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
481	2024-11-23	Large language modeling and deep learning shed light on RNA structure prediction 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02488-z PMID:39572717	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
482	2024-12-19	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	本文开发并验证了基于机器学习模型预测接受连续肾脏替代治疗（CRRT）的儿童和年轻成年人在ICU和医院出院后的生存率	本文首次使用机器学习模型预测接受CRRT的儿童和年轻成年人在ICU和医院出院后的生存率，并展示了随机森林模型在预测ICU死亡率方面的优越性	本文的局限性在于样本量有限，且未使用深度学习算法进行更精确的模型生成	预测接受CRRT的儿童和年轻成年人在ICU和医院出院后的生存率	接受CRRT的儿童和年轻成年人	机器学习	NA	机器学习	随机森林（RF）、逻辑回归（LR）、决策树、梯度提升机、支持向量机	数值数据	933名患者，其中538名（54%）为男性，中位年龄为8.97岁
483	2024-12-19	Advances in Miniaturized Computational Spectrometers 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202404448 PMID:39477813	综述	本文综述了微型计算光谱仪的发展，重点介绍了光谱编码和重建算法两个关键组件	通过引入计算资源，打破了传统微型光谱仪在尺寸和性能之间的权衡	NA	探讨微型计算光谱仪的原理、特点、最新进展及其在超光谱成像中的应用	微型计算光谱仪的光谱编码和重建算法	NA	NA	NA	NA	NA	NA
484	2024-12-19	DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways 2024-Dec-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-24-0285 PMID:39530738	研究论文	DeePathNet 是一种基于 Transformer 的深度学习模型，整合了多组学数据与癌症通路，用于增强癌症分析	DeePathNet 通过整合癌症特异性生物通路，利用基于 Transformer 的深度学习模型，在预测药物反应、癌症类型和亚型方面优于现有模型，并能实现通路级别的生物标志物发现	NA	开发一种新的深度学习模型，以整合多组学数据与癌症通路，提升癌症分析的准确性和治疗效果	癌症特异性生物通路、药物反应、癌症类型和亚型	机器学习	NA	Transformer	Transformer	多组学数据	NA
485	2024-12-19	Wise Roles and Future Visionary Endeavors of Current Emperor: Advancing Dynamic Methods for Longitudinal Microbiome Meta-Omics Data in Personalized and Precision Medicine 2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400458 PMID:39535493	综述	本文探讨了动态方法在整合纵向微生物组多组学数据中的当前作用和未来愿景，特别是在个性化和精准医学中的应用	本文提出了最佳实践，并强调了创新技术，如统一分析框架和人工智能中的深度学习工具	缺乏验证分析协议和数据资源的金标准，以及不同纵向多组学研究之间的相互依赖性，是当前的主要挑战	探索动态方法在整合纵向微生物组多组学数据中的应用，以推动个性化和精准医学的发展	纵向微生物组多组学数据，包括微生物、代谢物、基因和其他实体	NA	NA	多组学数据分析	深度学习	多组学数据	NA
486	2024-12-19	Enhanced long short-term memory architectures for chaotic systems modeling: An extensive study on the Lorenz system 2024-Dec-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0238619 PMID:39689728	研究论文	本文介绍了一种增强型长短期记忆（LSTM）变体，并探讨其在多输入单输出混沌系统建模中的能力	提出了一种简化的LSTM架构，仅包含四个标准LSTM门中的三个，并进行了其他反馈修改	实验仅在Lorenz和Rössler系统上进行，可能限制了其普适性	研究增强型LSTM在混沌系统建模中的应用	Lorenz和Rössler混沌系统	机器学习	NA	NA	LSTM	数据集	使用MATLAB生成的Lorenz和Rössler系统数据集
487	2024-12-19	Monitoring Over Time of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Patients Through an Ensemble Vision Transformers-Based Model 2024-Dec, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.70482 PMID:39692281	研究论文	本研究开发了一种基于Vision Transformer（ViT）架构的集成深度学习模型，用于预测和监测乳腺癌患者在新辅助化疗（NAC）期间病理完全缓解（pCR）的情况	本研究首次提出使用Vision Transformer（ViT）模型对动态对比增强磁共振成像（DCE-MRI）进行分析，以监测NAC期间pCR的变化	本研究的样本量较小，且仅限于乳腺癌患者	开发一种能够预测和监测乳腺癌患者在新辅助化疗期间病理完全缓解情况的深度学习模型	乳腺癌患者在新辅助化疗期间的病理完全缓解情况	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	Vision Transformer（ViT）	图像	86名乳腺癌患者，其中37.2%的患者达到病理完全缓解（pCR）
