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
1101	2024-11-17	NecroGlobalGCN: Integrating micronecrosis information in HCC prognosis prediction via graph convolutional neural networks 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108435 PMID:39357091	研究论文	本文提出了一种基于图卷积神经网络（GCN）的肝细胞癌（HCC）预后预测模型，该模型整合了微坏死信息以提高预后分层的质量	本文创新性地将微坏死信息整合到图卷积神经网络中，显著提高了预后预测的准确性和可解释性	NA	开发一种能够帮助临床医生充分利用微坏死信息来评估患者生存率的模型	肝细胞癌（HCC）患者的预后预测	机器学习	肝癌	图卷积神经网络（GCN）	GCN	图像	3622张切片，来自752名原发性HCC患者
1102	2024-11-17	Multi-modal networks for real-time monitoring of intracranial acoustic field during transcranial focused ultrasound therapy 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108458 PMID:39437458	研究论文	本文提出了一种多模态网络，用于实时监测经颅聚焦超声治疗过程中的颅内声场	利用深度学习的优势，提出了一种能够实时生成颅内压力图的多模态网络	仅在11名受试者上进行了验证，样本量较小	提高经颅聚焦超声治疗的安全性和准确性	经颅聚焦超声治疗过程中的颅内声场	计算机视觉	NA	k-空间方法	卷积神经网络和Swin Transformer	压力图、医学图像和换能器位置	11名人类受试者
1103	2024-11-17	Multi-scale dual-channel feature embedding decoder for biomedical image segmentation 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108464 PMID:39447437	研究论文	本文提出了一种用于生物医学图像分割的多尺度双通道特征嵌入解码器	创新点在于提出了多尺度双通道解码器，结合了卷积网络和注意力门控Swin Transformer，有效捕捉局部和全局上下文，减少计算复杂度	需要大量数据进行模型训练	提高生物医学图像分割的准确性	肝脏肿瘤和脾脏的图像分割	计算机视觉	NA	卷积网络、注意力门控Swin Transformer	CNN、Transformer	图像	使用了LiTS、3DIRCADb、spleen和来自印度加尔各答医学院的私有数据集
1104	2024-11-17	Early prediction of sudden cardiac death using multimodal fusion of ECG Features extracted from Hilbert-Huang and wavelet transforms with explainable vision transformer and CNN models 2024-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108455 PMID:39447439	研究论文	本研究开发了一种基于深度学习的模型，用于早期预测心源性猝死（SCD），通过融合希尔伯特-黄变换和小波变换提取的ECG特征，并结合可解释的视觉变换器和CNN模型	本研究的创新点在于开发了一种多模态可解释的深度学习模型，能够提前30分钟预测SCD，显著提高了现有方法的预测性能	NA	开发一种基于深度学习的模型，用于早期预测心源性猝死（SCD）	心源性猝死（SCD）的早期预测	机器学习	心血管疾病	希尔伯特-黄变换（HHT），小波变换	1D-CNN，长短期记忆网络（LSTM），视觉变换器（ViT），2D-CNN	ECG信号，2D标度图，2D希尔伯特谱	NA
1105	2024-11-17	Integrating transcriptomic data and digital pathology for NRG-based prediction of prognosis and therapy response in gastric cancer 2024-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2024.2426758 PMID:39527470	研究论文	本研究整合转录组数据和数字病理学，基于非凋亡性细胞死亡相关基因（NRG）预测胃癌的预后和治疗反应	首次构建了基于NRG的预测模型，并结合深度学习模型ResNet50从数字病理切片中预测NRG特征	研究样本主要来自公开数据库，可能存在数据偏倚；深度学习模型的泛化能力需进一步验证	探讨非凋亡性细胞死亡相关基因在胃癌中的预后价值及其与免疫反应的关系，并开发预测模型	胃癌患者的转录组数据和数字病理切片	数字病理学	胃癌	RNA测序、实时定量PCR、单细胞RNA测序	ResNet50	基因表达数据、临床信息、数字病理图像	来自The Cancer Genome Atlas和Gene Expression Omnibus数据库的胃癌患者数据
