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
961	2024-08-07	Deep learning facilitates efficient optimization of antisense oligonucleotide drugs 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102208 PMID:38803420	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
962	2024-08-07	Usefulness of pituitary high-resolution 3D MRI with deep-learning-based reconstruction for perioperative evaluation of pituitary adenomas 2024-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-024-03315-0 PMID:38374411	研究论文	评估深度学习重建的T1加权3D快速自旋回波序列（CUBE）在增强MRI中描绘垂体腺瘤和鞍旁区域的诊断价值	使用深度学习重建的CUBE序列在描绘垂体腺瘤和鞍旁区域方面显著优于未使用深度学习重建的CUBE、1毫米2D T1WI和SPGR序列	NA	评估深度学习重建技术在增强MRI中对垂体腺瘤和鞍旁区域的诊断价值	24名垂体腺瘤或残留肿瘤患者	计算机视觉	垂体腺瘤	深度学习重建（DLR）	NA	MRI图像	24名患者
963	2024-08-07	Deep Learning based Retinal Vessel Caliber Measurement and the Association with Hypertension 2024-06, Current eye research IF:1.7Q3 DOI:10.1080/02713683.2024.2319755 PMID:38407139	研究论文	本文开发了一种基于深度学习的视网膜血管口径自动测量方法，并评估了视网膜血管口径与高血压的关联	提出的深度学习方法在效率上显著优于半自动软件，并可应用于人群筛查和风险评估	NA	开发一种高效且全自动的视网膜血管口径测量方法，并评估其与高血压的关联	来自北京两个来源的受试者，包括同仁医院的高血压病例对照研究和北京大学第一医院的社区动脉粥样硬化队列研究	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	来自同仁医院和北京大学第一医院的受试者
964	2024-08-07	Automated AI-based grading of neuroendocrine tumors using Ki-67 proliferation index: comparative evaluation and performance analysis 2024-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03045-8 PMID:38409645	研究论文	本文提出了一种基于人工智能的方法，用于自动化计算和分级神经内分泌肿瘤的Ki-67增殖指数	采用U-Net架构进行图像分割，并通过颜色空间信息和其他特征识别Ki-67阳性或阴性细胞，实现肿瘤的自动化分级	NA	开发一种辅助病理学家自动化计算和分级Ki-67增殖指数的人工智能方法	神经内分泌肿瘤的Ki-67增殖指数	数字病理学	神经内分泌肿瘤	U-Net	CNN	图像	来自Necmettin Erbakan大学Meram医学院病理学系的数据集
965	2024-08-07	Correction to: Deep learning-based PET image denoising and reconstruction: a review 2024-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00794-x PMID:38492204	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
966	2024-08-07	A prediction method of interaction based on Bilinear Attention Networks for designing polyphenol-protein complexes delivery systems 2024-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.131959 PMID:38692548	研究论文	本研究利用双线性注意力网络建立了预测多酚-蛋白质复合物相互作用的模型，以优化其输送系统的设计	首次将开放的配体-蛋白质相互作用实验与深度学习算法结合应用于食品工业，提高了研究效率	模型需要通过实验验证其预测结果的准确性	开发一种高效准确的方法来预测多酚-蛋白质复合物的相互作用，以优化其输送系统	多酚-蛋白质复合物的相互作用及其在输送系统中的应用	机器学习	NA	双线性注意力网络	Bilinear Attention Networks	配体-蛋白质相互作用数据	525对配体-蛋白质相互作用数据
967	2024-08-07	Enhancing tropical cyclone intensity forecasting with explainable deep learning integrating satellite observations and numerical model outputs 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109905 PMID:38799561	研究论文	本研究提出了一种结合卫星观测数据和数值模型输出的混合卷积神经网络（hybrid-CNN），用于提高热带气旋强度预测的准确性	本研究的创新点在于使用hybrid-CNN模型，有效结合了卫星空间特征和数值预测模型输出，显著提高了热带气旋强度预测的准确性	NA	本研究旨在提高热带气旋强度预测的准确性，并探索其在气象预报领域的应用潜力	本研究的研究对象是热带气旋的强度变化	机器学习	NA	混合卷积神经网络（hybrid-CNN）	CNN	卫星观测数据和数值模型输出	NA
