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
13281	2024-10-26	iDLB-Pred: identification of disordered lipid binding residues in protein sequences using convolutional neural network 2024-10-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75700-x PMID:39433833	研究论文	本文提出了一种基于卷积神经网络的预测模型iDLB-Pred，用于识别蛋白质序列中的无序脂质结合残基	首次使用卷积神经网络等深度学习方法来预测蛋白质序列中的无序脂质结合残基	需要进一步验证模型在不同数据集上的泛化能力	开发一种高效的计算方法来预测蛋白质序列中的无序脂质结合残基	蛋白质序列中的无序脂质结合残基	机器学习	NA	卷积神经网络	卷积神经网络	蛋白质序列	使用了基准数据集进行特征提取和模型训练
13282	2024-10-26	MIDC: Medical image dataset cleaning framework based on deep learning 2024-Oct-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e38910 PMID:39444398	研究论文	本文提出了一种基于深度学习的医疗图像数据集清洗框架MIDC，旨在通过自动清理错误标注的数据来提高公共数据集的质量	MIDC框架的创新点包括：利用多个相同疾病的公共数据集，通过不同的CNN自动识别图像并移除错误标注的数据；设计了一种新的分级规则，将数据集分为高精度和低精度数据集；设计了一个基于CNN的数据清洗模块，使用高精度数据集识别和清理低精度数据集	NA	提高医疗图像数据集的质量，以提升基于这些数据集训练的诊断模型的准确性	医疗图像数据集中的错误标注数据	计算机视觉	NA	深度学习	CNN	图像	使用了四种数据集：糖尿病视网膜、病毒性肺炎、乳腺癌和皮肤癌
13283	2024-10-26	Development and Multinational Validation of an Ensemble Deep Learning Algorithm for Detecting and Predicting Structural Heart Disease Using Noisy Single-lead Electrocardiograms 2024-Oct-08, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.07.24314974 PMID:39417103	研究论文	开发并跨国验证了一种基于单导联心电图的深度学习算法，用于检测和预测结构性心脏病	提出了一种新的模型，能够从便携式/可穿戴设备获取的噪声单导联心电图中检测和预测多种结构性心脏病	NA	开发和验证一种能够在社区筛查中检测和预测结构性心脏病的AI算法	单导联心电图和结构性心脏病	机器学习	心血管疾病	深度学习	深度学习算法	心电图	266,740份心电图数据，来自99,205名患者
13284	2024-10-26	AbDPP: Target-oriented antibody design with pretraining and prior biological structure knowledge 2024-Oct, Proteins IF:3.2Q2 DOI:10.1002/prot.26676 PMID:38441337	研究论文	提出了一种基于深度学习算法的新方法AbDPP，用于生成抗体序列，结合预训练模型和生物结构知识，以提高抗体设计和筛选效率	整合了预训练的抗体模型和生物区域信息，利用大量抗体序列数据和复杂的生物系统理解生成序列，并优化抗体属性评估模型以生成更精确的序列	未提及具体限制	克服传统抗体发现方法的局限性，提高抗体设计和筛选效率	抗体序列生成和优化	机器学习	NA	深度学习算法	预训练模型	抗体序列数据	未提及具体样本数量
13285	2024-10-26	Fusion model of gray level co-occurrence matrix and convolutional neural network faced for histopathological images 2024-Oct-01, The Review of scientific instruments DOI:10.1063/5.0216417 PMID:39451106	研究论文	本文提出了一种结合灰度共生矩阵和卷积神经网络的融合模型，用于组织病理图像的分类	通过提取灰度共生矩阵的特征并与原始图像融合，提高了分类模型的准确性和性能	NA	提高组织病理图像分类的准确性和辅助癌症诊断	组织病理图像的分类	计算机视觉	NA	卷积神经网络	CNN	图像	训练集包含1500张图像，验证集和测试集各包含500张图像
13286	2024-10-26	A deep learning approach for predicting visceral pleural invasion in cT1 lung adenocarcinoma 2024-Sep-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-601 PMID:39444851	研究论文	本文开发了一种深度学习模型，用于预测cT1期肺腺癌中的胸膜侵犯	本文首次利用深度学习技术，结合放射组学和CT影像数据，开发了一种非侵入性预测胸膜侵犯的模型	尽管3D-ROI-only模型在AUC值上表现最佳，但在决策曲线、校准曲线和生存分析中，其预测胸膜侵犯状态的性能较差	开发一种机器学习模型，用于非侵入性预测胸膜侵犯，为手术决策提供支持	cT1期肺腺癌患者	机器学习	肺癌	深度学习	CNN	影像	983名患者
13287	2024-10-26	Detection of chronic obstructive pulmonary disease with deep learning using inspiratory and expiratory chest computed tomography and clinical information 2024-Sep-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-367 PMID:39444883	研究论文	本研究开发了一种使用双相（吸气和呼气）胸部CT图像和临床信息自动检测慢性阻塞性肺病（COPD）的卷积神经网络（CNN）模型	本研究创新性地结合了双相胸部CT图像和临床信息，开发了一种新的CNN模型，显著提高了COPD的检测准确性	NA	开发一种自动检测慢性阻塞性肺病（COPD）的卷积神经网络（CNN）模型	慢性阻塞性肺病（COPD）的自动检测	计算机视觉	慢性阻塞性肺病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	2047名参与者，包括从不吸烟者、前吸烟者和当前吸烟者
