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
561	2024-12-24	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2024-Dec-23, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本文提出了一种基于4D张量特征的多维卷积神经网络模型，用于准确预测蛋白质-配体结合亲和力	引入了新的4D张量特征来捕捉结合口袋内的关键相互作用，并开发了基于该特征的三维卷积神经网络模型	NA	开发一种高效的蛋白质-配体结合亲和力预测模型	蛋白质-配体结合亲和力	机器学习	NA	卷积神经网络（CNN）	多维卷积神经网络	结构数据	使用了PDBbind v.2020数据集，并进行了十折交叉验证
562	2024-12-24	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2024-Dec-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出了一种基于深度学习和机器学习的多视角可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息	结合了机器学习算法（SVM和CatBoost）与卷积神经网络（CNN和TextCNN），并使用Transformer架构的ProtT5和ESM-2特征进行预测	NA	开发一种计算方法来预测潜在的细胞穿透肽，以加速其在治疗中的应用	细胞穿透肽（CPPs）	机器学习	NA	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、Transformer架构（ProtT5和ESM-2）	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、逻辑回归（LR）	序列数据	合并了三个先前的CPP基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）
563	2024-12-24	[Effect of Training Data Differences on Accuracy in MR Image Generation Using Pix2pix] 2024-Dec-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1487 PMID:39477465	研究论文	本文研究了不同训练数据模式对使用Pix2pix生成MR图像准确性的影响	本文首次探讨了不同训练数据模式对MR图像生成准确性的影响	本文仅在头部MR图像上进行了实验，未涵盖其他类型的MR图像	研究不同训练数据模式对MR图像生成准确性的影响	头部MR图像的T1加权图像生成	计算机视觉	NA	深度学习	Pix2pix	图像	300例头部MR图像，每种模型有四种训练数据模式
564	2024-12-24	Transferable deep learning with coati optimization algorithm based mitotic nuclei segmentation and classification model 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80002-3 PMID:39702593	研究论文	本文提出了一种基于Coati优化算法和深度学习的分裂期细胞分割与分类模型，用于癌症分级	本文创新性地结合了Coati优化算法与深度学习技术，提出了COADL-MNSC方法，通过混合注意力融合U-Net模型进行分裂期细胞分割，并使用胶囊网络进行特征提取，最后通过双向长短期记忆模型进行分类	本文未提及具体的局限性	开发一种高效的分裂期细胞分割与分类方法，以辅助癌症分级	分裂期细胞的分割与分类	数字病理学	NA	深度学习	混合注意力融合U-Net模型、胶囊网络、双向长短期记忆模型	图像	分裂期细胞图像数据集
565	2024-12-24	Artificial intelligence in risk prediction and diagnosis of vertebral fractures 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75628-2 PMID:39702597	meta-analysis	本研究通过系统综述和meta分析评估了人工智能在诊断和预测椎体骨折中的有效性	人工智能在诊断和预测椎体骨折方面表现出高准确性，深度学习模型在诊断所有骨折类型方面表现出色	研究中存在高异质性和研究偏倚，需要进一步研究以标准化AI模型并在不同数据集上进行验证	评估人工智能在椎体骨折诊断和预测中的有效性	椎体骨折的诊断和预测	machine learning	骨科疾病	NA	深度学习模型	NA	共纳入79项研究，其中40项进行了meta分析
