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	2024-10-27	sChemNET: a deep learning framework for predicting small molecules targeting microRNA function 2024-Oct-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49813-w PMID:39443444	研究论文	开发了一个名为sChemNET的深度学习框架，用于预测影响miRNA生物活性的小分子	通过一个目标函数，使神经网络能够从未知影响miRNA的大量化学结构中学习化学空间，克服了小分子-miRNA数据集稀疏的限制	NA	开发一个深度学习框架，用于预测影响miRNA功能的小分子	miRNA及其靶基因的小分子调节剂	机器学习	NA	深度学习	神经网络	化学结构和序列信息	NA
522	2024-10-27	Optimising ovarian tumor classification using a novel CT sequence selection algorithm 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75555-2 PMID:39443517	研究论文	本研究旨在通过应用先进的深度学习方法和开发一种新的CT序列选择算法来提高卵巢肿瘤分类的准确性	本研究开发了一种新的CT序列选择算法，用于优化CT图像的使用，以更精确地分类卵巢肿瘤	NA	提高卵巢肿瘤分类的准确性，特别是区分恶性肿瘤和早期病例	卵巢肿瘤的分类	计算机视觉	妇科疾病	深度学习	ResNet50V2FPN	图像	使用公开的CT扫描数据进行训练和评估
523	2024-10-27	Automated deep learning-based bone mineral density assessment for opportunistic osteoporosis screening using various CT protocols with multi-vendor scanners 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73709-w PMID:39443535	研究论文	本研究评估了基于深度学习的自动化骨密度测量方法在不同CT协议和多厂商扫描仪下的诊断效能	提出了基于深度学习的自动化骨密度测量方法，并展示了其在不同CT协议和多厂商扫描仪下的准确性和可靠性	研究为回顾性研究，样本量和数据类型有限	评估基于深度学习的骨密度测量方法在骨质疏松筛查中的诊断效能	422个来自四个厂商的CT数据集，包括159个胸部、156个腹部和107个腰椎数据集	计算机视觉	骨质疏松	深度学习	NA	CT图像	422个CT数据集，包括159个胸部、156个腹部和107个腰椎数据集
524	2024-10-27	Leveraging weak complementary labels enhances semantic segmentation of hepatocellular carcinoma and intrahepatic cholangiocarcinoma 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75256-w PMID:39443575	研究论文	本文提出了一种利用弱互补标签增强肝细胞癌和肝内胆管癌语义分割的深度学习方法	通过引入互补标签，利用临床诊断中的弱信息来改进模型训练，从而提高分割性能和鲁棒性	NA	提高肝细胞癌和肝内胆管癌的语义分割准确性和鲁棒性	肝细胞癌和肝内胆管癌的病理图像	计算机视觉	肝癌	深度学习	NA	图像	165名患者的病理图像
525	2024-10-27	Automating cancer diagnosis using advanced deep learning techniques for multi-cancer image classification 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75876-2 PMID:39443621	研究论文	本文利用深度学习模型自动化癌症诊断，特别是针对多癌症图像分类	本文首次评估了多种深度学习模型在七种癌症图像分类中的表现，并发现DenseNet121模型在验证准确性和损失方面表现最佳	本文仅评估了特定类型的癌症图像，未涵盖所有癌症类型	提高癌症检测的效率和准确性	七种癌症的图像数据	计算机视觉	NA	深度学习	CNN	图像	七种癌症的图像数据
526	2024-10-27	Improving the accuracy of dynamic inclination measurement by machine learning 2024-Oct-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76032-6 PMID:39443645	研究论文	本文提出了一种结合钻具姿态传感器数据和人工神经网络的方法，以提高动态倾角测量的准确性	本文首次将机器学习技术应用于钻具姿态测量，通过深度学习模型反演x和y轴加速度信号，实现了高精度的动态倾角测量	本文仅在模拟测量条件下进行了实验，尚未在实际钻井环境中验证	提高钻井过程中动态倾角测量的准确性	钻具姿态传感器数据和动态倾角	机器学习	NA	机器学习	LSTM	传感器信号	不同转速下的模拟测量条件
527	2024-10-27	Comparing SMILES and SELFIES tokenization for enhanced chemical language modeling 2024-10-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76440-8 PMID:39443676	研究论文	研究比较了SMILES和SELFIES的tokenization方法在化学语言模型中的应用效果	提出了Atom Pair Encoding (APE)方法，显著提高了化学语言模型的分类准确性	NA	评估不同tokenization技术对化学语言模型在生物物理学和生理学分类任务中性能的影响	SMILES和SELFIES的tokenization方法	自然语言处理	NA	Byte Pair Encoding (BPE), Atom Pair Encoding (APE)	BERT	文本	使用了三个不同的数据集：HIV、毒理学和血脑屏障渗透
