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
20601	2024-08-14	Models for depression recognition and efficacy assessment based on clinical and sequencing data 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33973 PMID:39130405	研究论文	本研究利用临床量表评估和测序数据构建疾病预测模型，通过深度学习算法有效区分抑郁症患者与健康对照	本研究结合临床和测序数据，利用深度学习算法构建抑郁症识别和疗效评估模型，提供了一种客观准确的诊断和药效预测方法	NA	开发基于临床和测序数据的抑郁症识别和疗效评估模型	抑郁症患者和健康对照	机器学习	抑郁症	测序	深度学习	临床数据和测序数据	18个差异显著的特征用于构建抑郁症识别模型，33个特征用于构建治疗后2周的疗效预测模型
20602	2024-08-14	Scientific paper recommender system using deep learning and link prediction in citation network 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34685 PMID:39130403	研究论文	本研究结合内容分析和引用网络，设计了一个用于科学文章推荐的系统（RECSA），利用自然语言处理和深度学习技术处理标题并提取文章内容属性，同时使用链接预测方法分析科学文章的引用网络，最终通过结合内容和引用相似性矩阵进行推荐	本研究的创新点在于结合了内容分析和引用网络，使用TF-IDF和CNN分析基于内容的特征，并整合引用和基于内容的数据，提高了推荐的准确性和效率	NA	设计一个高效的科学文章推荐系统	科学文章的推荐	自然语言处理	NA	自然语言处理，深度学习	CNN	文本	NA
20603	2024-08-14	A deep learning drug screening framework for integrating local-global characteristics: A novel attempt for limited data 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34244 PMID:39130417	研究论文	本文提出了一种基于卷积神经网络的药物筛选模型LGCNN，该模型能够整合药物分子结构和药物-靶点相互作用的局部和全局特征，用于在数据有限的情况下进行快速药物筛选	LGCNN模型在有限数据下表现出比其他先进分类方法更好的性能，并且能够预测多靶点药物-靶点相互作用，超越了传统模型仅预测单一药物靶点相互作用的局限	NA	解决在“Disease X”疫情初期药物发现和开发中数据不足和不平衡的问题，最大化有限数据的信息价值	药物分子结构和药物-靶点相互作用	机器学习	NA	CNN	CNN	数据	NA
20604	2024-08-14	PD-DETECTOR: A sustainable and computationally intelligent mobile application model for Parkinson's disease severity assessment 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34593 PMID:39130458	research paper	本文介绍了一种基于移动云的预测模型，用于辅助帕金森病（PD）患者的病情评估	该模型利用智能手机收集语音样本，并通过混合深度学习模型分析数据，以估计PD症状的严重程度	NA	开发一种可持续且计算智能的移动应用模型，用于帕金森病严重程度评估	帕金森病患者	machine learning	帕金森病	混合深度学习模型	混合深度学习模型	语音数据	使用UCI帕金森远程监测语音数据集进行训练
20605	2024-08-14	Craniomaxillofacial landmarks detection in CT scans with limited labeled data via semi-supervised learning 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34583 PMID:39130473	研究论文	本文开发了一种半监督学习模型CephaloMatch，用于在有限标记数据的条件下检测颅颌面CT扫描中的地标点	提出的半监督学习模型通过强弱扰动一致性框架和头部位置校正技术，提高了标记和未标记数据集之间的一致性	NA	旨在减少医学专业人员的工作量并提高三维头影分析的准确性	颅颌面CT扫描中的地标点检测	计算机视觉	NA	半监督学习	半监督学习模型	CT扫描图像	使用了362个颅颌面CT扫描数据，包括60个训练集、14个验证集和288个未标记集
