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
841	2024-12-11	Evaluating deep learning models for classifying OCT images with limited data and noisy labels 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81127-1 PMID:39638854	研究论文	本研究评估了在数据有限和标签噪声情况下，使用深度学习模型对OCT图像进行分类的性能	本研究首次系统评估了在数据稀缺和标签噪声情况下，多种深度学习架构在OCT图像分类中的表现，并提出了通过增加训练样本量来缓解标签错误对分类性能的影响	研究中使用的样本量和标签噪声水平有限，可能无法完全代表所有临床情况	评估在数据稀缺和标签噪声情况下，深度学习模型对OCT图像分类的性能，以提高视网膜疾病诊断和管理的准确性和实际应用	视网膜病理与健康情况的OCT图像分类	计算机视觉	NA	深度学习	ResNet18, ResNet34, ResNet50, VGG16, InceptionV3	图像	5526张OCT图像，以及减少到21张的子集
842	2024-12-11	A hybrid cardiovascular arrhythmia disease detection using ConvNeXt-X models on electrocardiogram signals 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81992-w PMID:39638880	研究论文	本研究提出了一种结合ConvNeXt-X深度学习模型和数据平衡技术的混合方法，用于提高心律失常分类的准确性	本研究的创新点在于将ConvNeXt-X模型与随机过采样和SMOTE-TomekLink技术结合，显著提高了心律失常检测的准确性	本研究的局限性在于仅在MIT-BIH心律失常数据库上进行了验证，未来需要在更多数据集上进行验证	本研究的目的是提高心血管心律失常疾病的检测准确性，以支持临床决策	本研究的研究对象是心电图信号中的心律失常类型	机器学习	心血管疾病	ConvNeXt-X模型	ConvNeXt	信号	MIT-BIH心律失常数据库
843	2024-12-11	The analysis of generative adversarial network in sports education based on deep learning 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81107-5 PMID:39639013	研究论文	本研究探讨了在体育教育领域中使用生成对抗网络（GAN）技术，通过深度学习评估大学生心理健康素质	本研究引入了GAN和SeqGAN模型，并构建了一个生成评价文本的模型，通过引入奖励函数来增强模型的效果	本研究的局限性在于仅在体育领域进行了验证，且模型在生成器更新速度超过判别器时损失不收敛	本研究的目的是简化撰写质量评估的过程，并提高评估评论的公平性	本研究的对象是参与体育活动的大学生的心理健康素质	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	文本	NA
844	2024-12-11	Detection of three-rooted mandibular first molars on panoramic radiographs using deep learning 2024-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82378-8 PMID:39639099	研究论文	本研究旨在开发一种基于深度学习的系统，用于在全景X光片上检测三根下颌第一磨牙，并评估其诊断性能	本研究首次使用五种卷积神经网络模型（ResNet-101、ResNet-50、DenseNet-201、MobileNet-v3和Inception-v3）对三根和两根下颌第一磨牙进行分类，并展示了ResNet-101在诊断性能上的优越性	当使用仅包含下颌第一磨牙远端一半的图像块时，CNN的性能有所下降	开发和评估一种基于深度学习的系统，用于在全景X光片上检测三根下颌第一磨牙	下颌第一磨牙的全景X光片和锥束CT图像	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	730名患者的1444颗下颌第一磨牙（其中367颗为三根，1077颗为两根）
845	2024-12-11	Res-TransNet: A Hybrid deep Learning Network for Predicting Pathological Subtypes of lung Adenocarcinoma in CT Images 2024-Dec, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01149-z PMID:38861071	研究论文	本研究开发了一种基于CT图像的混合深度学习网络，用于预测早期肺腺癌的病理亚型	提出了Res-TransNet模型，通过集成残差网络（ResNet）和视觉变换器（ViT）来提高分类性能	实验结果主要基于内部和外部验证集，未来需要更多临床验证	开发一种能够准确预测早期肺腺癌病理亚型的深度学习模型	早期肺腺癌的病理亚型，包括浸润性腺癌（IAC）、微浸润性腺癌和原位腺癌	计算机视觉	肺腺癌	深度学习	混合模型（ResNet和ViT的集成）	图像	1411个病理证实的磨玻璃结节（GGNs）
846	2024-12-11	Understanding Occlusion and Temporomandibular Joint Function Using Deep Learning and Predictive Modeling 2024-Dec, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70028 PMID:39563180	综述	本文探讨了使用深度学习和预测建模来理解咬合和颞下颌关节功能，并提供了关于复杂牙科疾病如颞下颌紊乱症的见解	本文介绍了人工智能驱动的预测建模在牙科领域的应用，特别是深度学习在量化和分析咬合与颞下颌关节功能复杂关系中的作用	本文主要为综述性质，未提供具体的实验数据或模型验证结果	探讨预测建模和人工智能在理解咬合和颞下颌关节功能中的应用，并提供关于颞下颌紊乱症的诊断和治疗见解	咬合、颞下颌关节功能以及颞下颌紊乱症	机器学习	颞下颌紊乱症	深度学习	NA	图像	NA