1106	2024-11-15	GNN-DDAS: Drug discovery for identifying anti-schistosome small molecules based on graph neural network 2024-Dec-15, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27490 PMID:39189298	研究论文	提出了一种基于图神经网络的深度学习框架GNN-DDAS，用于发现抗血吸虫小分子药物	利用图神经网络提取分子图的结构特征，并通过多层感知机从SMILES序列中提取序列特征，最终通过全连接网络预测活性抗血吸虫小分子	未提及具体限制	开发一种新的计算机辅助方法，以提高发现活性抗血吸虫小分子的准确性	抗血吸虫小分子药物	机器学习	寄生虫病	图神经网络	图神经网络	分子图	未提及具体样本数量
1107	2024-11-15	Enhancing protein-ligand binding affinity prediction through sequential fusion of graph and convolutional neural networks 2024-Dec-15, Journal of computational chemistry IF:3.4Q2 DOI:10.1002/jcc.27499 PMID:39223071	研究论文	本文提出了一种通过顺序融合图神经网络（GNN）和卷积神经网络（CNN）来预测蛋白质-配体结合亲和力的模型	通过将GNN的中间输出与CNN的输入特征连接，显著提高了模型在CASF-2016基准测试中的性能，并在虚拟筛选任务中展示了其优势	NA	提高蛋白质-配体结合亲和力预测的准确性	蛋白质-配体结合亲和力	机器学习	NA	图神经网络（GNN）、卷积神经网络（CNN）	GNN和CNN的融合模型	结构数据	涉及CASF-2016基准测试数据集和PI5P4Kα目标的虚拟筛选任务
1108	2024-11-15	Imaging pollen using a Raspberry Pi and LED with deep learning 2024-Dec-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177084 PMID:39433221	研究论文	本文展示了使用树莓派和LED灯结合深度学习技术进行花粉成像的方法	利用低成本的树莓派相机和LED灯捕捉花粉的散射模式，并通过深度学习将其转换为20倍显微镜放大等效图像	NA	开发低成本的小型成像传感器，用于全球花粉监测，以缓解花粉热症状	花粉颗粒及其散射模式	计算机视觉	NA	深度学习	神经网络	图像	涉及未在训练中见过的植物花粉
1109	2024-11-15	Improved PM2.5 prediction with spatio-temporal feature extraction and chemical components: The RCG-attention model 2024-Dec-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177183 PMID:39471939	研究论文	提出了一种新的深度学习模型RCG-Attention，用于提取时空特征和化学成分，以提高PM2.5浓度的预测精度	结合了残差神经网络和卷积门控循环网络，并通过多头注意力机制融合时空特征，显著提高了PM2.5浓度的预测性能	未提及具体限制	提高PM2.5浓度的预测精度	PM2.5浓度的时空特征和化学成分	机器学习	NA	深度学习	RCG-Attention模型	时空数据和化学成分数据	多个监测站点的数据
1110	2024-11-15	Identification of histopathological classification and establishment of prognostic indicators of gastric adenocarcinoma based on deep learning algorithm 2024-Dec, Medical molecular morphology IF:1.2Q3 DOI:10.1007/s00795-024-00399-8 PMID:39088070	研究论文	本研究旨在基于深度学习算法建立胃腺癌的病理分类预测模型	使用深度学习算法对胃腺癌的病理亚型进行准确预测，并结合DL特征分析免疫浸润和患者预后的差异	样本量相对较小，外部验证集数量有限	建立胃腺癌的病理分类和预后指标	胃腺癌患者的病理类型和预后	数字病理	胃癌	深度学习算法	DL模型	图像	356例胃腺癌患者的病理图像，80例外部验证的H&E染色全切片图像
