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
10121	2024-12-22	Explainable Deep Learning Approaches for Risk Screening of Periodontitis 2025-Jan, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241286488 PMID:39563207	研究论文	本研究利用可解释的人工智能（XAI）技术，通过分析多种临床特征，为牙周炎的早期筛查提供个性化风险评估	本研究首次将可解释的人工智能技术应用于牙周炎的早期筛查，并通过LIME方法评估了潜在的相关因素，揭示了与牙周炎相关的重要特征	本研究的样本主要来自NHANES数据库，可能存在样本代表性不足的问题	开发一种基于可解释人工智能技术的牙周炎早期筛查工具	牙周炎的早期筛查及相关风险因素	机器学习	牙周疾病	可解释的人工智能（XAI）	深度学习模型	临床数据	30,465名参与者，其中9,632名用于所有年龄组，5,601名用于50岁以上年龄组
10122	2024-12-22	Survival analysis of clear cell renal cell carcinoma based on radiomics and deep learning features from CT images 2024-Dec-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000040723 PMID:39705434	研究论文	本文基于CT图像的放射组学和深度学习特征，创建了一个用于预测透明细胞肾细胞癌患者预后的列线图	本文提出了一个结合放射组学和深度学习特征的融合签名，并将其与临床病理风险因素结合，构建了一个新的列线图，相比传统的临床列线图，其C-index值提高了约20%	本文未详细说明深度学习模型的具体架构和训练过程，且样本量相对较小	开发一个基于CT图像的非侵入性模型，用于透明细胞肾细胞癌患者的生存预后预测	透明细胞肾细胞癌患者的CT图像和临床病理数据	数字病理学	肾癌	放射组学，深度学习	Cox比例风险回归模型	图像	822名透明细胞肾细胞癌患者
10123	2024-12-22	HeatGSNs: Integrating Eigenfilters and Low-Pass Graph Heat Kernels into Graph Spectral Convolutional Networks for Brain Tumor Segmentation and Classification 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada1db PMID:39705725	研究论文	本文提出了一种名为HeatGSNs的新型图谱卷积网络，结合特征滤波器和可学习的低通图热核，用于脑肿瘤的分割和分类	HeatGSNs通过引入特征滤波器和可学习的低通图热核，解决了图网络中的过平滑和振荡收敛问题，实现了快速且准确的性能	NA	解决脑肿瘤MRI数据集中的类别不平衡问题，并提高脑肿瘤分割和分类的准确性	脑肿瘤的分割和分类	计算机视觉	脑肿瘤	图谱卷积网络	图谱卷积网络	图像	BRATS2021数据集
10124	2024-12-22	A Variational Network for Biomedical Images Denoising using Bayesian model and Auto-Encoder 2024-Dec-20, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ada1da PMID:39705726	研究论文	本文提出了一种基于贝叶斯模型和变分自编码器的医学图像去噪方法	该方法结合了贝叶斯建模和变分网络，能够更好地泛化到新的噪声分布，并在去噪准确性、视觉质量和计算效率上优于现有方法	NA	开发一种新的医学图像去噪方法，以提高图像分析的准确性和可靠性	医学图像的去噪	计算机视觉	NA	贝叶斯模型、变分网络	变分自编码器	图像	使用了CT扫描医学图像数据集
10125	2024-12-22	Zero-shot counting with a dual-stream neural network model 2024-Dec-18, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2024.10.008 PMID:39488209	研究论文	本文构建了一个基于灵长类大脑双流架构的深度学习模型，能够在零样本情况下对不熟悉的物体进行计数	提出了一个基于灵长类大脑双流架构的深度学习模型，能够在零样本情况下对不熟悉的物体进行计数，并成功预测人类计数行为	NA	研究视觉场景理解中物体识别和关系结构的编码方式	灵长类大脑的双流处理机制以及视觉场景中的物体计数	计算机视觉	NA	深度学习	双流神经网络	图像	NA
10126	2024-12-22	Detection of Viable but Nonculturable E. coli Induced by Low-Level Antimicrobials Using AI-Enabled Hyperspectral Microscopy 2024-Dec-09, Journal of food protection IF:2.1Q3 DOI:10.1016/j.jfp.2024.100430 PMID:39662736	研究论文	本研究开发了一种基于人工智能的超光谱显微镜成像框架，用于在低水平抗菌剂下快速检测处于可存活但不可培养状态的大肠杆菌	本研究首次使用AI驱动的超光谱显微镜技术，结合EfficientNetV2卷积神经网络架构，实现了对可存活但不可培养状态的大肠杆菌的高精度自动分类	本研究的样本量较小，仅使用了200个样本进行模型训练和验证，未来需要更大规模的样本验证	开发一种快速、自动化的方法来检测处于可存活但不可培养状态的大肠杆菌，以提高食品安全和公共卫生	处于可存活但不可培养状态的大肠杆菌K-12	计算机视觉	NA	超光谱显微镜成像	EfficientNetV2	图像	200个样本
