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
12321	2024-08-13	A syntactic evidence network model for fact verification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106424 PMID:38875934	研究论文	本文提出了一种结合实体关键词、句法信息和句子注意力的句法证据网络（SENet）模型，用于事实验证	SENet模型通过提取实体关键词和使用预训练的句法依赖解析器来提取相应的句法句子结构，并将提取的句法信息融入注意力机制，以实现语言驱动的词表示	NA	提高事实验证任务的准确性	事实验证任务中的句法信息和注意力机制	自然语言处理	NA	注意力机制	SENet	文本	在FEVER和UKP Snopes数据集上进行了实验
12322	2024-08-13	Deep Learning-Based Segmentation and Risk Stratification for Gastrointestinal Stromal Tumors in Transabdominal Ultrasound Imaging 2024-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.16489 PMID:38822195	研究论文	本文开发了一种基于深度神经网络的系统，用于胃肠道间质瘤（GISTs）在经腹超声图像中的自动分割和风险分层预测	本文采用了五种深度学习分割网络和ResNet 18分类网络，通过比较选出最佳网络组合，实现了GISTs的自动分割和风险分层预测	NA	开发一种自动分割和风险分层预测胃肠道间质瘤的深度神经网络系统	胃肠道间质瘤（GISTs）	计算机视觉	胃肠道间质瘤	深度学习	SegNeXt-ResNet18	超声图像	回顾性收集了245名GIST患者的980张超声图像，前瞻性收集了47名GIST患者的188张超声图像
12323	2024-08-13	Developing a Computer Vision Model to Automate Quantitative Measurement of Hip-Knee-Ankle Angle in Total Hip and Knee Arthroplasty Patients 2024-Sep, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.04.062 PMID:38679347	研究论文	本文开发了一种基于深度学习的计算机视觉模型，用于自动化测量全髋关节和膝关节置换术患者的长腿X光片中的髋膝踝角度（HKAA）。	该研究提出了一种基于检测的深度学习算法，能够高精度地计算HKAA，即使在股骨头难以区分的情况下也能有效识别。	NA	研究目的是开发一种自动化工具，以减轻骨科医生的负担，并提高髋膝踝角度测量的准确性。	全髋关节和膝关节置换术患者的长腿X光片中的髋膝踝角度。	计算机视觉	NA	深度学习	DL算法	图像	1379张长腿X光片，其中1221张用于模型开发，158张被认为是‘困难’样本。
12324	2024-08-13	A deep learning-guided automated workflow in LipidOz for detailed characterization of fungal fatty acid unsaturation by ozonolysis 2024-Sep, Journal of mass spectrometry : JMS IF:1.9Q2 DOI:10.1002/jms.5078 PMID:39132905	研究论文	本文通过应用Ozone-induced dissociation mass spectrometry（OzID-MS）和LipidOz软件，分析了转化自Histoplasma capsulatum的不同脂肪酸去饱和酶的Saccharomyces cerevisiae酵母菌株的复杂脂质，以确定产生的特定不饱和脂质	本文通过重新训练深度学习（DL）模型作为预筛选工具，优先处理自动化分析的目标，减少了手动验证的时间和计算资源	由于DL模型最初是使用哺乳动物脂质提取物训练的，因此在酵母衍生数据上的预测准确性降低	研究真菌脂质生物学和代谢，以发现抗真菌靶点	Saccharomyces cerevisiae酵母菌株的脂质	机器学习	NA	Ozone-induced dissociation mass spectrometry（OzID-MS）	深度学习模型（DL）	脂质数据	转化自Histoplasma capsulatum的不同脂肪酸去饱和酶的Saccharomyces cerevisiae酵母菌株
12325	2024-08-13	Differentiating loss of consciousness causes through artificial intelligence-enabled decoding of functional connectivity 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120749 PMID:39033787	研究论文	本研究通过人工智能技术解析功能连接性，以区分急性意识丧失的不同原因	首次开发了针对特定意识丧失原因的特征性功能连接变化的人工智能诊断模型	NA	提高对急性意识丧失原因的诊断准确性，从而选择合适的治疗策略	急性意识丧失的不同原因，如非惊厥性癫痫持续状态、代谢性脑病和苯二氮卓中毒	机器学习	NA	功能连接性分析	卷积神经网络 (CNN)	脑电图 (EEG) 数据	使用20秒的EEG数据段进行分类
12326	2024-08-13	Brain age prediction using interpretable multi-feature-based convolutional neural network in mild traumatic brain injury 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120751 PMID:39048043	研究论文	本文利用大规模异质数据集，构建了一个可解释的3D组合卷积神经网络模型，用于预测健康个体和轻度创伤性脑损伤患者的脑龄，并通过精细的人类脑网络图谱进行基于图谱的遮挡分析，揭示了年龄分层的贡献脑区。	本文创新性地使用了多特征输入的3D卷积神经网络模型，并引入了基于精细人类脑网络图谱的遮挡分析方法，提高了脑龄预测的准确性和可解释性。	NA	研究目的是开发一个可解释的深度学习框架，以准确预测健康个体和轻度创伤性脑损伤患者的脑龄。	研究对象包括健康对照组和轻度创伤性脑损伤患者。	计算机视觉	创伤性脑损伤	卷积神经网络 (CNN)	CNN	MRI图像	1464个样本
