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
18481	2024-09-01	SrvfNet: A Generative Network for Unsupervised Multiple Diffeomorphic Functional Alignment 2021-Jun, Conference on Computer Vision and Pattern Recognition Workshops. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Workshops DOI:10.1109/cvprw53098.2021.00505 PMID:35794879	研究论文	本文介绍了一种名为SrvfNet的生成式深度学习框架，用于对包含平方根速度函数（SRVF）的大量功能数据进行联合多重微分同胚对齐	该框架是完全无监督的，不仅能对预定义模板进行对齐，还能从数据中联合预测最优模板并同时实现对齐	NA	开发一种新的深度学习框架，用于功能数据的无监督多重微分同胚对齐	功能数据，特别是包含平方根速度函数的集合	机器学习	NA	深度学习	生成式编码器-解码器架构	功能数据	涉及合成数据和磁共振成像（MRI）数据中的扩散轮廓
18482	2024-09-01	Shedding Light on the Black Box: Explaining Deep Neural Network Prediction of Clinical Outcomes 2021-Jan-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-020-01701-8 PMID:33404886	研究论文	本研究开发了一种深度神经网络模型，用于预测心血管手术后的临床结果，并引入了一种新的解释方法，通过定义影响分数来关联临床观察与结果	本研究引入了影响分数这一新解释方法，有助于揭示深度神经网络模型的预测机制	影响分数与逻辑回归模型的对数优势比之间的相关性仅为中等，可能限制了其解释的准确性	旨在解释深度神经网络模型在临床结果预测中的应用，并提高其可解释性	心血管手术后的临床结果	机器学习	心血管疾病	深度神经网络	深度神经网络模型	图像	使用过往病史的时间图像表示作为输入，具体样本数量未提及
18483	2024-09-01	DDxNet: a deep learning model for automatic interpretation of electronic health records, electrocardiograms and electroencephalograms 2020-10-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-73126-9 PMID:33009423	研究论文	本文开发了DDxNet，一种用于时间变化临床数据（如电子健康记录、心电图和脑电图）的深度学习模型，旨在提高诊断任务的准确性和效率	DDxNet能够处理多种模态（如ECG、EEG、EHR）、不同级别的特征化需求（如异常检测、表型分析）和数据保真度（如单导联ECG、22通道EEG），并能快速开发模型	NA	开发一种通用的深度学习模型，以快速准确地解释电子健康记录、心电图和脑电图，提高诊断效率	电子健康记录、心电图和脑电图	机器学习	NA	深度学习	深度架构	时间变化临床数据	NA
18484	2024-08-31	Gra-CRC-miRTar: The pre-trained nucleotide-to-graph neural networks to identify potential miRNA targets in colorectal cancer 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.014 PMID:39171252	研究论文	本文提出了一种名为Gra-CRC-miRTar的预训练核酸到图神经网络框架，用于识别结直肠癌中的潜在miRNA靶点	构建了两个预训练模型来编码RNA序列并将其转换为de Bruijn图，使用不同的图神经网络学习潜在表示，并通过多层感知器（MLP）进行预测任务	NA	旨在改进现有的治疗干预措施，通过识别结直肠癌中失调的miRNA靶点	结直肠癌中的miRNA靶点	机器学习	结直肠癌	图神经网络	多层感知器（MLP）	RNA序列	201个实验验证的miRNA-mRNA对
18485	2024-08-31	Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4) 2024 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100543 PMID:39139544	研究论文	本文介绍了一种基于深度学习的生物标志物发现系统，用于加速年龄相关性黄斑变性（AMD）的生物标志物发现。	使用自监督对比学习，无需任何临床标注，自动发现细微的生物标志物差异，超越了临床上已建立的评分系统中使用的生物标志物集合。	NA	加速年龄相关性黄斑变性（AMD）的生物标志物发现。	46,496张视网膜OCT图像中的已知和未知AMD生物标志物特征。	机器学习	年龄相关性黄斑变性	深度学习	神经网络	图像	3456名年龄在51至102岁之间的成年人
18486	2024-08-31	Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks 2024-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122160 PMID:39096816	research paper	本文介绍了一种创新的深度学习预测模型ChloroFormer，通过整合Transformer网络和傅里叶分析，利用沿海现场数据预测叶绿素-a浓度	该模型在捕捉叶绿素-a浓度的短期和中长期依赖模式方面表现优异，特别是在极端和频繁藻华情况下，能准确预测峰值叶绿素-a浓度	NA	提高沿海水域叶绿素-a浓度的预测准确性	叶绿素-a浓度及其对沿海生态和经济的影响	machine learning	NA	Transformer networks, Fourier analysis	Transformer	in-situ data	两个不同研究区域的沿海现场数据
