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
10401	2024-12-21	Optimising the paradigms of human AI collaborative clinical coding 2024-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01363-7 PMID:39702575	研究论文	本研究提出了一种新的人在环（HITL）框架CliniCoCo，旨在优化人机协作的临床编码	提出了CliniCoCo框架，通过深度学习能力实现自动化临床编码系统与人类编码员在实际环境中的高效协作	未提及具体的局限性	优化人机协作的临床编码范式	临床编码系统与人类编码员的协作效率	机器学习	NA	深度学习	NA	文本	使用了中国医院真实世界的电子病历数据集
10402	2024-12-21	AI-driven system for non-contact continuous nocturnal blood pressure monitoring using fiber optic ballistocardiography 2024-Dec-19, Communications engineering DOI:10.1038/s44172-024-00326-w PMID:39702581	研究论文	本文介绍了一种基于光纤传感技术的非接触式连续夜间血压监测系统	该系统利用先进的光纤传感器捕捉医疗级的心冲击图信号，并通过人工智能模型提取深度学习和基准特征，实现了边缘设备上的高效轻量化个性化方案	NA	开发一种非侵入性且舒适的夜间血压连续监测系统，以改善高血压管理和心血管风险评估	夜间血压监测及其在高血压管理和心血管风险评估中的应用	机器学习	心血管疾病	光纤传感技术	AI模型	信号	158名受试者
10403	2024-12-21	HistoPlexer: Histopathology-based Protein Multiplex Generation using Deep Learning 2024-Dec-07, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.26.24301803 PMID:39677425	研究论文	本文介绍了一种基于深度学习的框架HistoPlexer，用于从组织病理学图像直接生成空间解析的蛋白质多重检测	HistoPlexer采用条件生成对抗网络和自定义损失函数，能够减少切片间的变化并保持蛋白质的空间相关性，在转移性黑色素瘤样本的评估中表现优于现有方法	NA	开发一种成本和时间有效的技术，用于从组织病理学图像生成蛋白质多重检测，以更好地理解肿瘤微环境	转移性黑色素瘤样本	计算机视觉	皮肤癌	深度学习	生成对抗网络	图像	NA
10404	2024-12-21	A Deep Learning Network for Accurate Retinal Multidisease Diagnosis Using Multiview Fusion of En Face and B-Scan Images: A Multicenter Study 2024-Dec-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.12.31 PMID:39693092	研究论文	本研究探讨了融合en face和B-scan图像以提高深度学习模型诊断视网膜疾病的效果	提出了一个多视角融合网络（MVFN），通过决策融合模块整合快速轴和慢速轴B-scan及en face信息，显著提高了诊断性能	NA	研究融合en face和B-scan图像对深度学习模型诊断性能的影响	视网膜疾病	计算机视觉	NA	深度学习	多视角融合网络（MVFN）	图像	2330例病例
10405	2024-12-21	Automated deep learning segmentation of cardiac inflammatory FDG PET 2024-Dec, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102052 PMID:39368659	研究论文	本文开发了一种基于3D U-Net深度学习算法的自动化心肌分割工具，用于心脏结节病FDG PET图像的处理	本文首次提出了一种基于深度学习的心肌分割方法，显著提高了心脏结节病FDG PET图像的处理效率和准确性	本文未详细讨论该方法在其他心脏疾病或不同类型PET图像中的适用性	开发一种自动化工具，以提高心脏结节病FDG PET图像的处理效率和准确性	心脏结节病患者的FDG PET图像	计算机视觉	心脏疾病	深度学习	3D U-Net	图像	316名患者的FDG PET扫描数据
10406	2024-12-21	Discovery of novel Akt1 inhibitors by an ensemble-based virtual screening method, molecular dynamics simulation, and in vitro biological activity testing 2024-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10788-3 PMID:38240951	研究论文	本文通过基于集成的虚拟筛选方法、分子动力学模拟和体外生物活性测试，发现了一种新的Akt1抑制剂	本文提出了一种多层虚拟筛选方法，结合了药效团、3D-QSAR、分子对接和深度学习技术，并发现了具有新骨架的潜在Akt1抑制剂Hit9	本文仅对17种化合物进行了体外生物活性测试，未进行体内实验和临床试验	发现新的Akt1抑制剂，用于治疗Akt1过表达的多种癌症	Akt1抑制剂及其与Akt1的相互作用	药物发现	癌症	虚拟筛选、分子动力学模拟、体外生物活性测试	深度学习	化合物	17种不同骨架的化合物
10407	2024-12-21	First report on chemometrics-driven multilayered lead prioritization in addressing oxysterol-mediated overexpression of G protein-coupled receptor 183 2024-Dec, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10811-1 PMID:38460065	研究论文	本文首次报道了通过化学计量学驱动的多层级优先级排序方法，筛选潜在的G蛋白偶联受体183（GPR183）抑制剂，以应对氧化固醇介导的GPR183过度表达	本文开发了一种基于遗传算法（GA）和多元线性回归（MLR）的二维定量构效关系（QSAR）模型，并结合分子对接、药物相似性、ADMET评估、蛋白质-配体稳定性评估等技术，筛选出潜在的GPR183抑制剂	本文的研究结果需要进一步的体外和体内验证	旨在通过计算方法筛选潜在的GPR183抑制剂，以应对氧化固醇介导的GPR183过度表达	G蛋白偶联受体183（GPR183）及其抑制剂	药物筛选	癌症、糖尿病、多发性硬化症、感染性疾病和炎症性疾病	定量构效关系（QSAR）、分子对接、分子动力学、分子力学	多元线性回归（MLR）	化合物数据	12,449个DrugBank化合物
10408	2024-12-21	Bayesian unsupervised clustering identifies clinically relevant osteosarcoma subtypes 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae665 PMID:39701601	研究论文	本文使用贝叶斯无监督聚类方法，通过潜在过程分解（LPD）模型对骨肉瘤进行亚型分类，并验证了其临床相关性	本文采用了更复杂的无监督贝叶斯模型LPD，能够处理个体癌症样本的异质性，并解析转录组数据的结构，提供临床相关信息	NA	识别癌症亚型，为精准医学的发展提供支持	骨肉瘤的亚型分类	机器学习	骨肉瘤	RNA测序（RNA-seq）	潜在过程分解（LPD）	转录组数据	NA
10409	2024-12-21	Detection of hate: speech tweets based convolutional neural network and machine learning algorithms 2024-11-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76632-2 PMID:39572576	研究论文	本文讨论了使用基于TF-IDF的特征工程方法，结合多种机器学习和深度学习分类器，自动识别社交媒体上的仇恨言论	本文创新性地结合了多种机器学习和深度学习算法，包括卷积神经网络（CNN），以提高仇恨言论检测的准确性	本文未详细讨论数据集的多样性和可能的偏差问题	研究目的是解决社交媒体上仇恨言论的自动识别问题	研究对象是社交媒体上的仇恨言论推文	机器学习	NA	TF-IDF	CNN	文本	使用了三个不同的数据集，包括'Hate speech offensive tweets by Davidson et al.'、'Twitter hate speech'以及合并后的'Cyberbullying dataset (toxicity_parsed_dataset)'
10410	2024-12-21	A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding 2024-Nov-05, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae161 PMID:39499217	综述	本文综述了多模态深度学习方法在植物育种基因组预测中的应用	多模态深度学习方法通过引入多种输入信息源，提升了传统单模态深度学习的预测能力，能够更有效地捕捉不同模态之间的交互	多模态深度学习需要更多的计算资源，且在应用时需要选择合适的架构和融合策略	探讨多模态深度学习在植物育种基因组选择中的应用潜力，并提供相关理论基础和实践指导	多模态深度学习方法及其在植物育种中的应用	机器学习	NA	多模态深度学习	神经网络	基因组数据	NA
10411	2024-12-21	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-Nov, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种自动分类小儿脊柱X光片的算法	使用EfficientNet B6架构的深度学习分类器，能够高精度地区分10种术前和术后脊柱X光片类别	在数据集中少于100张图片的类别上表现较低	开发一种自动分类小儿脊柱X光片的算法，用于大规模影像注册	小儿脊柱侧弯患者的脊柱X光片	计算机视觉	脊柱侧弯	深度学习	卷积神经网络	图像	7777张AP图像和5621张侧位图像
10412	2024-12-21	Contrastive machine learning reveals Parkinson's disease specific features associated with disease severity and progression 2024-08-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06648-x PMID:39112797	研究论文	本研究使用对比深度学习方法分析了932名帕金森病患者和366名对照组的磁共振成像数据，揭示了与疾病严重程度和进展相关的帕金森病特异性神经解剖学改变	本研究首次使用对比深度学习方法分析帕金森病患者的MRI数据，揭示了与疾病严重程度和进展相关的特异性神经解剖学改变，并发现了与免疫功能相关的脑脊液蛋白	本研究仅分析了MRI数据，未涉及其他类型的生物标志物或数据	揭示帕金森病特异性神经解剖学改变与疾病严重程度和进展的关系	932名帕金森病患者和366名对照组的磁共振成像数据	机器学习	帕金森病	对比深度学习	NA	图像	932名帕金森病患者和366名对照组
10413	2024-12-21	Differentially localized protein identification for breast cancer based on deep learning in immunohistochemical images 2024-08-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06548-0 PMID:39095659	研究论文	本文基于深度学习框架，利用乳腺免疫组化图像的特征构建定位预测模型，识别出与乳腺癌相关的差异定位蛋白	本文首次通过深度学习方法从免疫组化图像中识别出六个具有稳定差异定位的蛋白，并揭示了这些蛋白与乳腺癌的密切关联	本文未详细探讨这些差异定位蛋白的具体分子机制及其在乳腺癌中的具体作用	识别与乳腺癌相关的差异定位蛋白，揭示其潜在的分子机制，并为乳腺癌的早期诊断和治疗提供帮助	乳腺免疫组化图像中的差异定位蛋白	数字病理学	乳腺癌	深度学习	NA	图像	未明确说明具体样本数量
10414	2024-12-21	Deep learning analysis for differential diagnosis and risk classification of gastrointestinal tumors 2024-08, Scandinavian journal of gastroenterology IF:1.6Q3 DOI:10.1080/00365521.2024.2368241 PMID:38950889	研究论文	本研究使用基于深度学习的计算机辅助诊断系统（EUS-CAD）分析内镜超声（EUS）图像，评估其区分胃肠道间质瘤（GISTs）与其他间质瘤及其风险分类的能力	首次将人工智能应用于内镜超声图像的分析，并成功展示了GIST风险分类的可行性	研究样本量较小，且仅限于肌肉层来源的亚上皮病变	评估基于深度学习的计算机辅助诊断系统在内镜超声图像中区分胃肠道间质瘤与其他间质瘤及其风险分类的能力	胃肠道间质瘤（GISTs）与其他间质瘤的区分及其风险分类	计算机视觉	胃肠道肿瘤	深度学习分析	NA	图像	101例经病理证实的肌肉层来源的亚上皮病变，包括69例GISTs、17例平滑肌瘤和15例神经鞘瘤
10415	2024-12-21	scHiCyclePred: a deep learning framework for predicting cell cycle phases from single-cell Hi-C data using multi-scale interaction information 2024-07-31, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06626-3 PMID:39085477	研究论文	本文提出了一种名为scHiCyclePred的深度学习框架，用于从单细胞Hi-C数据中预测细胞周期阶段，通过整合多尺度相互作用信息来提取3D染色质结构特征	scHiCyclePred通过整合多尺度相互作用信息，显著提高了细胞周期阶段预测的准确性，超越了现有的方法如Nagano_method和CIRCLET	NA	开发一种新的深度学习模型，用于从单细胞Hi-C数据中准确预测细胞周期阶段	单细胞Hi-C数据中的细胞周期阶段预测	生物信息学	NA	单细胞Hi-C技术	深度学习模型	单细胞Hi-C数据	NA
10416	2024-12-21	Mediodorsal thalamus and ventral pallidum contribute to subcortical regulation of the default mode network 2024-07-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06531-9 PMID:39039239	研究论文	研究探讨了腹侧苍白球（VP）和中背侧丘脑（MD）在树鼩默认模式网络（DMN）调控中的作用	首次揭示了VP和MD在DMN调控中的重要性，并扩展了哺乳动物间DMN调控的同源性	研究仅在树鼩中进行，结果的普适性有待进一步验证	探讨亚皮质结构在默认模式网络调控中的作用	腹侧苍白球（VP）和中背侧丘脑（MD）	NA	NA	电生理学和基于深度学习的分类	深度学习	行为状态	树鼩
10417	2024-12-21	Impact of imperfect annotations on CNN training and performance for instance segmentation and classification in digital pathology 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108586 PMID:38796882	研究论文	本文研究了噪声标注对数字病理学中用于实例分割和分类的CNN模型训练和性能的影响	提出了使用小规模正确标注的验证集来避免过拟合噪声标注，并强调了预训练的益处	未提及具体的局限性	研究噪声标注对CNN模型在数字病理学中实例分割和分类任务中的影响	数字病理学中的细胞核实例分割和分类	数字病理学	NA	NA	CNN	图像	未提及具体样本数量
10418	2024-12-21	Iterative feedback-based models for image and video polyp segmentation 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108569 PMID:38781640	研究论文	本文提出了一种基于迭代反馈单元的视频息肉分割模型FlowICBNet，通过引入参考帧选择和流引导变形模块，提高了结肠镜图像中息肉分割的准确性	本文将迭代反馈单元（IFU）扩展到视频息肉分割领域，并引入了参考帧选择（RFS）和流引导变形（FGW）模块，有效解决了内窥镜成像中的常见问题	NA	提高结肠镜图像中息肉分割的准确性，辅助自动化结直肠癌诊断	结肠镜图像和视频中的息肉	计算机视觉	结直肠癌	深度学习	CNN	视频	一个大型视频息肉分割数据集
10419	2024-12-21	Deep learning models for ischemic stroke lesion segmentation in medical images: A survey 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108509 PMID:38677171	综述	本文全面回顾了用于医学图像中缺血性卒中病变分割的深度学习模型	总结了将深度学习架构（如基于CNN和基于transformer的模型）适应于卒中病变分割任务的创新点，并分析了其动机、修改和结果	未提及具体的研究局限性	旨在支持自动化卒中病变分割领域的持续进展	缺血性卒中病变的分割	计算机视觉	脑血管疾病	深度学习	CNN, transformer	图像	涉及三个主要的公共基准数据集：ATLAS, ISLES 和 AISD
10420	2024-12-21	3D reconstruction from endoscopy images: A survey 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108546 PMID:38704902	综述	本文综述了从内窥镜图像进行三维重建的方法	本文总结了基于深度学习方法在内窥镜环境下解决光照不一致和纹理稀疏等挑战的研究进展	本文主要集中在过去十年内的研究，未涵盖更早期的技术	探讨内窥镜图像三维重建技术在医学应用中的现状和未来发展	内窥镜图像的三维重建方法	计算机视觉	NA	深度学习	NA	图像	综述了170篇发表于2013年至2023年间的论文