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
10041	2024-12-24	A 4D tensor-enhanced multi-dimensional convolutional neural network for accurate prediction of protein-ligand binding affinity 2024-Dec-23, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-11044-y PMID:39714563	研究论文	本文提出了一种基于4D张量特征的多维卷积神经网络模型，用于准确预测蛋白质-配体结合亲和力	引入了新的4D张量特征来捕捉结合口袋内的关键相互作用，并开发了基于该特征的三维卷积神经网络模型	NA	开发一种高效的蛋白质-配体结合亲和力预测模型	蛋白质-配体结合亲和力	机器学习	NA	卷积神经网络（CNN）	多维卷积神经网络	结构数据	使用了PDBbind v.2020数据集，并进行了十折交叉验证
10042	2024-12-24	EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information 2024-Dec-23, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00673-4 PMID:39714579	研究论文	提出了一种基于深度学习和机器学习的多视角可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息	结合了机器学习算法（SVM和CatBoost）与卷积神经网络（CNN和TextCNN），并使用Transformer架构的ProtT5和ESM-2特征进行预测	NA	开发一种计算方法来预测潜在的细胞穿透肽，以加速其在治疗中的应用	细胞穿透肽（CPPs）	机器学习	NA	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、Transformer架构（ProtT5和ESM-2）	卷积神经网络（CNN和TextCNN）、支持向量机（SVM）、CatBoost、逻辑回归（LR）	序列数据	合并了三个先前的CPP基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）
10043	2024-12-24	[Effect of Training Data Differences on Accuracy in MR Image Generation Using Pix2pix] 2024-Dec-20, Nihon Hoshasen Gijutsu Gakkai zasshi DOI:10.6009/jjrt.2024-1487 PMID:39477465	研究论文	本文研究了不同训练数据模式对使用Pix2pix生成MR图像准确性的影响	本文首次探讨了不同训练数据模式对MR图像生成准确性的影响	本文仅在头部MR图像上进行了实验，未涵盖其他类型的MR图像	研究不同训练数据模式对MR图像生成准确性的影响	头部MR图像的T1加权图像生成	计算机视觉	NA	深度学习	Pix2pix	图像	300例头部MR图像，每种模型有四种训练数据模式
10044	2024-12-24	Transferable deep learning with coati optimization algorithm based mitotic nuclei segmentation and classification model 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80002-3 PMID:39702593	研究论文	本文提出了一种基于Coati优化算法和深度学习的分裂期细胞分割与分类模型，用于癌症分级	本文创新性地结合了Coati优化算法与深度学习技术，提出了COADL-MNSC方法，通过混合注意力融合U-Net模型进行分裂期细胞分割，并使用胶囊网络进行特征提取，最后通过双向长短期记忆模型进行分类	本文未提及具体的局限性	开发一种高效的分裂期细胞分割与分类方法，以辅助癌症分级	分裂期细胞的分割与分类	数字病理学	NA	深度学习	混合注意力融合U-Net模型、胶囊网络、双向长短期记忆模型	图像	分裂期细胞图像数据集
10045	2024-12-24	Artificial intelligence in risk prediction and diagnosis of vertebral fractures 2024-12-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75628-2 PMID:39702597	meta-analysis	本研究通过系统综述和meta分析评估了人工智能在诊断和预测椎体骨折中的有效性	人工智能在诊断和预测椎体骨折方面表现出高准确性，深度学习模型在诊断所有骨折类型方面表现出色	研究中存在高异质性和研究偏倚，需要进一步研究以标准化AI模型并在不同数据集上进行验证	评估人工智能在椎体骨折诊断和预测中的有效性	椎体骨折的诊断和预测	machine learning	骨科疾病	NA	深度学习模型	NA	共纳入79项研究，其中40项进行了meta分析
10046	2024-12-24	Decoding skin cancer classification: perspectives, insights, and advances through researchers' lens 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81961-3 PMID:39695157	综述	本文分析了过去18年中发表的107篇研究论文，全面评估了皮肤癌分类技术的进展，重点介绍了计算机视觉和人工智能在提高诊断准确性和可靠性方面的集成	本文探讨了深度学习方法，包括卷积神经网络、迁移学习、注意力机制、集成技术、生成对抗网络、视觉变换器和分割引导的分类策略，并详细介绍了各种架构	本文指出了传统机器学习方法和手工特征的局限性，并强调了现有深度学习方法的不足	旨在通过分析最新的进展、趋势和差距，为皮肤癌分类领域的研究人员和临床医生提供有价值的见解	皮肤癌分类技术及其在临床诊断中的应用	计算机视觉	皮肤癌	计算机视觉和人工智能	卷积神经网络、生成对抗网络、视觉变换器等	图像	包括HAM10000和ISIC档案在内的多个数据集
