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
821	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
822	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
823	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
824	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
825	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
826	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
827	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
828	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
829	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
830	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
831	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
832	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
833	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
834	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
835	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
836	2024-12-13	Improved Prediction of Ligand-Protein Binding Affinities by Meta-modeling 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01116 PMID:39576762	研究论文	本文开发了一个框架，通过元建模方法整合基于力场的经验对接模型和基于序列的深度学习模型，以提高配体-蛋白质结合亲和力的预测准确性	本文的创新点在于通过元建模方法整合多种模型，显著提高了结合亲和力的预测性能，并展示了更好的数据库扩展性和灵活性	NA	提高配体-蛋白质结合亲和力的预测准确性	配体-蛋白质结合亲和力	机器学习	NA	元建模	深度学习模型	序列数据	NA	NA	NA	NA	NA
837	2024-12-14	Digital Image Processing to Detect Adaptive Evolution 2024-Dec-06, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae242 PMID:39565932	研究论文	本文探讨了利用数字图像处理技术，特别是α-分子方法，从单倍型比对的图像表示中提取特征，以检测基因组中的适应性进化	本文引入了α-分子技术，如小波分解和曲线分解，这些技术能够从图像中提取多尺度特征，并结合卷积神经网络自动提取重要特征	NA	研究目的是通过数字图像处理技术检测基因组中自然选择的区域	研究对象是基因组数据中的单倍型比对图像	计算机视觉	NA	数字图像处理	卷积神经网络	图像	NA	NA	NA	NA	NA
838	2024-12-14	Artificial intelligence-driven quantification of antibiotic-resistant Bacteria in food by color-encoded multiplex hydrogel digital LAMP 2024-Dec-04, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142304 PMID:39667227	研究论文	本文开发了一种基于人工智能的颜色编码多重水凝胶数字LAMP系统，用于食品中抗生素抗性细菌的定量检测	首次在多重数字LAMP中引入未掺入扩增信号报告物淬灭（QUASR），并利用深度学习模型自动识别和量化荧光点	NA	开发一种新方法用于食品中抗生素抗性细菌的定量检测	食品中的耐甲氧西林金黄色葡萄球菌和耐碳青霉烯类大肠杆菌	NA	NA	数字LAMP	深度学习模型	图像	真实水果和蔬菜样本	NA	NA	NA	NA
839	2024-09-24	Validation of a deep learning model for classification of pediatric pneumonia in Hong Kong 2024-Dec-02, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2024.126370 PMID:39307024	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
840	2024-12-14	Evaluation of deep learning based dose prediction in head and neck cancer patients using two different types of input contours 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14519 PMID:39285649	研究论文	本研究评估了基于深度学习的剂量预测方法在头颈癌患者中的应用，使用两种不同类型的输入轮廓	本研究首次使用两种不同类型的输入轮廓（8通道和10通道模型）来评估深度学习在头颈癌患者剂量预测中的表现，并发现10通道模型在某些剂量指标上表现更优	研究样本量较小，仅包括75名患者，且测试集只有10个病例	评估深度学习在头颈癌患者剂量预测中的准确性和可行性	头颈癌患者的剂量预测	机器学习	头颈癌	深度学习	U-net	图像	75名头颈癌患者	NA	NA	NA	NA