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
13341	2024-10-22	Graph attention automatic encoder based on contrastive learning for domain recognition of spatial transcriptomics 2024-Oct-18, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07037-0 PMID:39424696	研究论文	提出了一种基于对比学习的图注意力自动编码器方法GAAEST，用于空间转录组学领域的识别	该方法结合了空间位置信息和基因表达数据，通过图注意力网络和自监督对比学习优化潜在嵌入，以识别具有相似表达模式和空间接近性的空间域	NA	准确识别空间转录组学中的空间域	空间转录组学数据中的基因表达和空间位置信息	数字病理学	NA	空间转录组学	图注意力网络	基因表达数据	多个数据集
13342	2024-10-22	Ensembling methods for protein-ligand binding affinity prediction 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72784-3 PMID:39424851	研究论文	本文提出了一种基于集成学习的蛋白质-配体结合亲和力预测方法	通过训练13个深度学习模型并探索所有可能的集成组合，显著提高了预测精度和泛化能力	NA	提高蛋白质-配体结合亲和力预测的准确性和泛化能力	蛋白质-配体结合亲和力	机器学习	NA	深度学习	集成模型	蛋白质-配体复合物的1D序列和结构特征	CASF2016和CSAR-HiQ等五个基准测试数据集
13343	2024-10-22	Modal-nexus auto-encoder for multi-modality cellular data integration and imputation 2024-Oct-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53355-6 PMID:39424861	研究论文	本文介绍了一种名为Modal-Nexus Auto-Encoder（Monae）的深度学习方法，用于多模态单细胞数据的整合和插补	Monae利用模态间的调控关系和对比学习，增强了统一空间中的细胞表示，并能生成精确的模态内和跨模态插补计数	NA	解决多模态单细胞数据整合和插补中的异质特征空间和技术噪声问题	多模态单细胞数据	机器学习	NA	深度学习	Auto-Encoder	多模态数据	NA
13344	2024-10-22	A hybrid deep learning network for automatic diagnosis of cardiac arrhythmia based on 12-lead ECG 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75531-w PMID:39424921	研究论文	提出了一种结合卷积神经网络和双向门控循环单元与多头注意力的混合深度学习模型，用于自动诊断心律失常	创新的混合深度学习模型结合了卷积神经网络和双向门控循环单元与多头注意力，有效捕捉心电信号的时空特征	NA	开发一种自动诊断心律失常的深度学习模型	心电图信号	机器学习	心血管疾病	卷积神经网络、双向门控循环单元、多头注意力	混合深度学习模型	心电图信号	MIT-BIH心律失常数据库和PTB诊断心电图数据库
13345	2024-10-22	Platform for precise, personalised glucose forecasting through continuous glucose and physical activity monitoring and deep learning 2024-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104241 PMID:39428134	研究论文	本文提出了一种结合内容注意力学习的混合深度学习框架，用于基于过去数据预测T1D和T2D患者的血糖水平，并开发了一个云端系统和移动应用来收集和处理相关数据	本文的创新点在于引入内容注意力学习机制，并结合物理活动数据，提高了血糖预测的准确性，同时展示了个性化训练的优势	本文的局限性在于仅使用了单一患者的8天临床数据进行训练和测试，未来需要在大规模多患者数据上验证模型的泛化能力	本文的研究目的是开发一种精确的个性化血糖预测系统，以帮助糖尿病患者管理血糖水平	本文的研究对象是T1D和T2D糖尿病患者	机器学习	糖尿病	深度学习	混合深度学习框架	连续血糖监测数据、物理活动数据、碳水化合物摄入值和胰岛素测量数据	使用了单一患者的8天临床数据进行训练，并在后续临床数据上进行测试
13346	2024-10-22	An optimal fast fractal method for breast masses diagnosis using machine learning 2024-Oct, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2024.104234 PMID:39428132	研究论文	本文介绍了一种用于乳腺肿块分类的快速分形方法	通过提取最佳分形信息并仅关注对分类有价值的信息，提高了计算速度和分类准确性	NA	提高乳腺肿块分类的计算速度和准确性	乳腺肿块的分类	机器学习	乳腺癌	分形方法	NA	图像	NA
13347	2024-10-21	Predictive biomarkers for immune checkpoint inhibitors therapy in lung cancer 2024-Dec-31, Human vaccines & immunotherapeutics IF:4.1Q2 DOI:10.1080/21645515.2024.2406063 PMID:39415535	综述	本文综述了用于预测肺癌免疫检查点抑制剂疗效的生物标志物及其前沿技术	本文结合单细胞测序和空间成像技术，以及深度学习和人工智能，扩展了预测生物标志物的识别	PD-L1作为首个预测生物标志物，其预测价值仅限于特定人群	探讨用于预测肺癌免疫检查点抑制剂疗效的生物标志物及其前沿技术	肺癌患者对免疫检查点抑制剂的反应	数字病理学	肺癌	单细胞测序、空间成像技术、深度学习、人工智能	NA	NA	NA
