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
11101	2024-12-15	A deep-learning system for diagnosing ectopic eruption 2025-Jan, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105399 PMID:39424256	研究论文	构建了一个用于混合牙列诊断的多阶段深度学习网络模型，以预测恒牙的异位萌发	该研究创新性地将牙列分割整合到自动分类牙发育阶段的过程中，并展示了模型在多个场景中的适应性	NA	开发一种用于诊断异位萌发的深度学习系统	儿童的混合牙列和恒牙的异位萌发	机器学习	NA	深度学习	多阶段深度学习网络	图像	1576张儿童全景X光片，年龄范围为6-12岁
11102	2024-12-15	Diagnosing Respiratory Variability: Convolutional Neural Networks for Chest X-ray Classification Across Diverse Pulmonary Conditions 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01355-9 PMID:39673008	研究论文	研究利用卷积神经网络（CNN）对胸部X光片进行分类，以诊断多种肺部疾病	提出了基于VGG19的模型，在肺部疾病分类任务中表现优于其他架构，平均准确率高达0.995和0.996	未提及具体的研究局限性	提高发展中国家医疗资源有限情况下的肺部疾病诊断准确性	胸部X光片中的肺部疾病分类	计算机视觉	肺部疾病	卷积神经网络（CNN）	VGG19	图像	8000张胸部X光片（包含四种肺部疾病）和2000张健康胸部X光片
11103	2024-12-15	Semi-supervised Ensemble Learning for Automatic Interpretation of Lung Ultrasound Videos 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01344-y PMID:39673011	研究论文	本文提出了一种用于自动解释肺部超声视频的半监督集成学习深度学习框架	引入了一种基于残差(2+1)D架构的半监督学习方法，并采用集成建模策略来聚合不同标签集的预测结果，利用了肺部超声发现的分层特性	多标签模型的平均F1分数为70.5%，仍有提升空间	开发一种能够自动解释肺部超声视频的深度学习框架，以辅助临床诊断	肺部超声视频及其中的发现（如A线、B线或实变）	计算机视觉	肺部疾病	深度学习	残差(2+1)D架构	视频	NA
11104	2024-12-14	A combined deep learning framework for mammalian m6A site prediction 2024-Dec-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文设计了一个结合Transformer架构和循环神经网络的深度学习框架deepSRAMP，用于预测哺乳动物m6A位点	deepSRAMP在性能上显著优于其前身SRAMP，并在多个基准数据集上超越了其他最先进的m6A预测器	NA	开发一种新的深度学习框架，用于精确预测哺乳动物mRNA中的m6A位点	哺乳动物mRNA中的m6A位点	机器学习	NA	深度学习	Transformer架构和循环神经网络	序列数据和基因组数据	多个基准数据集
11105	2024-12-15	Prediction of gene expression-based breast cancer proliferation scores from histopathology whole slide images using deep learning 2024-Dec-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13248-9 PMID:39663527	研究论文	本研究使用深度学习模型从全切片数字病理图像中预测乳腺癌的基因表达增殖评分	首次展示了使用深度卷积神经网络（CNN）从全切片数字病理图像中直接预测乳腺癌的基因表达增殖评分，并提供了临床预测信息	研究样本量有限，且仅限于侵袭性乳腺癌患者	评估是否可以从数字全切片图像中使用深度学习模型预测乳腺癌的分子增殖标志物	乳腺癌患者的全切片数字病理图像和RNA测序数据	数字病理学	乳腺癌	RNA测序	CNN	图像	819名侵袭性乳腺癌患者的训练数据，172例内部测试集和997例外部独立测试集
11106	2024-12-15	Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis 2024-Dec-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-08120-7 PMID:39633356	meta-analysis	本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性	深度学习在骨质疏松诊断中的表现优于其他机器学习算法	需要进一步的临床试验来验证研究结果	研究深度学习在骨质疏松预测中的诊断准确性	深度学习算法在骨质疏松预测中的诊断性能	machine learning	代谢性疾病	深度学习	CNN	NA	10项研究
11107	2024-12-15	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	本文提出了一种基于EEG信号的混合相似性特征选择和级联深度Maxout模糊网络用于自闭症谱系障碍检测	提出了级联深度Maxout模糊网络（Cascade DMFN）模型，并结合Canberra距离和Kumar-hassebrook混合相似性度量进行特征选择	未提及具体局限性	开发一种经济且简单的诊断模型，用于早期检测自闭症谱系障碍，以提供及时干预并降低医疗成本	自闭症谱系障碍的检测	机器学习	自闭症	深度学习	级联深度Maxout模糊网络（Cascade DMFN）	EEG信号	使用了EEG数据集和BCIAUT_P300数据集