488	2024-12-19	Comparing neural networks against click train detectors to reveal temporal trends in passive acoustic sperm whale detections 2024-Dec-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0034602 PMID:39692862	研究论文	本文比较了神经网络与点击序列检测器在被动声学监测中识别抹香鲸点击序列的性能，并研究了地中海抹香鲸亚群在巴利阿里群岛的时间和空间分布	本文首次比较了多假设跟踪（MHT）点击序列分类器与基于深度学习（DL）的声学分类器在识别抹香鲸点击序列方面的性能，并揭示了两种分类器在季节性和昼夜变化方面的兼容结果	两种自动分类器在训练站点上的表现优于新站点，表明其泛化能力有限	研究自动分类算法在从大规模声学数据集中提取生物学有用信息方面的优势和局限性	抹香鲸（Physeter macrocephalus）点击序列的分类及其在地中海巴利阿里群岛的时间和空间分布	机器学习	NA	深度学习（DL）	神经网络	声学记录	NA
489	2024-12-19	Automatic pituitary adenoma segmentation and identification of cavernous sinus invasion via multitask learning 2024-Nov-21, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.106756 PMID:39689622	研究论文	本研究开发了一种多任务深度学习模型，用于垂体大腺瘤的分割和海绵窦侵袭的识别	提出了一个多任务多轴注意力U-Net（MTMAU-Net）框架，结合了分割和海绵窦侵袭分类任务，相比单一任务模型和Knosp分级系统，在分割和分类任务中表现更优	NA	开发一种多任务深度学习模型，用于垂体大腺瘤的分割和海绵窦侵袭的识别	垂体大腺瘤的分割和海绵窦侵袭的识别	计算机视觉	垂体腺瘤	深度学习	U-Net	图像	926名垂体大腺瘤患者（816名用于模型训练，110名用于模型验证）
490	2024-12-19	Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model 2024-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78015-z PMID:39528485	研究论文	本文提出了一种基于深度学习的疾病诊断模型，用于复杂医疗系统的预测分析，主要集中于肺癌和结肠癌的检测与分类	本文创新性地使用了Gabor滤波器进行图像预处理，并结合Faster SqueezeNet生成特征向量，采用CNN-LSTM模型进行分类，同时使用Chaotic Tunicate Swarm算法优化超参数，提高了分类器的准确性	NA	开发一种高效的深度学习模型，用于肺癌和结肠癌的早期诊断，以降低死亡风险	肺癌和结肠癌的检测与分类	机器学习	肺癌	Gabor滤波器，Faster SqueezeNet，CNN-LSTM，Chaotic Tunicate Swarm算法	CNN-LSTM	图像	医学图像数据集
491	2024-12-19	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2024-Nov-09, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	研究论文	本文研究了基于深度学习的定量CT扫描分析在类风湿性关节炎相关间质性肺病（RA-ILD）中的应用，评估其对疾病严重程度、死亡率预测和疾病进展的效用	本文首次使用数据驱动的纹理分析（DTA）方法对RA-ILD患者的CT扫描进行定量分析，并探讨了其与肺功能和生存率的关系	本文仅在两个队列中进行了研究，样本量相对较小，可能需要进一步的大规模验证	探讨定量CT成像在RA-ILD中的临床和研究应用价值	类风湿性关节炎相关间质性肺病患者	数字病理学	间质性肺病	数据驱动的纹理分析（DTA）	深度学习	CT扫描图像	289名患者的主要队列和50名患者的验证队列
492	2024-12-19	A Hybrid GNN Approach for Improved Molecular Property Prediction 2024-11, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0452 PMID:39082155	研究论文	本文提出了一种混合图神经网络（GNN）方法，用于改进分子特性预测	本文的创新点在于提出了一种多层混合GNN架构，结合了多种图神经网络框架的优势，以提高分子特性预测的准确性	本文的局限性在于未详细讨论混合方法在计算资源和时间复杂度方面的影响	本文的研究目的是提高分子特性预测的准确性，从而加速药物发现过程	本文的研究对象是分子图及其特性	机器学习	NA	图神经网络（GNN）	混合GNN	图结构数据	多个基准数据集
493	2024-12-19	Clinical Application of Artificial Intelligence in Prediction of Intraoperative Cerebrospinal Fluid Leakage in Pituitary Surgery: A Systematic Review and Meta-Analysis 2024-Nov, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.09.015 PMID:39265946	meta-analysis	本文系统综述和荟萃分析评估了人工智能模型在预测垂体手术中术中脑脊液（ioCSF）泄漏的有效性	本文首次系统综述和荟萃分析了人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	本文依赖于已发表的研究数据，可能存在选择偏倚和发表偏倚	评估人工智能模型在预测垂体手术中术中脑脊液泄漏的有效性	人工智能模型在预测垂体手术中术中脑脊液泄漏的表现	machine learning	NA	NA	AI models	NA	NA