968	2024-08-07	Non-invasive assessment of response to transcatheter arterial chemoembolization for hepatocellular carcinoma with the deep neural networks-based radiomics nomogram 2024-Jun, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241229185 PMID:38489805	研究论文	研究开发了一种基于深度神经网络的诺模图，用于非侵入性且精确地预测肝细胞癌患者对经导管动脉化疗栓塞术的反应	研究首次采用深度神经网络结合拉索回归（DNN_LASSO）模型，提高了预测肝细胞癌患者对经导管动脉化疗栓塞术反应的准确性	研究为回顾性分析，样本量相对较小，未来需进行更大规模的前瞻性研究以验证结果的普遍性	开发一种非侵入性的方法，用于精确预测肝细胞癌患者对经导管动脉化疗栓塞术的反应	肝细胞癌患者对经导管动脉化疗栓塞术的反应	机器学习	肝细胞癌	NA	深度神经网络（DNN）	影像数据	110名接受经导管动脉化疗栓塞术的肝细胞癌患者
969	2024-08-07	Transcatheter Aortic Valve Replacement and Coronary Protection Guided by Deep Learning and 3-Dimensional Printing 2024-Jun, Surgical innovation IF:1.2Q3 DOI:10.1177/15533506241244571 PMID:38565982	案例报告	本文讨论了深度学习和三维打印技术在经导管主动脉瓣置换术和冠状动脉支架植入术围手术期的辅助作用	利用深度学习和三维打印技术进行术前评估和模拟，指导手术策略的制定	NA	探讨深度学习和三维打印技术在经导管主动脉瓣置换术和冠状动脉支架植入术中的应用	一名68岁男性患者，患有严重主动脉瓣狭窄合并反流和胸腔积液	数字病理学	心血管疾病	深度学习, 三维打印	深度学习模型	影像数据	1名患者
970	2024-08-07	The value of CT radiomics combined with deep transfer learning in predicting the nature of gallbladder polypoid lesions 2024-Jun, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241245970 PMID:38623640	研究论文	研究结合CT影像组学和深度迁移学习在预测胆囊息肉病变性质中的应用	首次使用CT影像组学结合深度迁移学习来识别术前未充分评估的胆固醇性和腺瘤性胆囊息肉	研究为回顾性分析，且样本量相对较小	探讨结合影像组学和深度迁移学习的多种机器学习模型在预测胆固醇性和腺瘤性胆囊息肉性质中的潜力	胆固醇性和腺瘤性胆囊息肉	机器学习	胆囊疾病	CT影像组学，深度迁移学习	机器学习算法	影像数据	100名经手术和病理证实的胆固醇性或腺瘤性息肉患者
971	2024-08-07	Dermatological disease prediction and diagnosis system using deep learning 2024-Jun, Irish journal of medical science IF:1.7Q2 DOI:10.1007/s11845-023-03578-1 PMID:38036757	研究论文	本文开发了一种利用机器学习和深度学习算法准确识别多达20种不同皮肤疾病的预测系统	采用Xception, Inception-v3, Resnet50, DenseNet121和Inception-ResNet-v2等深度学习算法，能够准确分类疾病图像，且系统无内在偏见，平等对待所有类别	NA	开发一种高效且准确的皮肤疾病预测系统	多达20种不同的皮肤疾病	机器学习	皮肤疾病	深度学习算法	Xception, Inception-v3, Resnet50, DenseNet121, Inception-ResNet-v2	图像	超过10,000张照片
972	2024-08-07	Improved detection of cholesterol gallstones using quasi-material decomposition images generated from single-energy computed tomography images via deep learning 2024-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00783-0 PMID:38393491	研究论文	本研究开发了一种利用深度卷积神经网络（DCNN）从单能量计算机断层扫描（SECT）图像生成准物质分解（quasi-MD）图像的方法，旨在提高胆固醇胆结石的检测并确定quasi-MD图像的临床效用	本研究展示了使用DCNN训练的高端计算机断层扫描系统获得的DECT图像可以提高SECT图像的病变检测能力	NA	提高胆固醇胆结石的检测并确定quasi-MD图像的临床效用	胆固醇胆结石的检测	计算机视觉	胆结石	计算机断层扫描（CT）	深度卷积神经网络（DCNN）	图像	4000对虚拟单色图像（70 keV）和MD图像（脂肪/水）用于训练DCNN，70名患者（40名有胆结石，30名无胆结石）的SECT图像用于测试
973	2024-08-07	Intra and inter-regional functional connectivity of the human brain due to Task-Evoked fMRI Data classification through CNN & LSTM 2024-Jun, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.02.006 PMID:38408721	研究论文	本研究通过CNN和LSTM模型对任务诱发fMRI数据进行分类，分析人类大脑的区域内和区域间功能连接	首次详细研究嗅觉fMRI数据，使用CNN-LSTM架构结合ResNet模型进行分类	NA	评估嗅觉功能在fMRI数据中的表现，并使用深度学习模型进行分类	健康人群和嗅觉障碍患者的嗅觉功能	机器学习	NA	fMRI	CNN, LSTM	fMRI数据	两组不同健康状况和嗅觉障碍的受试者
