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
521	2024-08-30	Deep learning-based prediction of Clostridioides difficile infection caused by antibiotics using longitudinal electronic health records 2024-Aug-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01215-4 PMID:39181992	研究论文	开发并验证了一种基于深度学习的模型，用于预测抗生素治疗后28天内发生艰难梭菌感染的可能性，使用纵向电子健康记录	模型在内部和外部验证中均表现出高预测性能，AUC值分别达到0.952和0.972	NA	预测抗生素治疗后发生艰难梭菌感染的风险，以预防并发症和传播	艰难梭菌感染（CDI）的风险群体，特别是接受抗生素治疗的患者	机器学习	艰难梭菌感染	深度学习	深度学习模型	电子健康记录	包含患者生命体征和实验室测试的时间线，以及患者信息向量（年龄、性别、合并症和药物）
522	2024-08-30	Artificial intelligence-aiding lab-on-a-chip workforce designed oral [3.1.0] bi and [4.2.0] tricyclic catalytic interceptors inhibiting multiple SARS-CoV-2 protomers assisted by double-shell deep learning 2024-Aug-22, RSC advances IF:3.9Q2 DOI:10.1039/d4ra03965c PMID:39193274	研究论文	本文描述了使用双壳深度学习设计具有亲电头部的双环和三环催化拦截器的金标准口服抑制剂的努力	采用实验室芯片技术设计的KS1和KS2化合物达到了5倍的创新过滤Lipinski、GHOSE、VEBER、EGAN和MUEGGE药物相似性，并利用图神经网络（GNN）和深度神经网络（DNN）进行设计	现有抑制剂在最小旋转键下失活病毒RNA复制的局限性	设计新型口服抑制剂以应对当前和未来的冠状病毒大流行	双环和三环催化拦截器的口服抑制剂	机器学习	NA	实验室芯片技术	图神经网络（GNN）和深度神经网络（DNN）	化合物数据	NA
523	2024-08-30	COVID-19 IgG antibodies detection based on CNN-BiLSTM algorithm combined with fiber-optic dataset 2024-Aug-16, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2024.115011 PMID:39154936	研究论文	本研究提出了一种结合卷积神经网络（CNN）和双向长短期记忆网络（Bi-LSTM）的混合模型，用于基于光纤数据检测COVID-19的IgG抗体	本研究引入了全面的数据预处理流程，并评估了四种不同的深度学习算法在COVID-19病毒分类中的性能，其中CNN-BiLSTM分类器在训练数据集上表现出优越的性能	NA	开发高效准确的自动化筛查工具用于COVID-19检测	COVID-19的IgG抗体检测	机器学习	COVID-19	深度学习	CNN-BiLSTM	光纤数据	NA
524	2024-08-30	Enhancing Melanoma Diagnosis with Advanced Deep Learning Models Focusing on Vision Transformer, Swin Transformer, and ConvNeXt 2024-Aug-15, Dermatopathology (Basel, Switzerland) DOI:10.3390/dermatopathology11030026 PMID:39189182	研究论文	本研究探索了使用高级深度学习模型（包括ConvNeXt、Vision Transformer和Swin Transformer）对皮肤镜图像进行良性和恶性黑色素瘤分类的应用	研究采用了混合深度学习架构，结合了卷积神经网络和变换器的原理，展示了在医学图像分析中的潜力	NA	提高黑色素瘤诊断的准确性和效率	良性和恶性黑色素瘤的分类	计算机视觉	黑色素瘤	深度学习	ConvNeXt, Vision Transformer (ViT), Swin Transformer	图像	13,900张统一尺寸的图像
525	2024-08-30	A Data-Driven Approach to Estimate Human Center of Mass State During Perturbed Locomotion Using Simulated Wearable Sensors 2024-Aug, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03495-z PMID:38558352	研究论文	研究使用模拟可穿戴传感器模型在稳定和扰动步行期间快速估计人体质心状态的能力	首次探索了使用模拟可穿戴传感器驱动的深度学习模型来实时估计人体质心状态，特别是在扰动步行中的应用	研究仅限于模拟环境，实际应用中的效果可能有所不同	探索和验证使用可穿戴传感器实时估计人体质心状态的可行性，特别是在控制下肢外骨骼和其他基于可穿戴传感器的应用中	人体质心状态的估计，特别是在扰动步行中的应用	机器学习	NA	惯性测量单元(IMU)	时间卷积网络(TCN)	传感器数据	多种模拟的下肢外骨骼传感器配置