1111	2024-11-15	Machine learning-aided search for ligands of P2Y6 and other P2Y receptors 2024-Dec, Purinergic signalling IF:3.0Q2 DOI:10.1007/s11302-024-10003-4 PMID:38526670	研究论文	本文利用机器学习方法辅助发现P2Y6和其他P2Y受体的配体	首次使用机器学习作为新方法辅助配体发现，并成功筛选出多种新型P2YR调节剂	部分机器学习选择的化合物对hP2YR的抑制作用较弱或无活性	寻找P2Y受体的拮抗剂，用于治疗炎症、神经退行性和代谢性疾病	P2Y6和其他P2Y受体的配体	机器学习	NA	机器学习算法（深度学习、adaboost分类器、Bernoulli NB、k-nearest neighbors分类器、逻辑回归、随机森林分类器、支持向量分类、XGBoost分类器）	多种分类模型	分子数据	21种不同结构的化合物
1112	2024-11-15	Robustness assessment of an automated AI-based white blood cell morphometric analysis system using different smear preparation methods 2024-Dec, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.14350 PMID:39053899	研究论文	评估不同涂片制备方法对基于AI的白细胞形态分析系统鲁棒性的影响	首次全面评估不同涂片制备方法对深度学习系统鲁棒性的影响	研究样本量有限，且仅涉及两种涂片制备方法	评估不同涂片制备方法对AI系统性能的影响	基于AI的白细胞形态分析系统	数字病理	NA	深度学习	深度学习系统	图像	193份外周血样本
1113	2024-11-15	Enhanced enchondroma detection from x-ray images using deep learning: A step towards accurate and cost-effective diagnosis 2024-Dec, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.25938 PMID:39007705	研究论文	本研究利用深度学习技术从X光图像中自动检测软骨瘤	采用Detectron2深度学习模型，实现了0.9899的高准确率检测软骨瘤	NA	提高软骨瘤诊断的准确性和成本效益	软骨瘤的自动检测	计算机视觉	NA	深度学习	Detectron2	图像	1645张X光图像，来自1173名患者
1114	2024-11-15	Utilization of artificial intelligence in minimally invasive right adrenalectomy: recognition of anatomical landmarks with deep learning 2024-Dec, Acta chirurgica Belgica IF:0.6Q4 DOI:10.1080/00015458.2024.2363599 PMID:38841838	研究论文	本研究开发了一种基于深度学习的人工智能系统，用于在微创右侧肾上腺切除术中识别关键解剖结构	本研究首次将深度学习模型应用于微创右侧肾上腺切除术中的解剖标志识别，并展示了其在实时导航系统中的潜力	本研究仅在20名患者的视频数据上进行了实验，样本量较小，可能影响模型的泛化能力	开发一种能够识别微创右侧肾上腺切除术中关键解剖结构的深度学习模型	微创右侧肾上腺切除术中的肝脏、下腔静脉和右侧肾上腺	计算机视觉	NA	深度学习	CNN, SwinUNETR	视频	20名患者的手术视频，共提取1000张图像
1115	2024-11-15	Automatic pipeline for segmentation of LV myocardium on quantitative MR T1 maps using deep learning model and computation of radial T1 and ECV values 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5230 PMID:39097976	研究论文	本文提出了一种基于深度学习的自动管道，用于在定量MR T1图上分割左心室心肌，并计算径向T1和ECV值	本文创新性地使用深度学习模型U-Net和Deep Res U-Net进行左心室心肌的自动分割，并计算径向T1和ECV值	研究使用了回顾性多参数MRI数据，样本量有限，且未提及模型的泛化能力	开发一种自动化的方法，用于在T1图上精确分割左心室心肌，并计算径向T1和ECV值，以辅助心血管疾病的诊断	左心室心肌的分割和径向T1及ECV值的计算	计算机视觉	心血管疾病	MRI	U-Net, Deep Res U-Net	图像	332名受试者的回顾性多参数MRI数据
