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
15421	2024-10-05	A deep learning model for generating [18F]FDG PET Images from early-phase [18F]Florbetapir and [18F]Flutemetamol PET images 2024-Oct, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06755-1 PMID:38861183	研究论文	本文提出了一种深度学习模型，用于从早期阶段的[18F]Florbetapir和[18F]Flutemetamol PET图像生成[18F]FDG PET图像	利用深度学习技术从早期阶段的[18F]Florbetapir和[18F]Flutemetamol PET图像生成[18F]FDG PET图像，减少PET扫描次数、辐射剂量和患者不适	NA	评估通过深度学习从早期阶段的[18F]Florbetapir和[18F]Flutemetamol PET图像生成[18F]FDG PET图像的价值	166名认知正常、轻度认知障碍和痴呆患者	计算机视觉	阿尔茨海默病	深度学习	SwinUNETR	图像	166名受试者
15422	2024-10-05	Development of a multi-modal learning-based lymph node metastasis prediction model for lung cancer 2024-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110254 PMID:39153380	研究论文	本研究提出了一种基于三维多模态学习的模型，用于自动预测和分类非小细胞肺癌患者的淋巴结转移	本研究创新性地结合了CT图像和临床信息，构建了多模态模型，并通过软投票集成技术进一步提升了分类性能	本研究仅限于非小细胞肺癌患者，且样本量主要来自多个机构的数据	研究目的是开发一种辅助工具，用于评估非小细胞肺癌患者的淋巴结转移情况，从而辅助患者筛查和治疗计划	研究对象为非小细胞肺癌患者的淋巴结转移情况	计算机视觉	肺癌	深度学习算法	多模态模型	图像和临床信息	4239名非小细胞肺癌患者
15423	2024-10-05	Deep learning approaches for assessing pediatric sleep apnea severity through SpO2 signals 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67729-9 PMID:39353980	研究论文	研究提出了一种通过分析血氧饱和度（SpO2）信号来评估儿童睡眠呼吸暂停低通气（SAH）严重程度的方法	采用ResNet和注意力增强的混合CNN-BiGRU模型处理SpO2信号，提供了一种非侵入性、儿童友好的SAH诊断方法	在严重SAH病例中准确估计AHI仍存在挑战	开发一种非侵入性方法来评估儿童SAH的严重程度	儿童SAH的严重程度评估	机器学习	NA	深度学习	ResNet, CNN-BiGRU	信号	844个SpO2信号，分为训练集（60%）、测试集（30%）和验证集（10%）
15424	2024-10-05	A deep-learning model for characterizing tumor heterogeneity using patient-derived organoids 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73725-w PMID:39354045	研究论文	本文介绍了一种用于表征肿瘤异质性的深度学习模型，通过患者来源的类器官进行分析	本文提出了一种顺序深度学习模型，用于处理由于异质性导致的复杂性，与直接应用单一模型的常规方法形成对比	NA	开发精准医学和癌症治疗临床前研究的特征识别方法	患者来源的类器官（PDOs）的形态异质性和相关基因子集	机器学习	NA	深度学习	深度学习模型	图像	大量和多种类的患者来源类器官（PDOs）
15425	2024-10-05	Retinal fundus image super-resolution based on generative adversarial network guided with vascular structure prior 2024-10-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74186-x PMID:39354105	研究论文	本文提出了一种基于生成对抗网络的视网膜眼底图像超分辨率方法，通过引入血管结构先验信息来提高图像质量	本文创新性地使用预训练的U-Net模型生成血管结构分割图作为结构先验，并通过空间特征变换层将其整合到生成器中，同时引入通道和空间注意力模块增强判别器的判别能力	本文未提及具体的局限性	提高视网膜眼底图像的超分辨率质量，减少结构失真	视网膜眼底图像	计算机视觉	NA	生成对抗网络	生成对抗网络	图像	视网膜图像数据集