13288	2024-10-26	The development and validation of a prognostic prediction modeling study in acute myocardial infarction patients after percutaneous coronary intervention: hemorrhea and major cardiovascular adverse events 2024-Sep-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-1362 PMID:39444902	研究论文	本研究开发并验证了一种机器学习模型，用于预测经皮冠状动脉介入治疗后急性心肌梗死患者的出血和主要心血管不良事件风险	本研究利用机器学习技术，通过正则化、交叉验证和集成学习等方法，提高了预测模型的准确性，并引入了SHAP方法以提高模型的可解释性	NA	本研究旨在通过机器学习方法识别经皮冠状动脉介入治疗后患者的出血和主要心血管不良事件风险	研究对象为7931名接受经皮冠状动脉介入治疗的患者	机器学习	心血管疾病	机器学习算法，包括XGBoost、随机森林和深度学习神经网络	XGBoost模型	临床特征数据	7931名患者
13289	2024-10-26	m6ATM: a deep learning framework for demystifying the m6A epitranscriptome with Nanopore long-read RNA-seq data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae529 PMID:39438075	研究论文	介绍了一种基于深度学习的计算框架m6ATM，用于解析m6A表观转录组，使用Nanopore长读长RNA-seq数据进行单碱基分辨率的m6A位点预测	提出了m6ATM框架，结合WaveNet编码器和双流多实例学习模型，能够从DRS数据中提取特征并预测m6A位点	NA	开发一种高性能的m6A检测工具，以推动表观转录组研究的进展	m6A表观转录组及其在生物过程中的作用	机器学习	肝癌	Nanopore长读长RNA-seq	深度神经网络	RNA序列数据	包含不同m6A修饰比例的体外转录数据集和人类细胞系数据
13290	2024-10-26	Predictability of antigen binding based on short motifs in the antibody CDRH3 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae537 PMID:39438077	研究论文	本文提出了一种基于抗体CDRH3区域短基序预测抗原结合状态的方法	本文发现了一种简单分类器，其在独立生成的实验数据集上优于专门为此类数据集设计的深度学习模型	本文仅分析了基于突变实验的抗体数据集，未来需要更多实验数据验证	探索免疫受体与抗原结合的规则，预测未知免疫受体的抗原结合状态	抗体CDRH3区域的短基序	生物信息学	NA	NA	分类器	序列数据	11,336个位置特异性短基序，178个基序用于分类器训练
13291	2024-10-26	DeepCheck: multitask learning aids in assessing microbial genome quality 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae539 PMID:39438078	研究论文	本文介绍了一种名为DeepCheck的多任务深度学习框架，用于同时预测微生物基因组的质量，包括完整性和污染度	DeepCheck通过多任务学习方法，同时预测基因组的完整性和污染度，克服了现有方法将这两个任务分开处理的局限性	NA	开发一种新的深度学习框架，以提高微生物基因组质量评估的准确性和泛化能力	微生物基因组的完整性和污染度	机器学习	NA	多任务深度学习	深度学习框架	基因组数据	NA
13292	2024-10-26	DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION 2024-08-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004106 PMID:38489765	研究论文	本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管造影（OCTA）的深度学习分类器，用于预测未经治疗的非渗出性黄斑新生血管化的早期渗出风险	本研究首次结合OCTA和OCT B-scan图像，通过深度学习模型预测非渗出性黄斑新生血管化的早期渗出风险，并展示了组合模型在性能上的显著提升	本研究为回顾性研究，样本量相对较小，且仅限于年龄相关性黄斑变性的患者	开发一种深度学习分类器，用于识别非渗出性黄斑新生血管化在诊断后两年内渗出的风险	年龄相关性黄斑变性患者的非渗出性黄斑新生血管化	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）和OCT血管造影（OCTA）	卷积神经网络（CNN）	图像	89名患者，其中35名属于EX组，54名属于QU组
13293	2024-10-26	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	提出了一种基于超广角眼底成像的新深度学习模型，用于高效检测玻璃体炎	模型在六级分级中的性能有限，需要更大的样本量来改进	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	玻璃体炎的自动检测和分级	计算机视觉	眼科疾病	深度学习	DenseNet121	图像	1181张图像
13294	2024-10-26	Learning-based Free-Water Correction using Single-shell Diffusion MRI 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006901 PMID:39281711	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法	利用数据驱动技术在不同扩散MRI采集方案中可靠地推断自由水体积，包括单壳采集	当前数学模型在临床常见的单壳采集中的适用性有限	提高单壳扩散MRI分析的准确性和可靠性	脑微结构和连接性评估	计算机视觉	NA	扩散磁共振成像（dMRI）	深度学习	图像	NA
