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
12801	2024-11-13	Structure-Aware Annotation of Leucine-rich Repeat Domains 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.27.562987 PMID:37961157	研究论文	本文开发了降维方法来注释亮氨酸重复序列域的重复单元，并验证了其在模型植物中的应用	利用深度学习预测的蛋白质结构信息改进了现有的基于序列的域注释方法，能够自动检测发夹环和结构异常	依赖于深度学习预测的蛋白质结构信息，可能存在预测误差	改进蛋白质域注释方法，特别是亮氨酸重复序列域的注释	亮氨酸重复序列域及其在模型植物中的应用	机器学习	NA	深度学习	NA	蛋白质结构	127个预测的亮氨酸重复序列域结构，并验证了172个手动注释的亮氨酸重复序列域
12802	2024-11-13	Deep convolutional neural network for hippocampus segmentation with boundary region refinement 2023-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02836-9 PMID:37067776	研究论文	本文提出了一种基于深度学习的海马体分割方法，通过边界区域细化来提高分割精度	本文创新性地引入了边界区域细化步骤，显著提高了海马体分割的准确性	NA	提高海马体从磁共振脑图像中的分割精度，以促进脑部疾病研究	海马体	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了公开数据集进行验证
12803	2024-11-13	Emerging Themes in CryoEM─Single Particle Analysis Image Processing 2022-09-14, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.1c00850 PMID:35785962	综述	本文综述了冷冻电镜（CryoEM）中单颗粒分析（SPA）图像处理的主要贡献	强调了算法在不同工作流程步骤中的时间演变，区分了分析方法和深度学习算法	讨论了CryoEM图像处理方法在SPA中仍需解决的新兴问题和挑战	回顾图像处理在CryoEM单颗粒分析重建工作流程中的主要贡献	CryoEM单颗粒分析图像处理算法	计算机视觉	NA	冷冻电镜（CryoEM）	深度学习算法	图像	NA
12804	2024-11-13	Why high intensity plaque is bright on MRI? 2021-Nov, American heart journal plus : cardiology research and practice DOI:10.1016/j.ahjo.2021.100055 PMID:38549741	研究论文	研究探讨了非对比T1加权MRI在识别冠状动脉壁高强度斑块（HIP）及其与冠状动脉内斑块出血的关系	首次通过病理学分析证实了非对比T1加权MRI与冠状动脉内斑块出血之间的强相关性	缺乏对活体组织样本的病理学分析，HIP的病理特征仍未知	探讨非对比T1加权MRI在评估高强度斑块中的病理学意义	冠状动脉壁高强度斑块及其与冠状动脉内斑块出血的关系	医学影像	心血管疾病	MRI	NA	图像	通过定向冠状动脉斑块切除术获得的斑块样本
12805	2024-11-12	Thoracic Aortic Three-Dimensional Geometry 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.09.593413 PMID:38798566	研究论文	本文介绍了一种利用深度学习架构对胸主动脉进行三维几何特征自动量化的方法	首次在大规模人群中全面描述胸主动脉的三维几何特征	NA	开发一种自动化方法来量化胸主动脉的三维结构参数	胸主动脉的三维几何特征	计算机视觉	心血管疾病	深度学习	NA	图像	54,241名UK Biobank参与者及8,456名Penn Medicine Biobank参与者
12806	2024-11-12	Deep Learning-Based Detection of Carotid Plaques Informs Cardiovascular Risk Prediction and Reveals Genetic Drivers of Atherosclerosis 2024-Oct-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.17.24315675 PMID:39484270	研究论文	本研究利用深度学习模型检测颈动脉斑块，以评估其在心血管风险预测中的作用，并揭示动脉粥样硬化的遗传驱动因素	本研究首次在大规模人群中应用深度学习模型检测颈动脉斑块，并结合全基因组关联研究揭示了动脉粥样硬化的遗传基础	本研究主要基于UK Biobank的数据，未来需要在更多样化的群体中验证结果	提高心血管风险预测的准确性，并揭示动脉粥样硬化的遗传机制	颈动脉斑块的检测及其与心血管事件的关联	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	19,499名UK Biobank参与者，年龄在47-83岁之间