20606	2024-08-14	Compositional transferability of deep learning potentials: a case study for LiCl-KCl melt 2024-Jul-26, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-024-06084-y PMID:39060545	研究论文	本文研究了深度学习势能在LiCl-KCl熔融混合物中成分转移的可行性	模型展示了显著的非直觉成分转移能力，能够预测远离参考成分的熔体的物理化学性质	NA	探讨机器学习势能在多组分系统中的成分转移性	LiCl-KCl熔融混合物的成分转移性	机器学习	NA	密度泛函理论	神经网络	物理化学性质数据	训练数据集仅使用了60% LiCl-40% KCl的近共晶成分
20607	2024-08-14	EEG-Oriented Self-Supervised Learning With Triple Information Pathways Network 2024-Jul-08, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3410844 PMID:38976458	研究论文	本文提出了一种面向脑电图（EEG）的自监督学习方法和一种新的深度架构，用于学习丰富的表示，包括神经振荡的多样化频谱特性、电极传感器分布的空间属性以及全局和局部视角的时间模式	本文引入了三重信息路径网络，结合自监督学习策略和特征归一化方法，有效解决了EEG信号的内在和外在变异性问题	NA	旨在改进基于深度学习的脑电图分析和解码方法，以更好地监测用户的临床状况和识别其意图/情绪	脑电图信号的频谱、空间和时间特性	机器学习	NA	自监督学习	三重信息路径网络	脑电图信号	四个公开可用的数据集
20608	2024-08-14	Deep learning for accelerated and robust MRI reconstruction 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01173-8 PMID:39042206	综述	本文综述了深度学习在磁共振成像（MRI）重建中的最新进展，重点介绍了各种深度学习方法和架构，旨在提高图像质量、加速扫描并解决数据相关挑战	探讨了端到端神经网络、预训练和生成模型以及自监督方法，强调了它们在克服传统MRI限制方面的贡献	讨论了当前深度学习在MRI重建中的成功、局限以及未来发展方向	利用深度学习技术优化MRI重建，以显著影响临床影像实践	磁共振成像（MRI）重建	计算机视觉	NA	深度学习（DL）	神经网络	图像	NA
20609	2024-08-14	A Deep Learning-Based Assessment Pipeline for Intraepithelial and Stromal Tumor-Infiltrating Lymphocytes in High-Grade Serous Ovarian Carcinoma 2024-07, The American journal of pathology DOI:10.1016/j.ajpath.2024.02.016 PMID:38537936	研究论文	本研究开发了两个卷积神经网络模型，用于检测和确定高级别浆液性卵巢癌患者全切片图像中肿瘤浸润淋巴细胞（TILs）的空间位置，并建立了一个空间评估流程，客观量化上皮内和间质TILs	本研究首次使用深度学习技术客观量化上皮内和间质TILs，并根据TILs密度将患者分为三种免疫表型，为个性化治疗提供了新的评估方法	NA	开发一种新的评估方法，用于客观量化高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs），并探索其在临床个性化治疗中的应用潜力	高级别浆液性卵巢癌患者中的肿瘤浸润淋巴细胞（TILs）	机器学习	卵巢癌	卷积神经网络（CNN）	CNN	图像	多个队列的高级别浆液性卵巢癌患者
20610	2024-08-14	Multimodal Cardiac Imaging Revisited by Artificial Intelligence: An Innovative Way of Assessment or Just an Aid? 2024-Jul, Cureus DOI:10.7759/cureus.64272 PMID:39130913	综述	本文综述了人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的影响	人工智能，尤其是机器学习和深度学习，显著提升了心脏诊断能力，如无创冠状动脉疾病诊断、心律失常检测及个性化治疗策略	仍需解决数据标准化、算法验证、监管批准及伦理问题等挑战	探讨人工智能在多模态心脏影像中的应用及其对心血管疾病诊断的贡献	人工智能在心脏影像中的应用及其对心血管疾病诊断的影响	计算机视觉	心血管疾病	机器学习, 深度学习	NA	影像	NA
