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
20081	2024-08-05	Early warning of hepatocellular carcinoma in cirrhotic patients by three-phase CT-based deep learning radiomics model: a retrospective, multicentre, cohort study 2024-Aug, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102718 PMID:39070173	研究论文	本研究开发并验证了一个基于三期CT的深度学习放射组学模型，用于在肝硬化患者中早期警告肝细胞癌（HCC）。	该研究提出了一个新型的ALARM模型，结合了深度学习放射组学与临床变量，能够有效预测大多数HCC病例的短期发展。	本研究的限制包括样本主要来自特定的11个中心，可能影响模型的外部适应性。	研究的目的是为了开发和验证一个早期警告HCC的模型，以改善肝硬化患者的诊断结果。	研究对象为1858名肝硬化患者，收集了他们的三期CT影像及实验室结果。	数字病理学	肝癌	深度学习放射组学	ALARM模型	影像	1858名肝硬化患者
20082	2024-08-05	Artificial intelligence for small molecule anticancer drug discovery 2024-Aug, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2024.2367014 PMID:39074493	综述	本文探讨了人工智能在小分子抗癌药物发现中的应用和挑战。	强调了AI驱动药物发现的重要里程碑以及未来研究的启示。	数据质量、模型可解释性和技术限制仍然是面临的挑战。	研究人工智能在小分子癌症药物发现中的应用及其潜在创新。	综述过去和当前AI在药物发现中的应用与挑战。	药物发现	癌症	机器学习，深度学习	NA	基因组数据、蛋白质组数据、影像数据	NA
20083	2024-08-05	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-Jul-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	本文提出了一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	创新性地结合了信号质量评估和麻醉深度估计，通过深度学习技术改进了脑电图信号的准确性	未提及具体的限制	改善手术中麻醉深度的监测方法	脑电图信号的质量评估以及麻醉深度分析	数字病理	NA	脑电图(EEG)	卷积神经网络(CNN)	信号	使用VitalDB数据库进行训练和测试
20084	2024-08-05	A medical image classification method based on self-regularized adversarial learning 2024-Jul-30, Medical physics IF:3.2Q1 DOI:10.1002/mp.17320 PMID:39078069	研究论文	本研究提出了一种基于对抗学习的医学图像分类框架，以提高分类性能	创新性地将GAN模型作为辅助正则化项支持分类，解决医学图像领域的挑战	依赖高质量生成图像，且对GAN模型的大量训练数据的需求未完全解决	提高医学图像分类的准确性和减少过拟合问题	针对COVID-19胸部X光图像和口咽鳞状细胞癌的PET图像进行分析	数字病理学	COVID-19，口咽鳞状细胞癌	对抗生成网络（GAN）	GAN-DL框架，包括F-Net, R-Net 和 D-Net	图像	包括13,958张胸部X光图像和3,255张PET图像
20085	2024-08-07	Deep learning-assisted approaches in screening of marine natural products for acetylcholinesterase inhibition activity 2024-Jul-29, Natural product research IF:1.9Q3 DOI:10.1080/14786419.2024.2383992 PMID:39075812	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20086	2024-08-05	Predicting bone metastasis-free survival in non-small cell lung cancer from preoperative CT via deep learning 2024-Jul-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00649-z PMID:39068240	研究论文	本研究旨在通过术前CT建立和验证深度学习模型以预测非小细胞肺癌患者的骨转移无生存期	首次应用基于CT的深度学习特征来预测非小细胞肺癌患者的骨转移风险	研究为回顾性分析，可能存在选择偏倚，并且仅在两家医院进行	预测非小细胞肺癌患者手术后骨转移无生存期	1547名接受完全手术切除的非小细胞肺癌患者	计算机视觉	肺癌	深度学习	3D卷积神经网络	图像	1547名非小细胞肺癌患者
20087	2024-08-05	Development of a deep learning model for cancer diagnosis by inspecting cell-free DNA end-motifs 2024-Jul-27, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00635-5 PMID:39068267	研究论文	本研究开发并验证了一种基于深度学习的模型，用于通过检测cfDNA末端特征区分癌症患者和非癌症患者	该研究提出了一种名为EMIT的自监督学习方法，通过变换器模型从cfDNA末端特征中学习特征表示	该研究的局限性未在摘要中明确提及	本研究旨在通过分析cfDNA末端特征实现早期癌症诊断	研究对象为接受不同类型cfDNA测序的4606个样本	数字病理学	肺癌	cfDNA测序	变换器	样本	4606个样本
