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
11701	2024-12-12	On-site CT-derived cFFR in patients with suspected coronary artery disease: Feasibility on a 128-row CT scanner in everyday clinical practice 2024-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2142-1643 PMID:37820710	研究论文	本研究评估了在日常临床实践中使用128排CT扫描仪进行基于CT的冠状动脉血流储备分数（cFFR）计算的技术可行性	本研究首次在日常临床实践中使用深度学习算法在128排CT扫描仪上实现了cFFR的非侵入性现场量化	本研究为单中心回顾性分析，样本量有限，且仅在部分患者中进行了侵入性冠状动脉造影的对比	评估在日常临床实践中使用128排CT扫描仪进行基于CT的cFFR计算的技术可行性	230名疑似冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习算法	图像	230名患者，其中57名进行了侵入性冠状动脉造影
11702	2024-12-12	An Epileptic EEG Detection Method Based on Data Augmentation and Lightweight Neural Network 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3308196 PMID:38059126	研究论文	本文提出了一种基于数据增强和轻量级神经网络的癫痫脑电图检测方法	本文的创新点在于使用数据增强技术（如小窗口分割和SMOTE算法）来解决数据集大小和类别不平衡问题，并提出了一种简化的神经网络架构，显著减少了模型的训练参数	本文的局限性在于仅使用了两个公开数据集进行实验，未来可能需要更多样化的数据集来验证方法的泛化能力	本文的研究目的是提高癫痫检测的效率和准确性，并使其适用于低成本、低计算资源的硬件设备	本文的研究对象是癫痫患者的脑电图信号	机器学习	神经疾病	SMOTE	神经网络	脑电图	9371个参数
11703	2024-12-12	MRM-BERT: a novel deep neural network predictor of multiple RNA modifications by fusing BERT representation and sequence features 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2315384 PMID:38357904	研究论文	本文提出了一种结合预训练序列表示和多种序列特征的混合方法，用于预测多种RNA修饰	本文的创新点在于开发了MRM-BERT模型，该模型结合了预训练的DNABERT深度序列表示模块和卷积神经网络（CNN），利用四种传统序列特征编码来提高预测性能	NA	本文的研究目的是开发一种有效的方法来预测多种RNA修饰，以促进对RNA生物学的理解并推动治疗策略的发展	本文的研究对象是12种常见的RNA修饰，包括mA、mC等	机器学习	NA	NA	CNN	序列	多个数据集，包含12种常见的RNA修饰
11704	2024-12-12	In silico models of the macromolecular NaV1.5-KIR2.1 complex 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1362964 PMID:38468705	研究论文	本文通过刚体蛋白质-蛋白质对接程序和基于深度学习的AlphaFold-Multimer软件生成了Na1.5-K2.1的3D模型，揭示了这两个通道在整个跨膜区域上的物理相互作用	首次通过3D建模揭示了Na1.5和K2.1通道在整个跨膜区域上的物理相互作用，并发现了疾病相关突变的热点区域	仅通过计算机模拟生成模型，未进行实验验证	研究Na1.5和K2.1通道在心肌细胞中的相互作用及其在心血管疾病中的潜在作用	Na1.5和K2.1通道及其形成的宏分子复合物	心血管疾病	心血管疾病	AlphaFold-Multimer	AlphaFold-Multimer	蛋白质结构	NA
11705	2024-12-12	BioDeepfuse: a hybrid deep learning approach with integrated feature extraction techniques for enhanced non-coding RNA classification 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2329451 PMID:38528797	研究论文	本文提出了一种名为BioDeepFuse的混合深度学习框架，结合卷积神经网络（CNN）或双向长短期记忆网络（BiLSTM）与手工特征提取技术，用于增强非编码RNA分类的准确性	创新点在于将CNN或BiLSTM与手工特征提取技术相结合，以优化非编码RNA序列的空间和序列特征的利用	NA	旨在提高非编码RNA分类的准确性，并深化对非编码RNA在细胞过程和疾病表现中的理解	非编码RNA序列	机器学习	NA	卷积神经网络（CNN），双向长短期记忆网络（BiLSTM），手工特征提取技术	混合深度学习框架	序列	使用基准数据集和来自细菌生物的实际RNA样本进行评估
