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
14241	2024-10-11	Enhancing chemistry-intuitive feature learning to improve prediction performance of optical properties 2024-Sep-26, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02781g PMID:39381129	研究论文	本文开发了一种先进的深度学习框架，通过增强化学直观的子图和边学习，并结合领域先验知识，改进了经典消息传递神经网络（MPNN），以更好地从有限的数据集中捕捉与光学性质相关的结构特征	本文的创新点在于通过增强化学直观的子图和边学习，结合领域先验知识，改进了经典消息传递神经网络（MPNN），显著提高了光学性质预测的准确性	NA	探索一种快速且准确的光学性质预测方法	光学性质（吸收波长、发射波长、光致发光量子产率和半峰全宽）	机器学习	NA	深度学习	消息传递神经网络（MPNN）	数据集	五个不同的光学数据集
14242	2024-10-11	Non-traumatic brachial plexopathy identification from routine MRIs: Retrospective studies with deep learning networks 2024-Sep-18, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111744 PMID:39383628	研究论文	本研究旨在通过深度学习网络从常规MRI扫描中识别非创伤性臂丛神经病变	本研究设计了六种深度学习方案，并利用五种著名的深度学习网络作为骨干，通过嵌套五折交叉验证方案进行训练和验证，以优化模型性能	本研究为回顾性研究，样本量相对较小，且仅限于Mayo Clinic的患者数据	寻求一种优化的深度学习模型，用于从常规MRI扫描中区分非创伤性臂丛神经病变	非创伤性臂丛神经病变患者及其MRI扫描图像	计算机视觉	NA	深度学习	CNN	图像	196名患者，共256个BP MRI序列，包括123个正常和133个异常序列
14243	2024-10-11	Using AI to Differentiate Mpox From Common Skin Lesions in a Sexual Health Clinic: Algorithm Development and Validation Study 2024-Sep-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52490 PMID:39269753	研究论文	开发并验证了一种基于人工智能的工具，用于区分性健康诊所中的猴痘病变与其他皮肤病变	采用深度学习方法，通过六种不同的深度学习架构训练AI模型，并使用区域兴趣方法显著提高了模型性能	NA	开发和评估一种基于人工智能的工具，用于区分猴痘病变与其他皮肤病变	猴痘病变与其他皮肤病变的图像	计算机视觉	NA	深度学习	DenseNet-121, ResNet-18	图像	2200张图像，包括猴痘和非猴痘病变图像
14244	2024-10-11	Integrative radiopathomics model for predicting progression-free survival in patients with nonmetastatic nasopharyngeal carcinoma 2024-Sep-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05930-z PMID:39249584	研究论文	构建一个综合的放射病理组学模型，用于预测非转移性鼻咽癌患者的无进展生存期	该研究创新性地结合了放射组学特征和病理组学特征，构建了一个综合模型，显著提高了预测性能	NA	开发一个综合模型，用于预测非转移性鼻咽癌患者的无进展生存期	非转移性鼻咽癌患者	数字病理学	鼻咽癌	深度学习	Swin Transformer	图像	357名患者，分为训练集（250名）和验证集（107名）
14245	2024-10-11	Artificial intelligence in dermatopathology: Updates, strengths, and challenges 2024 Sep-Oct, Clinics in dermatology IF:2.3Q2 DOI:10.1016/j.clindermatol.2024.06.010 PMID:38909860	研究论文	探讨人工智能在皮肤病理学中的应用、优势和挑战	人工智能，尤其是卷积神经网络，在皮肤病理学中的诊断应用中显示出超越人类病理学家的敏感性和特异性	在炎症性和淋巴增生性皮肤病理学中，研究有限，需要进一步探索	研究人工智能在皮肤病理学中的应用及其潜力	皮肤病理学，特别是肿瘤性皮肤病理学	数字病理学	NA	机器学习和深度学习	卷积神经网络	图像	NA
14246	2024-10-11	Drug-Target Binding Affinity Prediction in a Continuous Latent Space Using Variational Autoencoders 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3402661 PMID:38767996	研究论文	本文提出了一种在连续潜在空间中使用变分自编码器预测药物-靶点结合亲和力的方法	与传统在向量空间中建模结合亲和力的方法不同，本文提出在连续空间中进行建模，以考虑输入样本的多样性	NA	提高药物-靶点结合亲和力预测的准确性，从而促进更高效的药物发现过程	药物和靶点蛋白的结合亲和力	机器学习	NA	变分自编码器	残差门控卷积神经网络	文本	使用了常用的基准数据集进行评估
