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
381	2024-10-30	Evaluating facial dermis aging in healthy Caucasian females with LC-OCT and deep learning 2024-10-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74370-z PMID:39406771	研究论文	本研究使用LC-OCT和深度学习模型评估健康高加索女性面部真皮层的衰老情况	结合LC-OCT高分辨率成像技术和深度学习模型，预测皮肤微结构变化与年龄的关系	仅限于健康高加索女性，样本量有限	研究皮肤微结构变化与衰老过程的关系	健康高加索女性面部真皮层	计算机视觉	NA	LC-OCT	3D ResNet-18	图像	100名年龄在20至70岁之间的健康高加索女性
382	2024-10-30	A Transfer Learning-Based Framework for Classifying Lymph Node Metastasis in Prostate Cancer Patients 2024-Oct-15, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12102345 PMID:39457657	研究论文	本文提出了一种基于迁移学习的混合框架，用于分类前列腺癌患者的淋巴结转移	使用预训练的ResNet-18深度学习模型进行特征提取，并结合机器学习分类器，解决了小数据集下的分类问题	数据集规模较小，可能影响模型的泛化能力	开发一种有效的AI模型，用于辅助放射科医生区分前列腺癌患者的恶性与非恶性淋巴结	前列腺癌患者的淋巴结转移	计算机视觉	前列腺癌	迁移学习	ResNet-18	图像	42个阳性样本和84个阴性样本
383	2024-10-30	Employing deep learning model to evaluate speech information in acoustic simulations of Cochlear implants 2024-10-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73173-6 PMID:39402071	研究论文	本文利用深度学习语音识别模型评估人工耳蜗模拟中的语音信息	采用深度学习模型替代传统的人类受试者进行语音识别实验，显著节省时间和成本，并消除学习疲劳效应	深度学习模型并非专门设计用于模拟人类语音处理，其结果可能与人类受试者不完全一致	探索利用深度学习模型评估人工耳蜗模拟语音信息的可行性	人工耳蜗模拟中的语音信息	机器学习	NA	深度学习	深度学习模型	音频	NA
384	2024-10-30	Deep Learning-Adjusted Monitoring of In-Hospital Mortality after Liver Transplantation 2024-Oct-10, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13206046 PMID:39457996	研究论文	开发并测试了首个用于预测和实时监测肝移植后院内死亡率的深度学习调整CUSUM程序（DL-CUSUM）	首次使用自动化DL-CUSUM系统来监测肝移植后院内死亡率	NA	开发和测试用于预测和监测肝移植后院内死亡率的深度学习调整CUSUM程序	肝移植后的院内死亡率	机器学习	肝病	深度学习	DL-CUSUM	数值数据	1066名个体，包含66,092个术前可用数据点变量
385	2024-10-30	Automated Identification of Heart Failure With Reduced Ejection Fraction Using Deep Learning-Based Natural Language Processing 2024-Oct-09, JACC. Heart failure DOI:10.1016/j.jchf.2024.08.012 PMID:39453355	研究论文	开发了一种基于深度学习的自然语言处理模型，用于自动识别医院出院记录中患有射血分数降低的心力衰竭（HFrEF）的患者	提出了一种新的深度学习语言模型，用于从出院总结中识别HFrEF患者，并在多个外部验证数据集中展示了高精度和准确性	NA	自动化识别HFrEF患者，以评估和提高护理质量	射血分数降低的心力衰竭（HFrEF）患者	自然语言处理	心血管疾病	深度学习	语言模型	文本	13,251份出院记录，涉及5,392名患者，其中2,487名患有HFrEF
386	2024-10-30	Improvement of Quantification of Myocardial Synthetic ECV with Second-Generation Deep Learning Reconstruction 2024-Oct-02, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd11100304 PMID:39452275	研究论文	本研究比较了四种重建方法在心肌合成ECV定量中的差异，发现第二代深度学习重建方法在准确性上表现最佳	本研究首次比较了四种重建方法在心肌合成ECV定量中的差异，并发现第二代深度学习重建方法在准确性上优于其他方法	本研究为回顾性分析，样本量有限，且未考虑其他可能影响结果的因素	比较四种重建方法在心肌合成ECV定量中的差异，评估第二代深度学习重建方法的准确性	心肌合成ECV的定量	计算机视觉	心血管疾病	第二代深度学习重建	深度学习模型	图像	80名接受心脏CT扫描的患者，包括40名男性