13348	2024-10-21	Sex estimation from coxal bones using deep learning in a population balanced by sex and age 2024-Nov, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-024-03268-2 PMID:38862820	研究论文	本文研究了使用深度学习方法从骨盆骨的CT扫描重建图像中进行性别估计	本文提出了一种全自动的数据驱动机器学习方法，使用解耦变分自编码器（DVAE）和分类器（C）进行性别估计，准确率高达99.8%	NA	研究如何利用深度学习技术提高法医人类学中性别估计的准确性和效率	骨盆骨的CT扫描图像	计算机视觉	NA	深度学习	解耦变分自编码器（DVAE）	图像	580个CT扫描图像
13349	2024-10-21	Hybrid clinical-radiomics model based on fully automatic segmentation for predicting the early expansion of spontaneous intracerebral hemorrhage: A multi-center study 2024-Nov, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association DOI:10.1016/j.jstrokecerebrovasdis.2024.107979 PMID:39222703	研究论文	本文提出了一种基于深度学习和影像组学的混合模型，用于预测自发性脑出血后的早期血肿扩张	本文提供了一种全自动的血肿分割方法，并构建了一个混合预测模型，用于血肿扩张的风险分层	NA	提出一种自动方法，用于预测自发性脑出血后的早期血肿扩张	自发性脑出血患者	计算机视觉	脑血管疾病	深度学习	混合模型	影像数据	共258名患者用于模型构建和内部验证，另外两个队列（n=87, 149）用于独立验证
13350	2024-10-21	Sparse attention with residual pyramidal depthwise separable convolutional based malware detection with optimization mechanism 2024-Oct-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76193-4 PMID:39420069	研究论文	提出了一种基于稀疏注意力与残差金字塔深度可分离卷积的深度学习方法，用于优化恶意软件检测	利用2D灰度图像和API调用数据，结合稀疏注意力和残差金字塔深度可分离卷积神经网络，以及混合白鲨白鲸优化算法进行模型优化	未提及具体局限性	提高恶意软件检测的准确性和效率，减少误报和漏报	恶意软件检测系统	机器学习	NA	深度学习	稀疏注意力与残差金字塔深度可分离卷积神经网络	图像	云恶意软件数据集中的API调用数据
13351	2024-10-21	Transformer-Integrated Hybrid Convolutional Neural Network for Dose Prediction in Nasopharyngeal Carcinoma Radiotherapy 2024-Oct-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01296-3 PMID:39424665	研究论文	提出了一种结合卷积神经网络和Transformer的混合模型，用于鼻咽癌放疗中的剂量预测	设计了层次密集递归编码器和通道注意力机制，以及渐进解码器和对象驱动跳跃连接，增强了模型对图像空间信息和长距离依赖的处理能力	未提及	提高鼻咽癌放疗计划中剂量预测的效率和质量	鼻咽癌放疗中的剂量预测	计算机视觉	鼻咽癌	卷积神经网络 (CNN) 和 Transformer	混合模型	图像	内部数据集
13352	2024-10-21	Thermal imaging and deep learning-based fit-checking for respiratory protection 2024-Oct-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52999-0 PMID:39420011	研究论文	本研究开发了一种人工智能模型，通过热成像视频实时快速准确地判断口罩佩戴的正确性	利用热成像和深度学习技术进行口罩佩戴检测，3DCNN在二分类和多分类任务中均优于ConvLSTM	NA	开发一种快速准确的方法来检测口罩佩戴的正确性	五种经韩国食品医药品安全处批准的口罩，通过50名参与者生成5000个视频	计算机视觉	NA	热成像	3DCNN	视频	50名参与者，5000个视频
13353	2024-10-21	Addressing fairness issues in deep learning-based medical image analysis: a systematic review 2024-Oct-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01276-5 PMID:39420149	综述	本文系统地回顾了在基于深度学习的医学图像分析中解决公平性问题的最新进展	本文介绍了群体公平性的基本概念，并分类总结了在公平医学图像分析中的研究，包括公平性评估和公平性缓解方法	本文主要集中在方法论的回顾，未提供具体的实验数据或模型评估	旨在促进人工智能研究人员和临床医生对公平性的共同理解，增强公平性缓解方法的开发，并为创建公平的医学图像分析社会做出贡献	基于深度学习的医学图像分析中的公平性问题	计算机视觉	NA	深度学习	NA	图像	NA