15426	2024-10-03	Machine learning model predicting factors for incisional infection following right hemicolectomy for colon cancer 2024-Oct-01, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-024-02543-8 PMID:39354475	研究论文	研究利用机器学习模型预测右半结肠切除术后切口感染的风险因素	首次使用深度学习模型在预测右半结肠切除术后切口感染方面表现出最高性能	样本量相对较小，可能影响模型的泛化能力	利用机器学习模型预测右半结肠切除术后切口感染的风险因素	右半结肠切除术后切口感染的风险因素	机器学习	结直肠癌	机器学习	深度学习模型	临床数据	322名接受右半结肠切除术的结肠癌患者
15427	2024-10-05	Optimized polycystic ovarian disease prognosis and classification using AI based computational approaches on multi-modality data 2024-Oct-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02688-9 PMID:39354496	研究论文	本文利用人工智能和多模态数据优化了多囊卵巢疾病的预测和分类	本文提出了基于机器学习和深度学习的多模态数据分析方法，用于多囊卵巢疾病的早期诊断和分类	本文仅使用了Kaggle上的数据集，可能存在数据偏差；此外，研究未涵盖所有可能的临床特征和影像数据	研究目的是通过分析临床数据和超声影像数据，实现多囊卵巢疾病的早期诊断和分类	研究对象是多囊卵巢疾病及其相关症状	机器学习	妇科疾病	机器学习算法和深度学习算法	支持向量机和VGG16	临床数据和超声影像	541个临床特征实例和3856张超声影像
15428	2024-10-05	Mineral prospectivity prediction based on convolutional neural network and ensemble learning 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73357-0 PMID:39349559	研究论文	本文提出了一种基于卷积神经网络和集成学习的矿产远景预测方法	通过集成学习结合卷积神经网络和自注意力机制算法，提高了矿产远景预测的稳定性和准确性	未来可以通过增加更多的矿化因素和引入新的算法结构来进一步提高结果的科学性和稳定性	解决不同算法在矿产远景预测中的不稳定问题	金矿化相关的14个因素和10种地球化学勘探数据以及4种地质因素	计算机视觉	NA	卷积神经网络	CNN	图像	14个金矿化相关因素，10种地球化学勘探数据和4种地质因素
15429	2024-10-05	Deep learning for discriminating non-trivial conformational changes in molecular dynamics simulations of SARS-CoV-2 spike-ACE2 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72842-w PMID:39349594	研究论文	本研究利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白与ACE2结合域的点突变对病毒感染性和免疫原性的影响	本研究创新性地将分子动力学模拟轨迹转化为残基间距离图，并使用深度卷积神经网络预测突变类型对病毒感染性和免疫原性的影响	本研究主要基于分子动力学模拟数据，未涉及实际实验验证	本研究的目的是利用深度学习方法分析分子动力学模拟数据，预测SARS-CoV-2刺突蛋白的点突变对病毒感染性和免疫原性的影响	本研究的对象是SARS-CoV-2刺突蛋白与ACE2结合域的分子动力学模拟轨迹	计算生物学	COVID-19	分子动力学模拟	深度卷积神经网络	分子动力学模拟数据	NA
15430	2024-10-05	Sex estimation using skull silhouette images from postmortem computed tomography by deep learning 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74703-y PMID:39349950	研究论文	本研究利用深度学习技术，通过死后计算机断层扫描（PMCT）获取的二维头骨轮廓图像进行性别估计	本研究首次将深度学习应用于死后计算机断层扫描（PMCT）获取的头骨轮廓图像进行性别估计，并展示了X射线图像在个人识别中的可行性	本研究仅使用了264个PMCT病例，样本量相对较小，可能影响结果的普适性	研究目的是通过头骨结构快速估计性别，以在灾难中进行快速个人识别	研究对象为通过死后计算机断层扫描（PMCT）获取的头骨轮廓图像	计算机视觉	NA	深度学习	AlexNet 和 VGG16	图像	264个PMCT病例（每种性别132例）