387	2024-10-30	Heterozygous loss of Engrailed-1 and α-synucleinopathy (En1/SYN): A dual-hit preclinical mouse model of Parkinson's disease, analyzed with artificial intelligence 2024-Oct-01, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2024.106647 PMID:39187209	研究论文	本文开发并验证了一种新的帕金森病小鼠模型，用于研究疾病进展和测试潜在的治疗方法	提出了Engrailed-1和α-突触核蛋白病理的双重打击模型，结合了线粒体功能障碍和α-突触核蛋白的异常积累	小鼠模型在6个月后的运动障碍并未如预期加剧	开发和验证一种新的帕金森病小鼠模型，以更好地理解疾病进展和测试新疗法	小鼠模型中的线粒体功能障碍和α-突触核蛋白的异常积累	神经科学	帕金森病	深度学习辅助的组织学分析	NA	组织学数据	En1+/-小鼠在2、4和6个月后的行为测试和组织学分析
388	2024-10-30	Physics-Informed DeepMRI: k-Space Interpolation Meets Heat Diffusion 2024-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3462988 PMID:39292579	研究论文	本文提出了一种基于物理先验的深度MRI重建方法，通过将k空间插值与热扩散过程相结合，实现了更精确的高频k空间数据插值	本文创新地将高频k空间数据的插值与反向热扩散过程联系起来，并将其应用于扩散模型的设计，从而提高了图像重建的准确性	本文未详细讨论该方法在实际临床应用中的可行性和潜在挑战	提高MRI重建的准确性和控制性	高频k空间数据的插值	计算机视觉	NA	扩散模型	NA	k空间数据	使用公开数据集进行实验验证
389	2024-10-30	Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00703-7 PMID:39394501	研究论文	本文提出了一种评估深度学习在异常扩散中检测分布外动态的方法，并开发了一种基线方法来实现稳健的分布外动态检测和准确的分布内异常扩散识别	本文提出了一种新的框架和基线方法，用于评估和实现深度学习在异常扩散中对分布外动态的检测	本文未提及具体的局限性	评估和改进深度学习在异常扩散中对分布外动态的检测能力	异常扩散中的分布外动态检测	机器学习	NA	深度学习	NA	实验数据	包括烟碱型乙酰胆碱受体在膜中、葡聚糖溶液中的荧光珠以及进行主动内吞作用的银纳米颗粒等多种实验系统
390	2024-10-30	Anti-symmetric framework for balanced learning of protein-protein interactions 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae603 PMID:39404784	研究论文	本文提出了一种用于蛋白质-蛋白质相互作用平衡预测的反对称图学习模型BaPPI	引入了一种反对称图卷积网络来处理蛋白质-蛋白质相互作用网络中的不均匀分布，并使用非对称损失函数更新模型，以提高预测的鲁棒性和平衡性	NA	开发一种高效的计算工具，用于预测蛋白质-蛋白质相互作用，并解决现有方法中的不平衡性和计算复杂性问题	蛋白质-蛋白质相互作用及其网络中的模式	机器学习	NA	图卷积网络	反对称图卷积网络	蛋白质序列数据	在SHS27K和SHS148K数据集上进行了实验
391	2024-10-30	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-Oct, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	研究论文	本研究利用多模态深度学习模型对NRG Oncology III期随机试验中的前列腺癌患者进行风险分层	开发了一种临床可用的风险分组系统，使用多模态人工智能模型，相比现有的NCCN风险分组系统，具有更好的分类和预测性能	NA	改进当前临床风险分层方法，减少过度治疗和治疗不足	前列腺癌患者的风险分层	数字病理学	前列腺癌	多模态深度学习	多模态人工智能模型	数字病理图像和临床数据	9787名局部前列腺癌患者
392	2024-10-30	Deep learning improves test-retest reproducibility of regional strain in echocardiography 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyae092 PMID:39449961	研究论文	本研究评估了一种基于点跟踪的全自动深度学习方法在超声心动图区域应变测量中的重复性	提出了一种新的全自动深度学习方法，显著提高了区域应变测量的重复性	NA	评估深度学习方法在超声心动图区域应变测量中的重复性	区域纵向应变（RLS）在冠状动脉灌注区域（RLSTerritory）和左心室基底至心尖水平（RLSLevel）的测量重复性	计算机视觉	心血管疾病	深度学习	NA	图像	80名受试者（40名对照组和40名疑似非ST段抬高型急性冠脉综合征患者）
393	2024-10-30	Unsupervised CT Metal Artifact Reduction by Plugging Diffusion Priors in Dual Domains 2024-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3351201 PMID:38194400	研究论文	本文提出了一种基于扩散模型的无监督CT金属伪影减少方法，通过在双域中引入扩散先验来恢复金属伪影导致的退化部分	本文的创新点在于提出了一种双域处理方法，结合了图像域和正弦图域的扩散先验，并设计了时间动态权重掩码用于图像域融合	本文的局限性在于其有效性仅在合成数据集和临床数据集上进行了验证，尚未在更广泛的实际临床环境中进行测试	本文的研究目的是减少CT图像中的金属伪影，以提高诊断的准确性	本文的研究对象是CT图像中的金属伪影	计算机视觉	NA	扩散模型	扩散模型	图像	合成数据集和临床数据集
