健康状况，并通过深度学习进行医疗级血压预测	研究仅在20名产后黑人女性中进行了验证，样本量较小且人群单一	开发一种能够远程连续监测产后女性健康状况的可穿戴系统，以满足非传染性疾病患者的长期监测需求	产后女性，特别是那些有非传染性疾病需求的人群	NA	心血管疾病	深度学习	NA	生理数据	20名产后黑人女性
75	2024-11-15	DeepReg: a deep learning hybrid model for predicting transcription factors in eukaryotic and prokaryotic genomes 2024-04-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-59487-5 PMID:38644393	研究论文	本文提出了一种名为DeepReg的混合模型，用于在真核和原核基因组中预测转录因子	DeepReg模型结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM），在预测转录因子方面表现优异，精度、召回率和F1分数均高于现有模型DeepTFactor	NA	开发一种高效的深度学习模型，用于在真核和原核基因组中预测转录因子	真核和原核基因组中的转录因子	机器学习	NA	深度学习模型	混合模型（CNN和BiLSTM）	蛋白质序列	NA
76	2024-11-10	Sugarcane leaf dataset: A dataset for disease detection and classification for machine learning applications 2024-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110268 PMID:38533124	研究论文	本文介绍了一个名为“甘蔗叶数据集”的新数据集，用于甘蔗疾病检测和分类的机器学习应用	该数据集包含了6748张高分辨率甘蔗叶图像，分为九种疾病类别、健康叶类别和枯叶类别，覆盖了多种甘蔗疾病，为机器学习算法的发展提供了宝贵的资源	NA	开发用于甘蔗叶疾病检测和分类的机器学习算法	甘蔗叶及其相关疾病	机器学习	NA	深度学习、特征提取、模式识别	NA	图像	6748张甘蔗叶图像
77	2024-11-08	Assessing brain involvement in Fabry disease with deep learning and the brain-age paradigm 2024-Apr, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26599 PMID:38520360	研究论文	本文使用深度学习和脑龄范式评估法布里病患者的脑部是否比正常人更老，并验证脑预测年龄差异（brain-PAD）作为疾病严重程度生物标志物的可能性	首次使用深度学习和脑龄范式评估法布里病患者的脑部年龄，并验证brain-PAD作为疾病严重程度生物标志物的有效性	研究样本仅来自单一机构，且样本量相对较小	评估法布里病患者的脑部是否比正常人更老，并验证brain-PAD作为疾病严重程度生物标志物的有效性	法布里病患者和健康对照组的脑部MRI扫描数据	计算机视觉	罕见病	MRI扫描	DenseNet	图像	52名法布里病患者和58名健康对照组
78	2024-10-30	Applications of Artificial Intelligence, Machine Learning, and Deep Learning in Nutrition: A Systematic Review 2024-Apr-06, Nutrients IF:4.8Q1 DOI:10.3390/nu16071073 PMID:38613106	综述	本文综述了人工智能、机器学习和深度学习在营养科学中的应用	本文通过系统性文献回顾方法，全面调查了AI在营养科学中的现状，并探讨了其潜在应用和未来方向	本文主要基于文献回顾，未进行实际实验或数据分析	旨在全面了解AI、ML和DL在营养科学中的应用现状，并指出未来的挑战和方向	AI在营养科学中的应用，包括智能个性化营养、饮食评估、食物识别与追踪、疾病预防的预测建模以及疾病诊断与监测	机器学习	NA	机器学习、深度学习	NA	NA	NA
79	2024-10-30	Precise localization of corneal reflections in eye images using deep learning trained on synthetic data 2024-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02297-w PMID:38114880	研究论文	本文提出了一种使用深度学习方法在眼图像中精确定位角膜反射中心的方法	本文使用仅在合成数据上训练的卷积神经网络（CNN），避免了在真实眼图像上进行监督训练所需的手动标注过程	NA	开发一种精确的角膜反射中心定位方法，解决深度学习模型在注视估计中数据可用性的问题	角膜反射中心在眼图像中的定位	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	合成数据和两个包含高质量视频的真实眼图像数据集
80	2024-10-30	Deep learning models for webcam eye tracking in online experiments 2024-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02190-6 PMID:37608235	研究论文	本文研究了在远程在线心理实验中使用网络摄像头进行眼动追踪的深度学习模型	本文首次将深度学习方法应用于远程在线心理实验中的眼动追踪，并评估了其性能	研究样本量较小，仅涉及65名参与者	旨在解决远程眼动追踪设置中的关键挑战，并评估基于外观的深度学习眼动追踪和眨眼检测方法	65名参与者在家中使用笔记本电脑进行一系列眼动追踪任务	计算机视觉	NA	深度学习	基于外观的模型	视频	65名参与者