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
121	2025-01-31	Artificial Intelligence Applications to Measure Food and Nutrient Intakes: Scoping Review 2024-Nov-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54557 PMID:39608003	综述	本文通过范围综述，综合了现有关于使用人工智能工具评估食物和营养素摄入量的有效性、准确性及挑战的文献	探讨了人工智能在克服传统饮食评估方法局限性的潜力，并提供了当前优势和改进领域的见解	在适应多样食物类型、确保算法公平性和解决数据隐私问题方面仍存在挑战	评估人工智能工具在食物和营养素摄入量评估中的有效性和准确性	人类受试者的食物和营养素摄入量	自然语言处理	NA	深度学习（如卷积神经网络）、机器学习（如支持向量机）及混合方法	CNN, SVM	图像、声音、颌骨运动数据、文本数据	10至38,415名参与者
122	2025-01-31	Deep learning-based design and experimental validation of a medicine-like human antibody library 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf023 PMID:39851074	研究论文	本文介绍了一种基于深度学习的模型，用于计算生成高度人类抗体可变区库，其内在物理化学性质类似于已上市抗体生物治疗药物的可变区	利用生成性深度学习算法和大量抗体序列及结构数据，计算生成具有理想开发属性的新型抗体序列	NA	加速抗体生物治疗药物的计算机发现，并扩展可药物抗原空间	人类抗体可变区	机器学习	NA	深度学习	生成性深度学习模型	序列数据	使用31416个满足计算开发标准的人类抗体作为训练数据集，生成100000个抗原无关的人类抗体可变区序列，并对51个高度多样化的计算机生成抗体进行了实验评估
123	2025-01-31	AI-Based Noninvasive Blood Glucose Monitoring: Scoping Review 2024-Nov-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/58892 PMID:39561353	综述	本文通过系统性范围综述，探讨了人工智能在无创血糖监测中的应用	首次系统性地综述了人工智能在无创血糖监测中的使用情况，并提出了标准化和规范化的需求	由于模型和输入数据的异质性，准确率范围较广，且研究质量平均为中等	探讨人工智能在无创血糖监测中的应用及其潜力	无创血糖监测技术及其相关人工智能模型	医疗人工智能	糖尿病	光学技术、电化学传感器、成像技术、混合技术、组织阻抗	随机森林、人工神经网络	非侵入性数据	33篇论文，涵盖2005年至2023年间的亚洲、美国、欧洲、中东和非洲的研究
124	2025-01-31	Advancements in Using AI for Dietary Assessment Based on Food Images: Scoping Review 2024-Nov-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51432 PMID:39546777	综述	本文综述了人工智能在基于食物图像的饮食评估中的应用进展	提供了AI在饮食评估中整合的最新概述，并以易于理解的方式呈现，讨论了系统的优缺点并提出了改进建议	技术性较强，可能对非技术背景的读者理解造成挑战	填补AI在饮食评估中应用的空白，提高图像辅助饮食评估（IADA）的准确性和在营养学界的采用率	食物图像	计算机视觉	NA	深度学习算法、多任务卷积神经网络、生成对抗网络	CNN, GAN	图像	84篇文章
125	2025-01-31	Artificial Intelligence in Audiology: A Scoping Review of Current Applications and Future Directions 2024-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s24227126 PMID:39598904	综述	本文综述了人工智能在听力学中的当前应用和未来发展方向	总结了人工智能在听力学中的最新进展，特别是过去四年中87.5%的相关文献	存在伦理和专业挑战，需要更大规模和多样化的数据收集以及生物伦理学研究	探讨人工智能在听力学实践中的潜力和挑战	听力学领域的研究和应用	自然语言处理	NA	机器学习、深度学习	逻辑回归、支持向量机、多层感知器、随机森林、深度信念网络、决策树、k近邻、LASSO、卷积神经网络、大语言模型	文本、图像	104篇文献
126	2025-01-31	The global evolution and impact of systems biology and artificial intelligence in stem cell research and therapeutics development: a scoping review 2024-Nov-05, Stem cells (Dayton, Ohio) DOI:10.1093/stmcls/sxae054 PMID:39230167	综述	本文通过范围综述探讨了系统生物学（SysBio）和人工智能（AI）在干细胞研究和治疗开发中的全球演变和影响	揭示了AI和SysBio在干细胞研究中的全球演变和交叉增长，特别是过去十年中AI相关研究的指数增长	主要基于PubMed数据库的文献，可能未涵盖所有相关研究	探讨系统生物学和人工智能在干细胞研究和治疗开发中的贡献	干细胞研究	生物信息学	NA	系统生物学（SysBio）、人工智能（AI）、机器学习（ML）、深度学习（DL）	NA	文献数据	2000年至2024年PubMed数据库中的相关文献
