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
18961	2024-09-01	Artificial Intelligence in Military Medicine 2024-Aug-30, Military medicine IF:1.2Q2 DOI:10.1093/milmed/usae359 PMID:39028176	研究论文	本文探讨了人工智能在军事医学中的应用及其潜力和挑战	文章介绍了美国军事部门在军事医学中实施的几项人工智能倡议，包括预测部队行为和预测部队自杀率的模型	尽管人工智能在军事医学中有巨大潜力，但其固有的风险和局限性需要仔细考虑和讨论	旨在揭示人工智能在军事医学中的应用，并推动其在军事健康和整体作战准备中的有效利用	人工智能在军事医学中的应用，包括临床效率支持、大规模战斗操作的分类和临床护理算法等	机器学习	NA	深度学习	生成式AI	数据集	NA
18962	2024-09-01	Deep learning with uncertainty estimation for automatic tumor segmentation in PET/CT of head and neck cancers: impact of model complexity, image processing and augmentation 2024-Aug-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6dcd PMID:39127060	研究论文	本文评估了使用卷积神经网络（CNN）自动分割头颈部癌症PET/CT图像的方法，以提高分割质量和评估不确定性。	采用蒙特卡洛 dropout 技术量化和可视化自动轮廓的不确定性，并探讨了图像预处理、图像增强、迁移学习和CNN复杂性对模型性能和跨中心泛化能力的影响。	自动轮廓可能产生不现实的轮廓或遗漏相关结构，且模型不确定性主要与假阳性、假阴性体素及低Dice系数相关。	提高头颈部癌症PET/CT图像自动分割的质量和评估其不确定性。	头颈部鳞状细胞癌患者的PET/CT图像。	计算机视觉	头颈部癌症	卷积神经网络（CNN）	CNN	图像	两个患者队列，来自两个中心的基线F-氟脱氧葡萄糖正电子发射断层扫描和计算机断层扫描图像（FDG-PET/CT）。
18963	2024-09-01	Enhancing substance identification by Raman spectroscopy using deep neural convolutional networks with an attention mechanism 2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay00602j PMID:39140306	研究论文	本研究利用带有注意力机制的深度神经卷积网络改进拉曼光谱对危险化学物质的识别	引入基于ResNet架构的深度神经卷积网络和SE模块注意力机制，有效结合拉曼光谱的强度和位移特征，显著提升模型性能	研究主要关注小样本条件下的分类预测性能，未详细讨论大规模数据集的应用情况	提高拉曼光谱在有限数据情况下对危险化学物质的识别能力，并探索其在移动设备上的应用潜力	474种危险化学物质的拉曼光谱数据	机器学习	NA	拉曼光谱	CNN	光谱数据	59,468个光谱数据
18964	2024-09-01	Predicting and screening high-performance polyimide membranes using negative correlation based deep ensemble methods 2024-Aug-29, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01160k PMID:39145470	research paper	本研究利用基于负相关集成技术的深度学习方法预测和筛选高性能聚酰亚胺膜，提出了一种基于负相关深度集成方法的深度神经网络模型（DNN-NCL），用于预测聚酰亚胺结构的气体渗透性和选择性。	本研究提出的DNN-NCL模型在测试集上达到了约0.95的值，比近期模型性能提高了4%，并有效缓解了过拟合问题。	NA	探索利用深度学习方法在庞大的化学空间中寻找高性能气体分离膜的可行性。	聚酰亚胺膜的气体渗透性和选择性。	machine learning	NA	深度学习	深度神经网络（DNN）	分子指纹	超过800万个假设聚合物