10127	2024-12-06	Deep learning training dynamics analysis for single-cell data 2024-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00728-y PMID:39633096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10128	2024-12-22	Automated Identification of Breast Cancer Relapse in Computed Tomography Reports Using Natural Language Processing 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00107 PMID:39705642	研究论文	本文研究了使用自然语言处理（NLP）技术，结合先进的深度学习变压器工具和大型语言模型，自动识别计算机断层扫描（CT）报告中乳腺癌复发的情况	本文创新性地使用了NLP技术，结合深度学习变压器工具和大型语言模型，自动化识别CT报告中乳腺癌的复发情况	本文的局限性在于模型的敏感性和特异性在不同类型的复发中表现不一致，尤其是局部复发的模型敏感性较低	研究目的是开发NLP模型，自动识别CT报告中乳腺癌的局部、区域性和远处复发情况，以增强患者预后数据收集	研究对象是2005年1月1日至2014年12月31日期间确诊为乳腺癌患者的随访CT报告	自然语言处理	乳腺癌	自然语言处理（NLP）	深度学习变压器模型	文本	1445份CT报告
10129	2024-12-22	Toward molecular diagnosis of major depressive disorder by plasma peptides using a deep learning approach 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae554 PMID:39592240	研究论文	本文开发了一种深度学习方法，通过血浆肽的质谱特征来区分重度抑郁症患者和健康对照者	首次使用深度学习方法从血浆肽中发现可用于区分重度抑郁症患者和健康对照者的质谱特征	NA	探索重度抑郁症的分子诊断方法	重度抑郁症患者和健康对照者的血浆肽	机器学习	精神疾病	质谱分析	神经网络（CMS-Net）	肽序列	NA
10130	2024-12-22	Correction to: Toward molecular diagnosis of major depressive disorder by plasma peptides using a deep learning approach 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae700 PMID:39705709	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10131	2024-12-22	Three-dimensional deep learning model complements existing models for preoperative disease-free survival prediction in localized clear cell renal cell carcinoma: a multicenter retrospective cohort study 2024-Nov-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001808 PMID:38896853	研究论文	本研究开发并验证了一种基于CT图像的三维深度学习模型，用于预测局部透明细胞肾细胞癌的术前无病生存期	本研究首次提出了一种基于CT图像的三维深度学习模型，用于预测局部透明细胞肾细胞癌的术前无病生存期，并展示了其优于现有模型的预测性能	本研究为回顾性多中心队列研究，未来需要进一步的前瞻性研究来验证模型的临床应用价值	开发并验证一种新的术前无病生存期预测模型，以提高局部透明细胞肾细胞癌患者的预后预测准确性	局部透明细胞肾细胞癌患者的术前无病生存期预测	机器学习	肾癌	深度学习	ResNet 50	图像	707名局部透明细胞肾细胞癌患者
10132	2024-12-22	Comprehensive deep learning-based assessment of living liver donor CT angiography: from vascular segmentation to volumetric analysis 2024-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001829 PMID:38869975	研究论文	本研究使用深度学习模型对活体肝移植供体的CT血管造影数据进行分析，从血管分割到体积分析	本研究开发了一种基于深度学习的3D残差U-Net模型，用于肝体积计算和血管分割，相比传统手动分割方法，提供了更一致和高效的体积评估	需要进一步验证该模型在不同临床环境和成像协议中的通用性	提高活体肝移植术前规划的准确性和效率	活体肝移植供体的肝血管和体积	计算机视觉	NA	深度学习	3D残差U-Net	图像	2022年4月至2023年2月期间三星医疗中心的活体肝移植供体CT血管造影数据
10133	2024-12-22	Semi-supervised meta-learning elucidates understudied molecular interactions 2024-09-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06797-z PMID:39251833	研究论文	本文开发了一种名为MMAPLE的深度学习框架，用于解决数据分布偏移和标签数据稀缺的问题，并在多个领域展示了其预测能力	MMAPLE将元学习、迁移学习和半监督学习整合到一个统一的框架中，能够有效利用分布外的未标记数据	NA	开发一种新的深度学习框架，以解决生物学中由于实验限制和人类偏见导致的未充分研究问题	药物-靶点相互作用、人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	深度学习	MMAPLE	数据	NA
