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
12001	2024-12-02	Enhancement and evaluation for deep learning-based classification of volumetric neuroimaging with 3D-to-2D knowledge distillation 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80938-6 PMID:39609597	研究论文	本文提出了一种新的3D-to-2D知识蒸馏框架，用于增强基于深度学习的体积神经影像分类	本文创新性地利用3D体积影像数据集和投影的2D数据集，通过知识蒸馏框架提升2D CNN的分类性能	由于医疗领域数据获取成本高和标注资源密集，可用数据量有限	提升基于深度学习的体积神经影像分类性能	体积神经影像数据和投影的2D数据	计算机视觉	NA	3D卷积神经网络 (CNN)	CNN	影像	两个数据集，分别来自123I-DaTscan SPECT和18F-AV133 PET
12002	2024-12-02	The factors affecting aerobics athletes' performance using artificial intelligence neural networks with sports nutrition assistance 2024-Nov-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81437-4 PMID:39609607	研究论文	本文通过结合运动营养辅助和人工智能神经网络，全面探讨影响有氧运动员表现的因素	本文引入了ShuffleNet V3和Inception V3优化算法，并结合通道注意力机制，提出了一种基于ShuffleNet V3的有氧运动分类与识别模型，显著提高了分类识别的准确性	NA	探讨影响有氧运动员表现的因素，并提出一种新的分类与识别模型	有氧运动员的表现及其影响因素	机器学习	NA	神经网络算法	ShuffleNet V3	运动数据和营养数据	使用了MultiSports数据集和自建数据集
12003	2024-12-02	cidalsDB: an AI-empowered platform for anti-pathogen therapeutics research 2024-Nov-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00929-7 PMID:39609715	研究论文	本文介绍了一个名为CidalsDB的AI赋能平台，用于抗病原体治疗药物的研究	CidalsDB是一个新颖的网络服务器，整合了PubChem的生物测定数据，并实现了多种机器学习和深度学习算法，用于预测分子的生物活性	NA	开发一个AI辅助的药物发现平台，用于抗感染病原体的药物研究	利什曼原虫和冠状病毒	机器学习	NA	机器学习 (ML) 和深度学习 (DL) 算法	随机森林 (RF), 多层感知器 (MLP), ChemBERTa, 梯度提升 (GB), 图卷积网络 (GCN)	分子数据	NA
12004	2024-12-02	The efficacy of topological properties of functional brain networks in identifying major depressive disorder 2024-11-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80294-5 PMID:39604455	研究论文	研究探讨了功能性脑网络拓扑属性在识别重度抑郁症患者中的有效性	首次揭示了重度抑郁症患者脑网络拓扑属性的变化，并验证了这些属性在识别患者中的有效性	研究样本量较小，且仅使用了单一的脑成像技术	探索功能性脑网络拓扑属性在识别重度抑郁症患者中的有效性	重度抑郁症患者和健康对照组的功能性脑网络	神经科学	精神疾病	功能性磁共振成像 (fMRI)	支持向量机 (SVM)	图像	未明确提及具体样本数量
12005	2024-12-02	AI-empowered perturbation proteomics for complex biological systems 2024-Nov-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100691 PMID:39488205	研究论文	本文介绍了扰动蛋白质组学的基本原理、必要性和实用性，并提出了一个通用的PMMP（扰动、测量、建模到预测）流程	提出了基于大规模扰动蛋白质组数据的通用PMMP流程和基础模型构建方法	未具体说明所使用的模型和数据类型	推动系统生物学的发展，提高对生物系统扰动响应的理解和预测能力	生物系统的扰动响应、作用机制和蛋白质功能	系统生物学	NA	扰动蛋白质组学	传统机器学习或深度学习模型	蛋白质表达、翻译后修饰、蛋白质相互作用、运输和定位变化数据	NA
12006	2024-12-02	Decoding protein dynamicity in DNA ligase activity through deep learning-based structural ensembles 2024-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.07.622521 PMID:39574676	研究论文	本研究利用AlphaFold3模型研究了DNA连接酶的结构动力学及其在DNA修复中的机制	通过修改AlphaFold3的输入参数，生成了DNA结合酶的详细构象状态，提供了增强的机制见解	NA	揭示与蛋白质功能相关的构象集合，以理解蛋白质在DNA修复中的机制	NAD依赖的Taq连接酶和人类DNA连接酶1	计算机视觉	NA	AlphaFold3	深度学习模型	蛋白质结构数据	NA