18487	2024-08-31	Predicting the severity of mood and neuropsychiatric symptoms from digital biomarkers using wearable physiological data and deep learning 2024-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108959 PMID:39089109	研究论文	本研究利用可穿戴设备收集的生理数据和深度学习技术，预测轻度认知障碍老年人的情绪和神经精神症状的严重程度	本研究首次结合传统生理标志物和自监督卷积自动编码器提取的深度学习特征，实现了对情绪障碍症状严重程度的日常预测	研究样本仅限于轻度认知障碍的老年人，未来研究需验证在其他人群中的适用性	探索利用数字生物标志物和深度学习方法对老年人情绪和神经精神症状进行持续和非侵入性评估的可能性	轻度认知障碍老年人的情绪和神经精神症状	机器学习	神经精神疾病	深度学习	卷积自动编码器	生理数据	研究未明确具体样本数量
18488	2024-08-31	A personal view on the history of toxins: From ancient times to artificial intelligence 2024-Sep, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3 DOI:10.1016/j.toxicon.2024.108034 PMID:39038662	综述	本文回顾了从古代到现代，特别是结合人工智能技术，在生物活性物质发现和特性研究方面的进展	文章介绍了使用高端仪器和基于深度学习的人工智能计算方法的突破	NA	探讨生物活性物质的历史发展和当前的研究进展	植物、微生物和动物中的生物活性物质	NA	NA	深度学习	NA	NA	NA
18489	2024-08-31	Characterizing Sentinel Lymph Node Status in Breast Cancer Patients Using a Deep-Learning Model Compared With Radiologists' Analysis of Grayscale Ultrasound and Lymphosonography 2024-Sep-01, Ultrasound quarterly IF:0.7Q4 DOI:10.1097/RUQ.0000000000000683 PMID:38958999	研究论文	本研究使用深度学习模型来区分乳腺癌患者中良性和恶性的前哨淋巴结（SLNs），并与放射科医生的评估进行比较	本研究采用AutoML开发的图像分类模型，展示了在平衡数据集上的改进诊断性能	放射科医生的表现并未受到数据集分布的影响，且读者间的一致性较低	评估深度学习模型在乳腺癌患者前哨淋巴结状态识别中的表现	乳腺癌患者的前哨淋巴结	机器学习	乳腺癌	超声检查	AutoML	图像	79名乳腺癌患者，217个前哨淋巴结
18490	2024-08-07	Predicting tumour origin with cytology-based deep learning: hype or hope? 2024-Sep, Nature reviews. Clinical oncology DOI:10.1038/s41571-024-00906-x PMID:38773339	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18491	2024-08-31	Visual interpretability of image-based classification models by generative latent space disentanglement applied to in vitro fertilization 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51136-9 PMID:39191720	研究论文	本文介绍了一种名为DISCOVER的生成模型，旨在通过解耦潜在空间来提高基于图像的分类模型的可解释性	DISCOVER模型能够学习解耦的潜在表示，每个潜在特征编码一个独特的分类驱动视觉属性，从而实现“人在回路”的解释	NA	提高深度学习模型在图像分类任务中的可解释性	体外受精胚胎形态质量的分类	计算机视觉	NA	生成模型	生成模型	图像	具体样本数量未在摘要中提及
18492	2024-08-31	Clinical validation of artificial intelligence-based preoperative virtual reduction for Neer 3- or 4-part proximal humerus fractures 2024-Aug-27, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-07798-z PMID:39192203	研究论文	本研究验证了基于人工智能的术前虚拟复位模型在Neer 3-或4-部分肱骨近端骨折中的复位质量	开发了一种基于人工智能的术前虚拟复位模型，能够自动分割和复位骨折碎片，改变了骨科手术术前手术规划的范式	研究级别为IV级，可能存在证据强度不足的问题	验证基于人工智能的术前虚拟复位模型在肱骨近端骨折中的复位质量	Neer 3-或4-部分肱骨近端骨折的复位模型	机器学习	骨折	深度学习	NA	三维CT扫描图像	20例肱骨近端骨折的术前和术后三维CT扫描
18493	2024-08-31	Optimizing protein sequence classification: integrating deep learning models with Bayesian optimization for enhanced biological analysis 2024-Aug-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02631-y PMID:39192227	研究论文	本研究提出了一种名为ProtICNN-BiLSTM的先进模型，该模型结合了基于注意力的改进卷积神经网络（ICNN）和双向长短期记忆（BiLSTM）单元，以提高蛋白质序列分类的准确性。	ProtICNN-BiLSTM模型通过结合CNN和BiLSTM架构，有效捕捉蛋白质序列的局部和全局依赖关系，并通过贝叶斯优化优化模型超参数，提高了分类的效率和鲁棒性。	NA	提高蛋白质序列分类的准确性，推动生物分析和医疗进步。	蛋白质序列的分类。	机器学习	NA	贝叶斯优化	CNN, BiLSTM	序列数据	PDB-14,189及其他蛋白质数据