12327	2024-08-13	Disentangling brain atrophy heterogeneity in Alzheimer's disease: A deep self-supervised approach with interpretable latent space 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120737 PMID:39004409	研究论文	本研究提出了一种基于深度学习的自监督框架，用于在阿尔茨海默病中解构复杂的萎缩特征，通过潜在空间表示来捕捉疾病的异质性	该方法通过特征工程、分类和聚类的整合，有效地解构了阿尔茨海默病的异质性，并在潜在空间中揭示了疾病进展和亚型的核心维度	NA	旨在通过深度学习方法解构阿尔茨海默病的异质性，并揭示其内在的萎缩模式和临床特征	阿尔茨海默病的异质性和萎缩模式	机器学习	阿尔茨海默病	深度学习	潜在空间表示	图像	NA
12328	2024-08-13	Predicting changes in brain metabolism and progression from mild cognitive impairment to dementia using multitask Deep Learning models and explainable AI 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120695 PMID:38942101	研究论文	本研究利用多任务深度学习模型和可解释人工智能预测从轻度认知障碍到痴呆的大脑代谢变化和疾病进展	本研究引入了预测建模的新维度，强调在多任务学习范式下预测大脑代谢变化的重要性	NA	研究从轻度认知障碍到痴呆的阿尔茨海默病进展预测	轻度认知障碍患者的大脑代谢变化和疾病进展	机器学习	阿尔茨海默病	FDG-PET	深度学习模型	图像	1617名参与者
12329	2024-08-13	Deep learning based decoding of single local field potential events 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120696 PMID:38909761	研究论文	本文展示了使用无监督机器学习方法从单次试验的电生理记录中提取有意义信息的能力，特别是通过自动编码器网络减少单个局部场电位（LFP）事件的维度，以创建不同的神经活动模式的可解释聚类	本文首次证明了单通道LFP事件形状在自发活动期间可以采样自可能的刺激诱发事件形状，这一发现之前仅在多通道群体编码中被证明	NA	探索大脑皮层中信息的处理方式，并验证从单次试验的电生理记录中提取信息的方法	大脑皮层的神经活动模式和信息流方向	机器学习	NA	自动编码器网络	自动编码器	电生理记录	涉及啮齿动物的细胞外神经记录和人类的颅内EEG记录
12330	2024-08-13	Gray matters: ViT-GAN framework for identifying schizophrenia biomarkers linking structural MRI and functional network connectivity 2024-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120674 PMID:38851549	研究论文	本研究介绍了一种新的生成式深度学习架构cEViT-GAN，用于识别精神分裂症的生物标志物，通过结合结构MRI和功能网络连接	引入了一种新的条件高效视觉变换器生成对抗网络（cEViT-GAN），用于生成基于灰质体积的FNC矩阵，并开发了一种轻量级自注意力机制，增强了注意力图的生成	NA	探索大脑结构与功能之间的潜在联系，并为精神分裂症的神经生物学研究提供更精细的见解	精神分裂症患者的灰质结构和功能网络连接	计算机视觉	精神分裂症	结构MRI，功能磁共振成像（fMRI），独立成分分析（ICA）	生成对抗网络（GAN），视觉变换器（ViT）	图像	具体样本数量未在摘要中提及
12331	2024-08-13	Stable Europium(III) Metal-Organic Framework Fluorescence Probe for Intelligent Visualization Detection of Gossypol and Nitrofuran Antibiotics in Real Samples 2024-Aug-12, Inorganic chemistry IF:4.3Q1 DOI:10.1021/acs.inorgchem.4c02232 PMID:39074382	研究论文	本文合成了一种新的三维金属有机框架（MOF）{[Eu(L)(HCOO)(HO)]·2HO·2DMF}，用于智能可视化检测水体中的棉酚（Gsp）和硝基呋喃抗生素	该研究结合了荧光探针与机器学习及逻辑判断，提供了一种高灵敏度和实用性的水中有机污染物检测新思路	NA	开发一种新型荧光探针，用于准确有效地检测水体中的有机污染物	棉酚（Gsp）和硝基呋喃抗生素	机器学习	NA	金属有机框架（MOF）合成	深度学习模型	荧光图像	NA
12332	2024-08-13	A New Fingerprint and Graph Hybrid Neural Network for Predicting Molecular Properties 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00586 PMID:39052623	研究论文	本文介绍了一种结合改进的图注意力网络和多层感知器的混合模型，用于预测分子属性	引入了特征选择算法来解决指纹维度问题，并在图注意力网络中使用循环神经网络来捕获协作信息	NA	加速药物发现过程中分子属性的准确预测	分子属性预测	机器学习	NA	图注意力网络 (GAT)	混合神经网络	分子指纹和分子图	13个公共数据集和14个乳腺细胞系