12007	2024-12-02	Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230296 PMID:39194400	研究论文	本文开发了一种高度可推广的弱监督模型，用于在头部CT扫描中自动检测和定位图像级别的颅内出血	使用基于注意力的双向长短期记忆网络进行预训练和微调，提高了模型的泛化能力和检测速度	NA	开发一种自动检测和定位颅内出血的模型，以提高诊断效率	颅内出血的检测和定位	计算机视觉	NA	深度学习	CNN	图像	10699个非对比头部CT扫描，7469名患者
12008	2024-12-02	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究比较了三种模拟的AI集成筛查场景与标准双读取仲裁在249,402张乳腺X光片样本中的准确性和可行性	探讨了在乳腺X光筛查中使用深度学习AI系统替代双读取的不同场景，并评估了其在工作量减少和准确性方面的影响	研究为回顾性，且仅限于特定样本量，未来需进一步验证其在不同人群和环境中的适用性	评估AI集成筛查在乳腺X光片双读取替代中的准确性和可行性	249,402张乳腺X光片样本	计算机视觉	乳腺癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	249,402张乳腺X光片
12009	2024-12-02	Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230520 PMID:39377669	研究论文	本文通过整合放射报告中的文本特征，引导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测	本文创新性地将放射报告中的文本特征整合到深度学习模型中，提升了模型的解释性和泛化能力	本文的研究是回顾性的，且仅使用了特定时间段和中心的数据	研究目的是通过整合放射报告信息，提升深度学习模型在脑部MRI病变检测中的解释性和性能	研究对象包括35,282个脑部MRI扫描及其对应的放射报告，以及2,655个外部测试数据	计算机视觉	NA	深度学习	ReportGuidedNet, PlainNet	图像, 文本	35,282个训练和验证样本，2,655个外部测试样本
12010	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12011	2024-12-02	A Robust and Data-Efficient Deep Learning Modelfor Cardiac Assessment without Segmentation 2024-Oct-28, Research square DOI:10.21203/rs.3.rs-5290766/v1 PMID:39574901	研究论文	本文介绍了一种无需分割模型的高效深度学习算法，用于心脏评估	提出了一种名为Scaled Gumbel Softmax (SGS) EchoNet的深度学习算法，该算法无需心脏分割模型，能够处理数据质量问题并提高预测模型的鲁棒性	NA	开发一种数据高效且鲁棒的深度学习算法，用于心脏评估	心脏评估中的数据质量和分割模型依赖问题	机器学习	心血管疾病	深度学习	R(2+1)D卷积编码器	视频	NA
12012	2024-12-02	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification 2024-Aug-15, ArXiv PMID:38711436	研究论文	本文提出了一种利用隐私保护的大型语言模型和多类型注释来增强胸部X光数据集的方法，以提高分类效果	本文提出了MAPLEZ方法，利用本地可执行的大型语言模型从胸部X光报告中提取和增强发现标签，不仅提取二元标签，还提取位置、严重程度和放射科医生的不确定性	NA	提高胸部X光图像分析中数据集标签的质量和分类模型的性能	胸部X光报告中的异常发现标签	计算机视觉	NA	大型语言模型	深度学习模型	文本	五个测试集中的八种异常
12013	2024-12-02	Application of image recognition technology in pathological diagnosis of blood smears 2024-Aug-06, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-024-01379-z PMID:39105953	研究论文	本文综述了利用图像识别算法诊断血液涂片中疾病的方法和步骤，重点介绍了疟疾和白血病的诊断	利用图像识别技术提高血液涂片诊断的效率和准确性	NA	探讨图像识别技术在血液涂片病理诊断中的应用	血液涂片中的疟疾和白血病	计算机视觉	血液疾病	图像识别技术	神经网络	图像	NA
12014	2024-12-02	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过结合非线性回归树和条件变分自编码器，显式考虑协变量分布差异，从而提高数据集间的一致性	本文的创新点在于提出了两种新的深度学习方法（coVAE和DeepResBat），显式考虑了协变量分布差异，并证明了不考虑协变量会导致次优的校正效果	coVAE方法在不存在关联的情况下会产生虚假的协变量关联，未来研究应避免这一假阳性陷阱	研究目的是开发一种能够显式考虑协变量分布差异的深度学习方法，以提高多数据集MRI数据的校正效果	研究对象是来自三个大洲的三个数据集，共2787名参与者和10085个解剖T1扫描图像	机器学习	NA	深度神经网络	条件变分自编码器（cVAE）	MRI图像	2787名参与者和10085个解剖T1扫描图像