11108	2024-12-15	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	本研究开发了一种基于机器学习的计算方法，用于预测植物基因组中响应非生物胁迫的环状RNA	首次提出了一种基于机器学习的模型，用于预测植物中响应非生物胁迫的环状RNA，并开发了一个在线预测工具AScirRNA	模型的准确性和性能仍有提升空间，且需要进一步验证其在不同植物物种中的适用性	探索植物中环状RNA在非生物胁迫响应中的功能，并开发预测工具以辅助作物育种	植物基因组中的环状RNA及其在非生物胁迫中的响应机制	机器学习	NA	机器学习算法	XGBoost, LightGBM	环状RNA序列	NA
11109	2024-12-15	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	本文提出了一种基于FCM-GRNN欠采样技术的深度学习模型ILYCROsite，用于识别赖氨酸巴豆酰化位点	本文创新性地采用了MLP-Attention模型，并结合FCM-GRNN欠采样算法来平衡数据集，显著提高了巴豆酰化位点识别的性能	NA	开发一种高效准确的模型来识别蛋白质中的赖氨酸巴豆酰化位点	赖氨酸巴豆酰化位点的识别	机器学习	NA	FCM-GRNN欠采样技术	MLP-Attention	序列	NA
11110	2024-12-15	Prediction of Crohn's disease based on deep feature recognition 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108231 PMID:39362115	研究论文	本文提出了一种基于深度学习的模型，利用顺序卷积注意力网络（SCAN）进行特征提取，结合自适应加性区间损失和支持向量机（SVM）进行分类，以预测克罗恩病	本文创新性地使用了顺序卷积注意力网络（SCAN）进行特征提取，并引入了自适应加性区间损失来增强特征，同时提出了一种随机噪声独热编码数据增强方法来处理样本不平衡问题	NA	利用深度学习技术分析基因信息，预测克罗恩病	克罗恩病患者的基因数据	机器学习	消化系统疾病	深度学习	顺序卷积注意力网络（SCAN）	基因数据	NA
11111	2024-12-15	A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108241 PMID:39405777	研究论文	本文提出了一种基于自适应尺度判别器和混合损失的多类眼底疾病分类系统	创新性地设计了多维注意力模块和自适应尺度判别器，并提出了混合损失函数方法以提高不平衡数据的检测能力	未提及具体的局限性	解决眼底图像中多类眼科疾病的分类问题	眼底图像中的多类眼科疾病	计算机视觉	NA	深度学习	ResNet50	图像	ODRI-5K数据集
11112	2024-12-15	Comprehensive review of literature on Parkinson's disease diagnosis 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	本文对帕金森病诊断领域的50篇文献进行了综合回顾，涵盖了多种模态和方法	本文系统性地总结了帕金森病诊断领域的研究进展，并指出了研究空白和障碍	本文主要基于已有文献的回顾，未提出新的诊断方法或技术	回顾帕金森病诊断领域的研究进展，识别研究空白和障碍	帕金森病诊断的相关文献和研究	机器学习	帕金森病	机器学习、深度学习	NA	图像、信号、数据	50篇文献
11113	2024-12-15	Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108232 PMID:39423605	研究论文	本文提出了一种基于联邦学习和深度学习框架的多模态抑郁症检测方法，利用MRI图像和语音信号进行青少年抑郁症的检测	本文创新性地结合了联邦学习（FL）和深度学习（DL）模型，解决了传统深度学习模型在处理大数据时的挑战，并提出了基于指数非洲鹈鹕优化算法（ExpAPO）的深度卷积神经网络（DCNN）用于局部模块的抑郁症检测	本文未详细讨论联邦学习框架在实际应用中的隐私保护问题以及模型的可解释性	研究目的是通过多模态数据（MRI图像和语音信号）检测青少年抑郁症，并利用联邦学习框架解决数据规模问题	研究对象是青少年的抑郁症检测，使用MRI图像和语音信号作为输入数据	机器学习	精神健康问题	联邦学习（FL），深度学习（DL）	深度卷积神经网络（DCNN）	图像和语音	未明确提及具体样本数量
11114	2024-12-15	Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108270 PMID:39481232	研究论文	本文研究了通过整合机器学习和化学信息学方法预测小分子在人体肠道的吸收情况	本文创新性地结合了传统机器学习算法和深度学习模型（如图卷积神经网络和图注意力网络）来预测药物的肠道吸收	本文的局限性在于所使用的数据集主要来自早期和近期的一些研究，可能无法完全代表所有药物的肠道吸收情况	研究目的是预测药物在人体肠道的吸收情况，以评估其口服生物利用度	研究对象是2648种化合物的分子描述符及其在人体肠道的吸收情况	机器学习	NA	机器学习算法（如随机森林和LightGBM）和深度学习模型（如图卷积神经网络和图注意力网络）	随机森林、LightGBM、图卷积神经网络（GCNN）和图注意力网络（GAT）	分子描述符	2648种化合物