20088	2024-08-05	AGILE platform: a deep learning powered approach to accelerate LNP development for mRNA delivery 2024-Jul-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50619-z PMID:39060305	研究论文	本研究提出AGILE平台，通过深度学习加速mRNA递送的脂质纳米颗粒（LNP）开发	AGILE平台结合深度学习和组合化学，能够快速设计和评估适用于不同细胞类型的离子化脂质	本研究未讨论AGILE平台对于特定细胞类型以外的应用限制	旨在拓宽mRNA治疗的应用范围，开发定制化的LNP	离子化脂质在mRNA递送中的设计和评估	机器学习	NA	深度学习	深度神经网络	化学库数据	使用了一个庞大的脂质库进行设计与评估
20089	2024-08-05	Advancing Ionic Liquid Research with pSCNN: A Novel Approach for Accurate Normal Melting Temperature Predictions 2024-Jul-23, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c02393 PMID:39072063	研究论文	本文提出了一种新颖的伪-西安尼卷积神经网络(pSCNN)用于准确预测离子液体的正常熔点。	创新点在于开发了一种高效的模型pSCNN，以改进离子液体熔点的预测性能。	未讨论模型在特定领域应用的实际限制。	研究目的是开发一个用于预测离子液体熔点的有效模型。	研究对象为3098种离子液体。	机器学习	NA	深度学习	pSCNN	离子液体数据集	3098种离子液体
20090	2024-08-05	Deep learning for predicting fibrotic progression risk in diabetic individuals with metabolic dysfunction-associated steatotic liver disease initially free of hepatic fibrosis 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34150 PMID:39071617	研究论文	本研究开发了一种增强的深度学习模型，以提高对无肝纤维化迹象的2型糖尿病患者中纤维化进展风险的预测。	该研究将超声弹性成像与临床数据相结合，开发的深度学习集成模型在预测中显示出优越的性能。	本研究的样本限制在946名患者，可能影响模型的一般性。	研究旨在改善对代谢功能障碍相关脂肪肝病患者纤维化进展的预测能力。	研究对象为946名无严重纤维化的糖尿病MASLD患者。	机器学习	代谢功能障碍相关脂肪肝病	超声弹性成像	深度学习集成模型	图像和临床数据	946名患者
20091	2024-08-05	Deep-learning-based 3D super-resolution CT radiomics model: Predict the possibility of the micropapillary/solid component of lung adenocarcinoma 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34163 PMID:39071606	研究论文	本研究构建并评估了一个基于深度学习的三维超分辨率CT放射组学模型，以预测肺腺癌微乳头/实性成分的存在	创新点在于开发了结合超分辨率成像的深度学习放射组学模型，显著提高了预测的准确性	该研究的样本量有限，未来需要更广泛的验证来确保模型的临床应用潜力	本研究旨在为肺腺癌提供更准确和个性化的预oper治疗计划	研究对象为接受肺腺癌根治性切除手术的患者	数字病理学	肺癌	超分辨率CT	支持向量机(SVM)	影像	共招募245名患者，其中109名（44.5%）被诊断为含有微乳头/实性成分的侵袭性肺腺癌
20092	2024-08-05	ScLNet: A cornea with scleral lens OCT layers segmentation dataset and new multi-task model 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33911 PMID:39071564	研究论文	本文开发了一种用于分割不规则角膜和检测硬性隐形眼镜下泪液储存区边界的深度学习方法	提出了一个公开可用的OCT图像数据集ScLNet，以及一个多任务网络以实现快速、准确的自动分割	NA	研究的目的是提高不规则角膜的分割精度和泪液储存区边界的检测	研究对象包括佩戴硬性隐形眼镜的患者的角膜OCT图像	数字病理学	NA	OCT	NA	图像	31,360张OCT图像
20093	2024-08-05	A method for cabbage root posture recognition based on YOLOv5s 2024-Jul-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31868 PMID:39071611	研究论文	该文章提出了一种基于YOLOv5s的卷心菜根部姿态识别方法	结合深度学习与传统图像处理算法，以实现卷心菜根部姿态的准确识别	未提及研究的局限性	提高卷心菜机械化采收过程中的根部切割准确性	卷心菜根部的姿态识别	计算机视觉	NA	深度学习、图像处理	YOLOv5s	图像	NA
20094	2024-08-05	Three-dimensional convolutional neural network-based classification of chronic kidney disease severity using kidney MRI 2024-07-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66814-3 PMID:38982238	研究论文	本研究开发了一种基于三维卷积神经网络的模型，利用肾脏MRI来分类慢性肾病的严重程度	提出了一种新的深度学习方法，通过MRI影像分类CKD的严重程度	样本数量相对较少，可能影响模型的泛化能力	旨在通过使用肾脏MRI影像来提高慢性肾病严重程度分类的准确性	研究对象为73名重度肾功能障碍患者、172名中度肾功能障碍患者和76名轻度肾功能障碍患者	计算机视觉	慢性肾病	MRI	三维卷积神经网络	影像	共参与了321名患者的研究