15431	2024-10-05	PIDiff: Physics informed diffusion model for protein pocket-specific 3D molecular generation 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108865 PMID:39067153	研究论文	本文提出了一种基于物理化学原理的蛋白质口袋特异性3D分子生成模型PIDiff	PIDiff模型不仅学习蛋白质和配体的结构信息，还考虑了蛋白质-配体结合的物理化学原理，通过最小化结合自由能来生成分子	NA	开发一种能够生成与目标蛋白质结构结合的药物分子的方法	蛋白质口袋特异性3D分子生成	机器学习	NA	扩散模型	扩散模型	3D分子结构	使用CrossDocked2020基准数据集进行评估
15432	2024-10-05	Multiregional dynamic contrast-enhanced MRI-based integrated system for predicting pathological complete response of axillary lymph node to neoadjuvant chemotherapy in breast cancer: multicentre study 2024-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105311 PMID:39191174	研究论文	本研究开发了一种基于多区域动态对比增强磁共振成像（DCE-MRI）和临床病理特征的人工智能系统，用于预测乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解（pCR）	本研究创新性地构建了一个全自动集成系统（FAIS-DL），通过深度学习技术进行肿瘤和腋窝淋巴结分割，并预测腋窝pCR，其预测性能显著优于临床模型和基于单区域DCE-MRI的深度学习模型	本研究的主要局限性在于其多中心数据集的异质性，可能影响模型的泛化能力	开发一种人工智能系统，用于准确评估乳腺癌新辅助化疗后腋窝淋巴结的病理完全缓解	乳腺癌患者在接受新辅助化疗后的腋窝淋巴结病理完全缓解	计算机视觉	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、RNA测序	深度学习模型	图像、临床病理数据	共评估了1145名患者，其中506名用于训练和验证，127名用于内部测试，414名用于外部测试，98名用于前瞻性测试
15433	2024-10-05	Machine learning-based classification models for non-covalent Bruton's tyrosine kinase inhibitors: predictive ability and interpretability 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10696-6 PMID:37479824	研究论文	本研究构建了基于机器学习技术的分类模型，用于预测非共价Bruton酪氨酸激酶（BTK）抑制剂的生物活性，并提供可解释的预测结果	本研究首次使用SHAP方法分解预测值，将定性模型转化为定量模型，为新BTK抑制剂的设计提供了指导	NA	预测非共价BTK抑制剂的生物活性和提供可解释的预测结果	非共价BTK抑制剂的生物活性	机器学习	NA	机器学习算法（决策树、随机森林、支持向量机、极端梯度提升）和深度神经网络	分类模型	化合物数据	3895个非共价BTK抑制剂
15434	2024-10-05	Review and perspective on bioinformatics tools using machine learning and deep learning for predicting antiviral peptides 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10718-3 PMID:37626205	综述	本文综述了利用机器学习和深度学习算法预测抗病毒肽的生物信息学工具和方法	本文填补了抗病毒肽预测工具和方法研究的空白	NA	探讨利用人工智能技术预测抗病毒肽的现状和未来方向	抗病毒肽及其在治疗病原体感染中的应用潜力	机器学习	NA	机器学习深度学习	NA	氨基酸序列	NA
15435	2024-10-05	Deep learning algorithms applied to computational chemistry 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-023-10771-y PMID:38151697	综述	本文综述了应用于计算化学中的深度学习算法，涵盖了传统深度学习和几何深度学习模型，并分析了它们的特征和开放问题	提出了一个全面的分类方法，涵盖了传统深度学习和几何深度学习模型，并详细分析了这些算法的输入描述符、使用的数据集、开源代码可用性、任务解决方案和实际研究应用	没有模型能完美解决所有问题，且每种方法的优缺点对新手来说仍不明确	综述应用于计算化学中解决分子挑战的深度学习算法，并讨论分子算法设计的趋势和未来方向	深度学习算法在计算化学中的应用，包括输入描述符、数据集、开源代码、任务解决方案和实际研究应用	机器学习	NA	深度学习	深度学习模型（包括传统深度学习和几何深度学习模型）	分子数据	NA