127	2025-01-31	Prediction of cardiovascular markers and diseases using retinal fundus images and deep learning: a systematic scoping review 2024-Nov, European heart journal. Digital health DOI:10.1093/ehjdh/ztae068 PMID:39563905	综述	本文通过系统性范围综述，探讨了利用视网膜眼底图像和深度学习预测心血管风险标志物和疾病的研究现状	首次系统性综述了利用视网膜眼底图像和深度学习预测心血管风险的研究，揭示了该领域的进展和潜在改进方向	外部验证模型的研究较少（21%），且需要更多前瞻性研究和与传统风险因素的比较	评估利用视网膜眼底图像和深度学习预测心血管风险标志物和疾病的研究现状	视网膜眼底图像	计算机视觉	心血管疾病	深度学习	CNN	图像	24篇2018年至2023年发表的文章
128	2024-11-21	Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy 2024-Nov, The Journal of physiology DOI:10.1113/JP287001 PMID:39425751	研究论文	本研究旨在测试区域脑氧饱和度（rcSO2）在检测患有缺氧缺血性脑病（HIE）的新生儿脑损伤中的潜在应用	本研究首次将机器学习和深度学习模型应用于rcSO2信号分析，以预测短期脑损伤，并展示了其在临床决策中的潜力	研究样本量较小，且仅限于足月婴儿，未来需要在大样本和不同年龄段婴儿中进一步验证	评估机器学习和深度学习模型在检测患有HIE的新生儿脑损伤中的应用	患有缺氧缺血性脑病（HIE）的足月新生儿	机器学习	新生儿疾病	近红外光谱（NIRS）	机器学习模型和深度学习模型	信号	58名足月婴儿
129	2025-01-26	Therapeutic gene target prediction using novel deep hypergraph representation learning 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf019 PMID:39841592	研究论文	本文提出了一种名为HIT的深度超图表示学习模型，用于预测治疗性基因靶点	提出了HIT模型，利用超图结构和注意力机制捕捉基因、本体、疾病和表型之间的复杂关系，以识别治疗性基因靶点	已知的治疗靶点数量有限，可能影响模型的预测效果	开发一种能够预测治疗性基因靶点的深度学习方法，以加速针对疾病遗传原因的治疗开发	基因、本体、疾病和表型	机器学习	NA	深度超图表示学习	HIT (Hypergraph Interaction Transformer)	基因、本体、疾病和表型数据	NA
130	2025-01-26	Predicting transcriptional changes induced by molecules with MiTCP 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf006 PMID:39847444	研究论文	本文介绍了一种基于深度学习的分子诱导转录变化预测方法MiTCP，用于预测小分子诱导的978个标志基因的转录变化	MiTCP利用图神经网络同时建模分子结构表示和基因共表达关系，并将其整合用于转录变化预测，在L1000数据集上训练后，其预测性能优于现有方法	NA	研究小分子诱导的细胞转录变化，以推进对化学扰动下细胞状态变化和响应机制的理解，在药物发现和筛选过程中发挥关键作用	小分子诱导的978个标志基因的转录变化	机器学习	癌症	深度学习	图神经网络	基因表达数据	L1000数据集
131	2025-01-23	Assessing parkinsonism & cerebellar dysfunction with spiral & line drawings 2024-Nov-30, Ideggyogyaszati szemle DOI:10.18071/isz.77.0407 PMID:39635814	研究论文	本研究通过螺旋和线条绘图比较帕金森病和小脑症状的识别，并探讨了笔压数据在分类中的重要性	结合螺旋和线条绘图以提高识别准确性，并探讨了笔压数据对分类的影响	未使用笔压数据时，单一绘图任务的性能未显著下降，但未进一步探讨其他可能的影响因素	比较螺旋和线条绘图在帕金森病和小脑症状识别中的表现，并评估笔压数据的作用	帕金森病和小脑功能障碍患者	数字病理学	帕金森病	深度学习特征提取模型	预训练和自定义深度学习模型	图像	未明确提及样本数量
132	2025-01-23	scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C data 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf009 PMID:39831891	研究论文	本文提出了一种名为scHiClassifier的深度学习框架，通过融合单细胞Hi-C数据的多个特征集来预测细胞类型	提出了四个新的特征集，并开发了一个基于多头自注意力编码器、1D卷积和特征融合的深度学习框架scHiClassifier，用于准确预测细胞类型	当前基于单细胞Hi-C数据的细胞类型预测框架在特征可解释性和生物意义方面存在局限，且缺乏令人信服和鲁棒的分类性能验证	开发一种能够有效利用单细胞Hi-C数据进行细胞类型预测的方法	单细胞Hi-C数据	生物信息学	NA	单细胞Hi-C技术	多头自注意力编码器、1D卷积	单细胞Hi-C数据	六个数据集
133	2025-01-23	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	研究论文	本文探讨了使用深度学习技术进行3D血管分割的方法，特别是在肾脏的层次相位对比断层扫描（HiP-CT）中的应用	引入了新的成像技术HiP-CT，并创建了一个经过双重注释验证的训练数据集，用于血管分割	Dice相似系数（DSC）主要评估体素到体素的一致性，忽略了血管的几个关键特征，且大血管由于缺乏静水压力而塌陷，分割效果不佳	为血管分割提供一个基础，并确定一个稳健的基线模型，应用于新的成像技术HiP-CT	肾脏的血管结构	数字病理学	NA	HiP-CT	nnU-Net	3D图像	三个肾脏的血管数据
