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	2024-12-25	New approach methodologies for risk assessment using deep learning 2024-Dec, EFSA journal. European Food Safety Authority DOI:10.2903/j.efsa.2024.e221105 PMID:39712912	研究论文	本文探讨了利用深度学习技术开发新的风险评估方法，旨在减少动物实验的需求	本文提出了基于人工智能的新方法学（NAMs），用于替代动物实验进行风险评估，并计划开发一个AI决策工具，利用已知的化学物质毒性数据和其与人类蛋白质的相互作用数据来支持多重应激源的风险评估研究	本文尚未详细描述具体的深度学习模型或实验验证结果，且未提及样本量和数据集的具体信息	开发基于人工智能的新方法学，用于替代动物实验进行风险评估	研究对象包括与神经和生殖功能相关的人类蛋白质，以及与蜜蜂免疫系统相关的蛋白质	机器学习	NA	深度学习	NA	文本	NA
562	2024-12-25	Engineered feature embeddings meet deep learning: A novel strategy to improve bone marrow cell classification and model transparency 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100390 PMID:39712979	研究论文	本文提出了一种新的策略，通过工程化的特征嵌入和深度学习网络（Xception和ResNet50）来改进骨髓细胞分类并提高模型的透明度	引入了区域注意力嵌入（region-attention embedding），通过特定组织的细胞学特征矩阵来表示细胞图像，保留了空间/区域关系，并结合深度学习网络提供图像区域的局部相关性，增加了预测的可解释性	在未见数据集上的f1分数为0.56，表明模型在处理未见数据时仍存在一定的局限性	自动化骨髓细胞评估，提高分类性能并增加模型的透明度	21种骨髓细胞亚型	计算机视觉	血液疾病	深度学习	Xception, ResNet50	图像	训练集包含89,484张图像，测试集包含22,371张图像
563	2024-12-25	Hybrid of Deep Feature Extraction and Machine Learning Ensembles for Imbalanced Skin Cancer Datasets 2024-Dec, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.70020 PMID:39716023	研究论文	本研究提出了一种结合深度特征提取和机器学习集成方法的独特方法，用于分类不平衡的皮肤癌数据集	本研究的创新点在于结合了深度学习模型和机器学习算法，并通过集成技术提高了分类的鲁棒性和准确性	NA	提高在不平衡数据集上的皮肤癌分类性能	皮肤癌数据集的分类	机器学习	皮肤癌	深度学习（DenseNet201, Xception, Mobilenet）和机器学习（集成技术）	混合模型（深度学习特征提取与机器学习集成）	图像	HAM10000和ISIC数据集
564	2024-12-25	A Spatial Registration Method Based on Point Cloud and Deep Learning for Augmented Reality Neurosurgical Navigation 2024-Dec, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70030 PMID:39716403	研究论文	提出了一种基于点云和深度学习的增强现实神经外科导航空间配准方法	该方法结合了神经网络和ICP算法，提高了神经外科导航的精度和效率	NA	实现手术导航的空间配准	医学图像点云和患者表面点云	计算机视觉	NA	深度学习	神经网络	点云	NA
565	2024-12-25	Multidisciplinary quantitative and qualitative assessment of IDH-mutant gliomas with full diagnostic deep learning image reconstruction 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100617 PMID:39717474	研究论文	本文研究了使用深度学习图像重建技术对IDH突变型胶质瘤进行多学科定量和定性评估	提出了使用深度学习图像重建技术进行多学科评估的新方法	NA	提高IDH突变型胶质瘤的诊断准确性和治疗决策	IDH突变型胶质瘤	计算机视觉	脑肿瘤	深度学习图像重建	深度学习模型	图像	NA
566	2024-12-25	A Respiratory Signal Monitoring Method Based on Dual-Pathway Deep Learning Networks in Image-Guided Robotic-Assisted Intervention System 2024-Dec, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70017 PMID:39718347	研究论文	本文提出了一种基于双路径深度学习网络的呼吸信号监测方法，应用于图像引导的机器人辅助干预系统	本文创新性地结合了卷积长短期记忆网络（ConvLSTM）和点长短期记忆网络（PointLSTM）模块，用于实时呼吸信号监测	本文的局限性在于仅使用了内部数据集进行实验验证，未来需要更多外部数据集进行验证	研究目的是开发一种在图像引导的机器人辅助干预系统中实时监测呼吸信号的方法，以提高手术安全性	研究对象是图像引导的机器人辅助干预系统中的呼吸信号监测	计算机视觉	NA	深度学习	ConvLSTM 和 PointLSTM	图像	内部数据集
567	2024-12-25	Estimation of the spatial variability of the New England Mud Patch geoacoustic properties using a distributed array of hydrophones and deep learninga) 2024-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034707 PMID:39718359	研究论文	本文提出了一种利用宽带脉冲信号和深度学习（DL）对固定基底上的单个空间变化沉积层进行空间环境反演的方案	本文创新性地使用神经网络实现了快速单信号反演，显著减少了传统地质声学反演所需的计算资源	本文仅在浅水环境中验证了该方法的有效性，尚未在其他环境条件下进行测试	研究目的是开发一种高效的空间地质声学反演方法，以预测沉积层声速及其与界面水声速的比率	研究对象是新英格兰泥补丁（NEMP）区域的地质声学特性	机器学习	NA	深度学习	神经网络	信号	1836个信号，722条轨迹
568	2024-12-24	Highly Accurate and Explainable Predictions of Small-Molecule Antioxidants for Eight In Vitro Assays Simultaneously through an Alternating Multitask Learning Strategy 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00748 PMID:38888465	研究论文	提出了一种基于功能基团的交替多任务自监督分子表示学习方法，用于同时预测八种常用体外抗氧化检测中小分子的抗氧化活性	首次提出了基于功能基团的交替多任务自监督分子表示学习方法，并开发了一个在线抗氧化活性预测平台AOP	未提及具体局限性	开发一种高效且可解释的模型，用于预测小分子抗氧化剂的活性	小分子抗氧化剂及其在八种体外检测中的活性	机器学习	NA	多任务学习	FG-BERT	分子数据	未提及具体样本数量
569	2024-12-24	Advanced AI-Driven Prediction of Pregnancy-Related Adverse Drug Reactions 2024-Dec-23, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01657 PMID:39611337	研究论文	本研究开发并验证了基于机器学习和深度学习技术的妊娠相关药物不良反应风险预测模型	本研究首次使用DMPNN模型结合分子图信息和分子描述符，在预测妊娠相关药物不良反应方面表现出最高的预测性能	NA	开发和验证妊娠相关药物不良反应的风险预测模型	妊娠相关药物不良反应	机器学习	NA	机器学习（ML）和深度学习（DL）技术	DMPNN模型、图神经网络、图卷积网络、随机森林、支持向量机、XGBoost	真实世界数据	22种口服降糖药物
570	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
571	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
572	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
573	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
574	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
575	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
576	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
577	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
578	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
579	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
580	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