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
18241	2024-09-05	Delineating yeast cleavage and polyadenylation signals using deep learning 2024-Aug-20, Genome research IF:6.2Q1 DOI:10.1101/gr.278606.123 PMID:38914436	研究论文	本文利用深度学习模型解析酵母中3'-端切割和多聚腺苷酸化信号的退化调控元件及其在介导多聚(A)位点形成、切割异质性和强度中的位置重要性	开发了深度学习模型来揭示酵母多聚(A)位点的独特基序配置，并提供了对酵母多聚(A)位点形成的深入见解	NA	解决酵母中多聚腺苷酸化信号的退化调控元件的特征问题	酵母中的多聚腺苷酸化信号及其调控元件	机器学习	NA	深度学习	深度学习模型	序列数据	未明确提及样本数量
18242	2024-09-05	The Artificial Intelligence-Powered New Era in Pharmaceutical Research and Development: A Review 2024-Aug-15, AAPS PharmSciTech IF:3.4Q2 DOI:10.1208/s12249-024-02901-y PMID:39147952	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在制药研究和开发领域的应用	这些计算技术通过先进的建模技术提高了效率和准确性，能够处理复杂数据并在几分钟内促进新发现	NA	探讨AI在制药研究和开发中的应用现状及其在未来研究和制药工业4.0和5.0时代中的潜在作用	AI、ML和DL在制药研究开发中的应用，包括药物发现、个性化医疗、药物配方优化等	机器学习	NA	AI、ML、DL	NA	复杂数据集	NA
18243	2024-09-05	Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.232635 PMID:39105640	研究论文	本文开发了一种深度学习模型，用于在MRI中自动检测临床显著性前列腺癌（csPCa），并将其性能与放射科医生的性能进行比较	使用深度学习模型预测临床显著性前列腺癌，无需肿瘤位置信息，并能通过Grad-CAMs显示肿瘤定位	研究仅限于单个学术机构的数据，且未提及模型的泛化能力	开发和验证一种深度学习模型，用于在MRI中自动检测临床显著性前列腺癌	临床显著性前列腺癌的检测	机器学习	前列腺癌	MRI	卷积神经网络（CNN）	图像	5735次检查，涉及5215名患者，其中1514次检查显示临床显著性前列腺癌
18244	2024-09-05	Computational tools for plant genomics and breeding 2024-Aug, Science China. Life sciences DOI:10.1007/s11427-024-2578-6 PMID:38676814	研究论文	本文综述了植物基因组学和作物育种领域中计算工具的应用	介绍了通过高通量测序、分子生物学和数据科学推动的基因组装配、基因组注释、表观基因组和转录组分析等技术进步	NA	探讨计算工具在植物基因组学和作物育种中的应用	植物基因组学和作物育种	生物技术	NA	高通量测序	深度学习	基因组数据	NA
18245	2024-09-05	Artificial Intelligence in Otology, Rhinology, and Laryngology: A Narrative Review of Its Current and Evolving Picture 2024-Aug, Cureus DOI:10.7759/cureus.66036 PMID:39224718	综述	本文综述了人工智能在耳鼻喉科领域的当前应用和未来发展	探讨了人工智能在耳鼻喉科领域的多样化应用和进展，包括机器学习、神经网络和深度学习等子领域	NA	旨在展望人工智能在耳鼻喉科领域的应用和未来发展	人工智能在耳鼻喉科领域的应用，包括听力辅助设备、影像技术、脑干听觉系统解释等	机器学习	NA	机器学习, 神经网络, 深度学习	NA	影像, 声音	NA
18246	2024-09-05	Identification and Validation of New DNA-PKcs Inhibitors through High-Throughput Virtual Screening and Experimental Verification 2024-Jul-22, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25147982 PMID:39063224	研究论文	本研究通过基于深度学习的筛选和分子动力学模拟，识别并验证了新的DNA-PKcs抑制剂，这些抑制剂在实验中显示出对DNA-PKcs介导的细胞增殖的有效抑制作用。	首次应用DeepBindGCN_RG于实际药物筛选任务，并成功发现新型DNA-PKcs抑制剂。	NA	探索新型抗癌药物和推进基因编辑技术的发展。	DNA-PKcs抑制剂的识别与验证。	机器学习	癌症	分子动力学模拟	DeepBindGCN_RG	分子	三个小分子（5025-0002, M769-1095, V008-1080）
18247	2024-09-05	CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.043504 PMID:39220597	研究论文	本文提出了一种基于扩散后验采样的CT重建方法，该方法结合了非线性测量模型	本文的创新点在于将扩散后验采样技术与非线性测量模型相结合，以提高CT图像重建的质量	NA	研究目的是改进CT图像重建技术，特别是在处理低质量测量数据时	研究对象是CT图像重建技术及其在不同采集协议中的应用	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA
