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
13101	2024-11-21	Less is More: Selective reduction of CT data for self-supervised pre-training of deep learning models with contrastive learning improves downstream classification performance 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109242 PMID:39388839	研究论文	本文研究了通过对比学习进行自监督预训练的深度学习模型在医学图像分析中的应用，并探讨了减少数据冗余对下游分类任务性能的影响	提出了一种基于深度嵌入、信息论和哈希的不同数据减少策略，以减少医学预训练数据集中的冗余，从而提高对比学习的性能	NA	研究如何通过减少医学图像数据集的冗余来提高对比学习在下游分类任务中的性能	医学图像数据集的冗余减少策略及其对对比学习性能的影响	计算机视觉	NA	对比学习	深度学习模型	图像	涉及两个预训练数据集和多个下游分类任务，具体样本数量未详细说明
13102	2024-11-21	Higher effect sizes for the detection of accelerated brain volume loss and disability progression in multiple sclerosis using deep-learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109289 PMID:39423705	研究论文	本文介绍了一种基于深度学习的脑体积损失检测方法BrainLossNet，用于多发性硬化症（MS）患者中加速脑体积损失和残疾进展的检测	BrainLossNet相比传统方法Siena在检测加速脑体积损失和区分MS患者残疾进展方面具有更高的效果	NA	验证BrainLossNet在多发性硬化症患者中检测加速脑体积损失和区分残疾进展的有效性	多发性硬化症患者和健康对照组的脑体积损失	机器学习	多发性硬化症	深度学习	NA	图像	563名健康对照组，414名和156名MS患者，以及216名混合扫描器患者
13103	2024-11-21	A systematic review of generalization research in medical image classification 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109256 PMID:39427426	综述	本文系统回顾了医学图像分类中领域泛化研究的现状	提出了基于偏移类型的分类法，并讨论了未来发展的挑战	主要关注了现有的领域适应技术，未全面涵盖所有偏移类型	探索现有领域泛化方法，提出分类法并讨论未来挑战	医学图像分类中的领域泛化问题	计算机视觉	NA	深度学习	分类模型	图像	77篇文献
13104	2024-11-21	RADIANCE: Reliable and interpretable depression detection from speech using transformer 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109325 PMID:39489109	研究论文	提出了一种名为RADIANCE的可靠且可解释的抑郁症检测方法，使用Transformer模型从语音中提取可解释的抑郁症症状特征	引入了一种新的FilterBank VIsion Transformer (FBViT)网络，提供可解释的抑郁症症状特征；采用了一种新的损失函数处理数据集中的类别不平衡问题；提出了基于低级描述符的可靠性预测器，确保预测的可信度	NA	开发一种可靠且可解释的抑郁症检测方法，以提高诊断的准确性和透明度	抑郁症的自动检测	机器学习	精神疾病	Transformer	Transformer	语音	DAIC-WOZ、E-DAIC和CMDC数据集
13105	2024-11-21	Deep Lead Optimization: Leveraging Generative AI for Structural Modification 2024-Nov-20, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.4c11686 PMID:39499822	综述	本文综述了基于深度学习的分子生成模型在药物发现中的应用，特别是结构导向的先导优化方法	本文首次系统地将先导优化方法分类为目标导向和结构导向，并详细讨论了结构导向优化中的四个具体任务	本文主要集中在结构导向优化方法的综述，未涉及具体实验验证	探讨深度学习在药物发现中的应用，特别是先导优化过程中的结构导向方法	先导优化方法，特别是结构导向优化中的片段替换、连接子设计、骨架跳跃和侧链装饰	机器学习	NA	深度学习	生成对抗网络（GAN）	分子结构数据	NA
13106	2024-11-21	Combination of Transfer Learning and Chemprop Interpreter with Support of Deep Learning for the Energy Levels of Organic Photovoltaic Materials Prediction and Regulation 2024-Nov-20, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c15835 PMID:39564708	研究论文	本文提出了一种结合迁移学习和化学解释器的定向消息传递神经网络模型，用于有机光伏材料能级预测和可视化	本文的创新点在于结合了迁移学习和化学解释器，提高了有机光伏材料能级预测的准确性和可解释性	本文的局限性在于模型在小样本测试集上的表现较好，但在更大规模数据集上的表现尚需验证	本文的研究目的是开发一种高效且可解释的模型，用于预测和调控有机光伏材料的能级	本文的研究对象是有机光伏材料的能级及其分子结构	机器学习	NA	迁移学习	定向消息传递神经网络	分子结构数据	小测试集包含少量样本
