深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
801	2024-12-16	The top 100 most-cited articles on artificial intelligence in breast radiology: a bibliometric analysis 2024-Dec-12, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01869-4 PMID:39666106	综述	本文对人工智能在乳腺放射学领域中最具影响力的100篇高被引文章进行了文献计量分析	本文通过文献计量分析，总结了人工智能在乳腺放射学领域中最具影响力的研究成果和趋势	本文仅基于文献计量分析，未涉及具体技术的深入研究	识别人工智能在乳腺影像学中最具影响力的出版物	人工智能在乳腺放射学领域的研究文献	计算机视觉	乳腺癌	NA	NA	NA	NA	NA	NA	NA	NA
802	2024-12-16	Non-invasive eye tracking and retinal view reconstruction in free swimming schooling fish 2024-Dec-12, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07322-y PMID:39668195	研究论文	本研究介绍了一种非侵入性技术，用于在大型3D竞技场中跟踪和重建自由游泳鱼类的视网膜视图，无需行为训练	该方法结合了多摄像头角度、深度学习进行3D鱼类姿态重建、透视变换和眼动追踪，实现了非侵入性的3D眼动追踪	研究仅在两条鱼的数据上进行了验证，未来需要扩展到更多样本以验证其普适性	开发一种非侵入性方法来研究自由游泳鱼类的视觉信息处理和注意力机制	自由游泳的鱼类及其在群体行为中的眼动和视网膜视图	计算机视觉	NA	深度学习	NA	视频	两条鱼	NA	NA	NA	NA
803	2024-12-16	Deep Learning Assisted Plasmonic Dark-Field Microscopy for Super-Resolution Label-Free Imaging 2024-Dec-11, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c04399 PMID:39586837	研究论文	本文提出了一种基于深度学习的等离子体暗场显微镜（DAPD），用于无标记超分辨率成像	通过结合等离子体暗场显微镜和深度学习辅助的图像重建，实现了单帧超分辨率成像，相较于传统暗场显微镜显著提高了空间分辨率	目前仅展示了2.8倍的分辨率提升，未来仍有改进空间	开发一种新型的无标记超分辨率成像技术	无标记样本的暗场显微图像	计算机视觉	NA	等离子体暗场显微镜	卷积神经网络（CNN）	图像	多种无标记样本	NA	NA	NA	NA
804	2024-12-16	Removing Adversarial Noise in X-ray Images via Total Variation Minimization and Patch-Based Regularization for Robust Deep Learning-based Diagnosis 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00919-5 PMID:38886292	研究论文	本文提出了一种利用总变差最小化和基于块的正则化方法来去除X射线图像中的对抗噪声，以提高基于深度学习的诊断模型的鲁棒性	本文创新性地引入了总变差最小化方法来对抗对抗噪声，显著提高了模型在对抗攻击下的诊断准确性	本文仅以COVID-19诊断为案例研究，未探讨该方法在其他疾病诊断中的应用效果	提高基于深度学习的放射学疾病诊断模型在对抗攻击下的鲁棒性	COVID-19肺炎、非COVID肺炎和无肺炎的肺部X射线图像	计算机视觉	肺部疾病	总变差最小化	CNN	图像	包含无肺炎、COVID-19肺炎和非COVID肺炎病例的肺部X射线图像	NA	NA	NA	NA
805	2024-12-16	ERL-ProLiGraph: Enhanced representation learning on protein-ligand graph structured data for binding affinity prediction 2024-Dec, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400044 PMID:39404190	研究论文	本文提出了一种基于深度学习的蛋白质-配体结合亲和力预测方法ERL-ProLiGraph，通过图结构数据增强表示学习	该方法创新性地使用图表示法来表示蛋白质和配体，旨在从两者的结构信息中学习以提高结合亲和力预测的准确性	NA	开发一种高效且更准确的蛋白质-配体结合亲和力预测方法，以加速药物发现过程	蛋白质-配体结合亲和力	机器学习	NA	深度学习算法	NA	图结构数据	NA	NA	NA	NA	NA
806	2024-12-16	Structural comparison of homologous protein-RNA interfaces reveals widespread overall conservation contrasted with versatility in polar contacts 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012650 PMID:39625988	研究论文	本文通过分析2022对结构同源的蛋白质-RNA界面，研究了蛋白质-RNA界面结构的进化	发现了蛋白质-RNA界面中距离依赖性接触和非极性接触的高度保守性，以及氢键、盐桥和π堆积相互作用的多样性	由于结构数据的稀缺性和这些复合物的灵活性，蛋白质-RNA结构预测仍落后于蛋白质-蛋白质界面预测	研究蛋白质-RNA界面结构的进化，并探索将进化信号整合到预测蛋白质-RNA结构建模方法中的可能性	2022对结构同源的蛋白质-RNA界面	生物信息学	NA	NA	NA	结构数据	2022对结构同源的蛋白质-RNA界面	NA	NA	NA	NA
807	2024-12-16	Advanced vision transformers and open-set learning for robust mosquito classification: A novel approach to entomological studies 2024-Dec, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012654 PMID:39671336	研究论文	本文提出了一种利用先进的视觉Transformer和开放集学习技术进行蚊子分类的创新方法	引入了结合Transformer深度学习模型与数据增强及预处理方法的框架，并利用开放集学习技术处理未见过的类别	NA	提高蚊子分类的效率和准确性，以支持有效的监测和控制	十种蚊子物种的分类	计算机视觉	NA	视觉Transformer	Transformer	图像	NA	NA	NA	NA	NA