13295	2024-10-26	An ensemble deep learning model for medical image fusion with Siamese neural networks and VGG-19 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309651 PMID:39441782	研究论文	本文提出了一种基于Siamese神经网络和VGG-19的集成深度学习模型，用于多模态医学图像融合	该模型结合了预训练和非预训练网络，通过堆叠集成方法，能够有效保留详细信息并提高图像质量，显著改善对比度、增加分辨率并减少伪影	NA	开发一种高效的混合学习模型，用于多模态医学图像融合	多模态医学图像	计算机视觉	NA	深度学习	Siamese神经网络, VGG-19	图像	来自Havard-Medical-Image-Fusion Datasets、GitHub和Kaggle的公开可用源图像
13296	2024-10-26	Deep learning and AI in reducing magnetic resonance imaging scanning time: advantages and pitfalls in clinical practice 2024, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/192822 PMID:39444654	研究论文	本文探讨了深度学习和人工智能在减少磁共振成像扫描时间中的应用及其在临床实践中的优势和局限	开发了基于人工智能的算法，特别是深度学习模型，用于从更少的数据点重建高分辨率图像，显著提高了MRI效率	未具体提及	描述和讨论引入深度学习重建技术以减少MRI扫描时间在临床实践中的优缺点	磁共振成像（MRI）扫描时间的减少及其在临床实践中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	未具体提及
13297	2024-10-26	Dry age-related macular degeneration classification from optical coherence tomography images based on ensemble deep learning architecture 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1438768 PMID:39444813	研究论文	本文提出了一种基于集成深度学习架构的光学相干断层扫描图像干性年龄相关性黄斑变性分类方法	本文创新性地整合了四种不同的卷积神经网络（ResNet50、EfficientNetB4、MobileNetV3和Xception），并通过集成学习提高了干性AMD的分类准确性	NA	开发一种深度学习架构，以提高干性年龄相关性黄斑变性的分类准确性	干性年龄相关性黄斑变性的分类	计算机视觉	眼科疾病	深度学习	集成学习	图像	1,310名患者的4,096张原始图像，经过旋转和翻转操作后，数据集包含16,384张视网膜OCT图像
13298	2024-10-26	Trends and hotspots in the field of diabetic retinopathy imaging research from 2000-2023 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1481088 PMID:39444814	研究论文	本研究通过文献计量分析评估了2000年至2023年间糖尿病视网膜病变成像研究领域的进展和热点	本研究首次通过文献计量分析方法，系统地评估了糖尿病视网膜病变成像研究领域的发展趋势和关键热点	本研究仅基于Web of Science Core Collection数据库中的文献信息，可能存在一定的数据偏差	评估糖尿病视网膜病变成像研究领域的发展趋势和关键热点	2000年至2023年间发表的糖尿病视网膜病变成像研究相关文献	计算机视觉	糖尿病视网膜病变	文献计量分析	NA	文献	共分析了1328篇文献，其中美国发表719篇，中国发表609篇
13299	2024-10-26	Prediction of benign and malignant ground glass pulmonary nodules based on multi-feature fusion of attention mechanism 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1447132 PMID:39445066	研究论文	本研究开发并验证了一种新的特征融合算法，通过深度学习提高良性和恶性磨玻璃结节的分类性能	首次应用注意力机制融合全肺CT图像、影像组学特征、临床和形态学特征，显著提高了磨玻璃结节的分类性能	NA	开发和验证一种新的特征融合算法，以提高良性和恶性磨玻璃结节的分类性能	良性和恶性磨玻璃结节	计算机视觉	肺部疾病	深度学习	卷积神经网络 (CNN) 和反向传播神经网络 (BPNN)	图像	385例磨玻璃结节，其中172例为良性，203例为恶性
13300	2024-10-26	Enhancing facial feature de-identification in multiframe brain images: A generative adversarial network approach 2024, Progress in brain research DOI:10.1016/bs.pbr.2024.07.003 PMID:39448110	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于在脑部图像中对面部特征进行去识别化处理	本文的创新点在于使用生成对抗网络合成新的面部特征和轮廓，并专注于部分头部图像而非全头部图像	本文的局限性在于耳部检测的准确率在测试数据集中较低，仅为65.98%	本文的研究目的是开发一种有效的面部特征去识别化方法，以符合隐私法规	本文的研究对象是脑部图像中的面部特征，包括耳朵、鼻子、嘴巴和眼睛	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	本文使用了490例公开的头颅CT图像数据集和70例头颅MR图像数据集进行训练和测试