18248	2024-09-05	CT Reconstruction using Diffusion Posterior Sampling conditioned on a Nonlinear Measurement Model 2024-Jun-11, ArXiv PMID:38947914	研究论文	本文提出了一种基于扩散后验采样的非线性测量模型CT重建新方法	该方法通过结合非线性物理模型的测量似然得分函数与扩散先验，实现了无需额外训练的通用非线性CT图像重建	NA	解决非线性CT图像重建的逆问题	CT图像重建技术	计算机视觉	NA	扩散后验采样	扩散模型	图像	在全采样低剂量数据和稀疏视图几何中进行了演示
18249	2024-09-05	Epitope Identification of an mGlu5 Receptor Nanobody Using Physics-Based Molecular Modeling and Deep Learning Techniques 2024-Jun-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01620 PMID:38423996	研究论文	本文提出了一种计算方法，用于识别作为激动剂和正变构调节剂的纳米抗体的表位，并使用物理基础的分子建模和深度学习技术进行验证。	本文首次采用计算方法结合多种结构建模工具和人工智能算法来识别纳米抗体的表位，并进行了实验验证。	实验结构技术虽然有效，但成本高且耗时。	旨在通过计算方法识别纳米抗体的表位，以促进其作为治疗药物的开发。	研究对象为作为激动剂和正变构调节剂的纳米抗体，以及大鼠代谢型谷氨酸受体5。	机器学习	NA	物理基础的分子建模和深度学习技术	人工智能算法	分子结构	NA
18250	2024-09-05	The Deep Learning Framework iCanTCR Enables Early Cancer Detection Using the T-cell Receptor Repertoire in Peripheral Blood 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-0860 PMID:38536129	研究论文	本文开发了深度学习框架iCanTCR，用于基于T细胞受体（TCR）谱在早期检测癌症	iCanTCR框架能够准确识别早期癌症患者，并能区分多种癌症类型	NA	开发一种基于TCR谱的深度学习框架，用于早期癌症检测	T细胞受体（TCR）谱在早期癌症检测中的应用	机器学习	NA	深度学习	深度学习框架	TCRβ序列	超过2000个公开可用的TCR谱，来自11种癌症和健康对照
18251	2024-09-05	Episodic Thinking in Alzheimer's Disease Through the Lens of Language: Linguistic Analysis and Transformer-Based Classification 2024-01-03, American journal of speech-language pathology IF:2.3Q1 DOI:10.1044/2023_AJSLP-23-00066 PMID:37870893	研究论文	本研究通过语言分析和基于变换器的分类技术，探讨了阿尔茨海默病患者的情景思维缺陷是否能从连贯的言语中直接检测出来，并实现自动化识别	本研究首次尝试使用深度学习技术自动化分析阿尔茨海默病患者的情景思维缺陷，并取得了较高的分类准确率	研究样本主要集中在轻度和中度阿尔茨海默病患者，可能无法完全代表所有阶段的阿尔茨海默病患者	探讨阿尔茨海默病患者的情景思维缺陷是否能通过语言分析自动化检测	70名健康老年对照者、82名轻度可能阿尔茨海默病患者和46名中度可能阿尔茨海默病患者的言语数据	自然语言处理	阿尔茨海默病	深度学习	变换器	文本	2,809条言语记录
18252	2024-09-05	Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304847 PMID:38968206	研究论文	本文提出了一种新颖的方法，通过使用多标签集成CNN分类器来缓解前列腺组织病理学图像中补丁级别Gleason分级的标签不一致问题	本文提出的多标签集成深度学习分类器能够有效缓解标签不一致问题，并比现有技术产生更准确的结果	NA	提高前列腺癌诊断和预后中补丁级别Gleason分级的准确性	前列腺组织病理学图像中的Gleason分级	数字病理学	前列腺癌	深度学习	CNN	图像	SICAPv2前列腺数据集
18253	2024-09-05	Deep learning models to predict primary open-angle glaucoma 2024, Stat (International Statistical Institute) DOI:10.1002/sta4.649 PMID:39220673	研究论文	本文提出并实施了几种深度学习方法，利用纵向视野数据中的时间和空间信息来预测青光眼的发病时间	本文首次探索了利用纵向视野数据进行青光眼预测，并提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的模型来处理时间序列数据	本文主要关注青光眼的预测，未涉及其他眼病的预测	开发能够准确预测青光眼发病时间的深度学习模型	青光眼及其发病时间	机器学习	青光眼	NA	CNN-LSTM	视野数据	使用了Ocular Hypertension Treatment Study (OHTS)数据集
18254	2024-09-05	How to detect fake online physician reviews: A deep learning approach 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241277171 PMID:39224794	研究论文	本研究旨在开发一种利用深度学习方法检测在线医生虚假评论的有效模型	本研究采用卷积神经网络和双向编码器表示转换器等深度学习模型，显著提高了虚假评论检测的精确度和F2分数	NA	解决在线医疗平台中区分真实与虚假医生评论的挑战	在线医疗平台上的医生评论	机器学习	NA	深度学习	CNN, BERT	文本	专门针对中国在线医疗平台的虚假评论数据集
