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
1221	2024-09-07	Integrating multi-task and cost-sensitive learning for predicting mortality risk of chronic diseases in the elderly using real-world data 2024-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105567 PMID:39068894	研究论文	本文提出了一种结合多任务学习和成本敏感学习的深度学习框架，用于预测老年人慢性疾病的死亡风险	本文的创新点在于将多任务学习和成本敏感学习相结合，以解决慢性疾病患者共病和类别不平衡问题	NA	开发一种能够准确预测老年人慢性疾病死亡风险的深度学习框架	老年人慢性疾病的死亡风险	机器学习	NA	深度学习	深度神经网络	真实世界数据	482,145名患者（包括9,516例死亡）
1222	2024-09-07	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-Nov, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子性质预测性能的方法	通过对比损失和交叉注意力机制在嵌入空间中对齐和融合图和文本特征，并引入多粒度信息增强分子表示	未提及	提升分子性质预测的准确性	分子性质预测	机器学习	NA	对比损失、交叉注意力机制	NA	图、文本	未提及
1223	2024-09-06	MalariaFlow: A comprehensive deep learning platform for multistage phenotypic antimalarial drug discovery 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116776 PMID:39173285	研究论文	本文介绍了一个名为MalariaFlow的综合深度学习平台，用于多阶段表型抗疟药物发现	本文创新性地整合了多种机器学习和深度学习模型，包括指纹、图和共表示方法，以提高抗疟药物活性预测的准确性，并开发了一个网络服务器MalariaFlow用于虚拟筛选和相似性搜索	本文未涵盖疟疾寄生虫的突变株，这些突变株具有不同程度的敏感性或抗性	加速抗疟药物发现，特别是针对疟疾寄生虫在人体宿主中的三个主要生命周期阶段（肝脏、无性血液和配子体）的抑制活性预测	407,404种独特化合物和410,654个生物活性数据点，涵盖十个疟疾表型和三个生命周期阶段	机器学习	疟疾	深度学习	FP-GNN	化合物数据	407,404种独特化合物和410,654个生物活性数据点
1224	2024-09-06	Discovery of AMPs from random peptides via deep learning-based model and biological activity validation 2024-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2024.116797 PMID:39197254	研究论文	本文通过深度学习模型从随机肽库中筛选出具有抗菌活性的多肽，并验证了其生物活性	利用深度学习构建多判别器模型，成功从30,000个随机肽中筛选出12个具有抗菌活性的多肽	仅在特定实验条件下验证了筛选出的多肽的抗菌活性，未进行大规模临床试验	发现具有临床应用潜力的新型抗菌肽	随机肽库中的抗菌肽	机器学习	NA	深度学习	多判别器模型	肽序列	30,000个随机肽
1225	2024-09-01	Real time detection and identification of fish quality using low-power multimodal artificial olfaction system 2024-Nov-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2024.126601 PMID:39079435	研究论文	研究通过优化气体传感材料和分析模式识别算法，开发了一种低功耗的多模态人工嗅觉系统，用于实时检测和识别鱼类品质	本研究通过引入不同的调制技术，开发了四种基于双金属氧化物的气体传感器，并结合深度学习模型提高了气体浓度识别的性能	NA	解决气体检测领域中单气体定量和混合气体识别的主要挑战	气体传感材料和模式识别算法	机器学习	NA	NA	CNN-LSTM	气体信号	四种基于双金属氧化物的气体传感器
1226	2024-09-01	Multilevel hybrid handcrafted feature extraction based depression recognition method using speech 2024-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.08.002 PMID:39127304	研究论文	本文介绍了一种基于多层次混合手工特征提取的抑郁症识别方法，通过分析语音音频信号来检测抑郁症。	该研究引入了一种创新的多层次混合特征提取分类模型，专门设计用于抑郁症检测，具有降低的时间复杂性。	NA	研究目的是通过机器学习模型自动检测抑郁症。	研究对象是语音音频信号。	机器学习	抑郁症	多层次离散小波变换（MDWT）	一维最近邻分类器	音频信号	使用了包含29个健康和23个重度抑郁症患者的音频信号的MODMA数据集。
1227	2024-08-31	Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4) 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100543 PMID:39139544	研究论文	本文介绍了一种基于深度学习的生物标志物发现系统，用于加速年龄相关性黄斑变性（AMD）的生物标志物发现。	使用自监督对比学习，无需任何临床标注，自动发现细微的生物标志物差异，超越了临床上已建立的评分系统中使用的生物标志物集合。	NA	加速年龄相关性黄斑变性（AMD）的生物标志物发现。	46,496张视网膜OCT图像中的已知和未知AMD生物标志物特征。	机器学习	年龄相关性黄斑变性	深度学习	神经网络	图像	3456名年龄在51至102岁之间的成年人