528	2024-10-27	Detection of hypertension from pharyngeal images using deep learning algorithm in primary care settings in Japan 2024-Oct-23, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2023-100824 PMID:39448071	研究论文	本研究开发了一种基于深度学习算法的人工智能模型，用于通过咽喉图像检测高血压	利用咽喉图像中的血管形态信息，结合深度学习算法，实现了无需物理接触或额外设备的高血压早期检测	研究数据仅来自日本的多所初级护理诊所，样本量和地域限制可能影响模型的普适性	开发一种基于深度学习的高血压检测算法，以提高远程医疗时代的护理质量	咽喉图像和患者的人口统计信息	计算机视觉	心血管疾病	深度学习	多实例卷积神经网络	图像	7710名患者，来自64家诊所
529	2024-10-27	Generating Protein Structures for Pathway Discovery Using Deep Learning 2024-Oct-22, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00816 PMID:39388723	研究论文	本文提出了一种基于表示学习的解决方案，通过在抽象表示空间中进行插值和外推来合成潜在的过渡状态，并使用分子动力学模拟进行自动验证，以实现路径发现	本文创新性地使用表示学习方法来合成潜在的过渡状态，并通过迭代框架进行目标路径采样	本文的实验仅限于RAS-RAF蛋白域从无膜到与膜相互作用的过渡，未涵盖更广泛的应用场景	解决分子水平上生物现象的复杂细节解析问题，特别是路径发现中的过渡状态合成	RAS-RAF蛋白域从无膜到与膜相互作用的过渡过程	生物信息学	NA	分子动力学模拟	表示学习	蛋白质结构	NA
530	2024-10-27	Automated volumetric analysis of the inner ear fluid space from hydrops magnetic resonance imaging using 3D neural networks 2024-10-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76035-3 PMID:39433848	研究论文	本文使用3D神经网络模型对内耳积液空间进行自动体积分析	提出了一种基于3D深度神经网络模型的内耳积液空间自动分割和体积比计算方法	NA	开发一种准确且自动化的方法来计算内耳积液的体积比，以帮助诊断内耳疾病	内耳的耳蜗、前庭和半规管的积液空间	计算机视觉	NA	磁共振成像（MRI）	3D深度神经网络	图像	包含耳蜗、前庭和半规管的积液空间分割标签的MR cisternography (MRC) 和 HYDROPS-Mi2 数据集
531	2024-10-27	Blockchain-enabled verification of medical records using soul-bound tokens and cloud computing 2024-Oct-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75708-3 PMID:39438519	研究论文	本文提出了一种基于区块链和灵魂绑定令牌（SBT）的医疗记录验证机制，结合云计算提高验证效率	使用区块链技术和灵魂绑定令牌（SBT）实现医疗记录的自动化验证，并通过云计算访问去中心化数据库以减少验证时间	本文未详细讨论系统的可扩展性和在其他行业的潜在应用	提高医疗记录验证的效率和安全性	医疗记录的验证过程	区块链技术	NA	区块链技术、灵魂绑定令牌（SBT）、云计算	NA	医疗记录	NA
532	2024-10-27	Determinants of Visual Impairment Among Chinese Middle-Aged and Older Adults: Risk Prediction Model Using Machine Learning Algorithms 2024-Oct-09, JMIR aging IF:5.0Q1 DOI:10.2196/59810 PMID:39382570	研究论文	本研究利用机器学习算法预测中国中年和老年人群的视力障碍风险，并识别其决定因素	首次在中国中年和老年人群中应用多种机器学习算法预测视力障碍风险，并结合变量重要性分析识别关键预测因子	研究仅基于CHARLS数据，可能无法完全代表中国所有中年和老年人群	预测视力障碍并识别其决定因素	中国中年和老年人群	机器学习	NA	机器学习算法	梯度提升机、分布式随机森林、广义线性模型、深度学习和堆叠集成	问卷调查、体检和血液生物标志物数据	19,047名参与者
533	2024-10-27	Integrated image-based deep learning and language models for primary diabetes care 2024-Oct, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03139-8 PMID:39030266	研究论文	开发了一种结合图像深度学习和语言模型的集成系统，用于初级糖尿病护理和糖尿病视网膜病变筛查	结合了大型语言模型和图像深度学习，提供个性化的糖尿病管理建议，并在实际应用中显示出改善患者自我管理和遵从性的效果	仅在一个中心进行了真实世界的研究，需要进一步的多中心验证	提高初级糖尿病护理和糖尿病视网膜病变筛查的效率和质量	初级糖尿病护理和糖尿病视网膜病变筛查	机器学习	糖尿病	深度学习	Transformer	图像和文本	397名未辅助的初级保健医生患者和372名辅助的初级保健医生患者
