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
161	2024-12-19	Protein Binding Site Representation in Latent Space 2024-Dec-18, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400205 PMID:39692081	研究论文	本文研究了用于蛋白质-配体复合物亲和力预测的图神经网络，并评估了配体结合位点的潜在表示及其与蛋白质功能的关系	引入了自动化计算流程，用于降维、聚类、假设检验和潜在空间的可视化，并发现学习的蛋白质潜在空间具有内在结构	未提及具体限制	理解深度学习模型在计算机辅助药物发现中的特征感知	蛋白质-配体复合物的亲和力预测及配体结合位点的潜在表示	机器学习	NA	图神经网络	图神经网络	蛋白质-配体复合物数据	未提及具体样本数量
162	2024-12-19	Deep learning detected histological differences between invasive and non-invasive areas of early esophageal cancer 2024-Dec-18, Cancer science IF:4.5Q1 DOI:10.1111/cas.16426 PMID:39692707	研究论文	本研究利用人工智能模型探索早期食管癌侵袭区域与非侵袭区域之间的形态学差异	开发了一种基于聚类约束注意力多实例学习模型（CLAM）的人工智能模型，用于预测癌症深度并识别侵袭区域的形态学特征	样本量较小，仅分析了75名患者的食管鳞状细胞癌数据	探索早期食管癌侵袭区域与非侵袭区域之间的形态学差异，揭示侵袭机制	早期食管癌的侵袭区域与非侵袭区域	数字病理学	食管癌	人工智能（AI）	聚类约束注意力多实例学习模型（CLAM）	图像	75名食管鳞状细胞癌患者
163	2024-12-19	Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging 2024-Dec-18, Abdominal radiology (New York) DOI:10.1007/s00261-024-04739-1 PMID:39692759	研究论文	本研究探讨了在妇科磁共振成像中，结合深度学习重建的半傅里叶单次激发涡轮自旋回波成像（iHASTE）与传统序列的临床应用效果	本研究首次将深度学习重建与半傅里叶单次激发涡轮自旋回波成像（iHASTE）结合，用于妇科磁共振成像，并评估其与传统序列的对比效果	本研究为回顾性研究，样本量较小，且仅在有和无抗痉挛剂的情况下进行比较，未涵盖其他可能的临床情况	探讨iHASTE在妇科磁共振成像中的临床应用价值及其与传统序列的对比效果	妇科磁共振成像中的图像质量、抗伪影能力、组织对比度及子宫病变边缘	医学影像	妇科疾病	半傅里叶单次激发涡轮自旋回波成像（HASTE），深度学习重建	深度学习模型	图像	79名未使用抗痉挛剂的患者和79名使用抗痉挛剂的匹配患者
164	2024-12-19	Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density 2024-Dec-18, Protoplasma IF:2.5Q2 DOI:10.1007/s00709-024-02019-9 PMID:39692866	研究论文	本文研究了一种基于深度学习的细胞骨架分割方法，用于准确量化植物细胞中细胞骨架的密度	本文提出了一种基于深度学习的细胞骨架分割方法，显著提高了细胞骨架密度测量的准确性	NA	开发一种能够准确量化细胞骨架组织的高通量测量方法	烟草BY-2细胞的皮层微管、拟南芥保卫细胞和合子	计算机视觉	NA	深度学习	深度学习模型	图像	烟草BY-2细胞、拟南芥保卫细胞和合子
165	2024-12-19	Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00244-9 PMID:39692946	研究论文	本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性	首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估	需要进一步评估Grad-CAM的临床实用性	比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力	脑龄预测方法的性能、可解释性和临床实用性	计算机视觉	NA	MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP）	3D卷积神经网络（CNN）、DenseNet-121	图像	多站点神经影像数据集
166	2024-12-19	High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks 2024-Dec-18, Brain informatics DOI:10.1186/s40708-024-00246-7 PMID:39692944	研究论文	本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率	本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果	NA	提高高吞吐量显微光学成像数据的处理效率	小鼠脑部的高吞吐量显微光学成像数据	计算机视觉	NA	深度学习	深度差分引导滤波分割网络（DDGF-SegNet）	图像	NA