11706	2024-12-12	A review of the applications of generative adversarial networks to structural and functional MRI based diagnostic classification of brain disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1333712 PMID:38686334	综述	本文综述了生成对抗网络（GAN）在基于结构和功能磁共振成像（MRI）的脑部疾病诊断分类中的应用	GAN通过学习数据分布来增强数据，为解决神经影像数据稀缺和不平衡问题提供了潜在解决方案	本文指出了方法学和可解释性方面的不足，并提出了未来研究的方向	探讨GAN在神经影像数据分类中的应用，并提出未来研究的方向	基于结构和功能MRI的脑部疾病诊断分类	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA
11707	2024-12-12	Prognosis Forecast of Re-Irradiation for Recurrent Nasopharyngeal Carcinoma Based on Deep Learning Multi-Modal Information Fusion 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3286656 PMID:37384472	研究论文	本研究利用深度学习多模态信息融合技术，预测复发性鼻咽癌再放疗后的鼻咽坏死情况	提出了一种基于多模态信息融合的深度学习方法，通过监督分类损失和自监督重建损失的结合，有效融合了多序列核磁共振成像和计划剂量的信息	未提及具体的研究局限性	通过预测鼻咽坏死情况，为临床决策提供支持，减少再放疗引起的并发症	复发性鼻咽癌患者再放疗后的鼻咽坏死情况	机器学习	鼻咽癌	深度学习	NA	图像	多中心数据集
11708	2024-12-12	Self-Supervised Triplet Contrastive Learning for Classifying Endometrial Histopathological Images 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314663 PMID:37698968	研究论文	本文提出了一种新的自监督三重对比学习模型，用于分类子宫内膜组织病理学图像	本文创新性地引入了随机马赛克掩码（RMM）模块和瓶颈Transformer（BoT）模型，以增强模型的泛化能力和全局信息学习能力	本文未详细讨论模型在不同数据分布下的泛化能力以及对标注数据依赖的具体程度	开发一种能够有效分类子宫内膜组织病理学图像的自监督学习模型，以辅助病理学家进行早期子宫内膜癌或癌前病变的诊断	子宫内膜组织病理学图像	数字病理学	子宫内膜癌	自监督学习	三重对比学习模型	图像	公共数据集和内部数据集，分别用于四分类和三分类任务
11709	2024-12-12	Fusion-Based Deep Learning Architecture for Detecting Drug-Target Binding Affinity Using Target and Drug Sequence and Structure 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3315073 PMID:37703165	研究论文	本文提出了一种基于多尺度卷积神经网络和图神经网络的融合协议CGraphDTA，用于预测药物-靶点结合亲和力	CGraphDTA是首个将靶点序列和结构作为输入的模型，利用多尺度卷积神经网络从序列中提取特征，图神经网络从分子结构中提取图表示	NA	加速药物发现	药物-靶点结合亲和力的预测	机器学习	NA	多尺度卷积神经网络，图神经网络	CNN，GNN	序列，结构	NA
11710	2024-12-12	MFD-Net: Modality Fusion Diffractive Network for Segmentation of Multimodal Brain Tumor Image 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318640 PMID:37747864	研究论文	本文提出了一种用于多模态脑肿瘤图像分割的模态融合衍射网络（MFD-Net）	设计了基于夫琅禾费单缝衍射原理的衍射块，强调邻近的高置信度特征点并抑制低质量或孤立的特征点，增强了特征的相互关联性；采用全局被动接收模式克服了固定感受野的问题；通过自监督方法有效利用每种模态的固有泛化信息	未提及具体限制	实现脑肿瘤的自动和准确分割	多模态脑肿瘤图像	计算机视觉	脑肿瘤	多参数磁共振成像（mpMRI）	MFD-Net	图像	使用了BraTS 2022、2018、2019和2021数据集