847	2024-12-10	ProAffinity-GNN: A Novel Approach to Structure-Based Protein-Protein Binding Affinity Prediction via a Curated Data Set and Graph Neural Networks 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01850 PMID:39558674	研究论文	本文提出了一种基于图神经网络的新方法ProAffinity-GNN，用于通过精心策划的数据集预测蛋白质-蛋白质结合亲和力	引入了一种新的深度学习框架ProAffinity-GNN，结合蛋白质语言模型和图神经网络，显著提高了结构基础的蛋白质-蛋白质结合亲和力预测的准确性	NA	解决蛋白质-蛋白质相互作用中结合亲和力预测的挑战，提供更有效和精确的方法	蛋白质-蛋白质相互作用的结合亲和力	机器学习	NA	图神经网络（GNN）	图神经网络（GNN）	结构数据	包含实验确定的结合亲和力的蛋白质复合物的3D结构的最大数据集
848	2024-12-10	CPIScore: A Deep Learning Approach for Rapid Scoring and Interpretation of Protein-Ligand Binding Interactions 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01175 PMID:39563077	研究论文	本文介绍了一种名为CPIScore的深度学习方法，用于快速评分和解释蛋白质-配体结合相互作用	CPIScore结合了Transformer和图卷积网络（GCN），以提高蛋白质-配体结合亲和力的预测准确性	NA	提高蛋白质-配体结合亲和力预测的效率和准确性	蛋白质-配体结合相互作用	机器学习	NA	深度学习	Transformer和图卷积网络（GCN）	蛋白质和配体序列	多个目标和化合物库
849	2024-12-10	Matini-Net: Versatile Material Informatics Research Framework for Feature Engineering and Deep Neural Network Design 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01676 PMID:39569801	研究论文	本文介绍了一种名为Matini-Net的多功能材料信息学研究框架，用于特征工程和深度神经网络设计	Matini-Net提供了灵活的设计特征、图模型及其组合的能力，适用于单模态和多模态模型架构，并通过自动化特征工程、超参数调优和网络构建，使深度学习技术更易于应用于材料研究	NA	开发一个多功能框架，用于材料信息学研究中的特征工程和深度神经网络设计	材料属性数据集	机器学习	NA	深度神经网络	回归架构	材料属性数据	五个材料属性数据集
850	2024-12-10	ReduMixDTI: Prediction of Drug-Target Interaction with Feature Redundancy Reduction and Interpretable Attention Mechanism 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01554 PMID:39570771	研究论文	本文提出了一种名为ReduMixDTI的端到端模型，用于减少特征冗余并显式捕捉药物-靶点相互作用的复杂局部交互	ReduMixDTI通过使用图神经网络和卷积神经网络对药物和靶点特征进行编码，并引入注意力机制显式建模药物和靶点子结构之间的成对交互，从而提高了模型的预测能力和可解释性	NA	提高药物-靶点相互作用预测的准确性和可解释性	药物和靶点之间的相互作用	机器学习	NA	图神经网络、卷积神经网络	注意力机制	图、图像	三个基准数据集和反映真实场景的外部测试集
851	2024-12-10	Conformalized Graph Learning for Molecular ADMET Property Prediction and Reliable Uncertainty Quantification 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01139 PMID:39571080	研究论文	本文介绍了一种新的图神经网络模型，用于分子ADMET性质预测和不确定性量化	提出了结合图神经网络和联合均值-分位数回归损失以及基于集成的保形预测方法的新模型	未提及	提高分子ADMET性质预测的准确性和不确定性量化	分子ADMET性质	机器学习	NA	图神经网络	图神经网络	分子数据	未提及
852	2024-12-10	Deep Learning-Assisted Design of Novel Donor-Acceptor Combinations for Organic Photovoltaic Materials with Enhanced Efficiency 2024-Dec-08, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202407613 PMID:39648547	研究论文	本文提出了一种基于深度学习的框架，用于设计具有增强效率的有机光伏材料的供体-受体组合	开发了一种结构表示方法——聚合物指纹，并构建了有机光伏材料数据库，通过端到端的图神经网络建模方法，建立了高精度的深度学习模型来预测有机光伏性能	NA	加速设计具有超高效率的供体-受体组合，并为有机光伏器件带来性能突破	有机光伏材料的供体和受体结构及其组合	机器学习	NA	深度学习	图神经网络	结构数据	约0.6百万个虚拟供体-受体组合
853	2024-12-10	Deep learning biomarker of chronometric and biological ischemic stroke lesion age from unenhanced CT 2024-Dec-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01325-z PMID:39643604	研究论文	本文研究了使用深度学习方法从非增强CT图像中估计急性缺血性脑损伤的生物学和计时学年龄	本文提出了一种基于卷积神经网络的放射组学模型（CNN-R），用于优化从非增强CT图像中估计病变年龄，其准确性约为传统方法NWU的两倍	NA	优化急性缺血性脑损伤的病变年龄估计方法，以提高超急性期中风管理的准确性	急性缺血性脑损伤的生物学和计时学年龄	计算机视觉	中风	卷积神经网络	CNN	图像	1945例