167	2024-12-19	Research trends on AI in breast cancer diagnosis, and treatment over two decades 2024-Dec-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01671-0 PMID:39692996	综述	本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展	本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战	研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决	旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向	2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文	机器学习	乳腺癌	文献计量分析	NA	文本	2678篇来自Scopus数据库的论文
168	2024-12-19	Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy" 2024-Dec-18, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c03526 PMID:39693047	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
169	2024-12-19	Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study 2024-Dec-17, JMIR AI DOI:10.2196/64362 PMID:39688897	研究论文	本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率	本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率	研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型	开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率	密苏里州的1052个人口普查区	计算机视觉	肥胖	深度学习	CNN	图像	63592个224×224像素的图像块
170	2024-12-19	AI-Driven Drug Discovery for Rare Diseases 2024-Dec-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01966 PMID:39689164	综述	本文探讨了人工智能在罕见病药物发现中的潜力，涵盖了药物再利用、生物标志物发现、个性化医疗等多个方面	本文通过整合现有知识和最新突破，提供了关于人工智能如何加速罕见病治疗开发的见解，填补了文献中的关键空白	NA	探讨人工智能在罕见病药物发现中的应用，加速治疗开发，改善患者预后	罕见病及其药物发现过程中的挑战	机器学习	罕见病	人工智能（AI）、机器学习（ML）、深度学习（DL）	NA	NA	NA
171	2024-12-19	Application of artificial intelligence in thoracic radiology: A narrative review (Application of AI in thoracic radiology) 2024-Dec-17, Tuberculosis and respiratory diseases IF:2.5Q2 DOI:10.4046/trd.2024.0062 PMID:39689720	综述	本文综述了人工智能在胸放射学领域的最新进展，主要关注深度学习技术，并讨论了当前的局限性和未来发展方向	本文展示了人工智能在提高放射科医生表现方面的潜力，特别是在异常检测、分类和解剖结构的定量分析方面	本文讨论了当前人工智能技术在胸放射学应用中的局限性，并提出了未来研究的方向	回顾人工智能在胸放射学领域的最新成就，并探讨其当前的局限性和未来发展方向	人工智能在胸放射学中的应用，特别是深度学习技术	计算机视觉	NA	深度学习	NA	图像	NA
172	2024-12-19	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2024-Dec-17, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	研究论文	本文开发了一种基于放射科医生图像排名的MRI图像质量评估指标，并使用深度学习模型进行训练和验证	本文的创新点在于利用放射科医生的图像排名来开发专门针对MRI的图像质量评估指标，并将其应用于深度学习模型的优化	本文的局限性在于放射科医生的排名具有主观性，且不同观察者之间的共识较低	开发一种适用于MRI的图像质量评估指标，并验证其在深度学习任务中的应用	MRI图像的质量评估	机器学习	NA	深度学习	EfficientNet, IQ-Net	图像	19,344个排名，2916对图像
173	2024-12-19	Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82835-4 PMID:39690238	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
174	2024-12-19	Deep profiling of gene expression across 18 human cancers 2024-Dec-17, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01290-8 PMID:39690287	研究论文	本文介绍了一种无监督深度学习框架DeepProfile，用于生成18种人类癌症的基因表达数据的低维潜在空间	DeepProfile框架在生物可解释性和方法学稳健性方面优于传统的降维方法，揭示了跨癌症类型定义潜在空间的重要基因与免疫细胞激活相关，而癌症类型特异性基因和通路定义了分子疾病亚型	NA	开发一种无监督深度学习框架，以从大规模基因表达数据中提取生物学见解	18种人类癌症的基因表达数据	机器学习	NA	无监督深度学习	NA	基因表达数据	50,211个转录组
