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	2024-12-15	Prediction of Crohn's disease based on deep feature recognition 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108231 PMID:39362115	研究论文	本文提出了一种基于深度学习的模型，利用顺序卷积注意力网络（SCAN）进行特征提取，结合自适应加性区间损失和支持向量机（SVM）进行分类，以预测克罗恩病	本文创新性地使用了顺序卷积注意力网络（SCAN）进行特征提取，并引入了自适应加性区间损失来增强特征，同时提出了一种随机噪声独热编码数据增强方法来处理样本不平衡问题	NA	利用深度学习技术分析基因信息，预测克罗恩病	克罗恩病患者的基因数据	机器学习	消化系统疾病	深度学习	顺序卷积注意力网络（SCAN）	基因数据	NA
382	2024-12-15	A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108241 PMID:39405777	研究论文	本文提出了一种基于自适应尺度判别器和混合损失的多类眼底疾病分类系统	创新性地设计了多维注意力模块和自适应尺度判别器，并提出了混合损失函数方法以提高不平衡数据的检测能力	未提及具体的局限性	解决眼底图像中多类眼科疾病的分类问题	眼底图像中的多类眼科疾病	计算机视觉	NA	深度学习	ResNet50	图像	ODRI-5K数据集
383	2024-12-15	Comprehensive review of literature on Parkinson's disease diagnosis 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	本文对帕金森病诊断领域的50篇文献进行了综合回顾，涵盖了多种模态和方法	本文系统性地总结了帕金森病诊断领域的研究进展，并指出了研究空白和障碍	本文主要基于已有文献的回顾，未提出新的诊断方法或技术	回顾帕金森病诊断领域的研究进展，识别研究空白和障碍	帕金森病诊断的相关文献和研究	机器学习	帕金森病	机器学习、深度学习	NA	图像、信号、数据	50篇文献
384	2024-12-15	Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108232 PMID:39423605	研究论文	本文提出了一种基于联邦学习和深度学习框架的多模态抑郁症检测方法，利用MRI图像和语音信号进行青少年抑郁症的检测	本文创新性地结合了联邦学习（FL）和深度学习（DL）模型，解决了传统深度学习模型在处理大数据时的挑战，并提出了基于指数非洲鹈鹕优化算法（ExpAPO）的深度卷积神经网络（DCNN）用于局部模块的抑郁症检测	本文未详细讨论联邦学习框架在实际应用中的隐私保护问题以及模型的可解释性	研究目的是通过多模态数据（MRI图像和语音信号）检测青少年抑郁症，并利用联邦学习框架解决数据规模问题	研究对象是青少年的抑郁症检测，使用MRI图像和语音信号作为输入数据	机器学习	精神健康问题	联邦学习（FL），深度学习（DL）	深度卷积神经网络（DCNN）	图像和语音	未明确提及具体样本数量
385	2024-12-15	Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108270 PMID:39481232	研究论文	本文研究了通过整合机器学习和化学信息学方法预测小分子在人体肠道的吸收情况	本文创新性地结合了传统机器学习算法和深度学习模型（如图卷积神经网络和图注意力网络）来预测药物的肠道吸收	本文的局限性在于所使用的数据集主要来自早期和近期的一些研究，可能无法完全代表所有药物的肠道吸收情况	研究目的是预测药物在人体肠道的吸收情况，以评估其口服生物利用度	研究对象是2648种化合物的分子描述符及其在人体肠道的吸收情况	机器学习	NA	机器学习算法（如随机森林和LightGBM）和深度学习模型（如图卷积神经网络和图注意力网络）	随机森林、LightGBM、图卷积神经网络（GCNN）和图注意力网络（GAT）	分子描述符	2648种化合物
386	2024-12-15	Optimization and correction of breast dynamic optical imaging projection data based on deep learning 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108259 PMID:39486356	研究论文	本文提出了一种基于深度学习的乳腺动态光学成像（DOI）投影数据优化与校正方法	利用卷积神经网络（CNN）提取原始图像特征，并通过生成对抗网络（GAN）增强图像质量，同时开发了一种新的校正算法来解决投影数据失真问题	NA	提高乳腺动态光学成像的图像质量和投影数据准确性，为乳腺癌的早期筛查和诊断提供新的方法	乳腺动态光学成像的投影数据	计算机视觉	乳腺癌	深度学习	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA
387	2024-12-15	MuSE: A deep learning model based on multi-feature fusion for super-enhancer prediction 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108282 PMID:39561516	研究论文	提出了一种基于多特征融合的深度学习模型MuSE，用于超级增强子预测	MuSE模型通过结合one-hot编码和DNA2Vec的k-mer表示，能够自动提取DNA序列的关键特征，并在跨物种预测中表现出色	基于DNA2Vec的k-mer表示在捕捉物种个体性方面存在不足，影响了模型的泛化能力	改进超级增强子的识别方法	DNA序列的特征提取和超级增强子的预测	生物信息学	NA	深度学习	神经网络	序列	人类和鼠类物种数据集
388	2024-12-15	Development of a deep learning algorithm for Paneth cell density quantification for inflammatory bowel disease 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105440 PMID:39536395	研究论文	本文开发了一种基于深度学习的算法，用于量化炎症性肠病中的Paneth细胞密度	本文创新性地使用深度学习技术（U-net模型）来量化Paneth细胞密度，并验证了其在炎症性肠病中的潜在生物标志物作用	本文的局限性在于使用了回顾性数据，且样本量相对较小	开发一种基于深度学习的工具，用于量化Paneth细胞密度，作为炎症性肠病的预测生物标志物	炎症性肠病患者的回肠组织样本中的Paneth细胞密度	数字病理学	炎症性肠病	深度学习	U-net	图像	142名克罗恩病患者和48名非IBD患者
389	2024-12-15	Transformer-based deep learning model for the diagnosis of suspected lung cancer in primary care based on electronic health record data 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105442 PMID:39536394	研究论文	本文提出了一种基于Transformer的深度学习模型，用于在初级医疗中通过电子健康记录数据诊断疑似肺癌	该模型利用了电子健康记录中的时间序列数据，捕捉了癌症与非癌症路径之间的时序关系，从而提高了诊断的准确性	本文仅在英国的数据集上进行了验证，未来需要在外部数据集上进行验证	构建一个用于肺癌早期检测的模型，以提高诊断的准确性	疑似肺癌患者	机器学习	肺癌	ALBERT	Transformer	文本	3,303,992名患者，其中11,847例肺癌病例
390	2024-12-15	Deep learning-based body composition analysis from whole-body magnetic resonance imaging to predict all-cause mortality in a large western population 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105467 PMID:39622188	研究论文	本文开发并测试了一种基于深度学习的框架，用于从全身磁共振成像（MRI）中自动量化体积身体成分测量，并研究其在预测西方大人群全因死亡率中的预后价值	本文首次使用深度学习技术自动量化全身MRI中的体积身体成分测量，并验证其在预测全因死亡率中的预后价值	本文仅在西方人群中进行了验证，尚未在其他人群中进行测试	开发一种基于深度学习的框架，用于自动量化全身MRI中的体积身体成分测量，并评估其在预测全因死亡率中的预后价值	全身MRI中的体积身体成分测量，包括皮下脂肪组织（SAT）、内脏脂肪组织（VAT）、骨骼肌（SM）、骨骼肌脂肪分数（SMFF）和肌内脂肪组织（IMAT）	计算机视觉	NA	深度学习	深度学习框架	图像	36,317名UKBB参与者（平均年龄65.1±7.8岁，年龄范围45-84岁；51.7%为女性；1.7%全因死亡率；中位随访4.8年）和23,725名NAKO参与者（平均年龄53.9±8.3岁，年龄范围40-75；44.9%为女性）
391	2024-12-15	Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound 2024-Dec, JTCVS techniques IF:1.7Q2 DOI:10.1016/j.xjtc.2024.09.008 PMID:39669341	研究论文	本文评估了基于深度学习的卷积神经网络在无监督情况下从内窥镜超声视频中自动提取图像，用于预测肺癌淋巴结转移的诊断性能	本文首次使用卷积神经网络从内窥镜超声视频中自动提取图像，进行肺癌淋巴结转移的预测	研究仅基于单中心数据库，未来需要在大规模前瞻性研究中验证算法的有效性	评估基于深度学习的卷积神经网络在预测肺癌淋巴结转移中的诊断性能	肺癌患者的纵隔和肺门淋巴结	计算机视觉	肺癌	卷积神经网络	SqueezeNet	视频	来自单中心数据库的患者和淋巴结数据