12807	2024-11-12	Using Deep Learning Neural Networks to Improve Dementia Detection: Automating Coding of the Clock-Drawing Test 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4909790/v1 PMID:39483868	研究论文	本研究利用深度学习神经网络创建并评估了一个智能的时钟绘制测试评分系统，以自动化编码时钟绘制测试图像	引入了结构化排序到编码系统中，超越了传统的名义分类方法，并发现Vision Transformers在编码时钟绘制测试图像上优于ResNet101和EfficientNet，以及手动编码	未提及	改进痴呆症检测，自动化时钟绘制测试的编码过程	时钟绘制测试图像的自动编码	机器学习	老年疾病	深度学习神经网络	Vision Transformers (ViT)	图像	使用了2011-2019年国家健康和老龄趋势研究中的大量公开可用的时钟绘制测试图像
12808	2024-11-12	Computational stabilization of a non-heme iron enzyme enables efficient evolution of new function 2024-Jul-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.18.590141 PMID:39091854	研究论文	本文展示了基于深度学习的工具ProteinMPNN如何用于重新设计Fe(II)/αKG超家族酶，以提高其稳定性、溶解性和表达量，同时保留其天然活性及工业相关的非天然功能	首次使用ProteinMPNN工具对Fe(II)/αKG酶进行计算稳定化设计，并在定向进化中验证了其有效性	仅在tP4H和GriE酶上进行了验证，尚未在其他酶中广泛应用	探索计算序列重新设计在定向进化中作为第一步的可行性，以开发新型生物催化剂	Fe(II)/αKG超家族酶tP4H和GriE	机器学习	NA	ProteinMPNN	NA	蛋白质序列	tP4H和GriE酶的野生型及稳定化设计变体
12809	2024-11-12	A deep learning framework for predicting disease-gene associations with functional modules and graph augmentation 2024-Jun-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05841-3 PMID:38877401	研究论文	本文介绍了一种名为ModulePred的深度学习框架，用于预测疾病-基因关联，通过功能模块和图增强技术提高预测性能	本文创新性地引入了功能模块（如蛋白质复合物）和图增强技术，以解决现有研究中忽略的功能模块累积影响和数据不完整问题	NA	探索基因-疾病关联的机制，以改进预防和治疗策略	疾病-基因关联、蛋白质复合物和蛋白质相互作用	机器学习	NA	图神经网络	图神经网络	图数据	NA
12810	2024-11-12	Methodological insights into ChatGPT's screening performance in systematic reviews 2024-Mar-27, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02203-8 PMID:38539117	研究论文	本研究评估了ChatGPT在放射学系统评价筛选过程中的表现，并与普通医生进行了比较	首次评估了ChatGPT在无需训练数据的情况下自动筛选系统评价的能力	ChatGPT的特异性和阳性预测值低于人类评分者，且Kappa系数较低	评估ChatGPT在放射学系统评价筛选过程中的有效性	ChatGPT在放射学系统评价筛选中的表现与普通医生的比较	自然语言处理	NA	生成预训练变压器（GPT）	GPT	文本	1198篇摘要