1116	2024-11-15	Synthesis of higher-B0 CEST Z-spectra from lower-B0 data via deep learning and singular value decomposition 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5221 PMID:39113170	研究论文	本文提出了一种利用深度学习和奇异值分解从3T数据合成更高场强Z-谱的方法	通过深度学习框架和奇异值分解，实现了从3T数据合成9.4T Z-谱的创新方法	需要进一步验证该方法在不同临床条件下的适用性和鲁棒性	旨在从3T临床扫描仪获取的数据中合成更高场强的Z-谱，以提高CEST MRI的信号解释和定量分析	磷酸肌酸（PCr）模型和伪体内模型，包括PCr幻影、蛋清幻影和体内大鼠脑部数据	磁共振成像	NA	化学交换饱和转移（CEST）MRI	深度神经网络（DNN）	Z-谱	包括7个PCr管、3个蛋清管和3个大鼠切片
1117	2024-11-15	Automatic deep learning segmentation of the hippocampus on high-resolution diffusion magnetic resonance imaging and its application to the healthy lifespan 2024-Dec, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5227 PMID:39136393	研究论文	本文提出了一种基于深度学习的高分辨率扩散磁共振成像（DTI）海马体自动分割方法	该方法通过扩展UNet和UNet++架构，引入了额外的密集残差连接，实现了直接在扩散图像上的自动分割	该方法尚未在患者群体中进行评估	开发一种自动分割方法，以促进大规模人群分析	海马体	计算机视觉	NA	扩散张量成像（DTI）	UNet和UNet++	图像	训练集包含100名健康参与者，验证集包含53名健康参与者，进一步验证集包含153名和354名健康参与者
1118	2024-11-15	Deep learning-based diagnosis and survival prediction of patients with renal cell carcinoma from primary whole slide images 2024-Dec, Pathology IF:3.6Q1 DOI:10.1016/j.pathol.2024.05.012 PMID:39168777	研究论文	本文提出了一种基于深度学习的策略，用于从全切片图像中诊断和预测肾细胞癌患者的生存情况	本文创新性地使用深度学习技术进行肾细胞癌的诊断和生存预测，并展示了其在不同数据集上的优异表现	本文未详细讨论模型的泛化能力和在不同医疗中心的适用性	探索肾细胞癌的新型诊断和预后生物标志物	肾细胞癌患者	数字病理学	肾细胞癌	深度学习	深度学习模型	图像	1752张全切片图像
1119	2024-11-15	Deformation depth decoupling network for point cloud domain adaptation 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106626 PMID:39173197	研究论文	本文提出了一种基于输入级离散化匹配的点云域适应方法，通过几何变形深度解耦网络（3DeNet）增强模型的泛化能力	本文创新性地提出了输入级离散化匹配方法，并通过几何变形深度解耦网络（3DeNet）学习源域知识并嵌入隐式特征空间，有效约束下游任务的无监督预测	本文未详细讨论模型在实际应用中的可扩展性和计算效率	提高深度学习模型在点云数据上的泛化能力	点云数据的域适应问题	计算机视觉	NA	深度学习	几何变形深度解耦网络（3DeNet）	点云数据	使用了PointDA-10和PointSegDA数据集进行实验
1120	2024-11-15	Inter-participant transfer learning with attention based domain adversarial training for P300 detection 2024-Dec, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106655 PMID:39226850	研究论文	本文提出了一种基于注意力域对抗训练的跨参与者迁移学习方法，用于P300检测	本文提出了一种新的One-source域迁移学习方法，称为Attention Domain Adversarial Neural Network (OADANN)，用于缓解跨参与者分类任务中的数据分布差异	NA	研究如何通过迁移学习方法提高脑机接口系统中P300检测的准确性和鲁棒性	脑电信号中的P300成分	机器学习	NA	域对抗训练	Attention Domain Adversarial Neural Network (OADANN)	脑电信号	使用了公开的OpenBMI数据集和自收集数据集，采用留一参与者交叉验证方案