392	2024-12-15	Automated crack localization for road safety using contextual u-net with spatial-channel feature integration 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102796 PMID:39669512	研究论文	本文提出了一种基于上下文U-Net深度学习模型的道路裂缝自动定位框架	该框架采用EfficientNet编码器捕捉道路图像中的空间特征和通道特征，并通过自定义的分层注意力机制使模型能够适应不同尺度和分辨率的裂缝定位	NA	提高道路裂缝定位的准确性和及时性，以保障道路安全和维护	道路图像中的裂缝	计算机视觉	NA	深度学习	U-Net	图像	基准数据集和自定义数据集
393	2024-12-15	Using machine learning to identify risk factors for short-term complications following thumb carpometacarpal arthroplasty 2024-Dec, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2024.100156 PMID:39669732	研究论文	本研究利用机器学习技术分析手术数据库，预测拇指腕掌关节置换术后短期并发症和再手术的风险	首次使用机器学习算法（随机森林、弹性网络回归、极端梯度提升树和神经网络）预测拇指腕掌关节置换术后的短期并发症和再手术风险	研究为回顾性分析，依赖于现有数据库的数据质量，且未考虑长期并发症	开发机器学习模型以预测拇指腕掌关节置换术后短期并发症和再手术风险	拇指腕掌关节置换术后的短期并发症和再手术风险	机器学习	手部疾病	机器学习算法（随机森林、弹性网络回归、极端梯度提升树和神经网络）	随机森林、弹性网络回归、极端梯度提升树和神经网络	手术数据库	7711例病例
394	2024-12-15	DCSGMDA: A dual-channel convolutional model based on stacked deep learning collaborative gradient decomposition for predicting miRNA-disease associations 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108201 PMID:39255626	研究论文	提出了一种基于堆叠深度学习协作梯度分解的双通道卷积模型DCSGMDA，用于预测miRNA与疾病之间的关联	创新点在于使用了堆叠深度学习和梯度分解网络，结合双通道卷积神经网络来挖掘潜在特征，并通过多层感知器进行关联评分	未提及具体的局限性	研究miRNA与疾病之间的关系，以加深对其发病机制的理解，并促进特定疾病的药物研究	miRNA与疾病之间的潜在关联	机器学习	NA	堆叠深度学习、梯度分解网络、卷积神经网络	双通道卷积神经网络、多层感知器	网络数据	使用了基于Human MicroRNA Disease Database (HMDD)的两个数据集进行5折和10折交叉验证实验
395	2024-12-15	Autoencoder-based drug synergy framework for malignant diseases 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108273 PMID:39522484	研究论文	提出了一种基于自编码器的药物协同作用框架，用于恶性疾病的治疗	提出了AESyn框架，利用词袋编码技术提取药物靶向基因，并通过自编码器提取药物特征，实现了稳定的、与顺序无关的药物协同预测	未提及具体的局限性	寻找有效的药物组合以提高恶性疾病的治疗效果	药物组合及其协同作用	机器学习	恶性疾病	自编码器	自编码器	文本	使用了NCI-ALMANAC和O'Neil数据集的数据
