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
10861	2024-12-17	Three-Dimensional Deep Learning Normal Tissue Complication Probability Model to Predict Late Xerostomia in Patients With Head and Neck Cancer 2025-Jan-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.07.2334 PMID:39147208	研究论文	本研究利用三维深度学习模型预测头颈部癌症患者放疗后晚期口干症的发生	本研究首次将三维辐射剂量分布、CT影像、危险器官分割和临床变量结合，通过深度学习模型提高晚期口干症的预测准确性	深度学习模型在外部验证集上的表现不如参考模型，需要多中心数据进行训练以提高泛化能力	改进头颈部癌症患者放疗后晚期口干症的预测模型	头颈部癌症患者放疗后晚期口干症的预测	机器学习	头颈部癌症	深度学习	深度卷积神经网络（EfficientNet-v2 和 ResNet）	三维剂量分布、CT影像、危险器官分割、临床变量	1208名头颈部癌症患者
10862	2024-12-17	Deep learning can detect elbow disease in dogs screened for elbow dysplasia 2025-Jan, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.13465 PMID:39679734	研究论文	本研究开发并评估了一种卷积神经网络（CNN，EfficientNet）用于评估筛查肘关节发育不良的犬只的肘关节X光片	本研究开发了一种基于深度学习模型的自动裁剪工具RetinaNet进行X光片预处理，并使用可解释的人工智能分析来可视化CNN模型预测的重要区域	本研究为回顾性诊断准确性研究，未提及前瞻性验证	开发并评估一种卷积神经网络用于检测筛查肘关节发育不良的犬只的肘关节异常	筛查肘关节发育不良的犬只的肘关节X光片	计算机视觉	肘关节疾病	卷积神经网络（CNN）	EfficientNet	图像	7229张X光片，包括训练集4000张，验证集1000张，测试集2229张
10863	2024-12-17	ProteoNet: A CNN-based framework for analyzing proteomics MS-RGB images 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111362 PMID:39679296	研究论文	本文提出了一种基于CNN的框架ProteoNet，用于分析蛋白质组学MS-RGB图像，以提高分析效率和准确性	ProteoNet通过引入语义分割、自适应平均池化和加权因子，改进了MS-RGB数据的分析，并展示了其在多种CNN架构中的兼容性和可扩展性	NA	提高蛋白质组学数据在临床研究中的应用效率和准确性	尿液、血液和组织样本中的蛋白质组学数据，涉及肝脏、肾脏和甲状腺疾病	计算机视觉	NA	深度学习	CNN	图像	涉及尿液、血液和组织样本
10864	2024-12-17	Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging 2024-Dec-16, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06709-1 PMID:39680113	研究论文	本研究利用人工智能对前段光学相干断层扫描图像进行深度学习分类，自动分析和分类前房角结构	本研究开发了一种基于深度学习的AS-OCT图像自动前房角分析软件，并应用迁移学习在ResNet-50架构上开发了最佳分类器	NA	提高AS-OCT图像分析的效率	前段光学相干断层扫描图像中的前房角结构	计算机视觉	眼科疾病	深度学习	ResNet-50	图像	94895张AS-OCT图像，来自687名参与者
10865	2024-12-17	Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model 2024-Dec-16, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-024-06687-4 PMID:39680112	研究论文	本文提出了一种基于多尺度特征融合的深度学习模型，用于增强糖尿病视网膜病变和黄斑水肿的检测	利用多尺度特征融合技术，结合高层次语义输入和低层次纹理特征，提高了自动化诊断的准确性	NA	提高糖尿病视网膜病变和黄斑水肿的早期识别准确性	糖尿病视网膜病变和黄斑水肿	计算机视觉	糖尿病性眼病	卷积神经网络 (CNN)	CNN	图像	使用MESSIDOR数据集，包含带有病理注释的视网膜图像
10866	2024-12-17	SpatialCVGAE: Consensus Clustering Improves Spatial Domain Identification of Spatial Transcriptomics Using VGAE 2024-Dec-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00676-1 PMID:39680300	研究论文	本文提出了一种名为SpatialCVGAE的共识聚类框架，用于空间转录组数据分析，通过结合变分图自编码器和共识聚类方法，提高空间域识别的稳定性和准确性	SpatialCVGAE通过结合多个空间图和共识聚类方法，解决了空间转录组数据稀疏性和高噪声导致的聚类不稳定问题，显著提高了模型的稳定性和鲁棒性	NA	提高空间转录组数据分析中空间域识别的稳定性和准确性	空间转录组数据	空间转录组学	NA	变分图自编码器（VGAE）	变分图自编码器（VGAE）	空间转录组数据	NA
10867	2024-12-17	A deep learning approach for the screening of referable age-related macular degeneration - Model development and external validation 2024-Dec-14, Journal of the Formosan Medical Association = Taiwan yi zhi DOI:10.1016/j.jfma.2024.12.008 PMID:39675993	研究论文	开发并验证了一种用于诊断可转诊年龄相关性黄斑变性（AMD）的深度学习图像评估软件VeriSee™ AMD	首次开发并验证了一种基于深度学习的图像评估软件，用于辅助临床筛查中度和重度AMD	研究仅限于特定年龄段的患者和特定类型的眼底图像	开发并验证一种深度学习模型，用于诊断可转诊的年龄相关性黄斑变性	50岁及以上患者的45度彩色眼底图像	计算机视觉	年龄相关性黄斑变性	深度学习	深度学习模型	图像	6801张用于模型开发，937张用于外部验证
