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	2024-11-04	Radiomics and Clinical Data for the Diagnosis of Incidental Pulmonary Nodules and Lung Cancer Screening: Radiolung Integrative Predictive Model 2024-Oct, Archivos de bronconeumologia IF:8.7Q1 DOI:10.1016/j.arbres.2024.05.027 PMID:38876917	研究论文	研究评估了将临床数据与基于深度学习的放射组学模型结合用于预测肺结节恶性程度的效果	首次将临床数据与深度学习放射组学模型结合，提高了肺结节恶性程度的预测性能	研究样本量较小，可能影响结果的普适性	提高肺结节和肺癌的早期诊断准确性	肺结节和肺癌的恶性程度预测	计算机视觉	肺癌	深度学习	卷积神经网络	图像	97个肺结节，来自93名患者
12802	2024-11-04	scCaT: An explainable capsulating architecture for sepsis diagnosis transferring from single-cell RNA sequencing 2024-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012083 PMID:39432561	研究论文	本文介绍了一种名为scCaT的深度学习框架，用于脓毒症诊断，结合了胶囊架构和Transformer模型，利用单细胞RNA测序数据进行模型训练，并将其迁移到批量RNA数据上	scCaT框架通过胶囊架构将基因按生物功能分组，提供了基因表达编码的可解释性，并利用Transformer作为解码器进行脓毒症患者和对照组的分类	NA	开发一种可解释的深度学习模型，用于脓毒症诊断，并将其从单细胞RNA测序数据迁移到批量RNA数据	脓毒症患者和对照组的分类	机器学习	脓毒症	单细胞RNA测序	胶囊架构和Transformer	RNA测序数据	单细胞测试集和七个批量RNA队列
12803	2024-11-04	GGN-GO: geometric graph networks for predicting protein function by multi-scale structure features 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae559 PMID:39487084	研究论文	提出了一种几何图网络（GGN-GO）用于通过多尺度结构特征预测蛋白质功能	通过几何向量感知器将原子和残基级别的多尺度几何结构特征转换为向量表示，并引入图注意力池化层和对比学习增强图表示的判别能力	未提及	解决传统方法在蛋白质功能注释中的成本和时间问题，以及现有深度学习方法在捕捉细粒度几何结构特征和长程依赖性方面的不足	蛋白质功能预测	机器学习	NA	几何图网络（GGN-GO）	图卷积网络（GCN）	蛋白质结构数据	未提及
12804	2024-11-04	Graph contrastive learning as a versatile foundation for advanced scRNA-seq data analysis 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae558 PMID:39487083	研究论文	本文提出了一种基于图对比学习的新框架scSimGCL，用于单细胞RNA测序数据的细胞聚类分析	scSimGCL结合了细胞-细胞图结构和对比学习，显著提升了细胞聚类的性能	NA	开发一种简单而有效的框架，用于生成高质量的表示，以支持稳健的细胞聚类	单细胞RNA测序数据中的细胞聚类	机器学习	NA	图对比学习	图神经网络	单细胞RNA测序数据	涉及模拟和真实单细胞RNA测序数据集
12805	2024-11-04	Radiomics in breast cancer: Current advances and future directions 2024-Sep-17, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101719 PMID:39293402	综述	本文综述了放射组学在乳腺癌中的应用现状及未来发展方向	本文探讨了放射组学在乳腺癌研究中的创新应用，特别是放射多组学研究如何弥合表型和微观尺度信息之间的差距	本文指出了当前放射组学模型在临床应用中存在的不足，并讨论了其原因	总结放射组学在预测临床病理指标和临床结果中的应用，并提出未来研究方向	乳腺癌及其临床应用中的放射组学模型	机器学习	乳腺癌	放射组学	NA	图像	NA
12806	2024-11-04	MULTIMODAL LEARNING TO IMPROVE CARDIAC LATE MECHANICAL ACTIVATION DETECTION FROM CINE MR IMAGES 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635410 PMID:39371471	研究论文	本文提出了一种多模态深度学习框架，利用先进的图像技术提高依赖于常规获取的标准图像的临床分析性能	首次利用Displacement Encoding with Stimulated Echo (DENSE)获得的肌节应变的准确性和可重复性来指导心脏磁共振成像(CMR)在晚期机械激活(LMA)检测中的分析	NA	提高心脏晚期机械激活检测的性能	心脏晚期机械激活(LMA)检测	计算机视觉	心血管疾病	心脏磁共振成像(CMR)	深度学习网络	图像	NA
12807	2024-11-04	Controllable editing via diffusion inversion on ultra-widefield fluorescein angiography for the comprehensive analysis of diabetic retinopathy 2024-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.517819 PMID:38495723	研究论文	本文开发了一种基于图像生成的深度学习系统，用于在超广角荧光素血管造影（UWFA）图像中分析与糖尿病视网膜病变（DR）相关的多种指标	本文提出了一种统一的模型，通过图像生成将输入图像转换为相应的无病版本，并结合图像级监督训练过程，显著减少了临床应用中对大量手动干预的需求	NA	建立一个深度学习系统，用于在超广角荧光素血管造影（UWFA）图像中分析与糖尿病视网膜病变（DR）相关的多种指标	糖尿病视网膜病变（DR）及其在超广角荧光素血管造影（UWFA）图像中的表现	计算机视觉	糖尿病视网膜病变	深度学习	图像生成模型	图像	NA