396	2024-12-15	Unveiling the distinctive variations in multi-omics triggered by TP53 mutation in lung cancer subtypes: An insight from interaction among intratumoral microbiota, tumor microenvironment, and pathology 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108274 PMID:39531992	研究论文	本文研究了TP53突变在肺腺癌和肺鳞癌亚型中引发的多种组学变化，并探讨了肿瘤内微生物群、肿瘤微环境和病理学之间的相互作用	提出了一个基于病理图像的多模态深度学习模型，用于预测TP53突变，并在肺腺癌中取得了较高的AUC值	研究仅限于TCGA和CPTAC数据库中的样本，未涵盖所有可能的肺腺癌和肺鳞癌病例	探讨TP53突变在不同肺部癌症亚型中的影响，并评估深度学习方法在预测TP53突变中的潜力	肺腺癌和肺鳞癌患者的肿瘤内微生物群、肿瘤免疫微环境和病理学特征	数字病理学	肺癌	深度学习	多模态深度学习模型	图像	992名非小细胞肺癌患者的数据来自TCGA，332名非小细胞肺癌患者的数据来自CPTAC
397	2024-12-15	HiMolformer: Integrating graph and sequence representations for predicting liver microsome stability with SMILES 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108263 PMID:39536405	研究论文	提出了一种结合图和序列表示的混合模型HiMolformer，用于预测分子在肝脏微粒体中的代谢稳定性	首次尝试使用回归方法结合单一SMILES输入来开发小鼠和人类肝脏微粒体预测模型，并整合了基于图和序列的预训练模型	NA	开发一种新的混合模型来预测分子在肝脏微粒体中的代谢稳定性	分子在肝脏微粒体中的代谢稳定性	机器学习	NA	图神经网络（GNN）和Transformer模型	混合模型	分子数据	3498个分子，包含小鼠和人类肝脏微粒体的实验数据
398	2024-12-15	Real-World and Clinical Trial Validation of a Deep Learning Radiomic Biomarker for PD-(L)1 Immune Checkpoint Inhibitor Response in Advanced Non-Small Cell Lung Cancer 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00133 PMID:39671539	研究论文	本研究开发并验证了一种基于深度学习的放射组学生物标志物，用于预测晚期非小细胞肺癌患者对免疫检查点抑制剂治疗的反应	首次使用真实世界数据和临床试验数据验证了一种基于深度学习的放射组学生物标志物，用于预测免疫检查点抑制剂治疗的反应	研究仅限于晚期非小细胞肺癌患者，且依赖于特定的CT/PET-CT扫描数据	开发并验证一种新的深度学习放射组学生物标志物，用于预测晚期非小细胞肺癌患者对免疫检查点抑制剂治疗的反应	晚期非小细胞肺癌患者对免疫检查点抑制剂治疗的反应	数字病理学	肺癌	深度学习	深度学习特征提取器和生存模型	图像	1829名接受PD-(L)1免疫检查点抑制剂治疗的晚期非小细胞肺癌患者
399	2024-12-14	VAEEG: Variational auto-encoder for extracting EEG representation 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120946 PMID:39571641	研究论文	本文提出了一种基于变分自编码器（VAE）的EEG信号自监督学习模型VAEEG，用于提取脑活动的有用表示	VAEEG模型在EEG信号的重建性能上表现出色，并能有效提取与青少年脑发育、癫痫发作和睡眠阶段分类相关的潜在特征	NA	研究如何从复杂的EEG信号中提取更直观、简洁且有用的脑活动表示	EEG信号及其在青少年脑发育、癫痫发作和睡眠阶段分类中的应用	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	脑电图（EEG）信号	NA
400	2024-12-14	Deep learning applied to the segmentation of rodent brain MRI data outperforms noisy ground truth on full-fledged brain atlases 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120934 PMID:39577575	研究论文	本文研究了深度学习模型在啮齿动物脑部MRI数据分割中的应用，发现其性能优于基于噪声标签的全脑图谱	本文首次展示了深度学习模型在啮齿动物脑部MRI数据分割中的应用，能够处理不同动物品系和尺寸的变化，并提供了不确定性估计和可解释性机制	本文仅在啮齿动物脑部MRI数据上进行了验证，尚未在其他类型的脑部图像或其他物种上进行测试	研究深度学习模型在啮齿动物脑部MRI数据分割中的应用，以提高定量分析的准确性	啮齿动物脑部MRI图像的自动分割	计算机视觉	NA	MRI	U-Net, Attention-U-Net, DeepLab	图像	超过10,000张啮齿动物脑部MRI图像