134	2025-01-23	Using artificial intelligence to study atherosclerosis from computed tomography imaging: A state-of-the-art review of the current literature 2024-Nov, Atherosclerosis IF:4.9Q1 DOI:10.1016/j.atherosclerosis.2024.117580 PMID:38852022	综述	本文综述了利用人工智能（AI）从计算机断层扫描（CT）成像中研究动脉粥样硬化的最新文献	介绍了基于深度学习的卷积神经网络（CNNs）在病变检测、分割和分类中的应用，以及新的放射转录组学技术通过CT图像体素的高阶结构分析捕捉潜在的生物化学过程	讨论了当前基于AI方法的局限性及解决这些挑战的优先事项	旨在将基于AI的新方法从研究环境过渡到临床工作流程，以检测易损动脉粥样硬化斑块并指导患者治疗策略	冠状动脉炎症、冠状动脉斑块及其相关风险	计算机视觉	心血管疾病	CT成像、放射转录组学技术	CNN	图像	NA
135	2025-01-20	scGO: interpretable deep neural network for cell status annotation and disease diagnosis 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf018 PMID:39820437	研究论文	本文介绍了scGO，一种基于基因本体论（GO）的深度学习框架，旨在为单细胞RNA测序数据提供可解释的细胞状态注释	scGO利用稀疏神经网络，结合基因、转录因子和GO术语之间的内在生物学关系，显著增强了可解释性并降低了计算成本	NA	开发一种可解释的深度学习模型，用于细胞状态注释和疾病诊断	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	稀疏神经网络	RNA测序数据	多种单细胞RNA测序数据集
136	2024-11-23	Corrigendum to: Deep learning(s) in gaming disorder through the user-avatar bond: A longitudinal study using machine learning 2024-Nov-22, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2024.30000 PMID:39576296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
137	2025-01-19	A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae709 PMID:39815828	研究论文	本文介绍了一种名为高维特征重要性测试（HdFIT）的框架，用于整合信息丰富的高维生物标志物以提高疾病结果预测的准确性	提出了HdFIT框架，结合特征筛选步骤和机器学习模型，有效评估每个特征的影响，并在高维环境中显著提高预测准确性	未提及具体局限性	提高疾病结果预测的准确性并理解疾病机制	行为、临床和分子因素	机器学习	NA	机器学习	深度神经网络	高维分子数据	NA
138	2025-01-16	Exploring the Trade-Off in the Variational Information Bottleneck for Regression with a Single Training Run 2024-Nov-30, Entropy (Basel, Switzerland) DOI:10.3390/e26121043 PMID:39766672	研究论文	本文分析了深度学习中的变分信息瓶颈（VIB）在回归问题中的表现，并提出了一种框架，可以在一次训练中获得所有β值的最优解	提出了一种框架，可以在一次训练中获得所有β值的最优解，而传统方法需要为每个β值进行一次训练	NA	分析变分信息瓶颈（VIB）在回归问题中的表现，并提高探索β值的效率	回归问题中的变分信息瓶颈（VIB）	机器学习	NA	NA	变分信息瓶颈（VIB）	NA	NA
139	2025-01-16	Artificial Intelligence in IVF Laboratories: Elevating Outcomes Through Precision and Efficiency 2024-Nov-28, Biology DOI:10.3390/biology13120988 PMID:39765654	综述	本文探讨了人工智能（AI）在体外受精（IVF）实验室中的应用，旨在通过提高精度和效率来提升生殖医学的成果	AI技术在IVF实验室中的应用，特别是在胚胎和精子选择、优化临床结果以及减少人为错误方面的自动化过程，提供了有价值的预测性见解，增强了个性化治疗计划并提高了生育治疗的成功率	AI的整合带来了伦理、监管和社会挑战，包括数据安全、算法偏见以及临床决策中人机界面的问题	探讨AI在IVF实验室中的应用，以提升生殖医学的精度和效率	体外受精（IVF）实验室	生殖医学	NA	神经网络、深度学习、机器学习	NA	NA	NA
140	2025-01-16	VDMNet: A Deep Learning Framework with Vessel Dynamic Convolution and Multi-Scale Fusion for Retinal Vessel Segmentation 2024-Nov-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121190 PMID:39768008	研究论文	本文提出了一种名为VDMNet的深度学习框架，用于视网膜血管分割，通过集成多种先进组件克服现有方法的局限性	引入了Fast Multi-Head Self-Attention模块、Vessel Dynamic Convolution模块、Multi-Scale Fusion机制以及Weighted Asymmetric Focal Tversky Loss，显著提升了复杂血管形态的分割精度	未提及具体局限性	提高视网膜血管分割的精度，特别是在复杂背景和病理干扰下的表现	视网膜血管	计算机视觉	眼科疾病	深度学习	VDMNet	图像	公开数据集ROSE-1和OCTA-3M