10868	2024-12-15	Author Correction: AutoTransOP: translating omics signatures without orthologue requirements using deep learning 2024-Dec-13, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00456-z PMID:39672816	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10869	2024-12-17	Advance drought prediction through rainfall forecasting with hybrid deep learning model 2024-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80099-6 PMID:39672936	研究论文	本文提出了一种混合深度学习模型，用于通过降雨预测来提高干旱预测的准确性	本文的创新点在于使用双向LSTM和LSTM的堆叠模型来捕捉复杂的时间依赖性，从而提高降雨预测的准确性	NA	本文的研究目的是通过提高降雨预测的准确性来改进干旱预测和管理	本文的研究对象是干旱预测和降雨预测	机器学习	NA	深度学习	双向LSTM和LSTM	时间序列数据	NA
10870	2024-12-17	MPCD: A Multitask Graph Transformer for Molecular Property Prediction by Integrating Common and Domain Knowledge 2024-Dec-12, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c02193 PMID:39620982	研究论文	本文提出了一种多任务图Transformer模型MPCD，用于分子性质预测，通过整合通用知识和领域知识来提高预训练的可迁移性	MPCD通过对齐预训练和微调的优化目标，并利用多任务学习来提高数据利用率和模型鲁棒性，同时采用关系感知自注意力机制全面捕捉分子的局部和全局结构	NA	提高分子性质预测的准确性和模型鲁棒性	分子性质预测中的吸收、分布、代谢、排泄和毒性（ADMET）以及物理化学性质预测	机器学习	NA	关系感知自注意力机制	图Transformer	分子图	各种数据规模的分子数据
10871	2024-12-17	Brain clocks capture diversity and disparities in aging and dementia across geographically diverse populations 2024-Dec, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03209-x PMID:39187698	研究论文	本文研究了不同地理、社会经济、人口统计、性别和神经退行性因素对脑年龄差距的影响，并开发了一种基于功能磁共振成像和脑电图的深度学习架构来量化这些差距	首次分析了地理多样性对脑年龄差距的影响，并开发了一种新的深度学习模型来量化这些差距	研究仅限于15个国家的数据，可能无法全面代表全球所有人口的情况	探讨不同因素对脑年龄差距的影响，并为理解脑健康和疾病提供量化框架	来自15个国家的5,306名参与者的脑年龄数据，包括健康对照组和患有轻度认知障碍、阿尔茨海默病和行为变异型额颞叶痴呆的个体	机器学习	阿尔茨海默病	功能磁共振成像，脑电图	深度学习架构	图像，信号	5,306名参与者
10872	2024-12-17	AI-assisted assessment of fall risk in multiple sclerosis: A systematic literature review 2024-Dec, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2024.105918 PMID:39447248	综述	本文系统回顾了利用人工智能和机器学习技术评估多发性硬化症患者跌倒风险的研究	本文展示了患者报告结果（PROs）、可穿戴传感器和深度学习在评估多发性硬化症患者跌倒风险方面的潜力	本文仅基于现有研究的回顾，未进行新的实验或数据收集	利用人工智能和机器学习技术预测多发性硬化症患者的跌倒可能性	多发性硬化症患者的跌倒风险	机器学习	多发性硬化症	NA	随机森林分类器、BiLSTM	患者报告结果、可穿戴加速度计数据	NA
10873	2024-12-17	Radiographer Education and Learning in Artificial Intelligence (REAL-AI): A survey of radiographers, radiologists, and students' knowledge of and attitude to education on AI 2024-Dec, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.10.010 PMID:39481214	调查	本研究调查了放射技师、放射科医生和学生对人工智能教育的知识和态度	首次评估了医疗影像专业人员对人工智能的当前理解和培训差距	样本量较小，且仅限于特定群体	评估医疗影像专业人员对人工智能的当前理解和培训需求	放射技师、放射科医生和学生	NA	NA	NA	NA	NA	136名参与者，来自25个国家和5个大洲
