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
18861	2024-08-27	DDSBC: A Stacking Ensemble Classifier-Based Approach for Breast Cancer Drug-Pair Cell Synergy Prediction 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01101 PMID:39116326	研究论文	本文介绍了一种针对乳腺癌药物组合细胞协同作用的堆叠集成分类器DDSBC	DDSBC专门针对乳腺癌设计，与跨癌症类型的现有模型相比，提供了更专注的方法	在某些指标上，其他方法略微超过DDSBC 1-2%	旨在提高乳腺癌药物组合协同作用的预测准确性	乳腺癌药物组合的细胞协同作用	机器学习	乳腺癌	NA	堆叠集成分类器	NA	NA
18862	2024-08-27	Transformers for Molecular Property Prediction: Lessons Learned from the Past Five Years 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00747 PMID:39136669	综述	本文综述了过去五年中使用transformer模型进行分子性质预测的研究进展	分析了当前可用的模型，并探讨了训练和微调transformer模型时出现的关键问题，如预训练数据的选择和规模、最佳架构选择以及有前景的预训练目标	强调了比较不同模型时的挑战，需要标准化的数据分割和稳健的统计分析	旨在从当前使用transformer模型进行分子性质预测的研究中提炼见解	分析transformer模型在分子性质预测中的应用	机器学习	NA	transformer模型	transformer	分子数据	NA
18863	2024-08-27	MGNDTI: A Drug-Target Interaction Prediction Framework Based on Multimodal Representation Learning and the Gating Mechanism 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00957 PMID:39137398	研究论文	本文提出了一种基于多模态表示学习和门控机制的药物-靶点相互作用预测框架MGNDTI	MGNDTI通过多模态表示学习和门控机制，有效提取药物和靶点的联合表示，并在多个数据集上显著优于现有方法	NA	加速药物发现和促进药物再定位	药物-靶点相互作用预测	机器学习	NA	图卷积网络	多模态门控网络	序列数据，分子图	使用了四个数据集（Human, BioSNAP, BindingDB）进行实验
18864	2024-08-27	The use of artificial neural networks in studying the progression of glaucoma 2024-08-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70748-1 PMID:39179625	研究论文	本文利用人工神经网络研究青光眼的发展过程，通过分析医疗记录中的数据来预测和辅助诊断	本文采用医疗记录数据而非图像处理，能够包含大量参数，突出其潜在影响	处理医疗记录数据较为困难	研究青光眼的发展过程，支持早期诊断和个性化治疗	青光眼患者	机器学习	眼科疾病	人工神经网络	神经网络	医疗记录	大量参数
18865	2024-08-27	Evaluation of perceived urgency from single-trial EEG data elicited by upper-body vibration feedback using deep learning 2024-08-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70508-1 PMID:39179642	研究论文	本研究利用深度学习方法，从单次脑电图（EEG）数据中评估由上身振动反馈引起的感知紧迫性	引入了一种新的方法，通过结合2D卷积神经网络和时间卷积网络来捕捉脑电图的空间和时间特征，以评估感知紧迫性	提出的模型仅在 urgency-via-vibration 数据集上进行了测试，可能影响研究结果的泛化性	评估在关键通知期间由振动反馈引起的紧迫性水平	通过脑电图技术评估用户的认知状态	机器学习	NA	脑电图（EEG）	2D卷积神经网络和时间卷积网络	脑电图数据	涉及三个紧迫性类别（不紧急、紧急和非常紧急）的单次脑电图数据
18866	2024-08-27	A novel image semantic communication method via dynamic decision generation network and generative adversarial network 2024-Aug-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70619-9 PMID:39179724	研究论文	本文提出了一种新的图像语义通信模型，该模型结合了动态决策生成网络和生成对抗网络，以有效压缩传输图像并减少重建图像的失真	该模型通过语义编码和动态决策生成网络在发射端根据信道的信噪比选择特征，并在接收端通过生成器/解码器与判别器网络合作，通过对抗和感知损失提高图像重建质量	NA	解决图像语义通信中有效压缩传输图像和减少重建图像失真的挑战	图像语义通信模型	计算机视觉	NA	生成对抗网络	生成对抗网络	图像	使用CIFAR-10数据集进行实验
18867	2024-08-27	MSH-DTI: multi-graph convolution with self-supervised embedding and heterogeneous aggregation for drug-target interaction prediction 2024-Aug-23, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05904-5 PMID:39179993	研究论文	本文提出了一种名为MSH-DTI的深度学习模型，用于预测药物-靶点相互作用	模型采用自监督学习方法获取药物和靶点结构特征，并设计了异构交互增强特征融合模块进行多图构建，使用图卷积网络提取节点特征	现有DTI预测模型通常依赖有限的数据提取药物和靶点特征，且异构信息的整合常涉及简单的聚合和注意力机制	开发一种新的深度学习模型，以提高药物-靶点相互作用预测的准确性和全面性	药物-靶点相互作用	机器学习	NA	图卷积网络	CNN	图数据	使用DTINet数据集进行实验