13107	2024-11-21	Performance of deep learning models in predicting the nugent score to diagnose bacterial vaginosis 2024-Nov-19, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02344-24 PMID:39560430	研究论文	本研究评估了深度学习模型在预测Nugent评分以诊断细菌性阴道病中的表现	深度学习模型在预测Nugent评分方面表现出高准确性，优于实验室技术人员的平均准确率	需要在大规模上进行验证	提高细菌性阴道病诊断的一致性和准确性	1510张阴道涂片图像	计算机视觉	细菌性阴道病	深度学习	深度学习模型	图像	1510张阴道涂片图像，以及106张独立测试图像
13108	2024-11-21	A Modified Transformer Network for Seizure Detection Using EEG Signals 2024-Nov-19, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500030 PMID:39560448	研究论文	本文提出了一种改进的Transformer网络用于癫痫发作检测，结合了Inception和Residual网络提取不同尺度的脑电图（EEG）信号特征，并通过Co-MixUp方法处理数据不平衡问题	本文提出的Inresformer网络结合了Inception和Residual网络，增强了特征表示能力，并通过改进的Feedforward层增强了模型的非线性表示	NA	提高癫痫发作检测的准确性和性能	脑电图（EEG）信号	机器学习	NA	离散小波变换（DWT）	Transformer网络	信号	Bonn数据集和CHB-MIT数据集
13109	2024-11-21	Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach 2024-Nov-19, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00670-7 PMID:39560852	研究论文	本研究提出了一种基于深度学习的AIGO-DTI框架，用于预测Yinchenhao Decoction中主要成分对TLR4的靶向概率，并验证了其对肝病的治疗潜力	首次使用AIGO-DTI深度学习框架预测Yinchenhao Decoction中成分对TLR4的靶向概率，并建立了TLR4-Predict在线平台	NA	探索Yinchenhao Decoction中有效成分及其对TLR4的靶向治疗机制，以治疗肝病	Yinchenhao Decoction中的主要成分及其对TLR4的靶向作用	机器学习	肝病	深度学习	AIGO-DTI	化合物	NA
13110	2024-11-21	Quantitative and Morphology-Based Deep Convolutional Neural Network Approaches for Osteosarcoma Survival Prediction in the Neoadjuvant and Metastatic Setting 2024-Nov-19, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-24-2599 PMID:39561274	研究论文	本文探讨了三种深度学习策略在组织学样本上预测新辅助和转移性骨肉瘤生存结果的应用	本文创新性地使用深度卷积神经网络自动估计坏死与肿瘤的比例，并识别出特定的组织形态学生物标志物	NA	探索深度学习策略在新辅助和转移性骨肉瘤生存预测中的应用	骨肉瘤患者的组织学样本	数字病理学	骨癌	深度学习	深度卷积神经网络	图像	训练集来自纽约大学，外部验证集来自查尔斯大学
13111	2024-11-21	Automated Single Cell Phenotyping of Time-of-Flight Secondary Ion Mass Spectrometry Tissue Images 2024-Nov-19, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.4c00328 PMID:39563098	研究论文	本文介绍了使用深度学习技术对时间飞行二次离子质谱组织图像进行自动单细胞表型分析的方法	开发了MIBIsight工作流程，利用深度学习技术处理包含数千个细胞的图像，生成易于理解的报告和图表	NA	旨在通过深度学习技术简化复杂数据集的分析，以便更好地理解细胞在疾病研究中的作用	时间飞行二次离子质谱组织图像中的单细胞表型	计算机视觉	NA	时间飞行二次离子质谱（ToF-SIMS）	深度学习（DL）	图像	数千个细胞
13112	2024-11-21	Exploring protein natural diversity in environmental microbiomes with DeepMetagenome 2024-Nov-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100896 PMID:39515333	研究论文	本文介绍了一种基于深度学习的Python方法DeepMetagenome，用于探索环境微生物群中的蛋白质自然多样性	DeepMetagenome通过深度学习模型从宏基因组/蛋白质组中检测蛋白质多样性，无需先验假设，并成功识别了高置信度的金属硫蛋白序列	NA	探索环境微生物群中的蛋白质自然多样性	金属硫蛋白及其他三种蛋白质家族的多样性	机器学习	NA	深度学习	CNN, LSTM, Transformer	序列数据	超过14600万编码特征的数据库
13113	2024-11-21	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	研究探讨了TRPM家族成员CCNE1在泛癌中的预测和免疫调节潜力	首次创建了TRPM家族成员相关的TRPM-Score，并发现CCNE1作为泛癌中的重要生物标志物	NA	探索新的分子生物标志物以改进癌症治疗和早期检测	TRPM家族成员及其在17种实体瘤中的作用	数字病理学	泛癌	机器学习和深度学习计算技术	NA	NA	17种实体瘤样本