12015	2024-12-02	Single-cell sequencing reveals novel proliferative cell type: a key player in renal cell carcinoma prognosis and therapeutic response 2024-Jul-25, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-024-01424-x PMID:39052149	研究论文	本研究利用单细胞RNA测序技术揭示了肾细胞癌中一种新型增殖细胞亚群，并探讨了其在患者预后和治疗反应中的作用	发现了名为“Prol”的高度增殖细胞亚群，并开发了一种基于人工智能网络的Prol特征，用于预测肾细胞癌的预后	NA	揭示肾细胞癌的分子异质性，并开发新的预后预测工具	肾细胞癌中的增殖细胞亚群及其在预后和治疗反应中的作用	数字病理学	肾细胞癌	单细胞RNA测序	人工智能网络（包括传统回归、机器学习和深度学习算法）	RNA	NA
12016	2024-12-02	Brain Disorder Detection and Diagnosis using Machine Learning and Deep Learning - A Bibliometric Analysis 2024, Current neuropharmacology IF:4.8Q1 DOI:10.2174/1570159X22999240531160344 PMID:38847379	综述	本文通过文献计量分析，探讨了机器学习和深度学习在脑部疾病检测和诊断中的应用趋势	本文首次对机器学习和深度学习在脑部疾病检测和诊断领域的文献进行了定量文献计量分析	文献计量分析主要依赖于Scopus数据库中的文章，可能存在数据偏差	提供关于机器学习和深度学习在脑部疾病检测和诊断领域应用趋势的定量分析，以指导未来研究方向	脑部疾病的检测和诊断	机器学习	NA	机器学习，深度学习	卷积神经网络	文献	1550篇文献
12017	2024-12-02	Coarse-Graining with Equivariant Neural Networks: A Path Toward Accurate and Data-Efficient Models 2023-Dec-14, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.3c05928 PMID:38033234	研究论文	本文探讨了使用等变神经网络进行粗粒化分子建模和模拟，以提高模型的准确性和数据效率	本文提出通过引入等变卷积操作来减少神经网络在预测分子能量和力时对大量数据的需求	尽管等变卷积操作提高了数据效率，但模型仍然比成对力场慢	研究如何通过等变神经网络提高粗粒化分子模型的准确性和数据效率	粗粒化水分子模型	机器学习	NA	等变卷积操作	神经网络	分子动力学数据	单帧参考数据
12018	2024-12-01	Enhanced network synchronization connectivity following transcranial direct current stimulation (tDCS) in bipolar depression: Effects on EEG oscillations and deep learning-based predictors of clinical remission 2025-Jan-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.09.054 PMID:39293596	研究论文	研究双相抑郁中经颅直流电刺激（tDCS）对脑电图（EEG）振荡和深度学习预测临床缓解的影响	首次探讨了家庭式tDCS治疗对双相抑郁患者脑电图振荡网络的影响，并利用深度学习方法预测临床反应	样本量较小，且仅限于双相抑郁患者	探讨双相抑郁中脑电图振荡网络的变化、tDCS治疗的效果及临床反应的预测	双相抑郁患者及其脑电图数据	神经科学	精神疾病	经颅直流电刺激（tDCS）	深度学习	脑电图（EEG）	20名双相抑郁患者（14名女性）
12019	2024-12-01	Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105680 PMID:39500035	研究论文	本文开发了一种基于对比学习和k近邻搜索的模块化模型，用于跨模态相似临床病例检索	本文的创新点在于开发了一种新的跨模态检索模型CRMR，结合了对比学习和k近邻搜索技术，能够处理不同数据模态的临床病例检索	本文的局限性在于仅使用了MIMIC-CXR数据集进行模型开发和测试，未来需要验证其在其他数据集和疾病类型上的表现	本文的研究目的是开发一种能够跨模态检索相似临床病例的模型，以支持临床决策	本文的研究对象是不同数据模态记录的临床病例	机器学习	NA	对比学习、k近邻搜索	模块化模型	图像	使用了MIMIC-CXR数据集，具体样本数量未在摘要中提及
12020	2024-12-01	Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool 2025-Jan, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105694 PMID:39515045	研究论文	本文开发了一种基于注意力增强的多任务深度学习方法，用于非小细胞肺癌（NSCLC）的亚型分类和临床分期	本文创新性地将注意力机制引入多任务学习模型，显著提高了NSCLC亚型分类和临床分期的准确性	NA	开发一种新的多任务学习方法，用于NSCLC的亚型分类和临床分期，并评估其性能	NSCLC患者的CT切片数据，用于亚型分类和临床分期	计算机视觉	肺癌	多任务学习	CNN	图像	758例NSCLC患者，共4548张CT切片