526	2024-08-30	Intraoperative AI-assisted early prediction of parathyroid and ischemia alert in endoscopic thyroid surgery 2024-08, Head & neck DOI:10.1002/hed.27629 PMID:38348564	研究论文	本研究开发了一种名为PTAIR 2.0的深度学习模型，用于在腔镜甲状腺手术中辅助早期预测甲状旁腺和缺血警报，并将其性能与传统外科医生识别方法进行比较	PTAIR 2.0模型采用YOLOX算法，在甲状旁腺早期预测、识别和缺血警报方面表现出优越性能，优于资深和初级外科医生	NA	开发一种深度学习模型，以提高腔镜甲状腺手术中甲状旁腺识别的安全性和有效性	甲状旁腺在腔镜甲状腺手术中的识别和保护	机器学习	NA	YOLOX算法	深度学习模型	图像	32,428张图像来自838个腔镜甲状腺手术视频用于内部训练，54个完整视频用于外部验证
527	2024-08-30	Utilizing deep learning for automated detection of oral lesions: A multicenter study 2024-Aug, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2024.106873 PMID:38833826	研究论文	本研究开发了一种基于YOLOX的卷积神经网络模型，用于在患者照片中精确检测多种口腔病变	模型在检测口腔病变方面表现出色，超过了经验丰富的专家，并能帮助专业人员和普通牙医进行诊断	NA	开发一种用于精确检测口腔病变的深度学习模型	口腔病变，包括OLP、OLK和OSCC	机器学习	口腔疾病	卷积神经网络	YOLOX	图像	1419张照片
528	2024-08-30	A novel diagnosis method combined dual-channel SE-ResNet with expert features for inter-patient heartbeat classification 2024-08, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104209 PMID:39160018	研究论文	本文提出了一种结合双通道SE-ResNet和专家特征的新诊断方法，用于患者间心跳分类	该研究通过融合双通道挤压激励残差神经网络（SE-ResNet）和专家特征，提高了患者间心跳分类的准确率	NA	开发一种可靠且自动化的系统，用于检测心电图（ECG）异常	心血管疾病患者的心跳分类	机器学习	心血管疾病	SE-ResNet	CNN	心电图信号	使用了三个开源数据库中的数据
529	2024-08-30	Leadwise clustering multi-branch network for multi-label ECG classification 2024-08, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104196 PMID:39160024	研究论文	本文提出了一种用于多标签心电图分类的多分支网络，并引入了一种直观的导联分组策略，以更好地利用医学领域知识	本文创新地设计了多分支网络，每个分支采用多尺度卷积网络结构提取更全面的特征，并提出了一个特征加权融合模块，以更好地整合不同导联的特征	NA	提高多标签心电图分类的准确性	12导联心电图信号及其在心血管疾病诊断中的应用	机器学习	心血管疾病	多尺度卷积网络	CNN	心电图信号	在PTB-XL数据集上分类4种心律失常类型和正常心律，在CPSC2018数据库上分类8种心律失常类型和正常心律
530	2024-08-30	Automatic diagnosis of epileptic seizures using entropy-based features and multimodel deep learning approaches 2024-08, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104206 PMID:39160030	研究论文	本文研究了利用基于熵的特征和多模型深度学习方法来自动诊断癫痫发作	本文采用了GRU、LSTM和BiLSTM RNN深度学习分类器，结合所有时间熵融合特征，提高了最终的分类结果	NA	开发一种自动预警癫痫发作的方法	癫痫患者和正常儿童的脑电图数据	机器学习	癫痫	脑电图分析	RNN	脑电图数据	来自Ibn Rushd培训医院神经科诊所的脑电图数据集