18965	2024-09-01	Correction: YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition 2024-Aug-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01410-5 PMID:39198729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18966	2024-09-01	Prediction of mutation-induced protein stability changes based on the geometric representations learned by a self-supervised method 2024-Aug-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05876-6 PMID:39198740	研究论文	本文介绍了一种基于自监督学习方法的几何表示来预测突变引起的蛋白质稳定性变化的深度学习框架mutDDG-SSM	mutDDG-SSM框架包括一个基于图注意力网络的蛋白质结构特征提取器和一个基于极端梯度提升模型的稳定性变化预测器，有效缓解了过拟合问题	NA	预测蛋白质结构-功能关系中的突变引起的蛋白质稳定性变化，对蛋白质工程和药物设计具有重要意义	突变引起的蛋白质稳定性变化	机器学习	NA	自监督学习	图注意力网络，极端梯度提升模型	蛋白质结构	使用了大规模高分辨率的蛋白质结构数据集进行训练和测试
18967	2024-09-01	Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review 2024-Aug-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02310-6 PMID:39198744	综述	本研究通过系统综述方法，探讨了临床结构化数据集中处理缺失值的最合适插补方法	本研究构建了一个证据地图，根据缺失值的机制、模式和比例以及各种插补策略，推荐了适用于处理表格数据集中缺失值的合适插补方法	NA	旨在为临床数据预处理阶段选择最合适的插补方法提供指导	临床结构化数据集中的缺失值处理方法	NA	NA	插补技术	NA	表格数据	分析了58篇文章
18968	2024-09-01	Meta-analysis of the effectiveness of early endoscopic treatment of Acute biliary pancreatitis based on lightweight deep learning model 2024-Aug-28, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-024-03361-1 PMID:39198766	meta-分析	本研究通过meta-分析评估早期内镜治疗急性胆源性胰腺炎的有效性，基于轻量级深度学习模型	采用轻量级深度学习模型进行分析，提供了新的技术手段	研究仅包括了8篇文章，可能存在样本量不足的问题	评估早期内镜逆行胰胆管造影（ERCP）治疗急性胆源性胰腺炎的安全性和有效性	急性胆源性胰腺炎患者	NA	急性胆源性胰腺炎	NA	轻量级深度学习模型	NA	8篇文章，共8,801名患者
18969	2024-09-01	COVID-19 severity detection using chest X-ray segmentation and deep learning 2024-08-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70801-z PMID:39191941	研究论文	本文介绍了一种使用胸部X光图像分割和深度学习框架进行COVID-19分类和严重程度预测的方法	采用U-Net进行肺部分割，精度达到0.9924，并使用卷积胶囊网络进行分类，以及ResNet50、VGG-16和DenseNet201进行严重程度评估，其中DenseNet201显示出更高的准确性	NA	提高COVID-19的早期检测和严重程度评估，以改善临床环境中的患者管理和资源分配	COVID-19的分类和严重程度预测	计算机视觉	COVID-19	深度学习	U-Net, Convulation-capsule network, ResNet50, VGG-16, DenseNet201	图像	NA
18970	2024-09-01	Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data 2024-Aug-26, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-024-01932-y PMID:39183247	研究论文	本研究利用多模态数据预测HER2阳性胃癌患者对单一抗HER2治疗或联合免疫治疗的反应	引入了一种名为MuMo的深度学习模型，该模型整合了影像学、病理学和临床信息，以提高治疗反应预测的准确性	研究未提及具体的模型局限性或数据集的潜在偏差	旨在通过综合分析方法准确预测HER2阳性胃癌患者对抗HER2治疗或联合免疫治疗的反应	HER2阳性胃癌患者	机器学习	胃癌	深度学习	MuMo	多模态数据	429名患者，其中310名接受抗HER2治疗，119名接受抗HER2联合抗PD-1/PD-L1抑制剂免疫治疗