14247	2024-10-11	Data-driven continuum damage mechanics with built-in physics 2024-Sep, Extreme Mechanics Letters IF:4.3Q1 DOI:10.1016/j.eml.2024.102220 PMID:39372561	研究论文	本文探讨了使用神经常微分方程（NODEs）结合物理约束来模拟软材料的连续损伤力学行为	本文首次将神经常微分方程（NODEs）应用于模拟软材料的非弹性行为，并通过引入非弹性势能函数实现了热力学一致性	本文主要集中在合成应力-变形历史数据和实验皮肤及皮下组织数据的模拟，未涉及更多类型的材料或数据	研究如何利用数据驱动的方法结合物理约束来准确模拟软材料的损伤和能量耗散机制	软材料如橡胶和软组织在经历大变形和损伤退化时的行为	机器学习	NA	神经常微分方程（NODEs）	神经网络	应力-变形历史数据	实验皮肤和皮下组织数据
14248	2024-10-11	Improving Clinical Decision Making With a Two-Stage Recommender System 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3318209 PMID:37738190	研究论文	本文介绍了一种两阶段推荐框架，用于改进临床决策支持系统	提出了一个基于深度神经网络的两阶段推荐系统，利用电子健康记录数据进行临床决策支持	讨论了数据可用性和隐私问题，并指出了未来在该领域的探索方向	改进临床决策支持系统，提供个性化的医疗建议	临床决策支持系统的设计和优化	机器学习	NA	深度学习	深度神经网络	电子健康记录	使用了公开可访问的电子健康记录数据集
14249	2024-10-10	Exploring the Knowledge of an Outstanding Protein to Protein Interaction Transformer 2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2024.3381825 PMID:38536676	研究论文	本文提出了一种基于Transformer的蛋白质相互作用预测模型PPITrans，并验证了其在未见物种上的有效性	PPITrans模型利用预训练的语言模型进行蛋白质相互作用预测，显著提高了在未见物种上的预测性能	PPITrans无法捕捉蛋白质的空间结构	解决深度学习模型在未见物种上预测蛋白质相互作用性能不佳的问题	蛋白质相互作用预测	机器学习	NA	Transformer	Transformer	蛋白质相互作用数据	使用人类蛋白质相互作用数据进行训练，并在其他物种的蛋白质相互作用数据上进行测试
14250	2024-10-11	NLP-based ergonomics MSD risk root cause analysis and risk controls recommendation 2024-Aug-27, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2024.2394510 PMID:39189206	研究论文	本文提出了一种基于自然语言处理（NLP）的工效学评估方法，用于分析工作场所中肌肉骨骼疾病（MSD）的风险根源并推荐控制措施	本文的创新点在于结合深度学习NLP技术和专家系统，自动分析工作中的物理动作及其对象，识别MSD风险的根源并推荐控制策略	NA	研究目的是开发一种自动化的工效学评估流程，用于预测和预防工作场所中的肌肉骨骼疾病	研究对象是工作场所中的物理风险因素及其导致的肌肉骨骼疾病	自然语言处理	NA	自然语言处理（NLP）	深度学习	文本	NA
14251	2024-10-11	A deep learning-based theoretical protocol to identify potentially isoform-selective PI3Kα inhibitors 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10799-0 PMID:38305819	研究论文	本文设计了一种基于深度学习的理论协议，用于识别潜在的PI3Kα同工型选择性抑制剂	本文创新性地将机器学习与计算机药物设计策略相结合，开发了一种深度学习分类模型，用于筛选潜在的PI3Kα抑制剂	本文主要依赖于计算模型和分子对接技术，尚未进行实验验证	开发一种新的计算方法，用于识别具有同工型选择性的PI3Kα抑制剂	PI3Kα抑制剂及其在癌症治疗中的应用	机器学习	NA	深度学习分类模型、分子对接	深度学习分类模型	物理化学描述符数据	662种化合物，最终筛选出12种潜在抑制剂
14252	2024-10-11	Enhancing fall risk assessment: instrumenting vision with deep learning during walks 2024-06-22, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01400-2 PMID:38909239	研究论文	本文提出了一种基于深度学习的物体检测算法VARFA，用于在步行过程中通过视觉和视频数据增强跌倒风险评估	本文的创新点在于提出了一种自动化的深度学习方法，通过视频数据评估视觉注意力，补充了传统的惯性测量单元（IMU）数据，从而更全面地评估跌倒风险	本文的局限性在于仅在实验室环境中进行了验证，尚未在实际临床环境中进行测试	本文的研究目的是通过自动化方法提高跌倒风险评估的效率和准确性	本文的研究对象是步行过程中的视觉注意力和环境细节	计算机视觉	NA	深度学习	YoloV8, U-NET	视频	实验室环境下的步行视频数据
14253	2024-10-11	MV-Swin-T: MAMMOGRAM CLASSIFICATION WITH MULTI-VIEW SWIN TRANSFORMER 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635578 PMID:39371472	研究论文	本文提出了一种基于Transformer的多视角网络MV-Swin-T，用于乳腺X光图像分类	引入了基于移位窗口的动态注意力块，有效整合多视角信息并在空间特征图级别促进视角间信息的传递	NA	解决乳腺X光图像分类中的多视角分析问题	乳腺X光图像	计算机视觉	乳腺癌	Transformer	MV-Swin-T	图像	使用了CBIS-DDSM和Vin-Dr Mammo数据集
14254	2024-10-11	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	研究论文	本文提出了一种基于伪标签和多阶段nnU-Nets的弱监督学习方法，用于腹部CT图像中皮下水肿的分割	本文的创新点在于使用基于强度先验的伪标签和多阶段nnU-Nets，以减少分割错误并提高水肿量化精度	本文的局限性在于依赖于基于强度先验的伪标签，可能仍存在一定的误差	本文的研究目的是开发一种非侵入性的方法，用于从腹部CT扫描中自动分割水肿，以帮助监测疾病进展	本文的研究对象是腹部CT图像中的皮下水肿	计算机视觉	NA	弱监督学习	nnU-Nets	图像	NA
14255	2024-10-11	Knowledge mapping analysis of ground glass nodules: a bibliometric analysis from 2013 to 2023 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1469354 PMID:39381043	研究论文	本文通过文献计量学方法分析了2013年至2023年间肺磨玻璃结节的研究趋势和热点	首次使用三种文献计量软件对肺磨玻璃结节的应用研究进行文献计量分析	NA	分析肺磨玻璃结节的知识结构和研究热点	肺磨玻璃结节	数字病理学	肺癌	文献计量学	NA	文献	2218篇文章，来自75个国家和2274个机构
14256	2024-10-11	An optimal deep learning model for the scoring of radiographic damage in patients with ankylosing spondylitis 2024, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X241285973 PMID:39381056	研究论文	研究开发了一种深度学习模型，用于自动评分放射学上强直性脊柱炎患者的脊柱损伤	首次使用深度学习模型自动评分强直性脊柱炎患者的脊柱损伤，提供了一种实时、客观的评分方法	研究仅限于亚洲人群，样本量相对较小	开发一种自动评分方法，用于评估强直性脊柱炎患者的脊柱放射学损伤	强直性脊柱炎患者的颈椎和腰椎X光片	计算机视觉	强直性脊柱炎	深度学习	深度学习模型	图像	554名强直性脊柱炎患者
14257	2024-10-11	DFUCare: deep learning platform for diabetic foot ulcer detection, analysis, and monitoring 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1386613 PMID:39381435	研究论文	本文介绍了一个名为DFUCare的深度学习平台，用于糖尿病足溃疡的检测、分析和监测	DFUCare平台利用计算机视觉和深度学习算法，实现了对糖尿病足溃疡的非侵入性定位、分类和分析	初步性能测试仅在手机拍摄的伤口图像上进行，未来需要在大规模临床试验中验证其有效性	开发一种非侵入性、高效且经济的解决方案，用于糖尿病足溃疡的早期检测和分析	糖尿病足溃疡及其感染和缺血情况	计算机视觉	糖尿病	深度学习	YOLOv5s	图像	使用手机拍摄的伤口图像进行初步测试
14258	2024-10-11	Brain tumor classification using fine-tuned transfer learning models on magnetic resonance imaging (MRI) images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241286140 PMID:39381813	研究论文	本文介绍了一种利用磁共振成像（MRI）图像进行脑肿瘤分类的高效深度学习模型	本文采用了六种迁移学习算法（VGG16、ResNet50、MobileNetV2、DenseNet201、EfficientNetB3和InceptionV3），并通过优化数据预处理和数据增强来提高模型性能，创新性地提高了脑肿瘤分类的准确性和效率	本文未详细讨论模型在不同类型脑肿瘤上的具体表现，且未提及模型在实际临床应用中的可行性和接受度	旨在通过深度学习和迁移学习技术，提高脑肿瘤检测的准确性和效率	脑肿瘤的分类和检测	计算机视觉	脑肿瘤	迁移学习	深度学习模型	图像	使用了二分类和多分类数据集进行实验
14259	2024-10-11	Utilizing deep learning models for ternary classification in COVID-19 infodemic detection 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284773 PMID:39381806	研究论文	本文利用深度学习模型进行COVID-19信息流行病的三分类检测	本文采用了八种常用的深度学习模型进行三分类检测，并分析了不同模型的性能	由于信息流行病记录的有限性和数据集规模较小，预训练嵌入或简单架构的模型表现优于更复杂的模型	解决COVID-19信息流行病中区分真假信息的复杂性问题	COVID-19信息流行病的三分类检测	自然语言处理	NA	深度学习	fastText、基于RNN的模型、基于CNN的模型、基于Transformer的模型	文本	两个相对较小的数据集
14260	2024-10-11	A sustainable artificial-intelligence-augmented digital care pathway for epilepsy: Automating seizure tracking based on electroencephalogram data using artificial intelligence 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241287356 PMID:39381810	研究论文	本研究开发了一种基于人工智能的自动化癫痫发作追踪模型，用于头皮脑电图数据的分析，旨在支持可持续的数字癫痫护理路径	本研究提出了一个结合随机森林、主成分分析和支持向量机的AI增强框架，以及卷积神经网络模型，用于自动化脑电图癫痫发作追踪，提高了诊断准确性	AI集成框架的可持续性依赖于技术基础设施、专业人员、培训计划、患者数字素养、财务资源和监管合规性等因素	开发一种AI增强模型，用于自动化脑电图癫痫发作追踪，支持可持续的数字癫痫护理路径	头皮脑电图数据和癫痫患者	机器学习	癫痫	机器学习	卷积神经网络	脑电图数据	NA