20611	2024-08-14	Molecular Mechanism of Phosphorylation-Mediated Impacts on the Conformation Dynamics of GTP-Bound KRAS Probed by GaMD Trajectory-Based Deep Learning 2024-May-15, Molecules (Basel, Switzerland) DOI:10.3390/molecules29102317 PMID:38792177	研究论文	本研究使用高斯加速分子动力学（GaMD）模拟结合深度学习（DL）探索磷酸化对GTP结合KRAS构象动力学的影响	首次结合GaMD模拟和深度学习分析磷酸化对KRAS构象动力学的影响，揭示了磷酸化位点pY32、pY64和pY137对KRAS功能的关键作用	NA	探索磷酸化对GTP结合KRAS构象动力学的影响及其分子机制	GTP结合KRAS的构象动力学及其磷酸化位点的影响	生物信息学	NA	高斯加速分子动力学（GaMD）模拟	深度学习（DL）	分子动力学轨迹	NA
20612	2024-08-14	Computational Pathology for Prediction of Isocitrate Dehydrogenase Gene Mutation from Whole Slide Images in Adult Patients with Diffuse Glioma 2024-05, The American journal of pathology DOI:10.1016/j.ajpath.2024.01.009 PMID:38325551	研究论文	开发了一种基于聚类的卷积神经网络和视觉变换器的混合深度学习模型，用于从无注释的苏木精和伊红染色的全切片病理图像中检测成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变状态	提出的混合模型在验证集和外部测试集上的表现优于其他模型，尤其是在具有不同IDH状态但共享组织学特征的困难亚组中	NA	开发一种计算病理学工具，用于快速初步检测成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变	成人弥漫性胶质瘤患者的异柠檬酸脱氢酶基因突变状态	数字病理学	脑瘤	NA	卷积神经网络和视觉变换器	图像	2275名成人弥漫性胶质瘤患者
20613	2024-08-14	A Histopathologic Image Analysis for the Classification of Endocervical Adenocarcinoma Silva Patterns Depend on Weakly Supervised Deep Learning 2024-05, The American journal of pathology DOI:10.1016/j.ajpath.2024.01.016 PMID:38382842	研究论文	研究开发了一种基于弱监督深度学习的深度学习管道（Silva3-AI），用于自动分析基于全切片图像的组织病理学图像并准确识别Silva模式	Silva3-AI模型采用视觉变换器和循环神经网络架构，利用多倍率补丁，实现了高精度的Silva模式识别，并与具有10年诊断经验的专业病理学家的表现相当	NA	开发一种自动分析组织病理学图像并识别Silva模式的深度学习管道	子宫颈腺癌中的Silva模式	数字病理学	子宫颈癌	弱监督深度学习	视觉变换器和循环神经网络	图像	初始研究包括202名子宫颈腺癌患者，随后从其他7个医疗中心收集了161名患者进行独立测试
20614	2024-08-14	A physics-informed deep learning framework for modeling of coronary in-stent restenosis 2024-Apr, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-023-01796-1 PMID:38236483	研究论文	本文开发了一种基于物理信息的深度学习框架，用于模拟冠状动脉支架内再狭窄	采用物理信息神经网络（PINNs）这一新型深度学习方法，将物理定律和测量数据融入模型中，提高了预测准确性	NA	开发一种稳健的多物理场代理模型，用于估计支架内再狭窄，并提供疾病进展因素的见解	冠状动脉支架内再狭窄的预测和治疗规划	机器学习	心血管疾病	物理信息神经网络（PINNs）	物理信息神经网络（PINNs）	患者特定数据（手术相关、临床和遗传等）	NA
20615	2024-08-14	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024-Mar-19, ArXiv PMID:38562453	研究论文	本文评估了脑体积在缺血性中风后功能结果中的作用，并比较了其与脑萎缩指标（如脑实质分数BPF）作为生物标志物的有效性。	首次展示了在缺血性中风后，较高的脑体积作为生物标志物比脑萎缩指标更能解释有利的功能结果。	研究仅限于单一中心的病例，且样本时间跨度有限，可能影响结果的普遍性。	评估脑体积在缺血性中风后作为功能结果生物标志物的有效性。	缺血性中风患者的功能结果。	NA	中风	深度学习	逻辑回归	影像	467名缺血性中风患者
