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
11661	2024-11-27	REDIportal: toward an integrated view of the A-to-I editing 2024-Nov-26, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1083 PMID:39588754	研究论文	介绍了一个名为REDIportal的专门数据库，用于收集和分析A-to-I RNA编辑位点	REDIportal数据库整合了来自TCGA项目的31项研究数据，并提供了与ELIXIR核心资源的互联，包括Ensembl、RNAcentral、UniProt和PRIDE	NA	开发一个集成的工具来应对当前表观转录组学的挑战	A-to-I RNA编辑位点及其在人类生理和疾病中的作用	生物信息学	NA	深度学习	深度学习模型	RNA序列	约1600万个潜在的A-to-I编辑位点
11662	2024-11-27	Deep Learning-Based DCE-MRI Automatic Segmentation in Predicting Lesion Nature in BI-RADS Category 4 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01340-2 PMID:39586911	研究论文	研究基于深度学习的DCE-MRI自动分割在区分BI-RADS 4类乳腺病变中的优势	深度学习自动分割模型在区分BI-RADS 4类乳腺病变方面优于专业放射科医生，显著提高了诊断效率	NA	探讨基于深度学习的DCE-MRI自动分割在区分BI-RADS 4类乳腺病变中的优势	BI-RADS 4类乳腺病变	计算机视觉	乳腺癌	深度学习	NA	图像	197名患者，包括64例恶性病例和133例良性病例
11663	2024-11-27	ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction 2024-Nov-25, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01336-y PMID:39586913	研究论文	本文介绍了一种名为ViViEchoformer的深度学习方法，用于从超声心动图视频中直接回归左心室射血分数（LVEF）	ViViEchoformer利用视频视觉变换器提取视频输入中的时空标记，从而准确捕捉空间信息并保留帧间关系，实现自动化的EF预测	NA	开发一种能够准确预测左心室射血分数的深度学习模型，以辅助人类评估和分析	左心室射血分数（LVEF）	计算机视觉	心血管疾病	深度学习（DL）	视频视觉变换器	视频	10,030个来自斯坦福大学医院的四腔超声心动图视频
11664	2024-11-27	Nomogram for predicting cervical lymph node metastasis of papillary thyroid carcinoma using deep learning-based super-resolution ultrasound image 2024-Nov-24, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01601-0 PMID:39580761	研究论文	研究使用基于深度学习的超分辨率超声图像重建模型预测甲状腺乳头状癌患者颈部淋巴结转移的可行性和有效性	使用超分辨率重建的超声图像构建预测模型，显著提高了预测颈部淋巴结转移的性能	研究为回顾性研究，样本量有限，未来需进一步验证和扩大样本量	探讨基于深度学习的超分辨率超声图像重建模型在预测甲状腺乳头状癌患者颈部淋巴结状态中的可行性和有效性	甲状腺乳头状癌患者的颈部淋巴结状态	计算机视觉	甲状腺癌	超分辨率技术	深度学习模型	超声图像	544名甲状腺乳头状癌患者
11665	2024-11-27	Whole-cell multi-target single-molecule super-resolution imaging in 3D with microfluidics and a single-objective tilted light sheet 2024-Nov-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54609-z PMID:39582043	研究论文	本文开发了一种可操控的、抖动的单目标倾斜光片，用于光学切片以减少荧光背景，并结合3D纳米打印微流控系统，实现了全细胞多目标3D单分子超分辨率成像	本文的创新点在于开发了一种新的微流控系统和单目标倾斜光片技术，结合点扩散函数工程、深度学习分析、主动3D稳定和Exchange-PAINT技术，实现了全细胞多目标3D单分子超分辨率成像	NA	本文的研究目的是开发一种新的技术平台，以提高全细胞多目标3D单分子超分辨率成像的精度和速度	本文的研究对象是全细胞的多目标3D单分子超分辨率成像	计算机视觉	NA	单分子超分辨率成像	深度学习	图像	NA
11666	2024-11-27	Fusing multiplex heterogeneous networks using graph attention-aware fusion networks 2024-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78555-4 PMID:39582056	研究论文	本文提出了一种名为GRAF的框架，用于将多重异构网络转换为同构网络，以更适合图表示学习	GRAF框架通过基于注意力的邻域聚合，学习每个邻居节点和每个网络层的重要性，并根据学习到的注意力进行网络融合和边消除，最终使用图卷积网络进行节点分类	NA	开发一种能够处理多重异构网络的图神经网络框架	多重异构网络的转换和图表示学习	机器学习	NA	图神经网络	图卷积网络	图结构数据	四个不同领域的数据集
11667	2024-11-27	HDBind: encoding of molecular structure with hyperdimensional binary representations 2024-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80009-w PMID:39578580	研究论文	本文提出了一种使用超维度二进制表示法（HDBind）对分子结构进行编码的方法，用于快速筛选潜在药物分子	首次将超维度计算（HDC）应用于现代药物分子库的快速高效筛选，并提出了基于HDC的图编码方法，显著优于以往工作	NA	开发超高效的预筛选工具，以提高药物设计的生产力	潜在药物分子及其与蛋白质目标的结合交互	机器学习	NA	超维度计算（HDC）	NA	分子数据	使用了MoleculeNet数据集和LIT-PCBA数据集