494	2024-12-19	Adversarial training and attribution methods enable evaluation of robustness and interpretability of deep learning models for image classification 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054310 PMID:39690595	研究论文	本文结合对抗训练和输入归因方法，评估了深度学习模型在图像分类任务中的鲁棒性和可解释性	本文首次将对抗训练与输入归因方法结合，研究了对抗方法对输入归因的影响，并通过基准测试评估了不同输入归因方法的可靠性	本文主要集中在图像分类任务上，未探讨其他任务中的应用	研究对抗训练对深度学习模型输入归因的影响，并评估不同输入归因方法的可靠性	深度学习模型在图像分类任务中的鲁棒性和可解释性	计算机视觉	NA	对抗训练	深度学习模型	图像	NA
495	2024-12-19	Fault-tolerant neural networks from biological error correction codes 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054303 PMID:39690671	研究论文	本文探讨了在深度学习中是否可以通过不可靠的神经元实现容错计算，并基于生物错误纠正码开发了一种通用的容错神经网络	本文首次基于生物错误纠正码开发了一种通用的容错神经网络，并发现了从故障到容错神经计算的相变机制	本文仅在理论层面探讨了容错神经网络的可能性，尚未进行实际应用验证	探讨在深度学习中是否可以通过不可靠的神经元实现容错计算，并为人工智能和神经形态计算提供新的理解路径	生物错误纠正码在信息处理中的作用以及其在构建容错神经网络中的应用	机器学习	NA	NA	神经网络	NA	NA
496	2024-12-19	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2024-Oct-12, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	本研究设计了一种深度学习模型，用于在心电图信号上预测高血压并识别与高血压相关的心电图片段	提出了一个多分支、多尺度的LSTM神经网络MML-Net和一个面向心电图的波形对齐AI解释管道ECG-XAI，用于检测高血压引起的心脏结构微小变化	NA	探索心电图信号是否能够捕捉到高血压引起的心脏结构微小变化，并开发一种深度学习模型来辅助早期诊断	心电图信号和高血压引起的心脏结构变化	机器学习	心血管疾病	深度学习	LSTM	心电图信号	210,120个10秒12导联心电图和812个心电图
497	2024-12-19	Artificial intelligence methods available for cancer research 2024-Oct, Frontiers of medicine IF:3.9Q2 DOI:10.1007/s11684-024-1085-3 PMID:39115792	综述	本文综述了人工智能方法在癌症研究中的应用，探讨了其优势和局限性	本文介绍了人工智能技术在癌症研究中的多样化应用，包括机器学习方法和大型语言模型的使用	本文指出在临床环境中利用人工智能的主要障碍是缺乏使用现有报告指南，阻碍了已发表研究的 reproducibility	探讨人工智能方法在癌症研究中的应用及其对未来研究方向的影响	人工智能方法在癌症研究中的应用	机器学习	癌症	NA	NA	NA	NA
498	2024-12-19	Explainable fNIRS-based pain decoding under pharmacological conditions via deep transfer learning approach 2024-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.11.4.045015 PMID:39691581	研究论文	本文提出了一种基于深度迁移学习的可解释fNIRS疼痛解码方法，用于在药物条件下对疼痛和非疼痛刺激进行分类	本文创新性地使用深度迁移学习方法，将药物前模型的知识迁移到药物后不同时间点的模型中，并使用DeepSHAP方法揭示不同脑区对分类性能的贡献	本文未详细讨论药物对不同个体的影响差异，以及在实际临床应用中的可行性	提出一种基于深度学习的迁移学习方法，用于在药物条件下对fNIRS数据进行客观分类	fNIRS数据，药物前后的疼痛和非疼痛刺激	机器学习	NA	fNIRS	深度学习模型	fNIRS数据	公开的fNIRS数据集，包括药物前和药物后不同时间点的扫描数据
499	2024-12-19	Protein-Protein Interaction Prediction Model Based on ProtBert-BiGRU-Attention 2024-09, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0297 PMID:39069885	研究论文	本文提出了一种基于ProtBert-BiGRU-Attention的蛋白质-蛋白质相互作用预测模型	利用预训练的蛋白质序列模型ProtBert结合双向门控循环单元（BiGRU）和注意力机制，仅使用蛋白质序列信息进行预测，提升了蛋白质序列特征的表达能力	未提及具体的局限性	研究蛋白质相互作用，提升蛋白质-蛋白质相互作用（PPI）预测的准确性	蛋白质序列及其相互作用	机器学习	NA	NA	BiGRU，注意力机制	蛋白质序列	未提及具体样本数量
500	2024-12-19	Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy 2024-Aug-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c01205 PMID:39138903	研究论文	本文开发了一种基于深度学习的多通道表面增强拉曼散射（SERS）传感器阵列，用于快速识别化疗药物的作用机制	通过使用自组装单层（SAMs）促进界面上的异质物理化学相互作用，生成多样化的SERS特征，并结合卷积神经网络模型实现高精度的药物机制识别	NA	开发一种快速识别化疗药物作用机制的方法，以促进药物开发和有效使用	化疗药物的作用机制	机器学习	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN）	光谱数据	多种化疗药物的分子变化数据