10134	2024-12-22	Enabling target-aware molecule generation to follow multi objectives with Pareto MCTS 2024-09-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06746-w PMID:39223327	研究论文	本文提出了一种名为ParetoDrug的多目标靶向分子生成算法，通过Pareto蒙特卡洛树搜索（MCTS）在化学空间中搜索分子，以实现多属性的同步优化	ParetoDrug算法通过在Pareto前沿上进行分子搜索，结合预训练的原子自回归生成模型和ParetoPUCT策略，实现了多目标靶向分子生成，解决了现有方法在药物相似性等其他重要属性上的不足	NA	旨在填补深度学习药物发现领域中多目标靶向分子生成的空白	靶向蛋白质的小分子配体及其多属性优化	机器学习	NA	蒙特卡洛树搜索（MCTS）	自回归生成模型	分子结构	NA
10135	2024-12-22	Improved sleep stage predictions by deep learning of photoplethysmogram and respiration patterns 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108679 PMID:39033682	研究论文	本文提出了一种结合卷积神经网络和双向长短期记忆的深度学习架构，通过光体积描记信号和呼吸模式来提高睡眠阶段分类的准确性	本文的创新点在于通过结合光体积描记信号和呼吸传感器输入，显著提高了睡眠阶段分类的准确性，并展示了在不同阶段分类中的显著改进	本文的局限性在于仅使用了光体积描记信号和呼吸传感器输入，可能无法完全替代传统的多导睡眠图	本文的研究目的是提高睡眠阶段分类的准确性，以便更便捷地诊断和管理睡眠障碍	本文的研究对象是睡眠阶段的分类	机器学习	NA	NA	卷积神经网络和双向长短期记忆	信号	NA
10136	2024-12-22	Current strategies to address data scarcity in artificial intelligence-based drug discovery: A comprehensive review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108734 PMID:38964243	综述	本文综述了在基于人工智能的药物发现中应对数据稀缺问题的当前策略	本文介绍了多种应对数据稀缺的方法，包括迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成和联邦学习等	本文讨论了这些方法在处理小分子数据时的局限性	探讨如何通过不同方法解决人工智能在药物发现中面临的数据稀缺问题	人工智能在药物发现中的应用及其面临的挑战	机器学习	NA	迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成、联邦学习	NA	分子结构数据	NA
10137	2024-12-22	A graph neural network approach for predicting drug susceptibility in the human microbiome 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108729 PMID:38955124	研究论文	本文提出了一种基于图神经网络的方法，用于预测人类微生物组中药物的敏感性	本文首次提出了基于图神经网络的模型（GCN、GAT和GINCOV），并展示了GINCOV模型在预测药物对肠道微生物组敏感性方面的优越性能	本文未详细讨论模型的可解释性以及在不同人群中的泛化能力	探索药物与人类微生物组相互作用，预测药物在肠道微生物组中的敏感性	药物与人类微生物组的相互作用	机器学习	NA	图神经网络	GCN, GAT, GINCOV	SMILES数据集	约150种药物
10138	2024-12-22	Exploring the potential of artificial intelligence in paediatric dentistry: A systematic review on deep learning algorithms for dental anomaly detection 2024-Sep, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13164 PMID:38297447	综述	本文系统回顾了深度学习算法在儿科牙科中检测牙科异常的潜力	展示了基于深度学习算法的人工智能系统在提高牙科异常检测速度和准确性方面的潜力	文章数量有限且数据异质性较大	研究人工智能系统在识别儿科牙科中的牙科异常方面的表现，并将其与人类表现进行比较	儿科牙科中的牙科异常	计算机视觉	NA	深度学习	深度学习子系统	图像	6篇文章，评估了9个深度学习子系统
10139	2024-12-22	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-08-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06714-4 PMID:39215205	研究论文	本文提出了一种无需训练数据的无监督细胞及其核分割方法UNSEG，通过贝叶斯框架和细胞核与细胞膜标记实现深度学习级别的性能	UNSEG方法在无监督学习范式下实现了深度学习级别的细胞分割性能，无需训练数据，并引入了改进的扰动分水岭算法用于细胞核分割	NA	开发一种无需监督学习的通用细胞及其核分割方法，以应对复杂组织样本的量化需求	复杂组织样本中的细胞及其核的分割	计算机视觉	NA	无监督学习	NA	图像	包括高质量注释的胃肠道组织数据集和公开数据集
10140	2024-12-22	TriFusion enables accurate prediction of miRNA-disease association by a tri-channel fusion neural network 2024-08-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06734-0 PMID:39215090	研究论文	本文提出了一种名为TriFusion的三通道融合神经网络框架，用于准确预测miRNA与疾病之间的关联	TriFusion通过三通道架构从不同层次编码miRNA和疾病的关联特征，并通过特征融合编码器平滑融合这些特征，提供了更准确的预测和强大的可解释性	NA	旨在解决miRNA-疾病关联预测中的计算挑战，提高预测准确性	miRNA与疾病之间的关联，特别是卵巢癌、乳腺癌和前列腺癌	机器学习	前列腺癌	深度学习	神经网络	特征数据	涉及三种高风险性相关癌症（卵巢癌、乳腺癌和前列腺癌）的miRNA关联数据