566	2024-12-24	Decoding skin cancer classification: perspectives, insights, and advances through researchers' lens 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81961-3 PMID:39695157	综述	本文分析了过去18年中发表的107篇研究论文，全面评估了皮肤癌分类技术的进展，重点介绍了计算机视觉和人工智能在提高诊断准确性和可靠性方面的集成	本文探讨了深度学习方法，包括卷积神经网络、迁移学习、注意力机制、集成技术、生成对抗网络、视觉变换器和分割引导的分类策略，并详细介绍了各种架构	本文指出了传统机器学习方法和手工特征的局限性，并强调了现有深度学习方法的不足	旨在通过分析最新的进展、趋势和差距，为皮肤癌分类领域的研究人员和临床医生提供有价值的见解	皮肤癌分类技术及其在临床诊断中的应用	计算机视觉	皮肤癌	计算机视觉和人工智能	卷积神经网络、生成对抗网络、视觉变换器等	图像	包括HAM10000和ISIC档案在内的多个数据集
567	2024-12-24	Ensemble deep learning and EfficientNet for accurate diagnosis of diabetic retinopathy 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81132-4 PMID:39695310	研究论文	本研究提出了一种基于EfficientNetB0架构的深度学习框架，用于糖尿病视网膜病变（DR）的准确诊断	创新点在于结合了集成深度学习和EfficientNet技术，显著提高了糖尿病视网膜病变的诊断准确性和泛化能力	研究依赖于特定的数据集和训练资源，未来需要更多先进的数据集和训练资源以进一步提升诊断效果	旨在通过创新的深度学习框架提高糖尿病视网膜病变的诊断准确性	研究对象为糖尿病视网膜病变，具体包括五种严重程度：无DR、轻度DR、中度DR、重度DR和增殖性DR	计算机视觉	糖尿病视网膜病变	EfficientNet	CNN	图像	35,108张视网膜图像
568	2024-12-24	Efficient multi-phenotype genome-wide analysis identifies genetic associations for unsupervised deep-learning-derived high-dimensional brain imaging phenotypes 2024-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318618 PMID:39677479	研究论文	本文介绍了一种新的多性状全基因组关联分析工具JAGWAS，用于高效计算多性状关联统计量，并应用于高维无监督深度学习衍生的脑成像表型	提出了JAGWAS工具，能够高效计算多性状关联统计量，并显著增加了基因座识别数量	NA	探索使用高维无监督深度学习衍生的脑成像表型进行基因发现的新方法	T1和T2脑磁共振成像的无监督深度学习衍生的128维成像表型	数字病理学	NA	全基因组关联研究（GWAS）	无监督深度学习	图像	来自UK Biobank的发现和验证队列
569	2024-12-24	A deep-learning-based model for assessment of autoimmune hepatitis from histology: AI(H) 2024-Dec, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03841-5 PMID:38879691	研究论文	本文开发了一种基于深度学习的工具，用于从常规病理切片中分析自身免疫性肝炎的组织学特征	本文首次使用深度学习模型分析自身免疫性肝炎的组织学特征，特别是对胆管损伤等非经典特征的检测	本文仅使用了123个样本进行模型训练和验证，样本量可能不足以完全代表所有自身免疫性肝炎病例	开发一种能够从常规病理切片中分析自身免疫性肝炎组织学特征的深度学习工具	自身免疫性肝炎的组织学特征，包括肝微解剖、坏死性炎症、胆管损伤和门静脉炎症等	数字病理学	自身免疫性疾病	卷积神经网络	卷积神经网络	图像	123个预处理肝活检样本
570	2024-12-24	MYC Rearrangement Prediction From LYSA Whole Slide Images in Large B-Cell Lymphoma: A Multicentric Validation of Self-supervised Deep Learning Models 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100610 PMID:39265953	研究论文	本文开发了一种可解释的深度学习算法，用于从大B细胞淋巴瘤的全切片图像中自动检测MYC重排	本文利用自监督学习技术，比较了7种特征提取器和6种多实例学习模型，并在多中心队列中验证了其性能	本文未详细讨论算法的泛化能力在不同实验室环境下的表现	开发一种自动检测大B细胞淋巴瘤中MYC重排的深度学习算法，以减少昂贵的分子检测需求并提高病理学家的工作效率	大B细胞淋巴瘤患者的全切片图像	数字病理学	淋巴瘤	深度学习	多实例学习模型	图像	1247名大B细胞淋巴瘤患者