13114	2024-11-17	Correction: Multiparametric MRI based deep learning model for prediction of early recurrence of hepatocellular carcinoma after SR following TACE 2024-Nov-16, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-06027-3 PMID:39547976	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13115	2024-11-21	Wind power prediction based on deep learning models: The case of Adama wind farm 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39579 PMID:39559238	研究论文	本文研究了基于深度学习模型的风力发电预测，以埃塞俄比亚的阿达玛风电场为例	本文首次为阿达玛风电场开发了基于深度学习的风力发电预测模型，并比较了LSTM、Bi-LSTM和GRU三种模型的性能	本文仅使用了阿达玛风电场的数据，未考虑其他风电场的数据，可能影响模型的泛化能力	开发一种准确可靠的风力发电预测模型，以帮助能源规划者和区域电力供应商计算电力生产和能源生成	阿达玛风电场的风力发电量	机器学习	NA	深度学习	LSTM, Bi-LSTM, GRU	时间序列数据	四年数据，共163,802行，每5分钟记录一次
13116	2024-11-21	dsRNAPredictor-II: An improved predictor of identifying dsRNA and its silencing efficiency for Tribolium castaneum based on sequence length distribution 2024-Nov-09, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.11.007 PMID:39528092	研究论文	本文通过优化现有模型dsRNAPredictor，设计基于不同序列长度的子模型，建立了一个深度学习模型来预测dsRNA的沉默效率	本文通过设计基于不同序列长度的子模型，优化了现有模型dsRNAPredictor，提高了预测dsRNA沉默效率的性能和鲁棒性	NA	建立一个深度学习模型，帮助研究人员识别具有最高RNAi效率的dsRNA片段	dsRNA的序列长度分布及其沉默效率	机器学习	NA	NA	卷积神经网络	序列	数据分为两组：130-399 bp和400-616 bp长的序列
13117	2024-11-21	Artificial Intelligence and the Future of Communication Sciences and Disorders: A Bibliometric and Visualization Analysis 2024-Nov-07, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-24-00157 PMID:39418583	研究论文	本文通过文献计量学分析和可视化方法，全面概述了人工智能在沟通科学与障碍研究中的应用	本文首次系统性地分析了人工智能在沟通科学与障碍领域的研究趋势和热点，揭示了该领域应用AI的现状和未来发展方向	本文主要依赖于文献计量学方法，可能无法全面反映所有相关研究的细节和深度	旨在为研究人员、开发者和专业人士提供一个全面的概述，帮助理解AI在沟通科学与障碍研究中的演变	主要研究了自闭症、失语症、构音障碍、帕金森病和阿尔茨海默病等沟通障碍	机器学习	NA	文献计量学分析	支持向量机、卷积神经网络、隐马尔可夫模型	文献数据	15,035篇出版物，其中4,375篇符合纳入标准
13118	2024-10-15	Deciphering protective genomic factors of tumor development in pediatric Down syndrome via deep learning approach to whole genome and RNA sequencing 2024-Nov, Cancer communications (London, England) DOI:10.1002/cac2.12612 PMID:39387321	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13119	2024-11-21	Accelerating Brain MR Imaging With Multisequence and Convolutional Neural Networks 2024-Nov, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70163 PMID:39552110	研究论文	研究使用深度学习技术加速脑部MRI成像过程，通过多序列和卷积神经网络重建图像，同时保持图像质量	利用深度学习技术从不同MRI序列中提取共同信息，减少最耗时的序列扫描时间，同时保持图像质量	研究仅限于T1-FLAIR、T2-FLAIR和T2WI序列，未涵盖所有可能的MRI序列	探讨深度学习技术是否能通过利用不同MRI序列的共同信息来减少扫描时间并保持图像质量	脑部MRI图像，包括T1-FLAIR、T2-FLAIR和T2WI序列	计算机视觉	NA	深度学习	卷积神经网络	图像	217名患者和105名健康受试者的脑部MRI原始数据
13120	2024-11-21	Deep learning model for automated diagnosis of moyamoya disease based on magnetic resonance angiography 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102888 PMID:39559186	研究论文	本研究探讨了基于深度学习的卷积神经网络（CNN）在磁共振血管造影（MRA）图像上自动识别烟雾病（MMD）的潜力	本研究首次使用DenseNet-121模型在MRA图像上实现了MMD的自动诊断，并展示了其与经验丰富的放射科医生相当的诊断能力	本研究为回顾性研究，样本主要来自中国的一个机构，外部验证集较小，可能影响模型的泛化能力	探索基于深度学习的卷积神经网络在MRA图像上自动诊断烟雾病的可能性	烟雾病（MMD）、动脉粥样硬化疾病（ASD）和正常对照（NC）的MRA图像	计算机视觉	脑血管疾病	卷积神经网络（CNN）	DenseNet-121	图像	600名参与者（200名MMD、200名ASD和200名NC）用于训练，60名参与者用于外部验证