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
1161	2024-08-05	Deep Learning of radiology-genomics integration for computational oncology: A mini review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.019 PMID:39035833	review	本文回顾了深度学习在放射基因组整合中的应用进展	探讨了深度学习在识别新的放射基因组生物标志物和治疗靶点方面的重要性，并强调了解释性人工智能方法的支持	目前的挑战和研究方向仍然需要解决，具体细节未在文中深入探讨	研究放射基因组整合在计算肿瘤学中的应用和挑战	关注放射学和基因组学数据的结合及相关的新技术	计算肿瘤学	NA	深度学习	NA	放射学数据和基因组数据	NA
1162	2024-08-05	A comprehensive overview of recent advances in generative models for antibodies 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.016 PMID:39027650	综述	本文对抗体生成模型的最新进展进行了全面概述	总结了34种具有代表性的抗体生成模型，按其原理和算法将其分为三类，并分析了它们的性能和贡献	未提及具体模型的局限性	旨在提供抗体生成模型的最新发展和选择方法的指导	分析和比较不同类型的抗体生成模型	生物制药	NA	深度学习	序列生成模型、结构生成模型和混合模型	抗体数据	收集了34种最近发布的抗体生成模型
1163	2024-08-05	Decoding phenotypic screening: A comparative analysis of image representations 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.022 PMID:38510976	研究论文	本文旨在利用JUMP-CP数据集开发高通量筛选数据的通用表示模型	提出了一种使用自监督学习的方法，能够提供更鲁棒的表征，并优化训练策略	研究可能面临的数据集限制和适用性问题	开发用于高通量筛选数据的通用表示模型	主要针对使用U2OS细胞和CellPainting协议生成的数据	数字病理学	NA	深度学习	自监督学习模型	图像	使用了来自多个联盟伙伴的数据
1164	2024-08-05	Discovering novel Cathepsin L inhibitors from natural products using artificial intelligence 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.009 PMID:39006920	研究论文	本研究采用人工智能和实验方法从天然产品中识别新的Cathepsin L抑制剂	利用深度学习模型和分子对接筛选，发现了新的Cathepsin L抑制剂	临床应用的限制仍然存在	识别新型Cathepsin L抑制剂以用于代谢疾病的治疗	筛选来自天然产品的150种分子以进行实验验证	医药	代谢疾病	人工智能和实验方法	深度学习模型	分子	150种分子
1165	2024-08-05	Characterizing drought prediction with deep learning: A literature review 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102800 PMID:38989261	综述	本文回顾了深度学习技术在干旱预测中的应用现状	总结了最常用的气候指数和深度学习算法在干旱预测中的应用，尤其是LSTM算法	缺乏美洲和非洲在该领域的科学知识出版	评估用于干旱预测的深度学习技术的现状	干旱预测相关的深度学习技术和相关气候指数	机器学习	NA	深度学习	LSTM	气象指数	NA
1166	2024-08-05	A clinical-radiomics nomogram based on automated segmentation of chest CT to discriminate PRISm and COPD patients 2024-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2024.100580 PMID:38989052	研究论文	该研究开发了一种基于放射组学的新型无创方法，用于区分PRISm和COPD患者	利用完全自动化的深度学习分割算法实现胸部CT图像的分割，并构建了放射组学标志以提高区分能力	本研究为回顾性研究，可能存在选择偏倚	开发高准确性的无创方法以区分PRISm和COPD患者	共1066名受试者，根据是否用于训练、内部验证或外部验证进行分类	数字病理学	慢性阻塞性肺病	深度学习分割算法(DL)	多变量逻辑回归模型	图像	1066名受试者
1167	2024-08-05	Instance-level medical image classification for text-based retrieval in a medical data integration center 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.006 PMID:38975287	研究论文	本文提供了一种针对缺失或错误索引字段的医学图像实例级别标注方法	创新之处在于使用ResNet50深度学习分类模型为医学图像提供准确的实例级描述	实验结果虽然令人满意，但指出了潜在挑战和进一步探索的必要性	研究的目的是提高医学图像的索引效率和准确性	研究对象为来自临床部门的医学图像，包括X光、CT和MRI扫描	数字病理学	NA	深度学习	ResNet50	图像	三个实验使用了两个开源数据集和一个自定义数据集
