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
1	2024-11-08	Denoising arterial spin labeling perfusion MRI with deep machine learning 2020-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2020.01.005 PMID:31954173	研究论文	本文提出并验证了一种基于深度学习的动脉自旋标记灌注MRI去噪算法（DL-ASL）	使用卷积神经网络（CNN）结合扩张卷积和宽激活残差块，显著提高了ASL MRI的信噪比（SNR），并展示了在不牺牲CBF测量质量的情况下减少75%采集时间的潜力	NA	提高动脉自旋标记灌注MRI的信噪比和采集效率	动脉自旋标记灌注MRI图像	计算机视觉	NA	动脉自旋标记灌注MRI	卷积神经网络（CNN）	图像	NA
2	2024-08-28	Drug-target affinity prediction using graph neural network and contact maps 2020-May-27, RSC advances IF:3.9Q2 DOI:10.1039/d0ra02297g PMID:35517730	research paper	本文利用分子和蛋白质的结构信息，分别构建药物分子和蛋白质的图结构，并引入图神经网络获取其表示，提出了一种名为DGraphDTA的方法进行药物-靶标亲和力预测。	本文提出了一种基于图神经网络和接触图的药物-靶标亲和力预测方法DGraphDTA，该方法利用蛋白质的序列预测其结构特征，提高了预测的准确性和泛化能力。	NA	提高计算机辅助药物设计中药物-靶标亲和力预测的准确性。	药物分子和蛋白质的结构信息及其相互作用。	machine learning	NA	图神经网络	图神经网络	图结构	NA
3	2024-08-20	The ENIGMA-Epilepsy working group: Mapping disease from large data sets 2020-May-29, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25037 PMID:32468614	review	本文综述了ENIGMA-Epilepsy工作组通过大规模数据集映射癫痫疾病的研究项目，包括结构MRI、扩散张量成像（DTI）和静息态功能MRI（rsfMRI）等技术，以及采用的先进方法如结构协变和事件驱动模型分析	ENIGMA-Epilepsy工作组通过增加样本量、借鉴其他ENIGMA项目的方法和理念，以及建立合作科学家和临床医生的团队，加强了癫痫神经科学的研究	NA	加强癫痫神经科学研究，推动稳健的科研进展	癫痫疾病的脑部过程和病理生理学	数字病理学	癫痫	MRI, DTI, rsfMRI	结构协变模型, 事件驱动模型	影像数据	大规模样本
4	2024-08-07	Artificial Intelligence in COPD: New Venues to Study a Complex Disease 2020 May-Dec, Barcelona respiratory network reviews DOI:10.23866/BRNRev:2019-0014 PMID:33521399	综述	本文综述了人工智能（AI）在慢性阻塞性肺疾病（COPD）研究中的应用及其带来的新机遇	AI在临床决策自动化、放射学解释和预测方面的显著成果，以及在COPD复杂系统理解与建模中的应用	讨论了AI在COPD应用中的挑战和局限性	探索AI在COPD研究中的应用及其潜力	COPD这一复杂且异质性疾病	机器学习	慢性阻塞性肺疾病	AI	深度学习	临床数据、影像数据和分子数据	NA
5	2024-08-07	Genomic analysis of the natural history of attention-deficit/hyperactivity disorder using Neanderthal and ancient Homo sapiens samples 2020-05-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-65322-4 PMID:32451437	研究论文	本研究利用尼安德特人和古代智人样本的基因组分析，探讨了注意力缺陷多动障碍（ADHD）的自然历史	首次利用古人类样本的基因组数据，结合现代人群的GWAS元分析，探讨ADHD相关等位基因的进化历史	研究主要集中在欧洲人群，可能无法完全代表全球ADHD的遗传特征	验证ADHD相关等位基因在古人类中的进化趋势，并探讨其与环境变化的适应性	ADHD相关等位基因在古人类和现代人类中的分布和进化	遗传学	神经发育障碍	GWAS元分析	近似贝叶斯计算结合深度学习分析	基因组数据	包括超过20,000名ADHD患者和35,000名对照组
6	2024-08-07	Data-driven analysis using multiple self-report questionnaires to identify college students at high risk of depressive disorder 2020-05-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-64709-7 PMID:32398788	研究论文	本研究利用深度学习、多模态表示和可解释性技术，通过分析临床问卷来诊断抑郁症	提出了一种新的数据驱动方法，通过共享表示模型在同一潜在空间中表示三种不同问卷形式的回答，并比较了无监督和半监督两种数据驱动诊断方法	无监督方法虽然考虑了更多项目，但性能较低，因为它试图最大化组间差异	开发一种新的数据驱动框架，用于分析与抑郁症直接或间接相关的项目，以诊断抑郁症	大学生中的高风险抑郁症患者	机器学习	抑郁症	深度学习	共享表示模型	问卷数据	未明确提及具体样本数量
7	2024-08-07	Training deep learning algorithms with weakly labeled pneumonia chest X-ray data for COVID-19 detection 2020-May-08, medRxiv : the preprint server for health sciences DOI:10.1101/2020.05.04.20090803 PMID:32511448	研究论文	本文探讨了使用弱标签的肺炎胸片数据训练深度学习算法以检测COVID-19的方法	通过使用弱标签数据增强训练数据分布，提高了卷积神经网络算法在检测COVID-19感染胸片中的性能	NA	开发图像为基础的自动化决策支持工具，以减轻放射学负担	COVID-19感染的胸片检测	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	使用来自公开可用CXR集合的弱标签图像进行数据增强
8	2024-08-07	Deep ensemble learning for Alzheimer's disease classification 2020-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103411 PMID:32234546	研究论文	本文提出了一种用于阿尔茨海默病分类的深度集成学习框架，该框架利用深度学习算法整合多源数据并利用专家智慧	首次采用深度学习方法集成阿尔茨海默病分类算法，提出了一种非线性特征加权方法和优化层处理成本敏感问题	NA	提高阿尔茨海默病分类的准确性	阿尔茨海默病分类算法	机器学习	阿尔茨海默病	深度学习	深度信念网络	多源数据	临床数据来自国家阿尔茨海默病协调中心