11711	2024-12-12	Large AI Models in Health Informatics: Applications, Challenges, and the Future 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3316750 PMID:37738186	综述	本文全面回顾了大型AI模型在健康信息学中的应用、挑战及未来发展方向	探讨了大型AI模型在健康信息学中的七个关键应用领域，并提出了未来发展的潜在方向	未具体讨论大型AI模型在健康信息学中的具体技术细节和实际应用案例	探讨大型AI模型在健康信息学中的应用、挑战及未来发展方向	大型AI模型在健康信息学中的应用领域及未来发展方向	健康信息学	NA	NA	大型AI模型	多模态数据	NA
11712	2024-12-12	Deeply Accelerated Arterial Spin Labeling Perfusion MRI for Measuring Cerebral Blood Flow and Arterial Transit Time 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3312662 PMID:37812536	研究论文	本文提出了一种基于深度学习的算法，用于减少动脉自旋标记（ASL）灌注MRI中的后标记延迟（PLD）数量，并准确估计脑血流量（CBF）和动脉转运时间（ATT）	本文的创新点在于使用深度学习算法减少了所需的PLD数量，并能够准确估计CBF和ATT，解决了传统方法中扫描时间过长和信噪比降低的问题	本文的局限性在于仅在Human Connectome Project数据集上进行了训练和测试，可能需要进一步验证其在其他数据集上的泛化能力	研究目的是开发一种能够在临床上实用的方法，通过减少PLD数量来准确测量脑血流量和动脉转运时间	研究对象是脑血流量（CBF）和动脉转运时间（ATT）的测量	医学影像	NA	动脉自旋标记（ASL）灌注MRI	深度神经网络	图像	使用了Human Connectome Project中的多PLD ASL MRI数据集
11713	2024-12-12	Patterns of subregional cerebellar atrophy across epilepsy syndromes: An ENIGMA-Epilepsy study 2023-Oct-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.21.562994 PMID:37961570	研究论文	研究量化了癫痫患者和健康对照组中不同小脑亚区域体积的差异	首次系统性地研究了不同癫痫综合征中小脑亚区域的萎缩模式，并提供了深部小脑和后叶灰质体积损失的证据	研究仅基于横断面数据，未考虑纵向变化	探讨不同癫痫综合征中小脑亚区域的萎缩模式及其与疾病特征的关系	癫痫患者和健康对照组的小脑亚区域体积	神经科学	癫痫	结构MRI	深度学习	图像	1602名癫痫患者和1022名健康对照组
11714	2024-12-12	Systematic review of deep learning image analyses for the diagnosis and monitoring of skin disease 2023-Sep-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00914-8 PMID:37758829	综述	本文系统回顾了使用深度学习图像分析技术进行皮肤病诊断和监测的研究	本文首次系统性地评估了深度学习算法在多种常见皮肤病诊断和严重程度评估中的应用	当前研究存在高偏倚风险和适用性问题，且大多数研究未报告参与者的种族/皮肤类型，缺乏真实世界的外部验证	评估深度学习图像分析技术在皮肤病诊断和监测中的潜力	常见皮肤病，如痤疮、银屑病、湿疹、酒渣鼻、白癜风、荨麻疹	计算机视觉	皮肤病	深度学习	神经网络	图像	64项研究，涉及多种皮肤病
11715	2024-12-12	Functional connectivity signatures of major depressive disorder: machine learning analysis of two multicenter neuroimaging studies 2023-Jul, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-023-01977-5 PMID:36792654	研究论文	本文利用机器学习和深度学习算法，分析了两个多中心神经影像数据集，以区分重度抑郁症患者与健康对照组，并识别抑郁症的神经生理学特征	本文首次在两个最大的重度抑郁症静息态数据集中应用了图卷积神经网络（GCN）和GCN-Explainer进行特征可视化，揭示了丘脑超连接性作为抑郁症的显著神经生理学特征	分类准确率较低，表明静息态功能连接作为重度抑郁症的生物标志物可靠性较差，可能是由于疾病的异质性	开发用于精神病学的诊断工具，并识别重度抑郁症的神经生理学特征	重度抑郁症患者与健康对照组的静息态功能连接	机器学习	精神疾病	功能磁共振成像（fMRI）	支持向量机（SVM）和图卷积神经网络（GCN）	功能连接矩阵	REST-meta-MDD数据集2338例，PsyMRI数据集1039例