1228	2024-08-28	Prediction of soil heavy metal contents in urban residential areas and the strength of deep learning: A case study of Beijing 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175133 PMID:39084356	研究论文	本研究使用深度学习方法和其他四种方法预测北京城市住宅区的土壤重金属含量，并展示了深度学习在提高预测准确性方面的优势	深度学习在预测四种重金属含量方面显示出显著优势，其测试集的R值范围从0.75到0.91，相较于其他方法，深度学习在四种重金属的累积R值上提高了53.16%到187.36%	NA	提高城市住宅区土壤重金属含量的预测准确性	北京城市住宅区的土壤重金属含量	机器学习	NA	深度学习	全连接深度神经网络	土壤物理化学性质和环境因素数据	NA
1229	2024-08-28	Probing the capacity of a spatiotemporal deep learning model for short-term PM2.5 forecasts in a coastal urban area 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175233 PMID:39102955	研究论文	研究探讨了一种时空深度学习模型在沿海城市短期PM2.5预测中的表现	该时空深度学习模型在短期PM2.5预测中表现出优于传统化学传输模型和浅层统计方法的性能，特别是在12小时内预测的均方根误差显著降低	深度学习模型在小尺度现象的预测性能随着预测时间的增加而下降，24小时预测时与化学传输模型的均方根误差相似	评估时空深度学习模型在城市尺度上对短期PM2.5预测的表示能力	在中国的沿海城市日照的六个城市站点进行的24小时短期PM2.5预测	机器学习	NA	深度学习	时空深度学习模型	PM2.5数据	六个城市站点
1230	2024-08-28	Remote sensing estimates of global sea surface nitrate: Methodology and validation 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175362 PMID:39117199	研究论文	研究开发了一种用于全球海面硝酸盐浓度遥感估算的方法，并通过验证展示了其高预测准确性	本研究引入了光合有效辐射（PAR）作为遥感指标，改进了海面硝酸盐（SSN）的遥感反演算法，增强了其生物地球化学过程的机制描述	NA	开发一种更具代表性和广泛适用性的海面硝酸盐遥感反演算法	全球海面硝酸盐浓度	遥感	NA	遥感技术	NA	数据集	12,846个样本
1231	2024-08-28	Artificial intelligence and Eddy covariance: A review 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175406 PMID:39127196	综述	本文综述了过去二十年中人工智能技术在Eddy Covariance方法监测碳、水和能量通量中的应用	强调了机器学习模型如随机森林、支持向量机、人工神经网络等在监测通量中的应用，并建议未来研究应探索深度学习技术如Transformer和生成式AI	缺乏技术的一致性，由于环境条件和生态系统中使用的多样技术和变量	探讨人工智能与Eddy Covariance方法的结合在气候变化减缓和适应中的作用	监测地球表面与大气之间的碳、水和能量通量	机器学习	NA	Eddy Covariance方法	随机森林、支持向量机、人工神经网络、支持向量回归、K-最近邻	数据流	NA
1232	2024-08-27	Neuroimaging biomarkers for the diagnosis and prognosis of patients with disorders of consciousness 2024-Nov-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149133 PMID:39084451	综述	本文综述了利用神经影像学和电生理技术在意识障碍患者中诊断和预后评估的神经影像生物标志物的研究进展	神经影像技术能够揭示传统行为评估可能忽视的隐蔽意识，结合不同任务范式或分析方法可以显著提高诊断和预后的准确性	神经生物标志物的稳定性仍需进一步验证，未来研究可能需要结合大数据和深度学习方法	探讨神经影像生物标志物在意识障碍患者中的临床应用价值	意识障碍患者的脑活动模式	神经影像学	意识障碍	功能性磁共振成像(fMRI)、静息态功能磁共振成像(rs-fMRI)、脑电图(EEG)、正电子发射断层扫描(PET)	NA	影像数据	NA
1233	2024-08-27	Multi-instance learning attention model for amyloid quantification of brain sub regions in longitudinal cognitive decline 2024-Nov-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.149103 PMID:38955250	研究论文	本研究旨在开发一种深度学习模型，通过PET扫描自动检测大脑不同区域的淀粉样蛋白沉积，无需相应的MRI扫描	提出了一种基于多实例学习和注意力的深度学习模型，该模型在ADNI和A4研究的外部数据集上表现优于现有模型	NA	开发一种能够仅通过PET扫描自动检测大脑不同区域淀粉样蛋白沉积的深度学习模型	大脑不同区域的淀粉样蛋白沉积	机器学习	阿尔茨海默病	PET扫描	多实例学习注意力模型	图像	2647个F-Florbetapir PET扫描用于训练和验证，1413个F-Florbetapir PET扫描用于外部数据集测试