12811	2024-11-12	Deep Learning-Based Multi-Class Segmentation of the Paranasal Sinuses of Sinusitis Patients Based on Computed Tomographic Images 2024-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s24061933 PMID:38544195	研究论文	本研究通过比较四种3D U-Net变体（正常、残差、密集和残差-密集），引入了一种多类卷积神经网络（CNN）分割模型，用于鼻窦炎患者的鼻窦CT图像分割	本研究引入了多类卷积神经网络（CNN）分割模型，并通过比较四种3D U-Net变体，展示了正常3D U-Net在鼻窦分割中的优越性能	尽管在清晰的鼻窦中实现了有效的分割，但在黏膜炎症方面仍存在局限性	本研究的目的是通过引入多类卷积神经网络（CNN）分割模型，提高鼻窦炎患者鼻窦CT图像的分割精度，从而减少手术并发症	本研究的对象是鼻窦炎患者的鼻窦CT图像	计算机视觉	鼻窦炎	卷积神经网络（CNN）	3D U-Net	图像	40名患者（20名正常，20名异常）
12812	2024-11-12	A Survey on Blood Pressure Measurement Technologies: Addressing Potential Sources of Bias 2024-Mar-07, Sensors (Basel, Switzerland) DOI:10.3390/s24061730 PMID:38543993	综述	本文综述了血压测量技术，特别是袖带式血压监测技术，探讨了测量中可能存在的偏差来源	本文提出了利用人工智能（AI）技术开发新一代袖带式血压设备，以减少测量偏差并提供个性化的血压相关心血管风险指数	本文主要关注袖带式血压监测技术，未涵盖其他类型的血压测量方法	探讨血压测量技术中的偏差来源，并提出利用AI技术改进血压测量设备	血压测量技术及其在临床和日常监测中的应用	NA	心血管疾病	人工智能（AI）、机器学习、深度学习、贝叶斯推断	NA	电子健康记录中的血压记录	NA
12813	2024-11-12	A Siamese ResNeXt network for predicting carotid intimal thickness of patients with T2DM from fundus images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1364519 PMID:38549767	研究论文	开发并验证基于眼底图像的人工智能诊断模型，用于预测2型糖尿病患者的颈动脉内膜厚度	提出了一种基于Siamese ResNeXt网络的深度学习模型，用于从眼底图像中预测2型糖尿病患者的颈动脉内膜厚度	研究仅限于单个医院的1236名患者，且年龄因素嵌入网络后分类性能下降	开发和验证基于眼底图像的人工智能模型，用于预测2型糖尿病患者的颈动脉内膜厚度	2型糖尿病患者的颈动脉内膜厚度和眼底图像	计算机视觉	糖尿病	深度学习	Siamese ResNeXt网络	图像	1236名2型糖尿病患者
12814	2024-11-12	Knowledge graph aids comprehensive explanation of drug and chemical toxicity 2023-08, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.12975 PMID:37475158	研究论文	本文介绍了一种名为AIDTox的可解释深度学习模型，用于预测和解释药物及化学物质的细胞毒性	AIDTox模型整合了化学-基因连接、基因-通路注释和通路层次结构的知识图谱，提供了对细胞毒性的全面解释	NA	开发一种能够准确预测和解释复杂毒性终点的计算模型	药物和化学物质的细胞毒性	机器学习	NA	深度学习	深度学习模型	化学-基因连接、基因-通路注释和通路层次结构的知识图谱	HepG2和HEK293细胞
12815	2024-11-12	Towards a Scalable Software Defined Network-on-Chip for Next Generation Cloud 2018-Jul-18, Sensors (Basel, Switzerland) DOI:10.3390/s18072330 PMID:30021975	研究论文	本文提出了一种可扩展的软件定义片上网络（SDNoC）架构，以支持下一代云计算中的高效和可扩展系统	本文的创新点在于结合了分层片上网络拓扑（如环形和2D网格拓扑）与动态重配置的优势，并引入了数据驱动的编程执行模型，以支持深度学习应用	本文未详细讨论在实际部署中可能遇到的硬件和软件兼容性问题	研究目的是设计一种可扩展且高效的片上网络架构，以支持云计算中的各种应用需求	研究对象包括片上网络的拓扑结构、动态重配置机制以及数据驱动的编程执行模型	计算机网络	NA	片上网络（NoC）	NA	NA	实验中使用了最多1024个处理核心（PEs）进行对比测试