12808	2024-11-04	Evaluating generalizability of artificial intelligence models for molecular datasets 2024-Feb-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.25.581982 PMID:38464295	研究论文	本文介绍了一种名为Spectra的光谱框架，用于全面评估深度学习模型在分子数据集上的泛化能力	提出了Spectra框架，通过绘制模型性能随交叉分割重叠度降低的变化曲线，并报告曲线下面积作为泛化能力的度量	尽管Spectra框架展示了模型在特定任务上的泛化能力，但没有模型在所有任务中始终表现最佳	评估深度学习模型在分子数据集上的泛化能力	18个与表型相关的测序数据集，包括结核病抗生素抗性、蛋白质-配体结合等	机器学习	NA	深度学习	大型语言模型、图神经网络、扩散模型、卷积神经网络	分子测序数据	18个测序数据集，19个最先进的深度学习模型
12809	2024-11-04	Exploring the feasibility of FOCUS DWI with deep learning reconstruction for breast cancer diagnosis: A comparative study with conventional DWI 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313011 PMID:39480865	研究论文	本研究比较了基于深度学习重建的FOCUS DWI与传统DWI在乳腺癌诊断中的可行性	本研究首次将深度学习重建技术应用于FOCUS DWI，以优化乳腺癌影像	本研究仅在49名女性患者中进行，样本量较小，可能影响结果的普适性	探讨基于深度学习重建的FOCUS DWI在乳腺癌诊断中的可行性	49名疑似乳腺癌的女性患者	计算机视觉	乳腺癌	扩散加权成像（DWI）	深度学习	图像	49名女性患者
12810	2024-11-04	A combinatorial deep learning method for Alzheimer's disease classification-based merging pretrained networks 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1444019 PMID:39483205	研究论文	提出了一种结合两种预训练网络的混合深度学习方法，用于阿尔茨海默病的分类	通过结合两种预训练网络的优势，增强了阿尔茨海默病相关特征的表示能力	NA	提高阿尔茨海默病的早期诊断和干预效果	阿尔茨海默病患者	机器学习	阿尔茨海默病	卷积神经网络 (CNN)	混合模型	图像	大量阿尔茨海默病患者的MRI图像
12811	2024-11-04	Advancements and Challenges in the Image-Based Diagnosis of Lung and Colon Cancer: A Comprehensive Review 2024, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351241290608 PMID:39483315	综述	本文综述了基于图像的肺癌和大肠癌诊断领域的最新进展和挑战	结合机器学习和人工智能方法，显著提高了癌症检测和表征的准确性	图像解释的变异性、缺乏标准化诊断协议、高级成像技术的不平等访问以及数据隐私和安全问题	探讨基于图像的肺癌和大肠癌诊断的最新进展和挑战	肺癌和大肠癌的图像诊断	计算机视觉	肺癌	深度学习、机器学习、图像处理	NA	图像	NA
12812	2024-11-04	PatchProt: hydrophobic patch prediction using protein foundation models 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae154 PMID:39483526	研究论文	本文利用大型语言模型ESM-2进行微调，开发了一种名为PatchProt的新模型，用于预测蛋白质表面的疏水性补丁	通过多任务深度学习方法，PatchProt不仅能够预测疏水性补丁区域，还在二级结构和表面可及性预测等主要任务上优于现有方法	NA	开发一种新的方法来预测蛋白质表面的疏水性补丁，并提高蛋白质属性预测的准确性	蛋白质表面的疏水性补丁	机器学习	NA	多任务深度学习	大型语言模型ESM-2	蛋白质序列	NA
12813	2024-11-04	An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18098 PMID:39484212	研究论文	开发了一种基于双向自注意力机制的深度学习模型，用于从苏木精和伊红染色的病理图像中检测乳腺癌BRCA致病变异	提出了基于双向自注意力机制的多实例学习算法BiAMIL，并结合类激活映射技术进行可解释性分析	NA	开发一种能够从病理图像中检测乳腺癌BRCA状态的深度学习模型	乳腺癌患者的BRCA基因状态	数字病理学	乳腺癌	深度学习	双向自注意力机制	图像	319张病理切片，来自254名乳腺癌患者