11668	2024-11-27	MoAGL-SA: a multi-omics adaptive integration method with graph learning and self attention for cancer subtype classification 2024-Nov-23, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05989-y PMID:39580382	研究论文	提出了一种基于图学习和自注意力机制的多组学自适应整合方法MoAGL-SA，用于癌症亚型分类	该方法通过图学习生成患者关系图，并利用自注意力机制自适应地整合不同组学的图嵌入，解决了样本结构信息嵌入和灵活整合策略设计的挑战	NA	改进癌症亚型分类的特征学习和多组学数据整合	乳腺癌、肾乳头状细胞癌和肾透明细胞癌的亚型分类	机器学习	乳腺癌	图学习、自注意力机制	图卷积网络、自注意力机制	多组学数据	涉及乳腺癌、肾乳头状细胞癌和肾透明细胞癌的数据集
11669	2024-11-27	Deep learning-based Emergency Department In-hospital Cardiac Arrest Score (Deep EDICAS) for early prediction of cardiac arrest and cardiopulmonary resuscitation in the emergency department 2024-Nov-23, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00407-8 PMID:39580434	研究论文	开发了一种基于深度学习的评分系统Deep EDICAS，用于急诊部门早期预测心脏骤停和心肺复苏	该研究首次探索了使用深度学习技术在心肺复苏检测任务中的应用，并提出了一种能够整合表格和时间序列数据以提高预测准确性的模型	尽管研究展示了深度学习在预测心脏骤停方面的有效性，但关于使用深度学习进行心肺复苏检测的文献仍然稀缺	研究旨在开发一种能够早期预测急诊部门心脏骤停和心肺复苏的深度学习模型	急诊部门的心脏骤停和心肺复苏事件	机器学习	心血管疾病	深度学习	深度学习模型	表格和时间序列数据	来自台湾大学医院的数据
11670	2024-11-27	AI-powered detection and quantification of post-harvest physiological deterioration (PPD) in cassava using YOLO foundation models and K-means clustering 2024-Nov-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01309-w PMID:39580444	研究论文	本研究开发了一种基于YOLO基础模型和K-means聚类的AI框架，用于检测和量化木薯采后生理性衰退（PPD）	本研究创新性地结合了SAM模型和YOLO基础模型，显著提高了PPD检测的准确性，并减少了误差	YOLO-NAS在训练过程中存在不稳定性，YOLOv7在所有类别中的表现最差	解决木薯采后生理性衰退（PPD）问题，减少经济损失	木薯采后生理性衰退（PPD）的检测和量化	计算机视觉	NA	深度学习（DL）	YOLO基础模型（YOLOv7, YOLOv8, YOLOv9, YOLO-NAS）	图像	使用RGB图像进行检测和分类
11671	2024-11-27	Supervised multiple kernel learning approaches for multi-omics data integration 2024-Nov-23, BioData mining IF:4.0Q1 DOI:10.1186/s13040-024-00406-9 PMID:39580456	研究论文	本文提出了一种基于多核学习的多组学数据集成方法	本文提出了基于不同核融合策略的新型多核学习方法，并将其应用于支持向量机进行监督学习任务	NA	探索多组学数据集成的有效方法	多组学数据	机器学习	NA	多核学习	支持向量机	多组学数据	NA
11672	2024-11-27	Integration of the bulk transcriptome and single-cell transcriptome reveals efferocytosis features in lung adenocarcinoma prognosis and immunotherapy by combining deep learning 2024-Nov-23, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-024-03571-3 PMID:39580462	研究论文	本研究通过整合批量转录组和单细胞转录组数据，结合深度学习方法，揭示了肺腺癌预后和免疫治疗中的吞噬特征	开发了一种新的与吞噬作用相关的基因预后特征，并验证了其在肺腺癌患者生存预后和治疗反应预测中的准确性	NA	研究吞噬作用在肺腺癌预后和免疫治疗中的作用	肺腺癌患者的预后和免疫治疗反应	数字病理学	肺癌	深度学习	NA	转录组数据	涉及TCGA、GEO和CTRP数据库中的数据，具体样本数量未明确提及
11673	2024-11-27	Deep learning based heat transfer simulation of the casting process 2024-Nov-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80515-x PMID:39580492	研究论文	本文提出了一种基于深度学习的热传导模拟方法，用于预测铸造过程中凝固阶段的温度场	采用深度学习技术替代传统的数值模拟方法，显著减少了计算量和时间消耗	NA	开发一种快速预测铸造过程中温度场的方法	铸造过程中的温度场预测	计算机视觉	NA	深度学习	U-net网络	温度场数据	200个包含铸件、模具和冷铁的三种组件的几何模型