15436	2024-10-05	A comparative analysis of computational drug repurposing approaches: proposing a novel tensor-matrix-tensor factorization method 2024-Aug, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-024-10851-7 PMID:38683487	研究论文	本文提出了一种新的张量-矩阵-张量分解方法，并比较了不同计算药物再利用方法的性能	提出了一种新的张量-矩阵-张量（TMT）分解方法，并将其应用于药物再利用	图神经网络方法需要以归纳方式进行才能获得可靠的预测	比较不同计算药物再利用方法的性能，并提出一种新的分解方法	药物再利用方法的性能比较	机器学习	NA	张量-矩阵-张量分解	深度学习方法、图神经网络	数据集	两个数据集
15437	2024-10-05	Using deep learning to decipher the impact of telomerase promoter mutations on the dynamic metastatic morpholome 2024-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012271 PMID:39078811	研究论文	研究了TERTp突变对黑色素瘤转移过程中形态组学的影响	开发了同基因克隆细胞系并使用双色表达报告基因，监测了TERTp突变引起的形态组学变化	NA	理解TERTp突变对黑色素瘤转移过程中形态和表型的影响	TERTp突变C228T和C250T对黑色素瘤细胞形态组学的影响	数字病理学	黑色素瘤	NA	NA	细胞	包含TERTp突变的同基因克隆细胞系
15438	2024-10-05	Hi-gMISnet: generalized medical image segmentation using DWT based multilayer fusion and dual mode attention into high resolutionpGAN 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3cb3 PMID:38593830	研究论文	提出了一种基于高分辨率并行生成对抗网络（GAN）的广义深度学习方法，用于自动分割来自多种成像模式的医学图像	引入部分混合迁移学习、基于离散小波变换（DWT）的多层和多分辨率特征融合以及解码器中的双模式注意力门，提高了分割性能和泛化能力	NA	开发一种广义、准确、鲁棒且可靠的医学图像分割方法	多种成像模式的医学图像	计算机视觉	NA	离散小波变换（DWT）	生成对抗网络（GAN）	图像	九个不同的公开医学图像分割数据集，包括PhysioNet ICH、BUSI、CVC-ClinicDB、MoNuSeg、GLAS、ISIC-2018、DRIVE、Montgomery和PROMISE12
15439	2024-10-05	Cellular data extraction from multiplexed brain imaging data using self-supervised Dual-loss Adaptive Masked Autoencoder 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102828 PMID:38564879	研究论文	本文提出了一种自监督的双损失自适应掩码自编码器（DAMA），用于从多重免疫荧光脑图像中提取细胞数据	首次开发了一种用于多重免疫荧光脑图像的自监督学习方法，采用了一种新颖的自适应掩码采样策略	NA	开发一种无需大量标注即可实现细胞检测、分割和分类的高效方法	多重免疫荧光脑图像中的细胞数据	计算机视觉	NA	自监督学习	自编码器	图像	涉及六个不同组织类型的两通道荧光图像，使用六个不同的成像平台
15440	2024-10-05	Stable feature selection utilizing Graph Convolutional Neural Network and Layer-wise Relevance Propagation for biomarker discovery in breast cancer 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102840 PMID:38658129	研究论文	本文探讨了利用图卷积神经网络和逐层相关传播进行特征选择，以发现乳腺癌中的生物标志物	本文提出了使用图卷积神经网络（GCNN）和逐层相关传播（LRP）或SHapley Additive exPlanations（SHAP）进行特征选择的新方法，显著提高了特征选择的稳定性和可解释性	本文主要集中在乳腺癌数据集上，未来研究可以扩展到其他类型的癌症或其他疾病	研究旨在通过结合分子网络信息改进机器学习方法中的特征选择稳定性，以发现乳腺癌中的生物标志物	研究对象为乳腺癌基因表达数据，旨在识别出稳定的预测基因列表	机器学习	乳腺癌	图卷积神经网络（GCNN），逐层相关传播（LRP），SHapley Additive exPlanations（SHAP）	图卷积神经网络（GCNN）	基因表达数据	使用了大量的乳腺癌基因表达数据集