571	2024-12-24	Wise Roles and Future Visionary Endeavors of Current Emperor: Advancing Dynamic Methods for Longitudinal Microbiome Meta-Omics Data in Personalized and Precision Medicine 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400458 PMID:39535493	综述	本文探讨了动态方法在整合纵向微生物组多组学数据中的当前作用和未来愿景，特别是在个性化和精准医学中的应用	本文提出了整合微生物组多组学数据的统一分析框架和深度学习工具，并强调了创新技术	缺乏验证分析协议和数据资源的金标准，以及不同纵向多组学研究之间的相互依赖性，是当前的主要挑战	探索动态方法在整合纵向微生物组多组学数据中的应用，并为个性化和精准医学提供最佳实践	纵向微生物组多组学数据，包括微生物、代谢物、基因和其他实体	NA	NA	多组学数据分析，深度学习	深度学习工具	多组学数据	NA
572	2024-12-24	Artificial intelligence (AI) for tumor microenvironment (TME) and tumor budding (TB) identification in colorectal cancer (CRC) patients: A systematic review 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100353 PMID:39712977	综述	本文总结了使用人工智能预测结直肠癌患者组织学扫描中肿瘤微环境（TME）和肿瘤芽（TB）的最新数据	机器学习和深度学习在预测肿瘤微环境和肿瘤芽方面表现出高准确性，分别为97.7%和97.3%	不同作者对机器学习模型使用的表现指标不一致，且部分研究使用的数据集相对较小	评估人工智能在结直肠癌诊断和癌症发展预后中对肿瘤微环境和肿瘤芽的识别能力	结直肠癌患者的肿瘤微环境和肿瘤芽	数字病理学	结直肠癌	机器学习，深度学习	NA	图像	NA
573	2024-12-23	Deep learning for endometrial cancer subtyping and predicting tumor mutational burden from histopathological slides 2024-Dec-21, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00766-9 PMID:39709501	研究论文	本文提出了一种基于深度学习的TR-MAMIL框架，用于从组织病理学切片中对子宫内膜癌进行亚型分类并预测肿瘤突变负荷	首次提出TR-MAMIL深度学习框架，能够直接从H&E染色的全切片图像中预测肿瘤突变负荷并分类子宫内膜癌亚型，优于现有的七种先进方法	NA	开发一种新的方法来预测子宫内膜癌患者的肿瘤突变负荷，并进行亚型分类，以支持个性化免疫治疗和预后评估	子宫内膜癌患者的肿瘤突变负荷和癌症亚型	数字病理学	子宫内膜癌	深度学习	TR-MAMIL	图像	来自The Cancer Genome Atlas的大规模数据集
574	2024-12-23	Quantification of urinary albumin in clinical samples using smartphone enabled LFA reader incorporating automated segmentation 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad992d PMID:39622082	研究论文	本文介绍了一种使用智能手机辅助的LFA读取器进行临床样本中尿白蛋白定量的方法，通过自动分割技术提高了检测的准确性	本文的创新点在于使用LFA设备进行自动检测和尿白蛋白的定量，并通过YOLOv5模型进行自动分割，减少了干扰	本文未提及具体的样本数量和不同光照条件下的性能差异	开发一种高精度的智能手机辅助尿白蛋白检测方法	临床样本中的尿白蛋白浓度	机器学习	NA	LFA	YOLOv5	图像	NA
575	2024-12-23	Development and Validation of a Modality-Invariant 3D Swin U-Net Transformer for Liver and Spleen Segmentation on Multi-Site Clinical Bi-parametric MR Images 2024-Dec-20, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01362-w PMID:39707114	研究论文	开发并验证了一种模态不变的3D Swin U-Net Transformer模型，用于在多站点临床双参数MR图像上对肝脏和脾脏进行分割	提出了模态不变的3D Swin U-Net Transformer模型，显著提高了肝脏和脾脏分割的准确性	研究仅限于肝脏和脾脏的分割，未涉及其他器官	开发和验证一种能够在多站点临床双参数MR图像上对肝脏和脾脏进行分割的深度学习模型	肝脏和脾脏的分割	计算机视觉	NA	深度学习	Swin U-Net Transformer	图像	304名患者，包括241个T1w和339个T2w MR序列