18868	2024-08-27	A hierarchical deep learning approach for diagnosing impacted canine-induced root resorption via cone-beam computed tomography 2024-Aug-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04718-4 PMID:39180070	研究论文	本研究使用深度学习方法自动评估通过锥束计算机断层扫描（CBCT）图像诊断犬齿诱导的根吸收（CIRR）	提出了分层深度学习方法，通过有限CBCT数据提高了CIRR诊断的准确性	需要更大样本量的未来研究来验证所提方法在医学图像分类任务中的有效性	利用深度学习自动评估CBCT图像中的CIRR诊断	犬齿诱导的根吸收（CIRR）	计算机视觉	口腔疾病	锥束计算机断层扫描（CBCT）	3D ResNet, 3D U-Net	图像	50个CBCT图像，176颗切牙
18869	2024-08-27	Deep learning of multimodal networks with topological regularization for drug repositioning 2024-Aug-23, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00897-y PMID:39180095	研究论文	本文介绍了一种名为STRGNN的新型图深度学习方法，用于通过包含蛋白质、RNA、代谢物和化合物的广泛多模态网络预测药物-疾病关系	STRGNN方法整合了包括转录组、蛋白质组和代谢组在内的全面多组学数据，并开发了一种具有拓扑正则化的学习算法，该算法能够选择性地利用信息模态并过滤冗余	NA	提高药物发现和再定位的计算技术	药物-疾病关系预测	机器学习	NA	深度学习	图深度学习	多组学数据	NA
18870	2024-08-27	Analyzing the heterogenous effects of factors on high-range speeding likelihood of taxi speeders: Does explainable deep learning provides more insights than random parameter approach? 2024-Aug-23, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107752 PMID:39180851	研究论文	本研究比较了随机参数广义线性模型（GLM）和可解释深度学习方法在分析出租车超速可能性中因素异质效应的应用	首次比较了随机参数GLM与机器学习和深度学习方法在预测和解释出租车超速行为中的效果	研究主要集中在模型比较和解释性分析，未涉及实际交通管理策略的应用	评估和比较不同模型在分析出租车超速行为中因素异质效应的效果	出租车司机的超速行为及其影响因素	机器学习	NA	广义线性模型（GLM），可解释人工智能技术	Beta GLM with random parameters (BGLM-RP), XGBoost, Simple-CNN, DCNN, DCNN-SA	NA	未明确提及具体样本数量
18871	2024-08-27	Recognition of Daily Activities in Adults With Wearable Inertial Sensors: Deep Learning Methods Study 2024-Aug-09, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57097 PMID:39121473	研究论文	本研究利用可穿戴惯性传感器和深度学习技术，客观准确地评估成年人在日常活动中的表现	通过实施系统进行动态和非侵入性的运动监测，克服了传统方法在精确度和客观性上的局限	NA	使用创新技术客观准确地评估日常活动中的身体功能	成年人在日常活动中的身体功能	机器学习	NA	可穿戴惯性传感器	深度学习模型	传感器数据	53,165条活动记录，处理后为52,600条
18872	2024-08-27	PLM_Sol: predicting protein solubility by benchmarking multiple protein language models with the updated Escherichia coli protein solubility dataset 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae404 PMID:39179250	研究论文	本研究通过使用多种蛋白质语言模型和分类层，基于更新的埃希氏菌蛋白溶解度数据集，开发了一种新的蛋白质溶解度预测模型PLM_Sol	PLM_Sol模型在独立测试集上显示出显著的性能提升，准确率提高了6.4%，F1分数提高了9.0%，Matthews相关系数提高了11.1%	NA	开发和验证一种新的蛋白质溶解度预测模型，以促进大规模酶类研究	埃希氏菌蛋白溶解度数据集及多种酶类	机器学习	NA	深度学习技术	蛋白质语言模型	蛋白质序列数据	更新的埃希氏菌蛋白溶解度数据集及多种酶类
18873	2024-08-27	Weakly Supervised Deep Learning in Radiology 2024-07, Radiology IF:12.1Q1 DOI:10.1148/radiol.232085 PMID:39041937	研究论文	本文探讨了在放射学中使用弱监督深度学习的概念及其应用	提出使用弱监督学习方法，利用部分标记数据、不精确标记或含有错误的标记来训练深度学习模型，从而解锁大量未使用数据	NA	促进深度学习在放射学和研究工作流程中的应用，通过大规模图像分析和开发新的基于深度学习的生物标志物	放射学图像分析中的深度学习模型	计算机视觉	NA	深度学习	DL	图像	NA