20095	2024-08-05	Predicting blood-brain barrier permeability of molecules with a large language model and machine learning 2024-07-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66897-y PMID:38982309	研究论文	本研究开发了能够预测小分子化合物穿透血脑屏障的人工智能平台	本文创新性地结合了大型语言模型与机器学习技术来预测分子穿透血脑屏障的能力	受限于实验验证，可能未能覆盖所有分子类型	研究的主要目标是开发能够预测分子是否能穿透人类血脑屏障的人工智能计算模型	研究对象为能够穿透血脑屏障的小分子化合物	机器学习	NA	人工智能	Transformer	实验及计算数据	使用了三维人类血脑屏障类球体的实验样本
20096	2024-08-05	Explainable artificial intelligence (XAI) for predicting the need for intubation in methanol-poisoned patients: a study comparing deep and machine learning models 2024-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66481-4 PMID:38977750	研究论文	本研究评估了解释性人工智能（XAI）在预测甲醇中毒患者插管必要性中的有效性	本研究比较了深度学习和机器学习模型在预测插管需求方面的表现，并强调了解释性人工智能的重要性	研究仅使用了来自伊朗德黑兰Loghman Hakim医院的数据，可能限制了结果的普遍适用性	本研究的目的是评估解释性人工智能在甲醇中毒患者插管需求预测中的应用	研究对象为897名甲醇中毒患者的记录，其中包括需要插管的202例和不需要插管的695例	机器学习	NA	机器学习（ML）和深度学习（DL）	支持向量机（SVM）、极端梯度提升（XGB）、决策树（DT）、随机森林（RF）、深度神经网络（DNN）、前馈神经网络（FNN）、长短时记忆网络（LSTM）、卷积神经网络（CNN）	患者记录数据	897名患者记录
20097	2024-08-05	Integrating lipid metabolite analysis with MRI-based transformer and radiomics for early and late stage prediction of oral squamous cell carcinoma 2024-Jul-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12533-x PMID:38961418	研究论文	本研究旨在利用MRI和生化指标预测口腔鳞状细胞癌（OSCC）的肿瘤分期	结合了放射组学、ViT模型和脂质代谢物分析，提供了一种有前景的非侵入性技术用于OSCC分期预测	模型在验证队列中单用影像技术时AUC为0.85，虽然融合生化指标后提高到了0.87，但仍需更多的临床验证	探讨如何通过MRI和生化指标来提高口腔鳞状细胞癌的分期预测	198名来自两个医疗中心的OSCC患者	数字病理学	口腔癌	生化指标分析、MRI	Vision Transformer（ViT）	医学影像、生化数据	198名患者
20098	2024-08-05	Heterogeneous selectivity and morphological evolution of marine clades during the Permian-Triassic mass extinction 2024-Jul, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-024-02438-0 PMID:38862784	研究论文	该文章评估了二叠纪-三叠纪大灭绝期间形态差异和灭绝选择性的动态。	提出了一种名为DeepMorph的自动化方法，利用深度学习模型从化石图像中提取形态特征。	研究可能仅局限于特定的六个海洋类群，未能覆盖更多类群的形态选择性。	探讨二叠纪-三叠纪大灭绝中形态差异与灭绝选择性的关系。	涉及599个属的六个海洋类群。	数字病理学	NA	深度学习	深度学习模型	图像	599个属
20099	2024-08-04	GraphsformerCPI: Graph Transformer for Compound-Protein Interaction Prediction 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00609-y PMID:38457109	研究论文	本文提出了一种名为GraphsformerCPI的深度学习框架，用于预测化合物与蛋白质的相互作用	通过引入结构增强的自注意力机制和双重注意力机制，显著提高了预测性能和可解释性	文章未提及具体的限制条件	研究旨在提高化合物-蛋白质相互作用预测的准确性和可解释性	研究对象为化合物及其与蛋白质之间的相互作用	计算机视觉	NA	深度学习	Transformer	结构化数据	多个数据集，包括人类、秀丽隐杆线虫、Davis和KIBA数据集
20100	2024-08-04	ResDeepSurv: A Survival Model for Deep Neural Networks Based on Residual Blocks and Self-attention Mechanism 2024-Jun, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00617-y PMID:38489147	研究论文	本文提出了一种基于残差块和自注意力机制的生存模型ResDeepSurv，用于生存分析	该模型结合了神经网络的优势和Cox比例风险回归模型，不需要严格的生存数据基本分布假设	模型可能对非常复杂的风险函数仍然可能存在限制	旨在提供一种提高生存分析性能的新方法	探讨患者协变量与疾病之间的关系及治疗策略的有效性	机器学习	NA	深度学习	残差网络	临床数据	多个公共临床数据集