531	2024-08-23	Deep learning large-scale drug discovery and repurposing 2024-Aug, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00679-4 PMID:39169261	研究论文	本文介绍了一种通过分析线粒体表型变化来识别药物作用机制（MOA）的方法	开发了一种名为MitoReID的深度学习模型，使用重识别（ReID）框架和膨胀3D ResNet骨干网络，成功识别了六种未训练药物的MOA，并验证了天然化合物表儿茶素作为环氧合酶-2抑制剂的MOA	NA	加速大规模药物发现和再利用	药物的作用机制（MOA）	机器学习	NA	深度学习	CNN	图像	570,096个单细胞图像，涉及1,068种美国食品药品监督管理局批准的药物
532	2024-08-30	Raman spectroscopic deep learning with signal aggregated representations for enhanced cell phenotype and signature identification 2024-Aug, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae268 PMID:39192845	research paper	本文介绍了一种新的2D图像类双信号和成分聚合表示方法，通过重构拉曼光谱和主成分，增强了细胞表型和特征识别的拉曼光谱深度学习。	引入了2D图像类双信号和成分聚合表示方法，改进了拉曼光谱的数据学习，使新的ConvNet模型DSCARNets在多个基准数据集上显著优于现有机器学习和深度学习模型。	文章未明确提及现有方法的具体局限性，但提到了高维、无序和低样本的拉曼光谱数据对现有模型的挑战。	旨在通过改进拉曼光谱的数据表示方法，提高细胞表型和特征识别的准确性。	研究对象为拉曼光谱数据及其在细胞表型和特征识别中的应用。	machine learning	NA	拉曼光谱	ConvNet	光谱数据	涉及六个基准数据集和四个额外数据集
533	2024-08-29	The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography 2024-Aug-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae081 PMID:38525588	研究论文	本研究旨在验证通过低剂量计算机断层扫描（LDCT）自动和视觉评分冠状动脉钙化（CAC）的准确性，并评估在[15O]-水正电子发射断层扫描（PET）心肌灌注成像（MPI）期间获取的LDCT扫描对主要不良心脏事件（MACE）预测的附加价值	本研究首次评估了在[15O]-水PET MPI期间获取的LDCT扫描对CAC评分的附加价值，并使用深度学习方法进行自动评分	风险组分类的一致性仅为中等，且样本量相对较小	验证LDCT扫描中CAC评分的准确性并评估其对MACE预测的附加价值	572名疑似冠状动脉疾病患者	数字病理学	心血管疾病	低剂量计算机断层扫描（LDCT）	深度学习	图像	572名患者
534	2024-08-29	Preliminary Evaluation of Fine-Tuning the OpenDeLD Deidentification Pipeline Across Multi-Center Corpora 2024-Aug-22, Studies in health technology and informatics DOI:10.3233/SHTI240515 PMID:39176896	研究论文	本研究评估了OpenDeID去标识化管道在多中心语料库中的微调效果，以提高电子健康记录（EHR）二次使用中的患者隐私保护	采用混合去标识化策略，结合深度学习和上下文规则，提高了EHR数据中敏感信息的保护能力	NA	评估和增强电子健康记录二次使用中的患者隐私保护	OpenDeID去标识化管道在不同语料库中的性能	自然语言处理	NA	深度学习	BioBERT	文本	4,038份报告
535	2024-08-29	Deep learning assisted segmentation of the lumbar intervertebral disc: a systematic review and meta-analysis 2024-Aug-21, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05002-5 PMID:39169382	meta-analysis	本研究旨在评估深度学习技术在磁共振图像中腰椎间盘分割的性能并探索改进策略	本研究通过系统评价和荟萃分析方法，综合评估了深度学习模型在腰椎间盘分割中的表现	由于纳入研究在算法框架和结果报告上的异质性，结论应谨慎解释	评估深度学习技术在腰椎间盘分割中的性能并探索改进策略	腰椎间盘分割	machine learning	NA	deep learning	NA	image	45项研究被纳入系统评价，其中16项提供了完整的分割性能数据