394	2024-10-29	Harnessing deep learning and statistical shape modelling for three-dimensional evaluation of joint bony morphology 2024-Oct, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70070 PMID:39463464	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
395	2024-10-30	From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning 2024-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405404 PMID:39206846	研究论文	本文提出了一种基于图神经网络的深度学习模型Dynaformer，用于预测蛋白质-配体结合亲和力，并通过分子动力学模拟数据进行训练	本文创新性地利用分子动力学模拟数据来捕捉蛋白质-配体相互作用的动态特性，从而提高结合亲和力预测的准确性	NA	提高蛋白质-配体结合亲和力预测的准确性，加速早期药物发现过程	蛋白质-配体复合物的结合亲和力	机器学习	NA	分子动力学模拟	图神经网络	分子动力学轨迹数据	3218个不同的蛋白质-配体复合物
396	2024-10-30	Dynamic entrainment: A deep learning and data-driven process approach for synchronization in the Hodgkin-Huxley model 2024-Oct-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0219848 PMID:39470595	研究论文	本文利用Hodgkin-Huxley模型和深度学习方法，提出了一种动态同步技术，以维持神经元系统的同步状态	引入了一种名为“动态同步”的创新技术，结合深度学习方法和数据驱动过程，以动态维持系统的同步状态	NA	研究动态系统中的共振和同步现象，特别是生物系统中的这些现象	Hodgkin-Huxley模型描述的神经元动作电位的传播	机器学习	NA	深度学习	NA	模型输出数据	NA
397	2024-10-29	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-Oct-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	研究论文	本文通过深度学习模型研究了邻近氨基酸对ESI-MS强度输出的影响	本文首次使用带有注意力机制的编码器-解码器深度学习模型，分析了二肽基序对MS1强度的影响，并识别了与低响应和高响应肽段相关的特定二肽基序	本文仅研究了二肽基序对MS1强度的影响，未涵盖更长的氨基酸序列或更复杂的肽段结构	探讨氨基酸序列与MS1强度输出之间的关系，提高对质谱分析中肽段响应的理解	氨基酸对（二肽基序）及其对MS1强度的影响	机器学习	NA	质谱分析（MS）	带有注意力机制的编码器-解码器深度学习模型	肽段序列数据	约200,000个独特肽段
398	2024-10-29	NBCR-ac4C: A Deep Learning Framework Based on Multivariate BERT for Human mRNA N4-Acetylcytidine Sites Prediction 2024-Oct-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01415 PMID:39367830	研究论文	提出了一种基于多元BERT的深度学习框架NBCR-ac4C，用于预测人类mRNA中的N4-乙酰胞苷位点	利用Nucleotide Transformer和DNABERT2构建核苷酸序列的上下文嵌入，结合CNN和ResNet18提取浅层和深层知识，显著提高了预测准确性	NA	开发一种高效且准确的深度学习方法来预测mRNA中的N4-乙酰胞苷位点	人类mRNA中的N4-乙酰胞苷位点	机器学习	NA	深度学习	CNN, ResNet18	序列	NA
399	2024-10-29	Improving Predictive Efficacy for Drug Resistance in Novel HIV-1 Protease Inhibitors through Transfer Learning Mechanisms 2024-Oct-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01037 PMID:39393002	研究论文	本文提出了一种新的药物-隔离-折叠变化（DIF）模型框架，通过迁移学习机制提高新型HIV-1蛋白酶抑制剂的耐药性预测效果	本文创新性地采用了迁移学习方法，通过预训练图神经网络（GNN）模型来提高DIF模型的分子学习能力，从而改善耐药性预测的准确性	NA	提高HIV-1蛋白酶抑制剂耐药性预测的准确性	HIV-1蛋白酶抑制剂的耐药性	机器学习	HIV感染	迁移学习	图神经网络（GNN）	蛋白质序列和抑制剂表示	4855种HIV-1蛋白酶抑制剂
400	2024-10-29	Deep Learning With Optical Coherence Tomography for Melanoma Identification and Risk Prediction 2024-Oct-27, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400277 PMID:39462483	研究论文	本研究开发并评估了一种用于黑色素瘤识别和风险预测的卷积神经网络（CNN），使用光学相干断层扫描（OCT）成像技术对小鼠皮肤进行分析	本研究首次使用OCT成像技术结合卷积神经网络进行黑色素瘤的识别和风险预测，并使用了前瞻性数据集	本研究仅在小鼠模型上进行了测试，尚未在人类临床环境中验证	开发一种高灵敏度和特异性的计算机辅助诊断系统，用于早期黑色素瘤的识别和风险预测	小鼠皮肤的光学相干断层扫描（OCT）图像	计算机视觉	皮肤癌	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	四个动物模型：黑色素瘤小鼠、发育不良痣小鼠及其各自的控制组