20616	2024-08-14	A gradient mapping guided explainable deep neural network for extracapsular extension identification in 3D head and neck cancer computed tomography images 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16680 PMID:37643447	研究论文	本文提出了一种基于梯度映射引导的可解释深度神经网络，用于自动识别3D头颈部癌症CT图像中的外囊扩展（ECE）	本文创新性地提出了梯度映射引导的可解释网络（GMGENet）框架，无需标注淋巴结区域信息即可自动识别ECE	NA	旨在开发一种自动识别头颈部鳞状细胞癌（HNSCC）患者CT图像中ECE的方法，以改善诊断和治疗计划	头颈部鳞状细胞癌（HNSCC）患者的3D CT图像中的外囊扩展（ECE）	计算机视觉	头颈部癌	梯度加权类激活映射（Grad-CAM）	深度神经网络	图像	NA
20617	2024-08-14	Deep learning enables the differentiation between early and late stages of hip avascular necrosis 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10104-5 PMID:37581656	研究论文	本文开发了一种深度学习方法，通过训练三种卷积神经网络（CNN）来区分早期和晚期股骨头坏死（AVN）阶段，以辅助治疗决策。	使用深度学习方法和卷积神经网络集合来准确区分早期和晚期股骨头坏死阶段，其性能与专家放射科医生相当。	模型在外部验证时性能有所下降。	开发一种深度学习方法来区分早期和晚期股骨头坏死，以辅助临床治疗决策。	股骨头坏死（AVN）的早期和晚期阶段。	机器学习	骨科疾病	卷积神经网络（CNN）	CNN	图像	104例MRI检查，外部验证集49例患者。
20618	2024-08-14	Value of deep learning reconstruction of chest low-dose CT for image quality improvement and lung parenchyma assessment on lung window 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10087-3 PMID:37581663	研究论文	本研究探讨了低剂量计算机断层扫描（LDCT）结合深度学习重建（DLR）对图像质量和肺实质评估的改进效果	DLR能够有效降低图像噪声并提高图像质量，对于评估肺部病变具有良好表现，除了亚实性结节和肺部减低衰减	DLR在评估亚实性结节和肺部减低衰减方面表现不如常规剂量CT	评估DLR应用于胸部低剂量CT对图像质量和肺实质评估的改进	60名患者的胸部常规剂量CT和低剂量CT图像	计算机视觉	肺部疾病	低剂量计算机断层扫描（LDCT）	深度学习重建（DLR）	图像	60名患者
20619	2024-08-14	Noninvasive identification of HER2-low-positive status by MRI-based deep learning radiomics predicts the disease-free survival of patients with breast cancer 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09990-6 PMID:37597033	研究论文	本研究旨在建立基于磁共振成像（MRI）的深度学习放射组学（DLR）特征，以预测乳腺癌患者的人表皮生长因子受体2（HER2）低阳性状态，并通过DLR模型验证其预后差异	成功构建了基于MRI的DLR模型，能够非侵入性地评估HER2状态，并进一步揭示预测HER2低阳性状态患者无病生存期的前景	NA	建立并验证基于MRI的深度学习放射组学模型，以预测乳腺癌患者的HER2低阳性状态及其无病生存期	乳腺癌患者的HER2低阳性状态及其无病生存期	数字病理学	乳腺癌	深度学习放射组学	深度学习模型	MRI图像	481名接受术前MRI的乳腺癌患者
20620	2024-08-14	Effects of a comprehensive brain computed tomography deep learning model on radiologist detection accuracy 2024-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10074-8 PMID:37606663	研究论文	本研究评估了一种全面的脑部CT深度学习模型对放射科医生检测准确性的影响	该深度学习模型显著提高了放射科医生的解读性能，并减少了解读时间	NA	评估深度学习模型在辅助放射科医生进行脑部CT扫描解读中的效果	放射科医生在使用和不使用深度学习模型辅助下的脑部CT扫描解读性能	计算机视觉	NA	深度学习	深度学习模型	图像	212,484例脑部CT扫描，32名放射科医生评估2848例扫描