1168	2024-08-05	A selective CutMix approach improves generalizability of deep learning-based grading and risk assessment of prostate cancer 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100381 PMID:38953042	研究论文	本研究旨在训练一种基于人工智能的算法，对前列腺癌进行分级和风险评估	采用选择性CutMix训练策略，提高了深度学习模型在前列腺癌检测和分级上的通用性	研究依赖于特定数据集和方法，可能限制了模型的广泛适用性	提高前列腺癌手术后预后评估的准确性	来自191名接受根治性前列腺切除术（RP）的患者的前列腺组织标本	数字病理学	前列腺癌	深度学习	ResNet50卷积神经网络和MobileNetV3	图像	580个整体切片和6218个标注的针刺活检切片
1169	2024-08-05	Artificial intelligence for skin permeability prediction: deep learning 2024-12, Journal of drug targeting IF:4.3Q1 DOI:10.1080/1061186X.2024.2309574 PMID:38258521	研究论文	本研究使用深度学习网络成功预测了外源物质的皮肤渗透性	引入深度学习网络模型来预测皮肤渗透系数，提供了一种替代传统实验方法的新途径	研究仅基于公开数据库，可能存在样本选择和数据质量的限制	探索使用深度学习预测外源物质在皮肤上的渗透性	研究对象是145种化学物质、外源物质和药物的皮肤渗透性	机器学习	NA	深度学习	卷积神经网络 (CNN), 前馈神经网络 (FNN), 循环神经网络 (RNN)	记录数据	476条记录
1170	2024-08-05	CDK: A novel high-performance transfer feature technique for early detection of osteoarthritis 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100382 PMID:38840834	研究论文	这篇文章介绍了一种新颖的酬载学习方法，用于从X射线图像中提取特征以提高骨关节炎的检测精度	该研究提出了一种新颖的CDK集成模型，将两种先进的机器学习模型与深度学习方法结合，以显著地提高骨关节炎的检测准确性	传统的诊断方法在准确性和客观性方面存在局限性	研究的目的是改进骨关节炎的早期检测和分类	研究对象为总计3615个膝关节X射线图像的公开数据集	机器学习	骨关节炎	NA	CNN, 决策树, K-最近邻分类器	图像	3615个膝关节X射线图像
1171	2024-08-05	DeepSP: Deep learning-based spatial properties to predict monoclonal antibody stability 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.029 PMID:38827232	研究论文	本研究开发了一种基于深度学习的模型DeepSP，以预测单克隆抗体的空间特性和稳定性	提出了一种无需进行分子动力学模拟的深度学习替代模型，能够直接基于抗体序列预测空间聚集倾向和空间电荷图	研究模型的表现依赖于已有的抗体序列数据集，可能不适用于所有抗体	旨在提高单克隆抗体开发的效率，并降低计算时间	使用20530个抗体序列数据集来训练DeepSP模型	机器学习	NA	深度学习	卷积神经网络 (CNN)	序列	20530个抗体序列
1172	2024-08-07	AnoChem: Prediction of chemical structural abnormalities based on machine learning models 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.017 PMID:38808129	研究论文	本文介绍了一种基于深度学习的计算框架AnoChem，用于评估生成模型提出的分子是否真实	AnoChem能够准确区分真实和生成的分子，其接收者操作特征曲线下的面积得分为0.900	NA	旨在开发一种方法，能够准确评估药物设计中生成模型提出的化学结构	生成模型提出的分子真实性	机器学习	NA	深度学习	NA	化学结构数据	NA
1173	2024-08-07	Improved noise reduction in photon-counting detector CT using prior knowledge-aware iterative denoising neural network 2024-Dec, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.S1.S12804 PMID:38799270	研究论文	本文旨在通过开发一种先验知识感知迭代去噪神经网络（PKAID-Net），减少光子计数探测器（PCD）CT扫描中高分辨率虚拟单能图像（VMIs）的图像噪声	PKAID-Net利用低噪声VMI（如70 keV）作为先验输入，并通过迭代构建改进的训练数据集来提高神经网络的去噪性能	NA	减少光子计数探测器CT扫描中高分辨率虚拟单能图像的图像噪声	光子计数探测器CT扫描中的高分辨率虚拟单能图像	计算机视觉	NA	光子计数探测器CT扫描	神经网络	图像	10例患者冠状动脉CT血管造影检查
1174	2024-08-07	Computational modeling for deciphering tissue microenvironment heterogeneity from spatially resolved transcriptomics 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.028 PMID:38800634	研究论文	本文探讨了从空间转录组学数据中解析组织微环境异质性的计算建模方法	文章分类并讨论了基于机器学习、概率模型和深度学习的三类计算方法，并展望了未来计算方法的发展方向	NA	开发计算方法以揭示空间转录组学数据中的组织微环境异质性	空间转录组学数据中的空间域检测和空间解卷积	生物信息学	NA	空间转录组学	机器学习、概率模型、深度学习	转录组学数据	NA