534	2024-10-27	Traversing chemical space with active deep learning for low-data drug discovery 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00697-2 PMID:39333789	研究论文	本文研究了在低数据药物发现中使用主动深度学习进行化学空间探索	提出了一种结合主动学习和深度学习的方法，用于在低数据情况下进行药物发现，并展示了其在命中率上的显著提升	研究中存在一些未知的限制因素，如最佳计算策略、与传统非迭代方法的比较以及在低数据场景中的应用	探讨在低数据药物发现中使用主动深度学习的有效性	分析了六种主动学习策略与两种深度学习架构在三种大规模分子库上的应用	机器学习	NA	主动学习	深度学习	分子库	三种大规模分子库
535	2024-10-27	Generalizing deep learning electronic structure calculation to the plane-wave basis 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00701-9 PMID:39363113	研究论文	本文提出了一种从平面波密度泛函理论结果中直接计算原子轨道哈密顿矩阵的实空间重构方法	克服了先前神经网络仅兼容原子轨道基的局限性，实现了与平面波基的兼容	NA	旨在将平面波方法的优势整合到深度学习电子结构方法中	电子结构计算中的哈密顿矩阵	机器学习	NA	密度泛函理论 (DFT)	深度神经网络	电子结构数据	NA
536	2024-10-13	Effectively detecting anomalous diffusion via deep learning 2024-Oct, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00705-5 PMID:39394500	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
537	2024-10-27	Subject-aware PET Denoising with Contrastive Adversarial Domain Generalization 2024 Oct-Nov, IEEE Nuclear Science Symposium conference record. Nuclear Science Symposium DOI:10.1109/nss/mic/rtsd57108.2024.10656150 PMID:39445307	研究论文	本文提出了一种对比对抗学习框架，用于PET图像的去噪和领域泛化	引入了对比对抗学习框架，结合UNet去噪模块和对比判别器，以提取与受试者无关的特征	未提及具体限制	提高PET图像去噪性能，减少受试者间的变异性	PET图像的去噪和领域泛化	计算机视觉	NA	深度学习	UNet	图像	97个F-MK6240 tau PET研究，每个研究有20个噪声实现，训练、验证和测试分别使用1400、120和420对3D图像体积
538	2024-10-26	Deep learning-based segmentation of abdominal aortic aneurysms and intraluminal thrombus in 3D ultrasound images 2024-Oct-25, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03216-7 PMID:39448511	研究论文	本研究使用深度学习方法改进腹主动脉瘤和附壁血栓在时间分辨三维超声图像中的分割	采用nnU-Net模型在低对比度数据上进行训练，并通过CT基底标注验证分割结果，提高了分割精度	腔-血栓界面可见性仍然是限制因素，需要改进图像采集以确保更广泛的病人纳入和未来的破裂风险评估	改进腹主动脉瘤和附壁血栓在时间分辨三维超声图像中的分割	腹主动脉瘤和附壁血栓	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	有限数据集
539	2024-10-26	Automated breast density assessment for full-field digital mammography and digital breast tomosynthesis 2024-Oct-25, Cancer prevention research (Philadelphia, Pa.) DOI:10.1158/1940-6207.CAPR-24-0338 PMID:39450526	研究论文	本文开发了一种深度学习模型，用于自动评估全视野数字乳腺摄影和数字乳腺断层合成中的乳腺密度	首次使用深度学习模型自动评估全视野数字乳腺摄影和数字乳腺断层合成中的乳腺密度，并在外部验证中展示了与放射科医生评估的高度一致性	NA	开发一种能够自动评估乳腺密度的深度学习模型，以辅助临床诊断和风险预测	全视野数字乳腺摄影和数字乳腺断层合成的乳腺密度评估	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	9,714名女性（华盛顿大学临床队列）和18,360名女性（埃默里验证队列）
540	2024-10-26	Highlighted Diffusion Model as Plug-in Priors for Polyp Segmentation 2024-Oct-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3485767 PMID:39446534	研究论文	本文提出了一种名为Highlighted Diffusion Model Plus (HDM+)的两阶段息肉分割框架，通过引入Highlighted Diffusion Model (HDM)提供显式语义指导，以提高结肠镜图像中息肉分割的准确性	本文的创新点在于使用Highlighted Diffusion Model (HDM)作为插件先验，通过强调息肉区域并抑制背景，减少RGB结肠镜图像与灰度分割掩码之间的领域差距，从而提高分割效率和准确性	本文未提及具体的局限性	研究目的是提高结肠镜图像中息肉自动分割的准确性，以辅助结直肠癌的诊断	研究对象是结肠镜图像中的息肉	计算机视觉	结直肠癌	扩散模型	U-Net	图像	六个息肉分割基准数据集