18255	2024-09-05	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	研究论文	本研究利用经过验证的深度学习模型，评估了大量背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况	采用深度学习技术进行大规模数据分析，评估腰椎旁肌肉的质量和数量	NA	评估背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况	腰椎旁肌肉的横截面积和脂肪浸润	机器学习	背痛	深度学习	NA	图像	4434名患者（2609名女性，1825名男性；平均年龄：56.7±16.8）
18256	2024-09-05	Centralized contrastive loss with weakly supervised progressive feature extraction for fine-grained common thorax disease retrieval in chest x-ray 2023-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.16144 PMID:36515554	研究论文	本文提出了一种新的细粒度医学图像检索方法，使用集中对比损失和弱监督渐进特征提取技术来提高胸部X光片中常见胸腔疾病的检索性能	引入了一种新的集中对比损失函数和弱监督渐进特征提取方法，有效结合全局和局部特征，提高了特征的区分性能并降低了算法的时间复杂度	文章未明确提及具体的局限性	开发一种高效的图像疾病检索系统，帮助医生进行疾病诊断和预后	胸部X光片中的14种不同胸腔疾病	计算机视觉	胸腔疾病	集中对比损失（CCLoss）	CNN	图像	未明确提及具体样本数量
18257	2024-09-05	Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study 2023 Jan-Dec, JMIR AI DOI:10.2196/45000 PMID:37771410	研究论文	开发了一种基于人工智能的软件原型，用于从电子健康记录中提取与阿片类药物相关的药物不良事件信号，以增强美国食品药品监督管理局（FDA）的药物安全性和研究活动	利用自然语言处理和其他人工智能技术，从电子健康记录中自动提取临床有用信息，提高药物安全信号检测的效率	需要进一步优化用户界面和功能，以满足不同用户的需求	开发一种新型人工智能驱动的软件原型，用于从电子健康记录的自由文本出院总结中识别药物不良事件安全信号，以增强阿片类药物的安全性和研究活动	阿片类药物的药物不良事件安全信号	自然语言处理	NA	自然语言处理（NLP）	深度学习	文本	15名FDA工作人员
18258	2024-09-05	Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study 2023 Jan-Dec, JMIR AI DOI:10.2196/46769 PMID:38090533	研究论文	本研究开发并评估了一种自监督学习模型ContraWR，用于从大量未标记的脑电图（EEG）信号中学习鲁棒的向量表示，以自动化睡眠分期任务。	提出了一种新的自监督模型ContraWR，该模型使用数据集的全局统计信息（即平均表示）来区分不同睡眠阶段的信号，而不是使用一组负样本。	未来的研究方向包括探索任务特定的数据增强和将自监督方法与监督方法结合，以进一步提高性能。	旨在从大量未标记的EEG信号中学习鲁棒的向量表示，以提高睡眠分期任务的预测性能。	EEG信号的向量表示学习。	机器学习	NA	自监督学习	ContraWR	EEG数据	3个大型EEG数据集
18259	2024-09-05	Tackling the class imbalance problem of deep learning-based head and neck organ segmentation 2022-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02649-5 PMID:35578086	研究论文	本文针对深度学习在头颈部器官分割中面临的类别不平衡问题，优化了nnU-Net框架的补丁大小，并引入了类别自适应Dice损失函数，以提高分割性能。	本文通过优化补丁大小和引入类别自适应Dice损失函数，有效解决了头颈部器官分割中的类别不平衡问题。	NA	提高深度学习在头颈部器官分割任务中的性能，特别是在处理类别不平衡问题方面。	头颈部区域的七个器官的分割。	计算机视觉	NA	深度学习	nnU-Net	图像	七个头颈部器官
18260	2024-09-05	Automated segmentation of head CT scans for computer-assisted craniomaxillofacial surgery applying a hierarchical patch-based stack of convolutional neural networks 2022-Nov, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02673-5 PMID:35665881	研究论文	本研究旨在通过深度学习方法，利用分层基于补丁的3D卷积神经网络堆栈，实现头部CT扫描的自动分割，以辅助颅颌面外科手术。	本研究采用基于补丁工具箱的多尺度3D卷积神经网络堆栈，实现了对多种颅颌面结构的自动分割，具有高精度和灵活性。	本研究使用的训练数据量较小，可能影响模型的泛化能力。	研究自动分割头部CT扫描的深度学习方法，以辅助颅颌面外科手术。	头部CT扫描中的18种颅颌面结构。	计算机视觉	NA	3D卷积神经网络	CNN	图像	20个CT扫描，其中15个用于训练，5个用于验证。