1175	2024-08-07	Contagious infection-free medical interaction system with machine vision controlled by remote hand gesture during an operation 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.006 PMID:38800692	研究论文	本文介绍了一种无接触感染的医疗交互系统，通过远程手势控制机器视觉在手术中操作医疗图像	开发了一种集成系统，包括手部地标检测、手部指向和手势识别三个关键模块，以及一种深度增强算法和地标几何约束算法	NA	旨在开发一种无接触感染的医疗交互系统，以减少手术中因直接接触设备而导致的感染风险	医疗图像操作和手势识别技术	计算机视觉	NA	深度学习	CNN	图像	NA
1176	2024-08-07	From explainable to interpretable deep learning for natural language processing in healthcare: How far from reality? 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.05.004 PMID:38800693	综述	本文对医疗领域自然语言处理中可解释和可理解的深度学习进行了全面的范围审查	引入了“可解释和可理解的人工智能”（XIAI）这一术语，并分析了注意力机制作为最普遍的新兴IAI技术，以及结合深度学习与因果逻辑的潜力	大多数XIAI未探索“全局”建模过程，缺乏最佳实践和系统评估及基准	探讨在医疗自然语言处理中实现深度学习模型的可解释性和可理解性	深度学习在医疗自然语言处理中的应用及其可解释性和可理解性	自然语言处理	NA	注意力机制	深度学习模型	文本	NA
1177	2024-08-07	SwinD-Net: a lightweight segmentation network for laparoscopic liver segmentation 2024-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2024.2329675 PMID:38504595	研究论文	提出了一种基于跳跃连接、深度可分离卷积和Swin Transformer块的轻量级分割网络SwinD-Net，用于腹腔镜肝脏分割	引入了Swin Transformer块以提取全局信息和捕获高级语义特征，同时通过减少浅层特征图的通道数和去除第一层的跳跃连接来降低计算开销	NA	旨在开发一种轻量级的分割网络，以满足实时计算需求，特别是在计算资源有限的医院环境中	腹腔镜肝脏分割	计算机视觉	NA	深度可分离卷积, Swin Transformer块	SwinD-Net	图像	CholecSeg8k数据集
1178	2024-08-07	A mini-review on perturbation modelling across single-cell omic modalities 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.058 PMID:38721585	综述	本文回顾了单细胞组学领域中扰动建模的主要目标，并总结了基于遗传操作如CRISPR或化合物的单细胞扰动新技术，跨越不同组学模式	讨论了大型基础模型在单细胞扰动建模中的兴起，灵感来源于大型语言模型，并介绍了多种计算方法，从经典的统计推断到各种机器学习和深度学习架构	随着工具和数据集的激增，实验生物学家和计算科学家难以跟上这一迅速扩展领域的最新进展	全面掌握外部影响如疾病发作或分子敲除对细胞生理的影响，特别是在转录因子、信号转导器、生物途径和动态细胞状态上	单细胞组学数据中的扰动现象	机器学习	NA	CRISPR	浅层模型、自编码器	单细胞数据	NA
1179	2024-08-07	Finding and following: a deep learning-based pipeline for tracking platelets during thrombus formation in vivo and ex vivo 2024-Dec, Platelets IF:2.5Q2 DOI:10.1080/09537104.2024.2344512 PMID:38722090	研究论文	本文介绍了一种基于深度学习的分析流程，用于在体内和体外血栓形成过程中追踪血小板	该流程包括检测、追踪、追踪准确性评估和血小板指标量化四个步骤，使用深度学习网络进行图像分割和标准粒子追踪算法，提高了追踪准确性	NA	开发一种新的分析流程，用于在血栓形成过程中追踪血小板	血小板在血栓形成过程中的动态行为	计算机视觉	NA	深度学习	CNN	图像	NA
1180	2024-08-07	A contrastive learning approach to integrate spatial transcriptomics and histological images 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.039 PMID:38707535	研究论文	本文介绍了一种基于对比学习的模型ConGcR，用于整合基因表达、空间位置和组织形态学数据，以进行数据表示和空间组织结构识别	提出了ConGcR模型，结合图卷积和ResNet作为编码器，并进一步通过图自编码器ConGaR增强模型，以更好地建模空间嵌入表示	NA	旨在有效整合空间多模态数据，提高组织结构识别的准确性	基因表达、空间位置和组织形态学数据	计算机视觉	NA	对比学习	图卷积网络、ResNet	基因表达数据、图像	16个人脑样本、4个鸡心样本、8个乳腺癌样本和30个人类肺部空间转录组样本