18494	2024-08-31	Development of an artificial intelligence model for predicting implant size in total knee arthroplasty using simple X-ray images 2024-Aug-27, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-024-05013-2 PMID:39192371	研究论文	开发了一种使用简单X光图像预测全膝关节置换术中植入物尺寸的人工智能模型	该研究独特之处在于仅使用简单的X光图像，无需其他数据如人口统计特征，就能实现具有强大预测能力的模型	NA	减轻外科医生在全膝关节置换术前准备中的时间和劳动负担	714名接受全膝关节置换术的膝关节骨性关节炎患者	机器学习	膝关节骨性关节炎	数据增强技术	ResNet-101	X光图像	1412张膝关节前后位和侧位X光图像
18495	2024-08-31	Sexually dimorphic computational histopathological signatures prognostic of overall survival in high-grade gliomas via deep learning 2024-Aug-23, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi0302 PMID:39178259	研究论文	本研究利用端到端的深度学习方法，通过分析苏木精和伊红（H&E）染色的组织切片，识别高级别胶质瘤（HGG）中与性别相关的组织病理学特征，并构建性别特异性的生存风险预测模型。	首次采用端到端的深度学习方法，利用常规H&E染色的组织切片，分别训练男性和女性HGG患者的模型，以识别与生存相关的性别特异性肿瘤微环境（TME）病理学特征。	NA	旨在通过深度学习方法识别高级别胶质瘤中性别特异性的组织病理学特征，并构建性别特异性的生存预测模型。	高级别胶质瘤患者的组织病理学特征及生存预测。	数字病理学	脑肿瘤	深度学习	ResNet18	图像	训练和三个独立验证队列中分别包含男性和女性高级别胶质瘤患者的数据。
18496	2024-08-31	Characterization of Trabecular Bone Microarchitecture and Mechanical Properties Using Bone Surface Curvature Distributions 2024-Aug-22, Journal of functional biomaterials IF:5.0Q2 DOI:10.3390/jfb15080239 PMID:39194677	研究论文	本研究通过分析骨表面曲率分布，利用卷积神经网络模型预测骨小梁的微观结构和力学性能	首次提出使用骨表面曲率分布来预测骨小梁的微观结构和力学性能，并通过深度学习模型验证了其有效性	NA	探索骨表面曲率分布与骨小梁微观结构及力学性能之间的关系	骨小梁的微观结构和力学性能	数字病理学	NA	卷积神经网络 (CNN)	CNN	图像	NA
18497	2024-08-31	Automatic Classification of Nodules from 2D Ultrasound Images Using Deep Learning Networks 2024-Aug-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080203 PMID:39194992	研究论文	本研究开发了一种基于DenseNet架构的深度学习模型，用于自动分类甲状腺结节的2D超声图像，以减少不必要的细针穿刺活检	引入了注意力模块和Grad-CAM技术，提高了模型的分类性能和决策透明度	面临图像质量变异性、数据集中的伪影、类别不平衡和模型可解释性等挑战	开发一种自动甲状腺超声图像分类系统，以防止不必要的细针穿刺活检	甲状腺结节的2D超声图像	计算机视觉	甲状腺疾病	深度学习	DenseNet	图像	591张甲状腺结节图像
18498	2024-08-31	Efficacy of Vitamin B12 and Adenosine Triphosphate in Enhancing Skin Radiance: Unveiled with a Drug-Target Interaction Deep Learning-Based Model 2024-Aug-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb46080537 PMID:39194754	研究论文	本研究通过基于深度学习的药物-靶点相互作用模型，探讨了维生素B12和三磷酸腺苷在增强皮肤光泽方面的功效。	本研究首次通过人工智能技术筛选并选择具有EDNRB和ADIPOR1亲和力的成分，发现维生素B12和三磷酸腺苷复合物能显著提高皮肤光泽、弹性和质地。	NA	开发一种通过减少色素沉着和改善皮肤再生来增强皮肤光泽的化妆品配方。	维生素B12和三磷酸腺苷在增强皮肤光泽中的作用及其机制。	机器学习	NA	深度学习	NA	NA	人类参与者
18499	2024-08-31	Celiac Disease Deep Learning Image Classification Using Convolutional Neural Networks 2024-Aug-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10080200 PMID:39194989	研究论文	本研究使用卷积神经网络（CNN）对乳糜泻（CD）的苏木精和伊红（H&E）组织学图像进行分类，包括正常小肠对照和非特异性十二指肠炎症	研究展示了CNN在多类别组织学图像分类中的高准确性，并引入了梯度加权类激活映射（Grad-CAM）技术以解释分类决策	研究主要集中在图像分类上，未涉及乳糜泻的更深入病理机制或其他治疗方法	验证卷积神经网络在乳糜泻组织学图像分类中的有效性	乳糜泻、正常小肠对照、非特异性十二指肠炎症、十二指肠腺癌和克罗恩病的组织学图像	计算机视觉	乳糜泻	卷积神经网络（CNN）	CNN	图像	7294张乳糜泻图像，11642张正常小肠对照图像，5966张非特异性十二指肠炎症图像，3723张十二指肠腺癌图像，13043张克罗恩病图像
18500	2024-08-31	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-Aug-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	本研究利用深度学习技术对计算机断层扫描（CT）图像进行分割，以预测特发性肺纤维化（IPF）的疾病进展和死亡率	开发了自动化的影像生物标志物，通过深度学习技术对CT扫描进行分割，提供近远期的预后信息	NA	开发基于深度学习的自动化影像生物标志物，用于预测特发性肺纤维化的疾病进展和死亡率	特发性肺纤维化患者的CT扫描图像	计算机视觉	肺纤维化	深度学习	CNN	图像	446名特发性肺纤维化患者