11716	2024-12-12	Geometric Deep Learning for Unsupervised Registration of Diffusion Magnetic Resonance Images 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_43 PMID:38205236	研究论文	本文提出了首个端到端的基于几何深度学习的非刚性配准模型，用于扩散磁共振图像（dMRI）中的纤维方向分布场（fODF）	首次提出了一种基于几何深度学习的非刚性配准模型，能够对扩散MRI中的fODF进行无监督配准，并引入了新的可微分层用于局部雅可比估计和重定向	NA	开发一种快速且准确的非刚性配准算法，用于扩散磁共振图像	扩散磁共振图像中的纤维方向分布场（fODF）	计算机视觉	NA	扩散磁共振成像（dMRI）	几何深度学习模型	图像	NA
11717	2024-12-12	Interpretable brain disease classification and relevance-guided deep learning 2022-11-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24541-7 PMID:36424437	研究论文	本文提出了一种利用相关性引导的热图在线计算的正则化技术，用于训练卷积神经网络（CNN）分类器，以提高脑疾病分类的可解释性和准确性	本文的创新点在于提出了一种相关性引导的正则化技术，通过在线计算热图来训练CNN分类器，从而提高分类准确性并减少对非脑组织特征的依赖	本文的局限性在于仅使用了T1加权MR图像，未探讨其他类型图像对分类结果的影响	研究目的是提高基于MRI的神经疾病分类的可解释性和准确性	研究对象是阿尔茨海默病患者和健康对照者的T1加权MR图像	机器学习	阿尔茨海默病	MRI	CNN	图像	128名阿尔茨海默病患者和290名健康对照者
11718	2024-12-12	AVT: Multicenter aortic vessel tree CTA dataset collection with ground truth segmentation masks 2022-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107801 PMID:35059483	研究论文	本文介绍了一个多中心主动脉血管树数据库，包含56个主动脉及其分支的CTA扫描数据和相应的半自动分割掩码	首次提供了多中心主动脉血管树的CTA数据集，并附带半自动生成的分割掩码，有助于研究不同地理位置的主动脉及其分支的几何形状变异性	NA	构建一个稳健的统计模型，用于开发全自动的主动脉血管树分割算法	主动脉及其分支的几何形状和变异性	计算机视觉	NA	CTA扫描	深度学习	图像	56个主动脉及其分支
11719	2024-12-12	Convolutional Neural Networks for Fully Automated Diagnosis of Cardiac Amyloidosis by Cardiac Magnetic Resonance Imaging 2021-Dec-01, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm11121268 PMID:34945740	研究论文	本文研究了使用卷积神经网络（CNN）通过心脏磁共振成像（CMR）自动诊断心脏淀粉样变性（CA）	本文首次使用人工智能（AI）驱动的算法通过CMR图像检测心脏淀粉样变性的潜在模式	本文的局限性在于仅使用了502名患者的数据进行训练和验证	本文的研究目的是探索通过AI技术提高心脏淀粉样变性的诊断准确性	本文的研究对象是心脏淀粉样变性患者的心脏磁共振成像数据	计算机视觉	心血管疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	502名患者（其中82名患有心脏淀粉样变性）
11720	2024-12-12	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文介绍了一种基于智能手机的端到端平台，用于多重DNA疟疾诊断，结合了深度学习算法和区块链技术	创新点在于将低成本的纸基微流体诊断测试与深度学习算法和区块链技术相结合，实现了远程低资源地区的快速诊断和数据安全管理	NA	开发一种能够在远程低资源地区快速进行疟疾诊断并确保数据安全的平台	疟疾诊断	数字病理学	疟疾	深度学习算法，区块链技术	深度学习	DNA	在乌干达农村地区进行了实地测试，正确识别了超过98%的测试病例