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
1001	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
1002	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
1003	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
1004	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
1005	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
1006	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
1007	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
1008	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
1009	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）
1010	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
1011	2024-08-07	SurfPro-NN: A 3D point cloud neural network for the scoring of protein-protein docking models based on surfaces features and protein language models 2024-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108067 PMID:38714420	研究论文	本文介绍了一种基于三维点云神经网络的蛋白质-蛋白质对接模型评分方法SurfPro-NN	该方法将蛋白质结构表示为点云，并通过点云神经网络学习蛋白质界面的相互作用信息，同时结合蛋白质表面表示模型和语言模型，显著提升了特征表示能力	NA	旨在解决蛋白质-蛋白质对接模拟中选择与天然结构相似的候选假体结构的挑战	蛋白质-蛋白质对接模型	计算机视觉	NA	点云神经网络	点云神经网络	点云	使用公共数据集进行全面测试
1012	2024-08-07	A novel multilevel iterative training strategy for the ResNet50 based mitotic cell classifier 2024-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108092 PMID:38754259	研究论文	本文提出了一种新的多级迭代训练策略，用于改进基于ResNet50的细胞有丝分裂分类器	提出了一个多级迭代训练策略，以解决模型训练中收敛到局部最优解的问题	未明确提及	提高细胞有丝分裂自动识别的准确性	细胞有丝分裂分类模型	数字病理学	乳腺癌	深度学习	ResNet50	图像	使用了公共的MITOSI14数据集
1013	2024-08-07	Feature engineered embeddings for classification of molecular data 2024-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108056 PMID:38796282	研究论文	本文提出了一种使用自然语言处理技术对分子文本数据进行特征工程的方法，以改进分子分类	采用自然语言处理技术如计数向量化、词频-逆文档频率、word2vec和隐狄利克雷分配来处理分子文本数据，提供了一种快速且可复制的嵌入方法	仅依赖于化学文本数据，未涉及分子结构信息	探索使用自然语言处理技术对分子文本数据进行特征工程，以提高分子分类的性能	分子文本数据，包括FASTA序列数据和简化分子输入线规范数据	自然语言处理	NA	自然语言处理技术（计数向量化、词频-逆文档频率、word2vec、隐狄利克雷分配）	NA	文本	两种类型的分子文本数据：FASTA序列数据和简化分子输入线规范数据
1014	2024-08-07	Artificial Intelligence for breast cancer detection: Technology, challenges, and prospects 2024-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111457 PMID:38640824	综述	本文综述了人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌的现状，讨论了相关技术、现有AI系统和面临的挑战	基于深度学习的AI系统在乳腺癌检测中显示出显著改进，有望提高筛查结果，减少假阴性和假阳性，并检测出人类观察者遗漏的细微异常	缺乏标准化数据集、训练数据中可能存在的偏差以及监管批准的障碍限制了其广泛应用	旨在讨论人工智能在乳腺癌筛查中的技术、现有系统和面临的挑战	人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	NA
1015	2024-08-07	Is Risk-Stratifying Patients with Colorectal Cancer Using a Deep Learning-Based Prognostic Biomarker Cost-Effective? 2024-Jun, PharmacoEconomics IF:4.4Q1 DOI:10.1007/s40273-024-01371-1 PMID:38584239	研究论文	研究使用基于深度学习的预测生物标志物Histotyping对结直肠癌患者进行风险分层的经济效益	开发了基于深度学习的预测方法Histotyping，用于结直肠癌患者的治疗前风险分层	NA	评估基于深度学习的预测方法Histotyping在挪威医疗系统中的成本效益	结直肠癌II期和III期患者	机器学习	结直肠癌	深度学习	NA	NA	NA
1016	2024-08-07	Automatic classification of spinal osteosarcoma and giant cell tumor of bone using optimized DenseNet 2024-Jun, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100606 PMID:38778836	研究论文	本研究旨在探索一种优化的深度学习模型，用于自动分类脊柱骨肉瘤和大细胞骨肿瘤	研究采用了具有自注意力机制的优化DenseNet模型，并结合Gradient-weighted Class Activation Mapping (Grad-CAM)技术，提高了分类准确性和特征提取能力	未来研究将集中在扩展数据集和改进算法上，以增强模型在不同临床环境中的适用性	提供一种可靠的方法，用于在医学影像中区分脊柱骨肉瘤和大细胞骨肿瘤	脊柱骨肉瘤和大细胞骨肿瘤的自动分类	计算机视觉	骨肿瘤	Gradient-weighted Class Activation Mapping (Grad-CAM)	DenseNet	图像	未具体说明样本数量
1017	2024-08-07	Multilayer cyberattacks identification and classification using machine learning in internet of blockchain (IoBC)-based energy networks 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110461 PMID:38774244	研究论文	本文研究了基于区块链的能源网络中使用机器学习模型识别和分类多层网络攻击	开发了一种结合深度学习和长短期记忆模型的混合机器学习模型，用于识别和分类能源系统中的拒绝服务和分布式拒绝服务攻击	NA	研究如何通过先进的信息和通信技术整合可再生能源，并解决由此带来的网络安全问题	太阳能和风能分布式能源系统中的网络攻击	机器学习	NA	机器学习	混合模型（深度学习与长短期记忆模型）	大数据集	从太阳能和风能分布式能源系统中获取的大数据集
1018	2024-08-07	A Dataset of apical periodontitis lesions in panoramic radiographs for deep-learning-based classification and detection 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110486 PMID:38770039	研究论文	本文介绍了用于深度学习分类和检测根尖周病变的口腔全景X光片数据集的创建和处理	通过数据增强技术增加了数据量，提高了机器学习模型的训练效果	NA	构建一个有效的学习模型来检测全景X光片中的根尖周病变	根尖周病变的全景X光片图像	计算机视觉	牙周病	数据增强技术（如缩放、镜像和翻转）	深度学习模型	图像	16,519张全景X光片，其中3,926张包含根尖周病变
1019	2024-08-07	IoT-DH dataset for classification, identification, and detection DDoS attack in IoT 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110496 PMID:38774247	研究论文	本文介绍了一个名为IoT-DH的新型大型数据集，旨在用于物联网生态系统中DDoS攻击的分类、识别和检测	IoT-DH数据集包含了多样化的场景和网络配置，提供了对真实物联网环境的现实代表性，并包括了多种攻击场景和不同攻击向量及强度	NA	开发和评估用于有效缓解DDoS攻击的机器学习和深度学习模型	物联网生态系统中的DDoS攻击	计算机视觉	NA	机器学习	深度学习模型	数据集	包含多样化的场景和网络配置，具体样本数量未提及
1020	2024-08-07	Convolutional Neural Network for Fully Automated Cerebellar Volumetry in Children in Comparison to Manual Segmentation and Developmental Trajectory of Cerebellar Volumes 2024-Jun, Cerebellum (London, England) DOI:10.1007/s12311-023-01609-2 PMID:37833550	研究论文	本研究旨在通过深度学习算法开发一种全自动且可靠的儿童小脑容积测量方法，并与手动分割进行比较，同时展示了测量小脑容积的临床实用性	使用卷积神经网络实现了儿童小脑容积的全自动测量，与手动分割相比，具有高度的准确性和可靠性	研究基于相对较小的样本量，且为初步研究	开发一种全自动的小脑容积测量方法，并探讨其临床应用价值	儿童小脑容积及其随年龄的变化	机器学习	NA	深度学习算法	卷积神经网络 (CNN)	3D T1加权磁化准备快速梯度回波 (MPRAGE) 序列图像	100名0至16.3岁的儿童