18971	2024-09-01	Impact of Gold-Standard Label Errors on Evaluating Performance of Deep Learning Models in Diabetic Retinopathy Screening: Nationwide Real-World Validation Study 2024-Aug-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/52506 PMID:39141915	研究论文	本研究评估了自定义深度学习算法在分类糖尿病视网膜病变（DR）中的准确性，并展示了标签错误如何影响全国性DR筛查计划中的评估	研究揭示了人类图像分级中的标签错误对深度学习算法在实际DR筛查中性能评估的显著影响	研究仅限于分析全国性DR筛查计划中的眼底照片，可能未涵盖所有可能的标签错误情况	评估深度学习算法在糖尿病视网膜病变筛查中的准确性，并探讨标签错误对其性能评估的影响	糖尿病视网膜病变（DR）的分类及标签错误的识别与纠正	机器学习	糖尿病视网膜病变	深度学习	深度学习算法	图像	736,083张图像，来自237,824名参与者
18972	2024-09-01	Machine Learning and Deep Learning Approaches in Lifespan Brain Age Prediction: A Comprehensive Review 2024-Aug-12, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080093 PMID:39195728	综述	本文全面回顾了机器学习和深度学习在全生命周期脑龄预测中的应用	探讨了机器学习和深度学习模型在脑龄预测中的最新进展和有效性	精确预测所有年龄段的脑龄仍然是一个重大的分析挑战	总结当前脑龄预测的状态，强调进步和持续的挑战，指导未来研究和技术进步	分析了52篇同行评审研究，评估了不同模型架构在全生命周期脑龄研究中的效果	机器学习	NA	机器学习（ML）和深度学习（DL）	CNN, LSTM, GAN, ...	神经影像数据	分析了52项研究
18973	2024-09-01	Identification and Design of Novel Potential Antimicrobial Peptides Targeting Mycobacterial Protein Kinase PknB 2024-Aug, The protein journal DOI:10.1007/s10930-024-10218-9 PMID:39014259	研究论文	本研究旨在通过分子对接和分子动力学模拟，设计针对结核杆菌蛋白激酶PknB的新型抗菌肽	研究揭示了除了肽链长度外，组成氨基酸的组合在肽类抑制剂生成中的重要作用	研究主要集中在体外分析，临床应用前需要进行细致的体内分析	确定一种能够有效抑制PknB的抗菌肽	5626种来自公共数据库的抗菌肽	NA	结核病	分子对接，分子动力学模拟，弹性网络模型	NA	肽序列	5626种抗菌肽，最终选择了5种进行进一步分析
18974	2024-09-01	Deep learning-based fully automatic screening of carotid artery plaques in computed tomography angiography: a multicenter study 2024-Aug, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.015 PMID:38789330	研究论文	开发并验证了一种基于深度学习算法的完全自动化的颈动脉斑块检测和分类系统	使用改进的3D-UNet网络进行颈动脉区域分割，并通过基于ResUNet的架构在两步深度学习系统中进行颈动脉斑块的检测和分类	研究为回顾性研究，且仅在两个中心进行了验证	开发和验证一种用于颈动脉斑块自动检测和分类的深度学习算法	颈动脉斑块的自动检测和分类	计算机视觉	心血管疾病	深度学习	3D-UNet, ResUNet	图像	400名患者（中心Ⅰ有300名，中心Ⅱ有100名）
18975	2024-09-01	Stain-Free Approach to Determine and Monitor Cell Heath Using Supervised and Unsupervised Image-Based Deep Learning 2024-Aug, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.05.001 PMID:38710387	研究论文	本文利用无染色的图像深度学习方法，通过流式成像显微镜（FIM）提取未染色Jurkat细胞的形态特征，预测细胞健康指标	提出了一种无染色、非侵入性、非破坏性的细胞活力检测方法，并展示了变分自编码器（VAE）在无监督学习中的应用	未提及	开发一种快速且稳健的分析方法，用于细胞基药物产品（CBMPs）的特性分析、过程监控和质量控制（QC）测试	未染色Jurkat细胞的细胞健康指标	计算机视觉	NA	流式成像显微镜（FIM）	深度学习模型（监督学习和变分自编码器VAE）	图像	未提及