854	2024-11-09	Pix2HDR - A Pixel-Wise Acquisition and Deep Learning-Based Synthesis Approach for High-Speed HDR Videos 2024-Dec, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3410140 PMID:38837925	研究论文	提出了一种基于像素级采样和深度学习合成的高速HDR视频获取方法	采用像素级可编程图像传感器进行采样，结合深度神经网络进行HDR视频合成，解决了传统方法中帧率与动态范围之间的矛盾	NA	提高动态场景下高速HDR视频的获取精度	动态场景中的高速HDR视频	计算机视觉	NA	深度学习	深度神经网络	视频	NA
855	2024-12-10	Generative adversarial networks to create synthetic motion capture datasets including subject and gait characteristics 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112358 PMID:39509807	研究论文	本文通过修改生成对抗网络（GANs）为条件生成对抗网络（cGANs），生成包括受试者和步态特征的合成运动捕捉数据集	本文创新性地使用cGANs生成多样化的运动捕捉数据，包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs），并基于指定的受试者和步态特征	本文未提及具体的局限性	解决资源密集型运动捕捉系统对预测深度学习应用的挑战，生成多样化的运动捕捉数据集	研究对象包括15个标记轨迹、下肢关节角度和3D地面反作用力（GRFs）	机器学习	NA	生成对抗网络（GANs）	条件生成对抗网络（cGANs）	运动捕捉数据	未明确提及样本数量
856	2024-12-10	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-Dec, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	本研究使用无标记的多视角运动捕捉系统估算了L5-S1节段在提举/放下任务中的负荷	本研究首次使用无标记的多视角运动捕捉系统结合深度学习技术估算L5-S1节段的负荷，并与传统的基于标记和力板的系统进行了比较	本研究尚未在真实的工业条件下进行验证	研究提举/放下任务中L5-S1节段的负荷，以更好地理解肌肉骨骼疾病的病因和发展	L5-S1节段的负荷	生物力学	NA	深度学习	NA	运动数据	所有受试者的平均差异为14.0 ± 6.9 N和9.0 ± 2.3 Nm，峰值差异为10.8 ± 8.9 N和11.9 ± 9.5 Nm
857	2024-12-10	Deep learning-based automated detection of the dental crown finish line: An accuracy study 2024-Dec, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2023.11.018 PMID:38097424	研究论文	本文研究了基于深度学习的牙冠完成线自动检测方法的准确性	提出了一种结合深度学习和计算机辅助设计的新型混合方法，用于牙冠完成线的提取	研究样本仅包括182个下颌扫描数据，且未涵盖所有可能的临床情况	比较新型混合方法与现有软件在提取牙冠完成线方面的准确性	牙冠完成线的自动提取方法	计算机视觉	NA	深度学习	NA	图像	182个下颌扫描数据，分为两组：使用桌面扫描仪扫描的模型（DS组）和使用口内扫描仪扫描的数据（IS组）
858	2024-12-09	Deep learning models can predict violence and threats against healthcare providers using clinical notes 2024-Dec-05, Npj mental health research DOI:10.1038/s44184-024-00105-7 PMID:39638888	研究论文	本文训练了两种深度学习模型，用于预测医疗工作者在暴力事件发生前3天的暴力和威胁行为，使用临床笔记和结构化数据	首次使用深度学习模型预测医疗环境中的暴力事件，超越了人类专家的预测性能	NA	开发能够预测医疗工作者暴力和威胁行为的深度学习模型，以提前进行干预	医疗工作者的暴力和威胁行为	机器学习	NA	深度学习	文档分类模型和回归模型	临床笔记和结构化数据	NA
859	2024-12-09	Federated learning based fire detection method using local MobileNet 2024-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82001-w PMID:39639063	研究论文	提出了一种基于联邦学习的室内外火灾检测方法IOFireNet，结合双边滤波和超像素自适应聚类技术，提高了火灾检测和定位的准确性	引入了基于联邦学习的IOFireNet方法，结合双边滤波和超像素自适应聚类技术，显著提高了火灾检测和分割的准确性	NA	提高火灾检测和定位的准确性，支持早期预警	火灾检测和定位	计算机视觉	NA	联邦学习	MobileNet	图像	NA
860	2024-12-09	Deepmol: an automated machine and deep learning framework for computational chemistry 2024-Dec-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00937-7 PMID:39639396	研究论文	DeepMol 是一个用于计算化学的自动化机器学习和深度学习框架	DeepMol 通过自动化机器学习管道中的关键步骤，显著简化了计算化学中的数据预处理、特征工程和模型选择过程	NA	提供一个集成化的 AutoML 框架，用于计算化学中的分子性质/活性预测	计算化学中的分子性质/活性预测问题	机器学习	NA	AutoML	传统机器学习模型和深度学习模型	分子数据	22 个基准数据集