1234	2024-08-25	Tricuspid valve flow measurement using a deep learning framework for automated valve-tracking 2D phase contrast 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30163 PMID:38817154	研究论文	本文开发了一种自动跟踪三尖瓣平面的2D方法，用于测量通过动态三尖瓣的流量	使用深度学习网络TVnet自动跟踪三尖瓣平面，并利用跟踪信息获取动态（移动）采集平面的2D相位对比（PC）图像	NA	评估三尖瓣反流速度，解决临床挑战	三尖瓣流量测量	数字病理学	心血管疾病	2D相位对比（PC）	深度学习网络（TVnet）	图像	9名健康受试者和2名患者
1235	2024-08-23	Recovering high-quality fiber orientation distributions from a reduced number of diffusion-weighted images using a model-driven deep learning architecture 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30187 PMID:38852179	研究论文	本研究旨在开发一种基于模型的深度学习架构，用于从减少数量的扩散加权图像中准确重建纤维方向分布	提出的Spherical Deconvolution Network (SDNet)架构包括DWI一致性块和fixel分类惩罚项，提高了重建性能和fixel角分离的控制	NA	开发一种新的深度学习架构，以减少扩散加权图像的采集时间并提高分析准确性	纤维方向分布(FODs)的重建	计算机视觉	NA	深度学习	CNN	图像	训练数据来自人类连接组项目的一个子集
1236	2024-08-23	ssVERDICT: Self-supervised VERDICT-MRI for enhanced prostate tumor characterization 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30186 PMID:38852195	研究论文	本文展示了使用自监督机器学习方法对VERDICT模型进行前列腺癌特征化的评估和演示。	ssVERDICT首次展示了无需显式训练标签的机器学习方法对详细的多隔间生物物理扩散MRI模型的拟合。	NA	评估和展示自监督机器学习方法对VERDICT模型的拟合效果。	前列腺癌的VERDICT模型参数估计。	机器学习	前列腺癌	MRI	神经网络	图像	20名前列腺癌患者
1237	2024-08-07	Erratum to: Knowledge-driven deep learning for fast MR imaging: Undersampled MR image reconstruction from supervised to un-supervised learning (Magn Reson Med. 2024;92:496-518) 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30204 PMID:39054742	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1238	2024-08-23	Comparative Analysis of Vision Transformers and Conventional Convolutional Neural Networks in Detecting Referable Diabetic Retinopathy 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100552 PMID:39165694	研究论文	本研究通过眼底照片评估了视觉变换器（ViTs）和卷积神经网络（CNNs）在检测可参考糖尿病视网膜病变（DR）方面的性能比较	本研究发现视觉变换器在检测可参考糖尿病视网膜病变方面优于传统的卷积神经网络	NA	评估视觉变换器和卷积神经网络在检测可参考糖尿病视网膜病变方面的性能	视觉变换器和卷积神经网络在检测可参考糖尿病视网膜病变方面的性能	计算机视觉	糖尿病视网膜病变	NA	视觉变换器（ViTs）和卷积神经网络（CNNs）	图像	48269张眼底图像
1239	2024-08-23	A Novel Time-Aware Deep Learning Model Predicting Myopia in Children and Adolescents 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100563 PMID:39165695	研究论文	本研究利用儿童和青少年可变长度的历史视力记录，通过一种新型的时间感知长短期记忆（LSTM）模型，定量预测他们的球镜等效值（SE）。	提出了一种新型的时间感知LSTM模型，能够捕捉不规则采样时间序列数据中的时间特征，更符合基于事实数据的特点，有助于早期识别近视进展。	研究结果显示，预测误差与序列长度、预测持续时间、年龄组和近视程度有关，表明模型在不同条件下的表现存在差异。	定量预测儿童和青少年的球镜等效值（SE），并早期识别近视进展。	895名4至18岁的近视儿童和青少年，他们在2008年1月1日至2023年7月1日期间在萨格勒布的圣杜赫大学医院接受了完整的眼科检查和睫状肌麻痹前的检影检查。	机器学习	眼科疾病	NA	LSTM	时间序列数据	895名儿童和青少年
1240	2024-08-22	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-Nov, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	本文通过引入生成对抗网络（GAN）方法，利用真实混合光谱数据生成高质量和多样性的光谱数据，以提高高场不对称离子迁移谱（FAIMS）在复杂混合物深度学习分析中的识别性能	使用GAN生成高度真实和多样性的光谱数据，扩展数据集，提高识别性能	未提及	提高FAIMS光谱数据在深度学习分析中的性能	FAIMS光谱数据和生成对抗网络（GAN）	机器学习	NA	FAIMS	GAN	光谱数据	15类真实混合光谱数据