12814	2024-11-04	Classification of coronary artery disease severity based on SPECT MPI polarmap images and deep learning: A study on multi-vessel disease prediction 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241288430 PMID:39484655	研究论文	研究利用深度学习方法对基于SPECT MPI极坐标图图像的冠状动脉疾病严重程度进行分类，并预测多血管疾病	本研究结合EfficientNet-V2模型和DeepSMOTE方法，有效评估冠状动脉疾病严重程度并区分多血管疾病与单血管疾病	NA	探索利用深度学习技术评估冠状动脉疾病严重程度并预测多血管疾病	冠状动脉疾病严重程度和多血管疾病的预测	计算机视觉	心血管疾病	深度学习	EfficientNet-V2	图像	254名患者（其中176名患有多血管疾病，78名患有单血管疾病）
12815	2024-11-04	ACL-DUNet: A tumor segmentation method based on multiple attention and densely connected breast ultrasound images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307916 PMID:39485757	研究论文	提出了一种基于多注意力机制和密集连接的乳腺超声图像肿瘤分割方法	使用密集连接的U-net结合注意力门（AGs）以及通道注意模块和尺度注意模块，提高了乳腺肿瘤分割的准确性	NA	开发一种能够准确分割乳腺超声图像中肿瘤的深度学习方法	乳腺肿瘤	计算机视觉	乳腺癌	深度学习	U-net	图像	250张良性肿瘤图像和150张恶性肿瘤图像，以及780张正常、良性和恶性肿瘤图像
12816	2024-11-04	Deep learning-based automatic image classification of oral cancer cells acquiring chemoresistance in vitro 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310304 PMID:39485749	研究论文	研究使用深度学习方法对获得化疗耐药性的口腔癌细胞进行自动图像分类	首次使用EfficienNet-B3模型结合过采样和欠采样技术，实现了对化疗耐药性和非耐药性口腔癌细胞的三分类	研究仅限于体外实验，未涉及临床应用	探讨深度学习在识别化疗耐药性口腔癌细胞形态变化中的应用潜力	化疗耐药性和非耐药性的口腔癌细胞	计算机视觉	口腔癌	深度学习	CNN	图像	未明确具体数量，但涉及化疗耐药性和非耐药性的口腔癌细胞
12817	2024-11-02	Interpreting hourly mass concentrations of PM2.5 chemical components with an optimal deep-learning model 2025-May, Journal of environmental sciences (China) DOI:10.1016/j.jes.2024.03.037 PMID:39481927	研究论文	本文开发了一种优化的深度学习模型，用于获取PM2.5化学成分的小时质量浓度，无需复杂的化学分析	该模型考虑了大气状态指标，并展示了优于典型机器学习模型和全球再分析数据集的性能	NA	开发一种能够准确获取PM2.5化学成分信息的方法，以改进空气污染监测和源识别	PM2.5化学成分的小时质量浓度	机器学习	NA	深度学习	深度学习模型	多变量数据	NA
12818	2024-11-02	Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients with Cervical Ossification of the Posterior Longitudinal Ligament 2024-Nov-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005088 PMID:38975742	研究论文	本研究开发了一种基于多模态深度学习的放射组学方法，用于预测颈椎后纵韧带骨化症患者的手术结果	本研究首次将深度学习和机器学习技术应用于预测颈椎后纵韧带骨化症患者的手术结果	本研究为回顾性分析，样本量有限，且仅限于特定类型的患者	开发一种预测颈椎后纵韧带骨化症患者手术结果的模型	颈椎后纵韧带骨化症患者	机器学习	颈椎病	深度学习	LightGBM 和 RadImagenet	影像数据（X光、CT、MRI）	288名患者
12819	2024-11-02	Combining graph deep learning and London dispersion interatomic potentials: A case study on pnictogen chalcohalides 2024-Nov-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0237101 PMID:39484895	研究论文	本文研究了将图深度学习与伦敦色散原子间势结合用于描述层状氮化物硫化物的方法	本文创新性地将图深度学习势与半经验色散模型结合，以解决现有模型中长程色散相互作用缺失的问题	尽管结合模型在描述层状化合物方面有所改进，但并非普遍适用，且未进行详细的参数微调	研究如何通过结合图深度学习与色散模型来改进原子间势模型，以更准确地描述层状化合物的物理性质	层状氮化物硫化物 BiTeBr 和 BiTeI，以及一系列具有不同化学计量比的 V-VI-VII 化合物	机器学习	NA	图神经网络	图深度学习模型	晶体结构	包括 BiTeBr 和 BiTeI 在内的多种 V-VI-VII 化合物
12820	2024-11-02	Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networks 2024-Nov, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.06.009 PMID:38909909	研究论文	本文开发了一种基于卷积神经网络的算法，用于从普通放射影像中检测腰椎管狭窄症	利用卷积神经网络进行腰椎管狭窄症的自动检测，使得没有MRI设备的医疗机构或非专科医生也能进行诊断	研究样本仅来自单一机构，且外部验证样本较少	开发一种算法，用于从普通放射影像中诊断是否存在需要手术的腰椎管狭窄症	腰椎管狭窄症患者	计算机视觉	脊柱疾病	卷积神经网络	CNN	图像	150名接受手术的患者，以及25名在其他医院接受手术的患者