11674	2024-11-27	Improved facial emotion recognition model based on a novel deep convolutional structure 2024-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79167-8 PMID:39580589	研究论文	本文提出了一种基于新型深度卷积结构的改进面部情感识别模型	提出了抗混叠深度卷积网络（AA-DCN）模型，通过抗混叠技术提高面部情感识别的准确性	未提及	探索抗混叠技术如何提高面部情感识别的准确性	面部情感识别	计算机视觉	NA	深度学习	深度卷积网络（DCN）	图像	使用了三个不同的数据集进行评估：Cohn-Kanade Extending (CK+) 数据库、Japanese female facial expressions (JAFFE) 和 Real-world Affective Face (RAF) 数据集
11675	2024-11-27	Spatial resolution enhancement using deep learning improves chest disease diagnosis based on thick slice CT 2024-Nov-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01338-8 PMID:39580609	研究论文	本研究开发了一种深度学习合成模型，通过卷积-Transformer混合编码器-解码器架构，从厚层CT生成薄层CT，以提高胸部疾病诊断的准确性	本研究首次采用卷积-Transformer混合编码器-解码器架构，生成高质量的合成薄层CT，显著提高了胸部疾病诊断的准确性	本研究仅在一个中心进行了模型开发，并在三个跨区域中心进行了验证，未来需在更多中心进行验证以确保模型的普适性	开发一种能够从厚层CT生成高质量薄层CT的深度学习模型，以提高胸部疾病诊断的准确性	厚层CT和薄层CT图像，以及社区获得性肺炎和肺结节的诊断准确性	计算机视觉	胸部疾病	深度学习	卷积-Transformer混合编码器-解码器架构	CT图像	1576名参与者用于模型开发，1228名参与者用于跨区域验证
11676	2024-11-27	A novel deep learning approach to identify embryo morphokinetics in multiple time lapse systems 2024-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80565-1 PMID:39578525	研究论文	本文提出了一种新的深度学习方法，用于在多个时间流逝系统中识别胚胎形态动力学	本文提出了一种基于Transformer的视频骨干网络，并结合Gated Recurrent Unit (GRU)序列模型，以自动检测11个动力学事件	本文未详细讨论模型的泛化能力和在不同实验室条件下的表现	开发一种能够自动检测胚胎发育过程中关键动力学事件的深度学习模型	胚胎发育过程中的11个动力学事件	计算机视觉	NA	深度学习	Transformer, GRU	视频	1909个胚胎样本
11677	2024-11-27	The development of an attention mechanism enhanced deep learning model and its application for body composition assessment with L3 CT images 2024-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79915-w PMID:39578556	研究论文	本文开发了一种基于注意力机制增强的深度学习模型，用于自动评估L3 CT图像中的骨骼肌、内脏脂肪组织和皮下脂肪组织区域	本文创新性地结合了UNet框架与注意力门、挤压激励块和空洞空间金字塔池化模块，构建了L3BCSM模型，并在多个外部测试数据集上验证了其有效性	NA	开发一种基于L3 CT图像的自动化身体成分评估服务	骨骼肌、内脏脂肪组织和皮下脂肪组织	计算机视觉	NA	深度学习	UNet	图像	1500张L3 CT图像，其中70%用于训练，30%用于验证
11678	2024-11-27	Attention-based multi-residual network for lung segmentation in diseased lungs with custom data augmentation 2024-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79494-w PMID:39578613	研究论文	本文提出了一种基于注意力机制的多残差Unet++网络AMRU++，用于在胸部X光片中对正常和严重异常的肺部进行分割	引入了注意力模块和多残差块，以捕捉空间信息并提取丰富的上下文和判别特征；提出了一种数据增强技术，模拟CXR病理特征，解决标注数据有限的问题	NA	提高深度学习模型在胸部X光片中对肺部分割的鲁棒性和准确性，特别是在面对复杂结构如肺部不透明时	胸部X光片中的肺部分割	计算机视觉	肺病	深度学习	Unet++	图像	350例尘肺病、COVID-19和肺结核病例
11679	2024-11-27	Heterogeneous virus classification using a functional deep learning model based on transmission electron microscopy images 2024-11-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80013-0 PMID:39578636	研究论文	本文提出了一种基于透射电子显微镜图像的深度学习模型，用于异质病毒分类	利用透射电子显微镜图像和卷积神经网络模型进行病毒分类，提高了分类准确性和速度	NA	开发一种快速且可靠的病毒分类方法	透射电子显微镜图像中的病毒类型	计算机视觉	NA	透射电子显微镜	卷积神经网络	图像	14种病毒类型
11680	2024-11-27	OrganoLabeler: A Quick and Accurate Annotation Tool for Organoid Images 2024-Nov-19, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c06450 PMID:39583683	研究论文	本文介绍了一种名为OrganoLabeler的快速且准确的器官芯片图像标注工具	OrganoLabeler能够通过多种图像处理方法（如对比度调整、K-means聚类、CLAHE、二值化和Otsu阈值处理）自动生成分割图像，显著提高了标注效率和准确性	NA	开发一种能够替代手动标注的自动化工具，以提高器官芯片研究的效率和准确性	器官芯片图像的自动标注	计算机视觉	NA	图像处理	U-Net	图像	胚胎体和脑器官芯片数据集