536	2024-08-29	Deep learning-enhanced R-loop prediction provides mechanistic implications for repeat expansion diseases 2024-Aug-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110584 PMID:39188986	research paper	本文介绍了DeepER，一种基于深度学习的R-loop预测工具，用于研究人类R-loop的形成及其在重复序列扩张疾病中的机制。	DeepER工具在性能上优于现有工具，能够准确地进行全基因组R-loop注释，并揭示了某些串联重复序列与R-loop形成之间的强关联。	NA	开发和应用一种准确的计算工具来研究人类R-loop，并探索其在重复序列扩张疾病中的机制。	R-loop的形成及其在重复序列扩张疾病中的作用。	machine learning	NA	deep learning	deep learning model	genomic data	NA
537	2024-08-29	Fully Automatic Deep Learning Model for Spine Refracture in Patients with OVCF: A Multi-Center Study 2024-Aug, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.14155 PMID:38952050	研究论文	本文构建了一种基于骨转换标志物和CT的全新预测模型，用于识别更易遭受脊柱再骨折的患者	该研究首次结合骨转换标志物和CT图像，利用深度学习模型预测脊柱再骨折，提高了预测的准确性和临床实用性	研究仅回顾性收集了三个医疗中心的数据，样本量和数据来源的限制可能影响模型的泛化能力	构建一种新的预测模型，用于识别脊柱再骨折的高风险患者	383名骨质疏松性椎体压缩骨折患者	机器学习	骨质疏松症	CT	Densenet 121-3D	图像	383名患者，其中训练集240例，验证集63例，测试集80例
538	2024-08-29	Precision Drug Repurposing: A Deep Learning Toolkit for Identifying 34 Hyperpigmentation-Associated Genes and Optimizing Treatment Selection 2024-Aug-01, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004007 PMID:38896860	研究论文	本研究利用深度学习工具包识别与色素沉着过度相关的34个基因，并优化治疗选择	本研究采用综合方法，结合文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络和功能富集分析，以及网络中心性参数，以识别与色素沉着过度密切相关的基因，并利用深度学习工具包进行药物-靶点相互作用预测	NA	探索计算方法在识别色素沉着过度治疗中新靶向疗法的潜力	识别与色素沉着过度相关的基因及潜在治疗药物	机器学习	皮肤疾病	文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络分析	深度学习	基因数据、蛋白质数据	34个与色素沉着过度相关的基因，35种潜在治疗药物
539	2024-08-29	Loss of plasticity in deep continual learning 2024-Aug, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07711-7 PMID:39169245	研究论文	本文探讨了深度学习方法在持续学习环境下的表现，发现标准深度学习方法在持续学习设置中逐渐失去可塑性，最终学习效果不如浅层网络	提出了一种持续反向传播算法，通过不断向网络注入多样性来维持可塑性	研究仅限于使用ImageNet数据集和强化学习问题，未涉及其他类型的数据和任务	探究深度学习方法在持续学习环境下的有效性	深度学习方法在持续学习环境下的可塑性	机器学习	NA	深度学习方法，反向传播算法	深度神经网络	图像	使用经典的ImageNet数据集
540	2024-08-29	A prediction model based on deep learning and radiomics features of DWI for the assessment of microsatellite instability in endometrial cancer 2024-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70046 PMID:39171859	研究论文	本研究探讨了基于深度学习（DL）和放射组学特征的扩散加权成像（DWI）预测模型在评估子宫内膜癌（EC）微卫星不稳定（MSI）状态中的效能	本研究结合了DL特征、放射组学特征、临床变量和ADC值，通过随机森林（RF）分类器构建了一个优化的预测模型，该模型在训练和测试集中的AUC值均显示出显著提升	NA	评估基于DWI特征的预测模型在识别子宫内膜癌微卫星不稳定状态中的有效性	子宫内膜癌患者	机器学习	妇科肿瘤	扩散加权成像（DWI）	随机森林（RF）和逻辑回归	图像	116名子宫内膜癌患者，分为训练集（81名）和测试集（35名）