10047	2024-12-24	Ensemble deep learning and EfficientNet for accurate diagnosis of diabetic retinopathy 2024-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81132-4 PMID:39695310	研究论文	本研究提出了一种基于EfficientNetB0架构的深度学习框架，用于糖尿病视网膜病变（DR）的准确诊断	创新点在于结合了集成深度学习和EfficientNet技术，显著提高了糖尿病视网膜病变的诊断准确性和泛化能力	研究依赖于特定的数据集和训练资源，未来需要更多先进的数据集和训练资源以进一步提升诊断效果	旨在通过创新的深度学习框架提高糖尿病视网膜病变的诊断准确性	研究对象为糖尿病视网膜病变，具体包括五种严重程度：无DR、轻度DR、中度DR、重度DR和增殖性DR	计算机视觉	糖尿病视网膜病变	EfficientNet	CNN	图像	35,108张视网膜图像
10048	2024-12-24	Efficient multi-phenotype genome-wide analysis identifies genetic associations for unsupervised deep-learning-derived high-dimensional brain imaging phenotypes 2024-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.06.24318618 PMID:39677479	研究论文	本文介绍了一种新的多性状全基因组关联分析工具JAGWAS，用于高效计算多性状关联统计量，并应用于高维无监督深度学习衍生的脑成像表型	提出了JAGWAS工具，能够高效计算多性状关联统计量，并显著增加了基因座识别数量	NA	探索使用高维无监督深度学习衍生的脑成像表型进行基因发现的新方法	T1和T2脑磁共振成像的无监督深度学习衍生的128维成像表型	数字病理学	NA	全基因组关联研究（GWAS）	无监督深度学习	图像	来自UK Biobank的发现和验证队列
10049	2024-12-24	Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry 2024-Dec-05, Research square DOI:10.21203/rs.3.rs-5485172/v1 PMID:39678351	研究论文	本文研究了非洲裔美国男性中非编码遗传变异在前列腺癌风险中的作用	首次通过基于序列的深度学习模型识别了与前列腺癌易感性相关的增强子SNP，并进行了实验验证	研究仅限于非洲裔美国男性，结果的普适性有待进一步验证	探讨非洲裔美国男性中非编码遗传变异在前列腺癌风险中的作用机制	非洲裔美国男性的非编码遗传变异及其对前列腺癌风险的影响	数字病理学	前列腺癌	深度学习模型	深度学习模型	序列数据	约2000个SNPs
10050	2024-12-24	A deep-learning-based model for assessment of autoimmune hepatitis from histology: AI(H) 2024-Dec, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-024-03841-5 PMID:38879691	研究论文	本文开发了一种基于深度学习的工具，用于从常规病理切片中分析自身免疫性肝炎的组织学特征	本文首次使用深度学习模型分析自身免疫性肝炎的组织学特征，特别是对胆管损伤等非经典特征的检测	本文仅使用了123个样本进行模型训练和验证，样本量可能不足以完全代表所有自身免疫性肝炎病例	开发一种能够从常规病理切片中分析自身免疫性肝炎组织学特征的深度学习工具	自身免疫性肝炎的组织学特征，包括肝微解剖、坏死性炎症、胆管损伤和门静脉炎症等	数字病理学	自身免疫性疾病	卷积神经网络	卷积神经网络	图像	123个预处理肝活检样本
10051	2024-12-24	MYC Rearrangement Prediction From LYSA Whole Slide Images in Large B-Cell Lymphoma: A Multicentric Validation of Self-supervised Deep Learning Models 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100610 PMID:39265953	研究论文	本文开发了一种可解释的深度学习算法，用于从大B细胞淋巴瘤的全切片图像中自动检测MYC重排	本文利用自监督学习技术，比较了7种特征提取器和6种多实例学习模型，并在多中心队列中验证了其性能	本文未详细讨论算法的泛化能力在不同实验室环境下的表现	开发一种自动检测大B细胞淋巴瘤中MYC重排的深度学习算法，以减少昂贵的分子检测需求并提高病理学家的工作效率	大B细胞淋巴瘤患者的全切片图像	数字病理学	淋巴瘤	深度学习	多实例学习模型	图像	1247名大B细胞淋巴瘤患者
10052	2024-12-24	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	本文提出了整合微生物组多组学数据的统一分析框架和深度学习工具，并强调了创新技术	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，并为个性化和精准医学提供最佳实践	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	深度学习工具	多组学数据	NA
10053	2024-12-24	Artificial intelligence (AI) for tumor microenvironment (TME) and tumor budding (TB) identification in colorectal cancer (CRC) patients: A systematic review 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100353 PMID:39712977	综述	本文总结了使用人工智能预测结直肠癌患者组织学扫描中肿瘤微环境（TME）和肿瘤芽（TB）的最新数据	机器学习和深度学习在预测肿瘤微环境和肿瘤芽方面表现出高准确性，分别为97.7%和97.3%	不同作者对机器学习模型使用的表现指标不一致，且部分研究使用的数据集相对较小	评估人工智能在结直肠癌诊断和癌症发展预后中对肿瘤微环境和肿瘤芽的识别能力	结直肠癌患者的肿瘤微环境和肿瘤芽	数字病理学	结直肠癌	机器学习，深度学习	NA	图像	NA