12816	2024-11-11	Application of deep learning for semantic segmentation in robotic prostatectomy: Comparison of convolutional neural networks and visual transformers 2024-Nov, Investigative and clinical urology IF:2.5Q2 DOI:10.4111/icu.20240159 PMID:39505514	研究论文	本文比较了卷积神经网络和视觉变换器在机器人辅助根治性前列腺切除术中语义分割的表现	本文首次比较了卷积神经网络和视觉变换器在机器人手术中语义分割的应用	需要进一步研究以验证在大数据集上的表现	研究深度学习模型在机器人辅助根治性前列腺切除术中语义分割的表现，并确定哪种架构更适合机器人手术中的分割任务	机器人辅助根治性前列腺切除术中的手术器械、膀胱、前列腺、输精管和精囊的分割	计算机视觉	前列腺癌	深度学习	卷积神经网络和视觉变换器	图像	随机分为训练和验证数据集的手术图像
12817	2024-11-11	Linking joint exposures to residential greenness and air pollution with adults' social health in dense Hong Kong 2024-Oct-28, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2024.125207 PMID:39476997	研究论文	研究探讨了香港密集城市中绿地、空气污染与成年人社会健康之间的相互关系	本研究首次在密集城市环境中探讨了绿地和空气污染对社会健康的综合影响，并分析了潜在的中介因素和人口异质性	研究基于横断面调查数据，可能存在因果关系推断的局限性	研究目的是探讨城市环境中绿地和空气污染对社会健康的综合影响及其潜在机制	研究对象为香港的1977名成年人	公共卫生	NA	时空深度学习模型	多元逻辑回归、部分最小二乘结构方程模型（PLS-SEM）	调查数据、环境数据	1977名成年人
12818	2024-11-11	XDL-ESI: Electrophysiological Sources Imaging via explainable deep learning framework with validation on simultaneous EEG and iEEG 2024-Oct-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120802 PMID:39173694	研究论文	本文提出了一种名为XDL-ESI的可解释深度学习框架，用于脑电图（EEG）和脑磁图（MEG）源成像，并通过同时采集的EEG和iEEG数据进行验证	该框架通过展开迭代优化算法与深度学习架构的结合，建立了一种数据驱动的方法来建模源解结构，避免了手工设计的正则化项，并引入了拓扑损失以提高源解的鲁棒性	NA	解决EEG/MEG源成像的逆问题，提高解的唯一性和鲁棒性	EEG和iEEG数据中的脑电活动源	机器学习	NA	深度学习	神经网络	脑电图数据	NA
12819	2024-11-11	Utilizing genomic signatures to gain insights into the dynamics of SARS-CoV-2 through Machine and Deep Learning techniques 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05648-2 PMID:38539073	研究论文	本文介绍了一种名为GenoSig的工具，利用二核苷酸和三核苷酸频率特征，通过机器学习和深度学习模型来解析SARS-CoV-2的分类谱系	提出了一个无需比对的快速方法GenoSig，通过机器学习和深度学习模型分析SARS-CoV-2的基因组特征，显著提高了分类和预测的准确性	在预测病毒的大陆起源时，模型的表现不如在预测谱系时准确	开发一种无需比对的方法来解析SARS-CoV-2的基因组特征，以监测病毒变种的动态	SARS-CoV-2病毒及其变种的基因组特征	机器学习	NA	机器学习和深度学习	深度学习模型和随机森林模型	基因组数据	未明确提及具体样本数量
12820	2024-11-11	Automated mood disorder symptoms monitoring from multivariate time-series sensory data: getting the full picture beyond a single number 2024-Mar-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02876-1 PMID:38531865	研究论文	本文提出了一种从可穿戴设备的多变量时间序列传感器数据中自动监测情绪障碍症状的新方法	本文的创新点在于提出了一种新的任务，即使用可穿戴设备的生理数据推断HDRS和YMRS量表中的所有项目，而不仅仅是单一标签	本文的局限性在于仅在MD患者的大样本中进行了验证，尚未在更广泛的人群中进行测试	本文的研究目的是开发一种能够从可穿戴设备的生理数据中全面评估情绪障碍症状的深度学习方法	本文的研究对象是情绪障碍患者及其症状	机器学习	情绪障碍	深度学习	多任务学习	时间序列数据	大量情绪障碍患者