10874	2024-12-17	Automated Evaluation for Pericardial Effusion and Cardiac Tamponade with Echocardiographic Artificial Intelligence 2024-Dec-01, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.27.24318110 PMID:39649606	研究论文	本文开发并验证了一种基于深度学习的模型，用于自动评估超声心动图视频中的心包积液严重程度和心脏压塞	本文创新性地使用时空卷积神经网络来自动评估心包积液严重程度和心脏压塞，并展示了其在不同队列中的一致性和泛化能力	NA	开发并验证一种深度学习模型，用于自动评估超声心动图视频中的心包积液严重程度和心脏压塞	心包积液严重程度和心脏压塞	机器学习	心血管疾病	深度学习	时空卷积神经网络	视频	1,427,660个视频来自85,380个超声心动图，外部验证使用33,310个视频来自1,806个超声心动图
10875	2024-12-17	Tiberius: end-to-end deep learning with an HMM for gene prediction 2024-Nov-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae685 PMID:39558581	研究论文	本文介绍了Tiberius，一种基于深度学习的从头基因预测器，它将卷积层和长短期记忆层与可微分的隐马尔可夫模型（HMM）层进行端到端集成	Tiberius通过将深度学习层与可微分的HMM层结合，显著提高了从头基因预测的准确性，并在人类基因组中实现了62%的F1得分	NA	开发一种新的深度学习方法，用于提高从头基因预测的准确性	哺乳动物基因组中的基因预测	机器学习	NA	深度学习	CNN、LSTM、HMM	DNA序列	人类基因组及其他两个基因组
10876	2024-12-17	Design of high specificity binders for peptide-MHC-I complexes 2024-Nov-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.28.625793 PMID:39651227	研究论文	本文使用基于深度学习的蛋白质设计工具，设计了能够高特异性结合肽-MHC-I复合物的小蛋白	本文首次使用深度学习技术设计了能够高特异性结合肽-MHC-I复合物的小蛋白，并展示了其在酵母表面展示系统中的应用	本文仅在酵母表面展示系统和T细胞激活实验中验证了设计的有效性，尚未在人体中进行临床验证	设计高特异性结合肽-MHC-I复合物的小蛋白，用于疾病治疗	肽-MHC-I复合物及其在免疫系统中的作用	机器学习	NA	深度学习	NA	蛋白质结构	10个目标肽-MHC-I复合物
10877	2024-12-17	Managing Dyslipidemia in Children: Current Approaches and the Potential of Artificial Intelligence 2024-11-27, Cardiology in review IF:2.0Q3 DOI:10.1097/CRD.0000000000000816 PMID:39601582	综述	本文综述了儿童血脂异常的管理现状，并探讨了人工智能在改善筛查、诊断和治疗结果方面的潜力	本文探讨了人工智能在儿童血脂异常管理中的应用，包括脂质谱分析、肥胖评估和家族性高胆固醇血症筛查，展示了深度学习模型、机器学习算法和人工神经网络在提高诊断准确性和治疗效果方面的潜力	大多数研究是在成人群体中进行的，儿童群体的相关研究较少	分析当前儿童血脂异常管理的文献，并探讨人工智能在改善筛查、诊断和治疗结果方面的潜力	儿童血脂异常的管理	NA	心血管疾病	人工智能	深度学习模型、机器学习算法、人工神经网络	NA	NA
10878	2024-12-17	A self-attention-driven deep learning framework for inference of transcriptional gene regulatory networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae639 PMID:39679439	研究论文	本文介绍了一种基于自注意力机制的深度学习框架DeepTGI，用于从单细胞和/或批量转录组数据中推断转录因子与基因之间的相互作用	DeepTGI通过融合自动编码器提取的特征与自注意力机制及其他网络，能够更准确地预测转录因子与基因的相互作用，并重建基因调控网络	NA	开发一种新的深度学习框架，用于从基因表达数据中推断转录因子与基因之间的相互作用	转录因子与基因之间的相互作用	机器学习	NA	深度学习	自注意力机制	基因表达数据	单细胞和/或批量转录组数据
10879	2024-12-17	CT-based deep learning model for predicting the success of extracorporeal shock wave lithotripsy in treating ureteral stones larger than 1 cm 2024-Nov-05, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-024-01656-2 PMID:39499273	研究论文	开发基于CT图像的深度学习模型，用于预测体外冲击波碎石术治疗大于1厘米的输尿管结石的成功率	该研究首次基于CT图像构建深度学习模型，显著提高了对体外冲击波碎石术治疗结果的预测性能	研究样本量相对较小，且仅针对特定尺寸的输尿管结石患者	开发一种新的辅助工具，用于预测体外冲击波碎石术治疗大于1厘米输尿管结石的成功率	接受体外冲击波碎石术治疗的大于1厘米输尿管结石患者	计算机视觉	泌尿系统疾病	深度学习	深度学习模型	图像	333名患者
10880	2024-12-17	Review of deep representation learning techniques for brain-computer interfaces 2024-Nov-01, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad8962 PMID:39433072	综述	本文综述了深度表示学习技术在脑机接口（BCI）中用于解码脑电图（EEG）信号的应用	本文强调了自监督学习（SSL）技术在脑机接口领域的相对年轻性，并倡导继续推进专门为EEG信号解码设计的基石模型	目前尚未有标准基石模型被脑机接口社区广泛采用，且只有少数研究对学习到的表示进行了内省分析	综述深度表示学习技术在脑机接口中的应用，分析当前最先进的技术，并提出未来研究方向	脑机接口中的脑电图（EEG）信号解码	机器学习	NA	深度表示学习	自编码器	脑电图（EEG）信号	81篇文章