974	2024-08-07	Subjective and objective image quality of low-dose CT images processed using a self-supervised denoising algorithm 2024-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00786-x PMID:38413510	研究论文	本研究旨在评估使用自监督去噪深度学习算法处理的低剂量计算机断层扫描（CT）图像的主观和客观图像质量	本研究采用自监督去噪算法，其在噪声水平和边缘锐度方面的表现优于原始图像和其他传统去噪算法	自监督去噪算法的对比噪声比（CNR）和信噪比（SNR）虽然高于原始图像，但略低于其他算法	评估自监督去噪算法在低剂量CT图像处理中的图像质量	低剂量CT图像的图像质量	计算机视觉	NA	自监督去噪算法	深度学习模型	图像	训练集包含40名患者的低剂量CT图像，测试集包含30名患者的CT图像
975	2024-08-07	DeepPLM_mCNN: An approach for enhancing ion channel and ion transporter recognition by multi-window CNN based on features from pre-trained language models 2024-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108055 PMID:38555810	研究论文	提出了一种结合预训练语言模型和多窗口卷积神经网络的新框架DeepPLM_mCNN，用于有效分类膜蛋白为离子通道和离子转运体	该研究首次将预训练语言模型与多窗口卷积神经网络结合，用于从蛋白质序列数据中准确识别膜蛋白	NA	提高膜蛋白分类的准确性，特别是离子通道和离子转运体的识别	膜蛋白，特别是离子通道和离子转运体	机器学习	NA	预训练语言模型（PLMs）和多窗口卷积神经网络（mCNNs）	多窗口卷积神经网络（mCNN）	蛋白质序列	NA
976	2024-08-07	Predicting associations between drugs and G protein-coupled receptors using a multi-graph convolutional network 2024-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108060 PMID:38579550	研究论文	本文提出了一种基于多图卷积网络的端到端深度模型，用于高效准确地发现潜在的药物-G蛋白偶联受体（GPCR）关系	该模型能够同时考虑药物结构、药物间相互作用、GPCR序列及亚家族信息，从而更全面地检测药物与GPCR之间的关系	NA	加速药物再利用过程，通过计算模型预测药物与GPCR之间的新型相互作用	药物与G蛋白偶联受体（GPCR）之间的关系	机器学习	NA	多图卷积网络	多图卷积网络	结构数据、序列数据	NA
977	2024-08-07	Advancing Drug-Target Interaction prediction with BERT and subsequence embedding 2024-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108058 PMID:38593480	研究论文	本文提出了一种基于BERT和子序列嵌入的深度学习框架，用于改进药物-靶点相互作用（DTI）预测	使用氨基酸子序列编码蛋白质，模拟DTI的生物过程，并结合高频子序列嵌入和迁移学习方法	NA	探索蛋白质与药物之间的关系，提高DTI预测的准确性	蛋白质和药物序列的相互作用	机器学习	NA	BERT	BERT	序列数据	三个不同的基准数据集
978	2024-08-07	Attention-based deep convolutional neural network for classification of generalized and focal epileptic seizures 2024-Jun, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109732 PMID:38636140	研究论文	本文提出了一种基于注意力的深度卷积神经网络模型，用于自动分类广义和局灶性癫痫发作	该模型结合了多头自注意力机制与深度卷积神经网络，提高了癫痫发作分类的准确性	NA	旨在通过自动化方法提高癫痫诊断的效率和准确性	使用来自Temple University Hospital Seizure Corpus的EEG信号，对七种不同类型的癫痫发作进行分类	机器学习	癫痫	EEG信号分析	CNN	信号	使用了包括时间相关性、功率谱密度等在内的11种特征，从10秒滑动窗口中提取
979	2024-08-07	Assessment of the deep learning-based gamma passing rate prediction system for 1.5 T magnetic resonance-guided linear accelerator 2024-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00800-2 PMID:38687457	研究论文	本研究评估了一种基于深度学习的系统，用于预测在线自适应磁共振成像引导放射治疗（oMRgRT）中的伽马通过率（GPR）。	本研究采用卷积神经网络预测不同伽马标准的GPR，并验证了该模型在自适应计划中的应用。	研究样本量较小，且仅限于前列腺癌患者和Elekta Unity设备。	评估深度学习系统在在线自适应磁共振成像引导放射治疗中预测伽马通过率的潜力。	前列腺癌患者在接受Elekta Unity设备治疗时的放射治疗计划。	机器学习	前列腺癌	深度学习	卷积神经网络	放射治疗计划数据	125个验证计划（参考计划100个，自适应计划25个）
980	2024-08-07	A deep-learning-based scatter correction with water equivalent path length map for digital radiography 2024-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-024-00807-9 PMID:38696086	研究论文	本文提出了一种基于深度学习的数字放射摄影散射校正方法，使用水等效路径长度（WEPL）图来提高校正的准确性	提出的U-Net模型包含两个模块，一个用于生成WEPL图，另一个用于利用WEPL图作为辅助信息预测散射，无需实际放射摄影系统即可收集训练数据集	NA	开发一种基于深度学习的散射校正方法，以提高数字放射摄影的图像质量	数字放射摄影中的散射校正	计算机视觉	NA	Monte Carlo模拟	U-Net	图像	使用3D CT图像作为数值模型进行训练和验证