576	2024-12-23	Enhancing classification of active and non-active lesions in multiple sclerosis: machine learning models and feature selection techniques 2024-Dec-20, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01528-6 PMID:39707207	研究论文	本研究探讨了机器学习和深度学习模型在多发性硬化症（MS）活动性和非活动性病变分类中的表现	本研究首次评估了多种机器学习模型和一种顺序深度学习模型在MS病变分类中的性能，并展示了顺序深度学习方法和集成方法在实现稳健预测性能方面的有效性	本研究的局限性在于仅使用了T2加权MRI图像进行分析，未涵盖其他类型的影像数据	评估机器学习和深度学习模型在多发性硬化症活动性和非活动性病变分类中的性能	多发性硬化症的活动性和非活动性病变	机器学习	多发性硬化症	机器学习模型和特征选择技术	顺序深度学习模型和混合梯度提升分类器（HGBC）	图像	75个活动性病变和100个非活动性病变
577	2024-12-23	Adaptive fusion of dual-view for grading prostate cancer 2024-Dec-17, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102479 PMID:39708679	研究论文	本文提出了一种深度学习方法，通过自适应融合双视角MRI图像来实现前列腺癌的准确分级	设计了一种双视角自适应融合模型，通过动态调整融合权重来充分利用互补信息，并基于不确定性估计自适应加权预测结果	未提及具体实验数据集的样本量和多样性，可能影响模型的泛化能力	开发一种非侵入性且高效的前列腺癌分级方法，以辅助临床诊断	前列腺癌的分级诊断	计算机视觉	前列腺癌	多参数磁共振成像（MRI）	自适应融合模型	图像	NA
578	2024-12-23	Guidelines for cerebrovascular segmentation: Managing imperfect annotations in the context of semi-supervised learning 2024-Dec-11, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102474 PMID:39705890	研究论文	本文研究了在半监督学习背景下，针对脑血管理分割任务中不完美标注的数据依赖性，并比较了多种最先进的半监督方法	提出了在半监督学习框架下处理不完美标注的指南，并评估了不同数据量和质量场景下的性能	未提及具体限制	提供脑血管理分割模型的标注和训练指南	脑血管理分割任务中的标注一致性和模型性能	计算机视觉	NA	半监督学习	NA	图像	未提及具体样本数量
579	2024-12-23	Crucial rhythms and subnetworks for emotion processing extracted by an interpretable deep learning framework from EEG networks 2024-Dec-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae477 PMID:39707986	研究论文	本文提出了一种结合注意力机制和领域对抗策略的深度学习框架，用于从脑电图网络中提取可解释的情感处理特征	本文创新性地结合了注意力机制和领域对抗策略，增强了情感识别的关键节律和子网络的贡献，并提高了跨受试者任务的泛化性能	本文未详细讨论该方法在其他数据集或不同情感识别任务中的适用性	研究目的是从脑电图网络中提取可解释的结构特征，用于情感识别任务	研究对象是脑电图网络中的情感处理特征	机器学习	NA	脑电图	深度学习模型	脑电图数据	使用了SJTU Emotion EEG Dataset (SEED)和实验室记录的脑电图数据
580	2024-12-23	Machine Learning Streamlines the Morphometric Characterization and Multiclass Segmentation of Nuclei in Different Follicular Thyroid Lesions: Everything in a NUTSHELL 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100608 PMID:39241829	研究论文	本文研究了甲状腺结节病变中核形态特征的识别和多类分割，开发了一种名为NUTSHELL的深度学习模型，用于辅助诊断	提出了NUTSHELL模型，能够成功检测和分类甲状腺肿瘤中的大多数核，并提供了NIFTP区域的即时概览，有助于检测PTC的微小病灶或识别淋巴结转移	仅分析了少量NIFTP病例的二代测序数据，未全面探讨RAS相关突变对核形态的影响	识别NIFTP和PTC的可解释核形态特征，并开发深度学习模型以减少诊断变异性	NIFTP、PTC和增生性结节（HP）的核形态特征	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	NIFTP、PTC和HP病例的全切片图像