18874	2024-08-27	Federated Learning: A Cross-Institutional Feasibility Study of Deep Learning Based Intracranial Tumor Delineation Framework for Stereotactic Radiosurgery 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28950 PMID:37572087	研究论文	本研究探讨了联邦学习（FL）在立体定向放射手术（SRS）中基于深度学习的颅内肿瘤勾画框架的跨机构可行性	提出了一种联邦学习方案，解决了多机构研究中数据分散和隐私保护的问题	在台中荣民总医院的数据中，集中学习（CL）在使用双参数时显著优于联邦学习（FL）	探索联邦学习在立体定向放射手术中肿瘤勾画方案的可行性	506和118名年龄在15-88岁和22-85岁的前庭神经鞘瘤患者；1069和256名年龄在12-91岁和23-85岁的脑膜瘤患者；574和705名年龄在26-92岁和28-89岁的脑转移瘤患者	机器学习	颅内肿瘤	深度学习	CNN	图像	506和118名前庭神经鞘瘤患者，1069和256名脑膜瘤患者，574和705名脑转移瘤患者
18875	2024-08-27	Detecting Adverse Pathology of Prostate Cancer With a Deep Learning Approach Based on a 3D Swin-Transformer Model and Biparametric MRI: A Multicenter Retrospective Study 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28963 PMID:37602942	研究论文	本研究开发了一种基于3D Swin-Transformer模型和双参数MRI的深度学习方法，用于检测前列腺癌患者的不良病理情况，并进行多中心回顾性研究	使用3D Swin-Transformer网络（TransNet）和结合临床特征的集成模型（TransCL）来提高检测不良病理情况的准确性	研究为回顾性且涉及多中心数据，可能存在数据偏差	开发和比较深度学习模型与临床模型及放射科医生解读在检测前列腺癌不良病理情况中的性能	616名接受根治性前列腺切除术的患者	机器学习	前列腺癌	双参数MRI	Swin-Transformer	影像	616名患者，分为训练组508人和外部验证组108人
18876	2024-08-27	Automatic Detection of Perilunate and Lunate Dislocations on Wrist Radiographs Using Deep Learning 2024-Jun-01, Plastic and reconstructive surgery IF:3.2Q1 DOI:10.1097/PRS.0000000000010928 PMID:37467052	研究论文	本研究使用深度学习算法自动检测手腕侧位X光片中的月骨周围和月骨脱位	开发了一种新颖的深度学习算法，用于诊断手腕侧位X光片中的月骨周围和月骨脱位，有望提高临床敏感性，最终防止这些损伤的延迟或漏诊	未提及具体限制	利用计算机视觉技术提高月骨周围和月骨脱位的诊断性能	手腕侧位X光片中的月骨周围和月骨脱位	计算机视觉	NA	深度学习	神经网络	图像	435张手腕侧位X光片
18877	2024-08-27	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究评估了基于深度学习的T2加权磁共振图像质量对前列腺癌检测率的影响	使用先前开发的内部人工智能算法对T2加权图像进行质量分类，并分析其对前列腺癌检测率的影响	研究为回顾性，且仅限于特定PI-RADS类别的病变	探讨图像质量对前列腺癌检测的影响	615名连续患者的前列腺MRI图像	数字病理学	前列腺癌	T2加权涡轮自旋回波MRI	人工智能算法	图像	615名患者
18878	2024-08-27	Assessing the Accuracy and Reproducibility of PARIETAL: A Deep Learning Brain Extraction Algorithm 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27776 PMID:34137113	研究论文	评估PARIETAL这一深度学习脑提取算法的准确性和可重复性	PARIETAL算法能够在不同磁共振成像设备和协议下保持高性能，无需重新训练或微调	NA	展示并评估PARIETAL这一预训练的深度学习脑提取方法的临床使用效果	PARIETAL算法的可重复性和在不同制造商扫描仪间的鲁棒性	机器学习	NA	磁共振成像(MRI)	深度学习	图像	21名受试者（12名女性），年龄范围22-48岁，使用三种不同的MRI扫描仪
18879	2024-08-07	Editorial for "3D Breast Cancer Segmentation in DCE-MRI Using Deep Learning With Weak Annotation" 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28957 PMID:37578324	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18880	2024-08-27	3D Breast Cancer Segmentation in DCE-MRI Using Deep Learning With Weak Annotation 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28960 PMID:37596823	研究论文	本文开发了一种使用弱注释的深度学习模型，用于在动态对比增强磁共振成像（DCE-MRI）中进行三维乳腺癌分割	使用弱注释方法节省时间和精力，并开发了基于3D U-Net transformer（UNETR）的深度学习模型	NA	开发一种可靠的深度学习模型，用于在DCE-MRI中进行三维乳腺癌分割	736名乳腺癌女性患者的数据	数字病理学	乳腺癌	DCE-MRI	3D U-Net transformer (UNETR)	图像	736名乳腺癌女性患者，分为开发集（544名）和测试集（192名）