175	2024-12-19	Comparison of Intratumoral and Peritumoral Deep Learning, Radiomics, and Fusion Models for Predicting KRAS Gene Mutations in Rectal Cancer Based on Endorectal Ultrasound Imaging 2024-Dec-17, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16697-5 PMID:39690384	研究论文	比较基于直肠超声影像的肿瘤内和肿瘤周围深度学习、放射组学及融合模型在预测直肠癌KRAS基因突变中的表现	提出了基于特征的融合模型DLRexpand10_FB，并验证了其预测KRAS基因突变的有效性，同时发现肿瘤周围区域的整合可以提升放射组学和深度学习模型的预测性能	研究样本仅来自一家医院，可能存在地域偏倚，且样本量相对较小	比较不同模型在预测直肠癌KRAS基因突变中的表现	直肠癌患者的KRAS基因突变	机器学习	直肠癌	放射组学、深度学习	融合模型	影像	304名直肠癌患者，分为训练组213人和测试组91人
176	2024-12-19	Residue-Level Multiview Deep Learning for ATP Binding Site Prediction and Applications in Kinase Inhibitors 2024-Dec-17, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01255 PMID:39690486	研究论文	本文提出了一种基于残基水平的多视角深度学习模型，用于ATP结合位点的预测，并展示了其在激酶抑制剂药物发现中的应用	引入了Multiview-ATPBind和ResiBoost两种新方法，前者整合了1D序列和3D结构信息，后者通过增强稀有正样本的预测来缓解数据不平衡问题	NA	开发一种快速且精确的ATP结合位点预测方法，并探索其在激酶抑制剂药物发现中的应用	ATP结合位点及其在激酶抑制剂中的应用	机器学习	癌症	深度学习	深度学习模型	序列和结构数据	使用了基准数据集，具体样本数量未提及
177	2024-12-18	Correction: Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2024-Dec-16, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01980-5 PMID:39681651	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
178	2024-12-19	Dual biomarkers CT-based deep learning model incorporating intrathoracic fat for discriminating benign and malignant pulmonary nodules in multi-center cohorts 2024-Dec-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.104877 PMID:39689571	研究论文	本研究提出了一种基于深度学习的模型，结合纵隔脂肪来区分良性和恶性肺结节	首次将纵隔脂肪作为影像学标志物，结合肺结节进行良恶性鉴别	研究仅在多中心队列中验证，尚未在更大范围的临床实践中应用	探索纵隔脂肪在肺结节良恶性鉴别中的潜在预测价值	肺结节患者的良恶性鉴别	数字病理学	肺癌	深度学习	深度学习模型	影像	1321名肺结节患者
179	2024-12-19	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2024-Dec-16, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	本研究开发并应用了一种多模态多器官创伤筛查模型，用于急诊环境中腹部损伤的快速诊断	本研究创新性地构建了一个多模态诊断模型，结合了非对比CT和非结构化文本数据，提高了腹部创伤评估的速度和准确性	NA	提高急诊环境中腹部创伤的诊断速度和准确性	腹部创伤患者	计算机视觉	NA	深度学习	CNN	图像和文本	2638名患者（459例阳性，2179例阴性腹部创伤病例）
180	2024-12-19	Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease 2024-Dec-16, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.067 PMID:39690075	研究论文	本文开发了一种基于超微血流成像（SMI）的可解释深度学习（XDL）模型，用于慢性肾病（CKD）患者间质纤维化（IF）的无创诊断	本文提出了基于SMI的可解释深度学习模型，相较于传统的超声影像组学和彩色多普勒超声成像（CDUS）模型，具有更高的诊断准确性	本文的研究样本仅限于2022年5月至2023年10月期间接受肾活检、二维超声和SMI检查的CKD患者	开发一种基于SMI的可解释深度学习模型，用于CKD患者间质纤维化的无创诊断	慢性肾病（CKD）患者的间质纤维化程度	机器学习	肾脏疾病	超微血流成像（SMI）	深度学习模型	图像	365名慢性肾病患者