12333	2024-08-13	HydraScreen: A Generalizable Structure-Based Deep Learning Approach to Drug Discovery 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00481 PMID:39037942	研究论文	提出了一种名为HydraScreen的深度学习框架，用于安全且高效的药物发现，该框架利用先进的3D卷积神经网络来有效表示分子结构和蛋白质-配体结合中的相互作用	引入了新的交互分析方法，旨在检测模型和数据集中的潜在偏差，增强了方法的解释性和公正性	NA	旨在开发一种可泛化的结构基础深度学习方法，用于加速药物发现	蛋白质-配体复合物的结构和相互作用	机器学习	NA	3D卷积神经网络	CNN	分子结构数据	使用了CASF-2016核心集的公开基准进行评估
12334	2024-08-13	Identifying Synergistic Components of Botanical Fungicide Formulations Using Interpretable Graph Neural Networks 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00128 PMID:39031079	研究论文	本文提出了一种新的深度学习方法，用于预测植物性农药和渗透增强剂的协同作用	使用加权组合的成分特征向量来表示输入混合物，使模型能够处理可变数量的成分并解释每个成分对协同作用的贡献	NA	开发一种能够预测植物性农药和渗透增强剂协同作用的新型深度学习方法	植物性农药和渗透增强剂的协同作用	机器学习	NA	深度学习	图神经网络	体外实验数据	NA
12335	2024-08-13	QC-GN2oMS2: a Graph Neural Net for High Resolution Mass Spectra Prediction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00446 PMID:39013165	研究论文	本文研究了将量子化学信息作为边特征引入图神经网络（GNN）以提高高分辨率质谱预测准确性的效果	本文创新性地将量子化学衍生的信息作为边特征引入GNN，并应用动态图注意力机制，提高了质谱预测的性能	NA	探索将量子化学信息作为边特征引入GNN以提高质谱预测准确性的效果	高分辨率质谱预测	机器学习	NA	图神经网络（GNN）	GNN	质谱数据	NA
12336	2024-08-13	Versatile Deep Learning Pipeline for Transferable Chemical Data Extraction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00816 PMID:39009039	研究论文	本文介绍了一种名为ChemREL的多功能化学数据提取管道，该管道强调性能、可转移性和可扩展性	ChemREL通过预训练和微调，实现了高F1分数，并在实体识别和关系映射方面优于现有方法和GPT-4	NA	开发一种高效的化学数据提取管道，提高数据提取的准确性和可转移性	化学文档中的正常熔点（normal melting point）和半数致死量（LD）	机器学习	NA	深度学习	NA	文本	使用10个随机选择的训练文档进行LD提取
12337	2024-08-13	Moss-m7G: A Motif-Based Interpretable Deep Learning Method for RNA N7-Methlguanosine Site Prediction 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00802 PMID:39011571	研究论文	本文提出了一种基于motif的可解释深度学习方法Moss-m7G，用于预测RNA N7-甲基鸟苷修饰位点	Moss-m7G方法通过引入词检测模块和motif嵌入模块，从motif角度分析RNA序列，提高了模型的解释性和预测准确性	NA	旨在准确识别m7G修饰位点，以理解其调控机制并推动癌症治疗	RNA N7-甲基鸟苷（m7G）修饰位点	机器学习	NA	深度学习	Transformer	序列	构建了一个全面的m7G数据集用于训练和测试
12338	2024-08-13	AI-powered innovations in pancreatitis imaging: a comprehensive literature synthesis 2024-Aug-12, Abdominal radiology (New York) DOI:10.1007/s00261-024-04512-4 PMID:39133362	综述	本文综述了人工智能在胰腺炎影像诊断中的应用及其进展	探讨了深度学习模型在非侵入性胰腺炎诊断及其并发症中的应用潜力	讨论了当前人工智能方法在早期检测和管理胰腺炎中的局限性	旨在提高胰腺炎早期检测和管理的临床支持	胰腺炎的早期诊断和并发症管理	计算机视觉	胰腺炎	深度学习	深度学习模型	影像	NA
12339	2024-08-13	Automated Cerebrovascular Segmentation and Visualization of Intracranial Time-of-Flight Magnetic Resonance Angiography Based on Deep Learning 2024-Aug-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01215-6 PMID:39133457	研究论文	本文研究了基于深度学习的脑部血管自动分割和可视化技术，以提高时间飞跃法磁共振血管成像（TOF-MRA）的效率和质量	提出了一种基于卷积神经网络（CNN）的自动脑部血管分割方法，该方法在临床评分和图像质量上优于其他两种深度学习方法	NA	评估深度学习技术在自动获取TOF-MRA中颅内动脉图像质量的效果	394例TOF-MRA扫描，包括脑部血管健康、动脉瘤或狭窄情况	计算机视觉	NA	时间飞跃法磁共振血管成像（TOF-MRA）	卷积神经网络（CNN）	图像	394例TOF-MRA扫描
12340	2024-08-13	[Automatic segmentation of dental cone-beam computed tomography scans using a deep learning framework] 2024-Aug-11, Orvosi hetilap IF:0.8Q3 DOI:10.1556/650.2024.33098 PMID:39127997	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA