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
15321	2024-08-05	STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1408688 PMID:38873109	研究论文	本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点	STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征	尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性	本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用	研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点	机器学习	癌症	深度学习	STM-ac4C	序列数据	独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集
15322	2024-08-05	Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305253 PMID:38870192	研究论文	本研究探讨了用于细胞穿透肽预测的分子描述符，结合深度学习技术。	提出了使用ConvBoost-CPP的创新方法，该方法结合了改进的卷积神经网络和XGBoost模型，以提高分类器的准确性	未提及具体的局限性	研究细胞穿透肽的分子描述符对膜渗透性的预测能力	细胞穿透肽以及与之相关的分子描述符，如氮、氧和疏水性	机器学习	NA	深度学习	ConvBoost-CPP	NA	NA
15323	2024-08-05	Deep learning based ECG segmentation for delineation of diverse arrhythmias 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303178 PMID:38870233	研究论文	本文研究了心电图中关键波形的准确描绘，特别是在不同心律失常情况下的表现	提出了一种类似U-Net的心电图分割模型，重点关注多样化的心律失常并开发后处理算法	在标准基准上的高表现模型在稀有心律失常下性能较差	旨在提高心电图分割在不同心律失常情况下的性能	多种心律失常的心电图数据	数字病理学	心脏病	深度学习	U-Net	心电图（ECG）	在多样化数据集上训练并在LUDB和QTDB数据集上评估
15324	2024-08-05	Stable tensor neural networks for efficient deep learning 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1363978 PMID:38873283	研究论文	该文章提出了一种基于张量的神经网络，用于高效地学习高维数据	引入了张量神经网络（t-NNs），作为传统全连接网络的扩展，以更高效的参数空间进行训练	本文没有具体提到实验的限制条件或潜在的应用局限性	研究旨在通过张量表示和处理来提高深度神经网络的训练效率	研究对象是高维数据及其在深度学习中的应用	机器学习	NA	深度神经网络	张量神经网络（t-NNs）	图像	使用了MNIST和CIFAR-10两个基准图像数据集
15325	2024-08-05	Prediction of miRNAs and diseases association based on sparse autoencoder and MLP 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1369811 PMID:38873111	研究论文	该研究提出了一种新的稀疏自编码器和多层感知器方法（SPALP）来预测miRNA与疾病之间的关联	采用稀疏自编码器和多层感知器结合的深度学习技术来提高miRNA-疾病关联预测的准确性	NA	旨在揭示miRNA与疾病之间的关联以探讨病理机制和治疗方法	miRNA和多种老年疾病的关联数据	计算机视觉	老年疾病	深度学习，稀疏自编码器和多层感知器	多层感知器	生物信息学数据	在研究中验证了与五种老年疾病相关的miRNA共30个，具体包括狼疮红斑、急性髓性白血病、心血管、卒中、糖尿病
15326	2024-08-05	Identification of biological indicators for human exposure toxicology in smart cities based on public health data and deep learning 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1361901 PMID:38873314	研究论文	本研究提出了一种基于公共健康数据和深度学习的方法，以识别智能城市中人类暴露的毒理生物指标	创新之处在于结合公共健康数据和深度学习，建立环境监测数据与健康指标之间的关联模型	研究可能受到传感器数据准确性和公共健康数据完整性影响	旨在通过识别毒理生物指标，准确评估和管理城市环境暴露风险	研究对象为城市公共健康数据与环境监测数据采集的污染物类型和浓度	计算机视觉	呼吸系统疾病与心血管疾病	深度学习	卷积神经网络	环境监测数据	涉及的样本数量及类型为通过智能城市基础设施收集的环境监测数据
15327	2024-08-05	MRET: Modified Recursive Elimination Technique for ranking author assessment parameters 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303105 PMID:38870157	研究论文	本文提出了一种修改的递归消除技术，通过深度学习对作者评估参数进行排名	创新点在于结合多层感知器分类器和修改递归消除技术来评估和排名作者影响力参数	限制在于仅针对数学领域的数据进行分析，可能不适用于其他领域的参数评估	研究的目的是识别和优先排序最有效的作者评估指标	研究对象包括525个尚未获奖的个体和525个被认为是潜在获奖者的个体	自然语言处理	NA	深度学习	多层感知器 (MLP)	数据集	共1050个个体，包括525个未获奖个体和525个潜在获奖个体
15328	2024-08-05	Clinical concept and relation extraction using prompt-based machine reading comprehension 2023-08-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad107 PMID:37316988	研究论文	开发了一种自然语言处理系统，用于临床概念提取和关系提取	提出了一种统一的基于提示的机器阅读理解架构，具有良好的跨机构应用的通用性	NA	解决临床概念提取和关系提取的问题	临床概念和社交决定健康关系的提取	自然语言处理	NA	机器阅读理解（MRC）	变压器模型	文本	使用了两个基准数据集（药物和不良药物事件；健康的社会决定因素关系）
15329	2024-08-05	A deep learning approach for automatic delineation of clinical target volume in stereotactic partial breast irradiation (S-PBI) 2023-05-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/accf5e PMID:37084739	研究论文	本研究提出了一种基于深度学习的方法，以自动划定立体部分乳腺照射中的临床靶区。	本研究通过模仿医生的划定实践，使用多通道输入的3D U-Net架构来实现CTV分割，展示了学习到的扩展规则和解剖边界。	研究限于对35名患者的回顾性数据，样本量较小，可能影响模型的泛化能力。	旨在提高乳腺癌术后放疗中临床靶区的划定效率和准确性。	研究对象为35名接受5次部分乳腺照射的术后乳腺癌患者的CT图像。	数字病理学	乳腺癌	CT图像和肿瘤床体积（TBV）掩膜的深度学习方法	3D U-Net	图像	175张来自35名患者的CT图像
15330	2024-08-05	Deep Learning for Automated Liver Segmentation to Aid in the Study of Infectious Diseases in Nonhuman Primates 2021-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2020.08.023 PMID:32943333	研究论文	本研究探讨了深度学习在非人类灵长类动物感染疾病研究中自动肝脏分割的应用	首次在非人类灵长类动物的全身CT图像中应用先进的CNN算法进行肝脏分割	主要集中在非人类灵长类动物上，可能不适用于其他物种	提升对感染性疾病中肝脏的准确分割和分析能力	37只非人类灵长类动物的82个CT扫描图像	数字病理学	感染性疾病	深度学习	CNN，FPN、VNet和UNet	图像	37只动物的82个扫描
15331	2024-08-05	Converting tabular data into images for deep learning with convolutional neural networks 2021-05-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90923-y PMID:34059739	研究论文	本研究提出了一种新算法IGTD，将表格数据转换为图像，以便使用卷积神经网络进行深度学习	开发了一种新的算法，能够通过优化特征与像素位置的赋值，将表格数据转换为图像	未提及具体的局限性	研究如何将表格数据有效地转换为图像以供深度学习使用	将癌细胞系的基因表达谱和药物的分子描述符作为研究对象	计算机视觉	癌症	卷积神经网络(CNN)	卷积神经网络(CNN)	图像	使用了基因表达谱和药物分子描述符的多个样本，但具体数量未提供
15332	2024-08-05	MSA-Regularized Protein Sequence Transformer toward Predicting Genome-Wide Chemical-Protein Interactions: Application to GPCRome Deorphanization 2021-04-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.0c01285 PMID:33757283	研究论文	本研究开发了一种新的深度学习框架来预测化学物质与未注释的进化分化蛋白质之间的相互作用	提出了新的方法DISAE，通过结合进化信息和自监督学习，能够从未标记的蛋白质序列中捕获功能关系	研究未能探讨所有可能的化学-蛋白质相互作用，且对数据的依赖可能影响预测的准确性	旨在改进对未注释蛋白质的 ligand 预测并推动 GPCRome 的去孤立化研究	未注释的蛋白质及其与小分子的相互作用	机器学习	NA	自监督学习	DISAE	蛋白质序列	使用了所有蛋白质序列及其多序列比对（MSA）
15333	2024-08-05	A network-based deep learning methodology for stratification of tumor mutations 2021-Apr-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1099 PMID:33416857	研究论文	本研究开发了一种基于网络嵌入的分层方法，以识别具有临床相关性的患者亚型。	提出了一种网络嵌入的分层方法（NES），能通过基因网络区域的相似性来分类肿瘤亚型。	该研究可能需要在不同数据集中验证其通用性。	旨在通过分析肿瘤突变谱进行肿瘤分层。	分析7344个肿瘤外显子样本的体细胞突变特征。	数字病理学	癌症	网络嵌入方法	lightGBM分类算法	突变配置文件	7344个肿瘤外显子样本
15334	2024-08-05	Harnessing clinical annotations to improve deep learning performance in prostate segmentation 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253829 PMID:34170972	研究论文	本文评估了使用临床生成的标注来开发高性能前列腺分割模型的有效性	首次展示了未经精炼的临床前列腺标注在其他前列腺分割任务中的模板模型应用显著提升了性能	研究仅限于特定的前列腺数据集，未探索其他类型的肿瘤或疾病数据	提高前列腺图像分割的模型性能	针对前列腺图像的分割任务	计算机视觉	前列腺癌	3D U-Net卷积神经网络 (CNN)	CNN	图像	1620个来自临床的分割标注和两个挑战数据集 (PROMISE12: 50位患者, ProstateX-2: 99位患者)
15335	2024-08-05	An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test 2021, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-210299 PMID:34334396	研究论文	本文提出了一种基于时钟绘制测试图像的人工智能辅助痴呆检测方法	创新点在于利用深度学习分析时钟绘制测试图像来预测痴呆状态	尚需进一步验证模型的有效性和可推广性	评估机器学习模型是否可以通过时钟绘制测试图像预测轻度认知障碍或痴呆	研究对象包括3263名认知正常和160名认知受损的参与者	计算机视觉	老年痴呆	深度学习算法	NA	图像	3263名认知正常和160名认知受损的参与者
15336	2024-08-05	Data Augmentation and Transfer Learning to Improve Generalizability of an Automated Prostate Segmentation Model 2020-12, AJR. American journal of roentgenology DOI:10.2214/AJR.19.22347 PMID:33052737	研究论文	本研究开发了一个高质量的前列腺分割模型，能够在多个独立数据集上保持高性能	通过转移学习和数据增强改善了前列腺分割模型在外部中心的泛化能力	模型的性能依赖于测试中心的数据，可能影响通用性	旨在提高自动化前列腺分割模型的泛化能力	648名接受前列腺MRI检查的患者的数据集	数字病理学	前列腺癌	深度学习	2D和3D架构	医学影像	648名患者的数据集
15337	2024-08-05	Predicting RNA SHAPE scores with deep learning 2020-09, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2020.1760534 PMID:32476596	研究论文	本文提出了一种机器学习方法，用于预测体内RNA的SHAPE评分	提出了一种结合RNA二级结构预测结果和核苷酸序列的机器学习方法	未提及具体的样本量和数据来源	提高计算RNA折叠模拟的准确性	体内RNA结构	机器学习	NA	NA	NA	NA	NA
15338	2024-08-05	Generalizing Deep Learning for Medical Image Segmentation to Unseen Domains via Deep Stacked Transformation 2020-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.2973595 PMID:32070947	研究论文	本文提出了一种深度堆叠变换的方法，以改进医学图像分割在未见域上的泛化能力	提出了通过在单一源域上进行广泛的数据增强，来模拟特定医学成像模式的预期域偏移，从而提高模型在未见域上的表现	需要在目标域的相关数据（及其注释）上重新训练模型的通用迁移学习和领域适应技术限制了其广泛部署的实际应用	研究医学图像分割模型在不同医院、扫描仪制造商、成像协议和患者人群等变化领域中的泛化能力	对前列腺、左心房和左心室三个不同的3D分割任务进行训练和评估	数字病理	前列腺癌	数据增强	深度学习模型	3D图像	单源域的数据集（10~32个体积），以及一个较大的数据集（465个体积）
15339	2024-08-05	Multiresolution Application of Artificial Intelligence in Digital Pathology for Prediction of Positive Lymph Nodes From Primary Tumors in Bladder Cancer 2020-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.19.00155 PMID:32330067	研究论文	本研究开发了一种基于人工智能的模型，用于通过数字评估原发肿瘤来识别淋巴结转移的患者	采用新颖的人工智能方法应用于数字病理，以预测膀胱癌患者原发肿瘤中的淋巴结阳性情况	样本量相对较小，尤其是在内部验证组中	研究旨在基于数字病理图像评估原发肿瘤以预测淋巴结转移	研究对象为307名膀胱癌患者，包括294名来自TCGA的患者和13名来自本院的患者	数字病理学	膀胱癌	深度学习	多变量逻辑回归模型	图像	307名患者
15340	2024-08-05	Deep Learning for Automatic Calcium Scoring in CT: Validation Using Multiple Cardiac CT and Chest CT Protocols 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020191621 PMID:32043947	研究论文	该文章评估了一种深度学习方法在多种CT检查中自动计算钙得分的性能	提出了一种能适应不同类型CT检查的深度学习钙得分算法，并通过补充代表性图像来验证其效果	未探讨在非常规或其他类型CT协议下的性能表现	评估深度学习方法在各种CT检查中的自动钙得分能力	7240名接受不同类型非增强CT检查的参与者	计算机视觉	心血管疾病	卷积神经网络	CNN	图像	7240名参与者