808	2024-12-14	A combined deep learning framework for mammalian m6A site prediction 2024-Dec-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文设计了一个结合Transformer架构和循环神经网络的深度学习框架deepSRAMP，用于预测哺乳动物m6A位点	deepSRAMP在性能上显著优于其前身SRAMP，并在多个基准数据集上超越了其他最先进的m6A预测器	NA	开发一种新的深度学习框架，用于精确预测哺乳动物mRNA中的m6A位点	哺乳动物mRNA中的m6A位点	机器学习	NA	深度学习	Transformer架构和循环神经网络	序列数据和基因组数据	多个基准数据集	NA	NA	NA	NA
809	2024-12-15	Prediction of gene expression-based breast cancer proliferation scores from histopathology whole slide images using deep learning 2024-Dec-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13248-9 PMID:39663527	研究论文	本研究使用深度学习模型从全切片数字病理图像中预测乳腺癌的基因表达增殖评分	首次展示了使用深度卷积神经网络（CNN）从全切片数字病理图像中直接预测乳腺癌的基因表达增殖评分，并提供了临床预测信息	研究样本量有限，且仅限于侵袭性乳腺癌患者	评估是否可以从数字全切片图像中使用深度学习模型预测乳腺癌的分子增殖标志物	乳腺癌患者的全切片数字病理图像和RNA测序数据	数字病理学	乳腺癌	RNA测序	CNN	图像	819名侵袭性乳腺癌患者的训练数据，172例内部测试集和997例外部独立测试集	NA	NA	NA	NA
810	2024-12-15	Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis 2024-Dec-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-08120-7 PMID:39633356	meta-analysis	本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性	深度学习在骨质疏松诊断中的表现优于其他机器学习算法	需要进一步的临床试验来验证研究结果	研究深度学习在骨质疏松预测中的诊断准确性	深度学习算法在骨质疏松预测中的诊断性能	machine learning	代谢性疾病	深度学习	CNN	NA	10项研究	NA	NA	NA	NA
811	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	NA	NA	NA	NA
812	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）	NA	NA	NA	NA
813	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	NA	NA	NA	NA
814	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	NA	NA	NA	NA
815	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	NA	NA	NA	NA
816	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	提出基于变分自编码器的脑电图表示提取模型VAEEG，通过分离频带的自我监督学习获得有效的潜在特征，并在儿童大脑发育、癫痫发作和睡眠阶段分类等临床任务中验证其有效性	采用频带分离的变分自编码器进行重建式自我监督学习，提取的潜在特征在多个下游临床任务中具有相关性且提升了模型性能	未提及具体限制	获取更直观、简洁、有用的脑活动表示，并验证其在临床任务中的有效性	脑电图信号中的潜在特征表示	机器学习	癫痫	变分自编码器（VAE）	变分自编码器（VAE）	脑电图（EEG）信号	NA	NA	NA	NA	NA
817	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	NA	NA	NA	NA
818	2024-12-14	Generative modeling of the Circle of Willis using 3D-StyleGAN 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120936 PMID:39586344	研究论文	本文使用3D-StyleGAN生成Circle of Willis的Time-of-Flight磁共振血管成像（TOF MRA）数据，以解决医学数据稀缺问题	本文首次将StyleGANv2架构应用于3D，生成高质量且多样化的TOF MRA数据，并在下游任务中展示了其效用	本文未提及生成数据在其他病理数据集或不同医学成像模式中的应用效果	开发一种生成模型，用于合成Circle of Willis的3D TOF MRA数据，以提高深度学习模型在脑血管疾病诊断和治疗中的应用	Circle of Willis的脑血管结构	计算机视觉	脑血管疾病	3D-StyleGAN	StyleGANv2	图像	1782个TOF MRA扫描数据	NA	NA	NA	NA
819	2024-12-14	Differentiating atypical parkinsonian syndromes with hyperbolic few-shot contrastive learning 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120940 PMID:39586345	研究论文	本文提出了一种新的少样本学习框架，用于在有限的训练数据下区分多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP）	本文引入了超曲面空间嵌入技术，通过识别非目标分类类别的铁积累模式特征区域，增强了模型的稳定性	本文的实验结果主要基于特定的数据集和模型，可能需要进一步验证其在其他数据集和场景中的泛化能力	解决在有限训练数据下区分非典型帕金森综合征（APS）中不同亚型的挑战	多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP）	机器学习	神经退行性疾病	少样本学习	对比学习	图像	少量数据样本	NA	NA	NA	NA
820	2024-12-14	Identification, characterization, and design of plant genome sequences using deep learning 2024-Dec-12, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17190 PMID:39666835	综述	本文综述了深度学习在植物基因组序列分析中的应用，包括基因表达预测、染色质相互作用和表观遗传特征的识别，并详细阐述了基于生成对抗网络、大模型和注意力机制的基序挖掘和功能组件设计与合成	本文详细介绍了基于生成对抗网络、大模型和注意力机制的基序挖掘和功能组件设计与合成，并讨论了深度学习在蛋白质结构和功能预测、基因组预测和大模型应用方面的进展	NA	探讨深度学习在植物生物学中的应用及其未来发展前景	植物基因组序列、基因表达、染色质相互作用、表观遗传特征、蛋白质结构和功能、基因组预测	机器学习	NA	深度学习	生成对抗网络、大模型、注意力机制	基因组序列	NA	NA	NA	NA	NA