11115	2024-12-15	Optimization and correction of breast dynamic optical imaging projection data based on deep learning 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108259 PMID:39486356	研究论文	本文提出了一种基于深度学习的乳腺动态光学成像（DOI）投影数据优化与校正方法	利用卷积神经网络（CNN）提取原始图像特征，并通过生成对抗网络（GAN）增强图像质量，同时开发了一种新的校正算法来解决投影数据失真问题	NA	提高乳腺动态光学成像的图像质量和投影数据准确性，为乳腺癌的早期筛查和诊断提供新的方法	乳腺动态光学成像的投影数据	计算机视觉	乳腺癌	深度学习	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA
11116	2024-12-15	MuSE: A deep learning model based on multi-feature fusion for super-enhancer prediction 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108282 PMID:39561516	研究论文	提出了一种基于多特征融合的深度学习模型MuSE，用于超级增强子预测	MuSE模型通过结合one-hot编码和DNA2Vec的k-mer表示，能够自动提取DNA序列的关键特征，并在跨物种预测中表现出色	基于DNA2Vec的k-mer表示在捕捉物种个体性方面存在不足，影响了模型的泛化能力	改进超级增强子的识别方法	DNA序列的特征提取和超级增强子的预测	生物信息学	NA	深度学习	神经网络	序列	人类和鼠类物种数据集
11117	2024-12-15	Transformer-based deep learning model for the diagnosis of suspected lung cancer in primary care based on electronic health record data 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105442 PMID:39536394	研究论文	本文提出了一种基于Transformer的深度学习模型，用于在初级医疗中通过电子健康记录数据诊断疑似肺癌	该模型利用了电子健康记录中的时间序列数据，捕捉了癌症与非癌症路径之间的时序关系，从而提高了诊断的准确性	本文仅在英国的数据集上进行了验证，未来需要在外部数据集上进行验证	构建一个用于肺癌早期检测的模型，以提高诊断的准确性	疑似肺癌患者	机器学习	肺癌	ALBERT	Transformer	文本	3,303,992名患者，其中11,847例肺癌病例
11118	2024-12-15	Deep learning-based body composition analysis from whole-body magnetic resonance imaging to predict all-cause mortality in a large western population 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105467 PMID:39622188	研究论文	本文开发并测试了一种基于深度学习的框架，用于从全身磁共振成像（MRI）中自动量化体积身体成分测量，并研究其在预测西方大人群全因死亡率中的预后价值	本文首次使用深度学习技术自动量化全身MRI中的体积身体成分测量，并验证其在预测全因死亡率中的预后价值	本文仅在西方人群中进行了验证，尚未在其他人群中进行测试	开发一种基于深度学习的框架，用于自动量化全身MRI中的体积身体成分测量，并评估其在预测全因死亡率中的预后价值	全身MRI中的体积身体成分测量，包括皮下脂肪组织（SAT）、内脏脂肪组织（VAT）、骨骼肌（SM）、骨骼肌脂肪分数（SMFF）和肌内脂肪组织（IMAT）	计算机视觉	NA	深度学习	深度学习框架	图像	36,317名UKBB参与者（平均年龄65.1±7.8岁，年龄范围45-84岁；51.7%为女性；1.7%全因死亡率；中位随访4.8年）和23,725名NAKO参与者（平均年龄53.9±8.3岁，年龄范围40-75；44.9%为女性）
11119	2024-12-15	Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound 2024-Dec, JTCVS techniques IF:1.7Q2 DOI:10.1016/j.xjtc.2024.09.008 PMID:39669341	研究论文	本文评估了基于深度学习的卷积神经网络在无监督情况下从内窥镜超声视频中自动提取图像，用于预测肺癌淋巴结转移的诊断性能	本文首次使用卷积神经网络从内窥镜超声视频中自动提取图像，进行肺癌淋巴结转移的预测	研究仅基于单中心数据库，未来需要在大规模前瞻性研究中验证算法的有效性	评估基于深度学习的卷积神经网络在预测肺癌淋巴结转移中的诊断性能	肺癌患者的纵隔和肺门淋巴结	计算机视觉	肺癌	卷积神经网络	SqueezeNet	视频	来自单中心数据库的患者和淋巴结数据
11120	2024-12-15	Automated crack localization for road safety using contextual u-net with spatial-channel feature integration 2024-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102796 PMID:39669512	研究论文	本文提出了一种基于上下文U-Net深度学习模型的道路裂缝自动定位框架	该框架采用EfficientNet编码器捕捉道路图像中的空间特征和通道特征，并通过自定义的分层注意力机制使模型能够适应不同尺度和分辨率的裂缝定位	NA	提高道路裂缝定位的准确性和及时性，以保障道路安全和维护	道路图像中的裂缝	计算机视觉	NA	深度学习	U-Net	图像	基准数据集和自定义数据集