10054	2024-12-24	Cellular behavior analysis from live-cell imaging of TCR T cell-cancer cell interactions 2024-Nov-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.19.624390 PMID:39605616	研究论文	本文开发了一种基于活细胞成像的T细胞与癌细胞相互作用的行为分析工具	本文创新性地利用人类在环深度学习开发了先进的分割和跟踪管道，并结合Caliban和Occident工具量化T细胞与癌细胞的相互作用	NA	研究T细胞与癌细胞相互作用的行为，以改进T细胞疗法用于癌症治疗	TCR T细胞与癌细胞的相互作用	NA	NA	活细胞成像	深度学习	图像	NA
10055	2024-12-24	Nodule Detection and Generation on Chest X-Rays: NODE21 Challenge 2024-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382042 PMID:38530714	研究论文	本文总结了NODE21挑战赛的结果，并进行了额外的实验，以研究合成生成的结节训练图像对检测算法性能的影响	提出了一个公共研究挑战NODE21，旨在解决肺结节检测和生成任务中缺乏黄金标准公共数据集的问题	未提及	研究肺结节检测和生成算法，并评估合成数据对检测性能的影响	肺结节检测系统和生成算法	计算机视觉	肺癌	深度学习方法	NA	图像	NA
10056	2024-12-24	Exploiting Geometric Features via Hierarchical Graph Pyramid Transformer for Cancer Diagnosis Using Histopathological Images 2024-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3381994 PMID:38530716	研究论文	本文提出了一种分层图金字塔Transformer（HGPT），用于通过组织分布的几何表示来指导病理图像分类，从而提高癌症诊断的准确性	本文的创新点在于提出了HGPT模型，通过多层图聚合器学习几何表示，并结合Transformer编码层和局部特征增强块，有效捕捉细胞分布和聚集模式，从而提升病理图像分类的性能	本文未明确提及具体的局限性	本文的研究目的是通过利用几何特征改进病理图像分类方法，从而提高癌症诊断的准确性	本文的研究对象是病理图像中的几何特征，包括细胞分布和聚集模式	计算机视觉	NA	Transformer	HGPT	图像	本文在Kather-5K、MHIST、NCT-CRC-HE和GasHisSDB数据集上进行了实验，涉及多种癌症类型的二分类或多分类
10057	2024-12-24	Attention-Aware Non-Rigid Image Registration for Accelerated MR Imaging 2024-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3385024 PMID:39088484	研究论文	本文提出了一种基于注意力机制的深度学习框架，用于加速磁共振成像中的非刚性图像配准	引入了一个基于注意力机制的深度学习框架，利用局部视觉表示和变压器模块来处理欠采样引起的伪影，并结合局部和全局依赖性进行粗细运动估计	NA	开发一种能够在高加速因子下进行快速运动补偿重建的非刚性图像配准方法，以提高磁共振成像的诊断图像质量	心脏和胸部的磁共振成像数据	计算机视觉	NA	深度学习	Transformer	图像	101名患者和62名健康受试者的数据
10058	2024-12-24	Non-Invasive Quantification of the Brain [¹⁸F]FDG-PET Using Inferred Blood Input Function Learned From Total-Body Data With Physical Constraint 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3368431 PMID:38386580	研究论文	本研究提出了一种基于深度学习的方法，用于从全身动态扫描数据中推断动态脑FDG扫描的输入函数，以实现脑PET的非侵入性定量分析	本研究首次使用深度学习方法从全身动态扫描数据中推断脑PET的输入函数，并通过引入物理约束减少偏差和训练样本需求	本研究仅在特定数据集上进行了验证，未来需要在更多临床数据上进行验证	开发一种非侵入性的方法来定量分析脑PET	动态脑FDG扫描的输入函数	计算机视觉	NA	深度学习	LSTM结合全连接网络	图像	85例全身动态扫描数据
10059	2024-12-24	Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers With Partially Annotated Ultrasound Images 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3366940 PMID:38373131	研究论文	提出了一种基于弱监督学习的两阶段检测与诊断网络（TSDDNet），用于提高乳腺超声图像的计算机辅助诊断准确性	设计了一种候选选择机制来细化手动标注的ROI，并生成准确的伪ROI，同时采用自蒸馏策略进行联合优化，以提高诊断性能	未提及具体的局限性	提高基于超声图像的乳腺癌症计算机辅助诊断系统的诊断准确性	乳腺癌症的超声图像	计算机视觉	乳腺癌	深度学习	两阶段检测与诊断网络（TSDDNet）	图像	三个B模式超声数据集
10060	2024-12-24	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	本文介绍了一种名为3D-svFMBV的全新全自动方法，用于使用超声波评估组织灌注	提出了结合图像处理、数值建模和深度学习的3D-svFMBV方法，消除了对背景信号进行数学校正的需求，提高了灌注估计的准确性和鲁棒性	NA	开发一种全自动方法来提高组织灌注估计的准确性，并探索其在临床中的应用	子宫动脉和胎盘的超声图像	数字病理学	妊娠相关疾病	超声波（PD-US）	深度学习	图像	143个早期妊娠胎盘超声体积