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
10301	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）
10302	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
10303	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
10304	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
10305	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
10306	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
10307	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
10308	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
10309	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
10310	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
10311	2024-12-19	Automatic detection and visualization of temporomandibular joint effusion with deep neural network 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69848-9 PMID:39143180	研究论文	本研究探讨了基于深度学习的颞下颌关节（TMJ）积液自动检测方法在磁共振成像（MRI）中的应用，并比较了不同卷积神经网络模型与人类专家的诊断性能	提出了使用深度神经网络进行颞下颌关节积液的自动检测和可视化，并展示了在提供患者临床信息的情况下，模型的诊断准确性有所提高	人类专家在敏感性方面优于模型，且模型在不同年龄和性别组中的表现存在差异	研究深度学习模型在颞下颌关节积液检测中的应用及其诊断性能	颞下颌关节积液的自动检测和可视化	机器学习	颞下颌关节疾病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	2948个颞下颌关节样本，来自1017名女性和457名男性，平均年龄37.19 ± 18.64岁
10312	2024-12-19	A foundational large language model for edible plant genomes 2024-07-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06465-2 PMID:38982288	研究论文	本文介绍了AgroNT，一个基于48种植物基因组训练的大型语言模型，主要关注作物物种，并展示了其在基因组学研究中的应用	AgroNT模型在监管注释、启动子/终止子强度、组织特异性基因表达和功能变异优先级方面取得了最先进的预测结果，并提出了植物基因组基准（PGB）	NA	利用大型语言模型在作物基因组改良中进行准确预测	48种植物基因组，特别是作物物种	机器学习	NA	NA	大型语言模型	基因组数据	48种植物物种
10313	2024-12-19	A Fusion Learning Model Based on Deep Learning for Single-Cell RNA Sequencing Data Clustering 2024-06, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0512 PMID:38758925	研究论文	本文提出了一种基于深度学习的融合学习模型，用于单细胞RNA测序数据的聚类	创新点在于将深度学习技术应用于单细胞RNA测序数据的聚类任务，并提出了一个融合学习模型	NA	旨在提高单细胞RNA测序数据聚类的准确性和效率	单细胞RNA测序数据	机器学习	NA	RNA-seq	深度学习模型	测序数据	NA
10314	2024-12-19	Automated entry of paper-based patient-reported outcomes: Applying deep learning to the Japanese orthopaedic association back pain evaluation questionnaire 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108197 PMID:38452472	研究论文	本研究开发了一种深度学习模型，用于自动读取日本骨科协会下腰痛评估问卷的纸质表格	首次应用深度学习技术自动读取纸质患者报告结局，减轻了数据收集者的负担	仅限于特定问卷和特定语言（日语），未提及模型在其他语言或问卷上的适用性	开发一种自动读取纸质患者报告结局的深度学习模型，以提高数据收集效率	日本骨科协会下腰痛评估问卷的纸质表格	机器学习	下腰痛	深度学习	深度学习模型	文本	训练集1305份，测试集483份
10315	2024-12-19	A bidirectional interpretable compound-protein interaction prediction framework based on cross attention 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108239 PMID:38460309	研究论文	提出了一种基于交叉注意力的双向可解释化合物-蛋白质相互作用预测框架CmhAttCPI	引入交叉多头注意力机制，提供从化学和生物学角度的双向可解释性，并展示了模型的实际应用性	未提及具体的局限性	开发一种新型的化合物-蛋白质相互作用预测方法，以降低实验成本和劳动强度	化合物-蛋白质相互作用	机器学习	NA	交叉多头注意力机制	CNN	分子图和蛋白质序列	使用了平衡和不平衡的数据集进行评估
10316	2024-12-19	Transcriptomic signature of cancer cachexia by integration of machine learning, literature mining and meta-analysis 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108233 PMID:38452471	研究论文	本研究通过整合机器学习、文献挖掘和元分析，识别癌症恶病质的转录组特征	本研究创新性地整合了机器学习、元分析和文献挖掘，以识别癌症恶病质的稳健转录组特征	NA	识别癌症恶病质的转录组特征，并探索潜在的治疗策略	癌症恶病质小鼠肌肉的转录组数据	机器学习	癌症	下一代测序技术	深度学习和随机森林模型	转录组数据	来自十个不同研究的恶病质小鼠肌肉转录组数据
10317	2024-12-19	ECG-based data-driven solutions for diagnosis and prognosis of cardiovascular diseases: A systematic review 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108235 PMID:38460311	综述	本文对基于心电图（ECG）的数据驱动方法在心血管疾病（CVD）诊断和预后中的应用进行了系统性综述	本文填补了现有文献中关于ECG数据驱动方法在CVD诊断和预后中应用的系统性综述的空白，并特别关注了可信人工智能（Trustworthy AI）的要求	本文主要关注于综述现有研究，未提出新的模型或方法	旨在通过系统性综述，全面分析基于ECG的数据驱动模型在CVD诊断和预后中的应用现状，并提供具体建议	基于ECG的数据驱动模型在CVD诊断和预后中的应用	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	深度学习（DL）	心电图（ECG）数据	NA
10318	2024-12-19	A systematic review of the application of deep learning techniques in the physiotherapeutic therapy of musculoskeletal pathologies 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108082 PMID:38461697	综述	本文系统回顾了深度学习技术在肌肉骨骼病理学物理治疗中的应用现状	主要创新点在于采用混合模型，特别是卷积模型的广泛应用，以及在数据方面，文本和结构化数据展示了在该领域进行突破性工作的潜力	本文仅选择了23篇研究进行分析，可能无法全面覆盖所有相关研究	评估深度学习模型在物理治疗中的应用现状，并识别该领域的关键趋势、挑战和机遇	肌肉骨骼病理学的物理治疗	机器学习	NA	深度学习	混合模型，卷积模型	身体信号，图像，文本，结构化数据	214篇初始论文中选择了23篇进行分析
10319	2024-12-19	Efficiently improving the Wi-Fi-based human activity recognition, using auditory features, autoencoders, and fine-tuning 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108232 PMID:38484697	研究论文	本文提出了一种基于Wi-Fi信号的人类活动识别方法，通过使用听觉特征、自编码器和微调技术，在训练数据有限的情况下提高了识别精度	本文的创新点在于使用预训练的多输入多输出自编码器（MIMO AE）从少量数据样本中提取梅尔频率倒谱系数（MFCC）特征，并通过微调技术在分类器中固定编码层，从而在较少训练数据的情况下提高了识别精度	本文的局限性在于虽然可以通过增加计算成本进一步提高精度，但提升幅度较小，仅为2.4%	本文的研究目的是在训练数据有限的情况下，提高基于Wi-Fi信号的人类活动识别精度	本文的研究对象是基于Wi-Fi信号的人类活动识别	机器学习	NA	自编码器	自编码器	信号	使用了30%的训练和验证数据（相当于总数据的24%）
10320	2024-12-19	CosSIF: Cosine similarity-based image filtering to overcome low inter-class variation in synthetic medical image datasets 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108317 PMID:38492455	研究论文	提出了一种基于余弦相似度的图像过滤算法CosSIF，用于解决合成医学图像数据集中类间差异较小的问题	提出了CosSIF算法，并开发了两种过滤方法FBGT和FAGT，以减少类间差异并提高GAN生成图像的判别能力	未提及具体限制	解决医学图像数据集中类间差异较小的问题，并提高深度学习模型在临床图像分类中的性能	医学图像数据集和生成对抗网络（GAN）生成的合成图像	计算机视觉	NA	生成对抗网络（GAN）	卷积神经网络（CNN）和Transformer	图像	未提及具体样本数量