18976	2024-09-01	Prediction of Endocrine-Disrupting Chemicals Related to Estrogen, Androgen, and Thyroid Hormone (EAT) Modalities Using Transcriptomics Data and Machine Learning 2024-Jul-26, Toxics IF:3.9Q1 DOI:10.3390/toxics12080541 PMID:39195643	研究论文	本研究利用转录组数据和机器学习技术，开发了预测与雌激素、雄激素和甲状腺激素（EAT）模式相关的内分泌干扰化学物质（EDCs）的QGexAR模型	本研究通过整合多种特征选择方法和分类算法，包括CATBoost、XGBoost、随机森林、SVM、逻辑回归、AutoKeras、TPOT和深度学习模型，优化了预测协议，并实现了对EAT模式的预测	NA	开发用于快速检测有害化学物质的计算模型，以有效支持毒理学评估	预测化学物质对雌激素、雄激素和甲状腺激素模式的干扰倾向	机器学习	NA	机器学习	深度学习模型	转录组数据	使用LINCS数据库中的基因表达数据，测试了MCF7（乳腺癌细胞系）和A549（人肺泡基底上皮腺癌细胞系）两种细胞系
18977	2024-09-01	Proposal and validation of a new approach in tele-rehabilitation with 3D human posture estimation: a randomized controlled trial in older individuals with sarcopenia 2024-Jul-08, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-024-05188-7 PMID:38977995	随机对照试验	本研究通过随机对照试验，比较了基于深度学习的3D人体姿态估计技术的AI远程训练组与面对面传统训练组和一般远程训练组在老年肌少症患者中的训练效果	本研究首次验证了基于深度学习的3D人体姿态估计技术在远程康复训练中的应用效果	研究样本仅来自长春市的社区组织，可能限制了结果的普遍性	评估基于AI的远程训练方法与传统面对面训练方法在老年肌少症患者中的康复效果	60-75岁患有肌少症的老年人	NA	老年疾病	3D人体姿态估计技术	深度学习	NA	75名老年肌少症患者
18978	2024-09-01	Structure-aware deep learning model for peptide toxicity prediction 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5076 PMID:39196703	研究论文	本文介绍了一种名为tAMPer的新型多模态深度学习模型，用于通过整合氨基酸序列组成和三维结构来预测肽的毒性	tAMPer模型采用基于图的表示方法，结合图神经网络和循环神经网络，有效提取结构特征和序列依赖性，提高了预测性能	NA	加速抗菌肽的发现和开发，减少对繁琐毒性筛选实验的依赖	抗菌肽的毒性预测	机器学习	NA	深度学习	图神经网络, 循环神经网络	图, 序列	使用了公开的蛋白质毒性基准数据集和我们生成的抗菌肽溶血数据
18979	2024-09-01	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一个名为IDSL_MINT的深度学习框架，该框架能够将串联质谱（MS/MS）数据转换为分子指纹描述符，从而提高未标记代谢组学和暴露组学研究中的注释率	IDSL_MINT框架利用transformer模型处理质谱数据，类似于大型语言模型，并支持用户自定义的分子指纹描述符，提高了未标记MS/MS谱的注释率	NA	开发一个易于使用且可定制的深度学习框架，用于训练和利用新模型预测分子指纹，以改进化合物注释流程	串联质谱（MS/MS）数据及其在代谢组学和暴露组学中的应用	机器学习	NA	串联质谱（MS/MS）	transformer模型	质谱数据	使用LipidMaps数据库进行基准测试
18980	2024-09-01	Artificial Intelligence for the Management of Breast Cancer: An Overview 2024, Current drug discovery technologies DOI:10.2174/0115701638262066231030052520 PMID:38047362	综述	本文综述了人工智能和机器学习在乳腺癌管理中的应用，包括早期检测、诊断、预后、药物发现、高级图像分析、精准医学、预测建模和个性化治疗计划	介绍了多种算法如卷积神经网络、支持向量机、决策树和深度学习方法在乳腺癌数据分析中的应用	NA	探讨人工智能和机器学习在乳腺癌管理中的应用，以提高诊断和治疗的准确性和个性化	乳腺癌的早期检测、诊断、预后、药物发现、图像分析、精准医学、预测建模和个性化治疗	机器学习	乳腺癌	NA	卷积神经网络	临床数据、基因组数据和影像数据	NA