13354	2024-10-21	Supervised machine learning of outbred mouse genotypes to predict hepatic immunological tolerance of individuals 2024-Oct-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73999-0 PMID:39420174	研究论文	研究利用监督机器学习方法，通过分析杂交小鼠的基因型来预测个体对肝脏移植的免疫耐受性	利用杂交CD1小鼠的高度异质性基因型，构建预测肝脏同种异体移植结果的模型，并首次使用深度学习和线性分类方法进行预测	研究仅限于小鼠模型，尚未在人类中验证	阐明肝脏移植耐受和排斥的分子机制，并开发预测模型	杂交CD1小鼠的基因型及其对肝脏移植的免疫反应	机器学习	NA	全外显子测序	一维卷积神经网络和线性分类	基因型数据	36只小鼠
13355	2024-10-21	A convolutional attention model for predicting response to chemo-immunotherapy from ultrasound elastography in mouse tumor models 2024-Oct-17, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00634-4 PMID:39420199	研究论文	研究利用超声弹性成像和卷积注意力模型预测小鼠肿瘤模型对化疗免疫疗法的反应	结合剪切波弹性成像和深度学习模型，提出了一种新的方法来预测肿瘤对治疗的反应	研究主要集中在特定的肿瘤类型（desmoplastic肿瘤），可能不适用于所有肿瘤类型	探索肿瘤力学和医学影像作为预测生物标志物的潜力，以提高个性化癌症治疗的效果	小鼠肿瘤模型对化疗免疫疗法的反应	计算机视觉	NA	剪切波弹性成像	卷积神经网络（CNN）	图像	1365张剪切波弹性成像图像，来自630个肿瘤
13356	2024-10-21	Fault diagnosis of reducers based on digital twins and deep learning 2024-Oct-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75112-x PMID:39420213	研究论文	提出了一种基于数字孪生和深度学习的减速器故障诊断新方法	结合数字孪生高保真行为和深度学习数据挖掘能力，提出了FDGAN模型，并通过MobileViG验证了模型的故障诊断效果	NA	解决减速器故障诊断问题	减速器故障	机器学习	NA	深度学习	GAN	数据	600和800个训练样本
13357	2024-10-21	Semi-supervised segmentation of cardiac chambers from LGE-CMR using feature consistency awareness 2024-Oct-17, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-024-04250-x PMID:39420256	研究论文	本文提出了一种半监督网络，通过整合三重一致性约束（数据级、任务级和特征级）来分割心脏腔室	本文创新性地引入了特征一致性约束，帮助模型关注之前研究中忽略的特征一致性问题	实验结果仅在特定数据集上进行了验证，尚未在更广泛的数据集上进行测试	开发一种半监督分割方法，利用未标记数据提高模型性能	心脏腔室的分割	计算机视觉	心血管疾病	NA	半监督网络	图像	10% 和 20% 标记数据
13358	2024-10-21	Multimodal deep learning radiomics model for predicting postoperative progression in solid stage I non-small cell lung cancer 2024-Oct-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00783-8 PMID:39420411	研究论文	探讨多模态深度学习放射组学模型在预测I期非小细胞肺癌术后进展风险中的应用价值	构建了结合临床病理特征、主观CT发现和深度学习特征的多模态深度学习放射组学模型，显著提高了预测I期非小细胞肺癌术后进展风险的准确性	研究样本主要来自单一机构，外部验证集较小，可能影响模型的泛化能力	预测I期非小细胞肺癌术后进展风险，辅助治疗和随访	I期非小细胞肺癌患者	机器学习	肺癌	极端学习机分类器	ResNet18	图像	459例患者用于训练和内部验证，104例患者用于外部验证
13359	2024-10-21	ImmuneApp for HLA-I epitope prediction and immunopeptidome analysis 2024-Oct-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53296-0 PMID:39414796	研究论文	开发了ImmuneApp，一个基于深度学习的框架，用于HLA-I表位预测和免疫肽组分析	提出了ImmuneApp，一个可解释的深度学习框架，改进了HLA-I表位的预测，优先考虑新表位，并增强了免疫肽组解卷积	NA	开发高效的方法用于免疫肽组分析和新抗原预测	HLA-I表位和免疫肽组	机器学习	NA	深度学习	深度学习框架	蛋白质数据	216个多等位基因免疫肽组样本，识别了835,551个受限于超过100个HLA-I等位基因的配体
13360	2024-10-21	Enhancing diffusion-weighted prostate MRI through self-supervised denoising and evaluation 2024-10-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75007-x PMID:39414914	研究论文	本文提出了一种自监督的去噪方法，用于增强扩散加权前列腺MRI图像的质量	本文提出了一种基于Stein's unbiased risk estimator (SURE)的自监督去噪方法，无需真实数据即可实现去噪，并展示了在减少图像重复采集次数的情况下加速DWI扫描的应用	NA	提高扩散加权成像（DWI）在前列腺MRI中的诊断价值	扩散加权成像（DWI）图像的去噪和评估	计算机视觉	前列腺癌	扩散加权成像（DWI）	NA	图像	NA