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	2024-12-21	Discovery of gene module acting on ubiquitin-mediated proteolysis pathway by co-expression network analysis for endometriosis 2021-Feb, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2020.10.005 PMID:33189575	研究论文	通过共表达网络分析发现与子宫内膜异位症相关的基因模块，并探讨其在临床诊断中的应用	首次通过共表达网络分析发现与子宫内膜异位症高度相关的基因模块，并利用深度学习模型进行临床诊断	研究基于已有的基因表达数据集，未进行实验验证	探讨子宫内膜异位症的发生与基因模块表达异常的关系，并建立诊断模型	子宫内膜异位症患者的异位子宫内膜组织	基因组学	妇科疾病	共表达网络分析	深度学习模型	基因表达数据	71例正常样本和142例子宫内膜异位症样本
2	2024-12-14	KGDAL: Knowledge Graph Guided Double Attention LSTM for Rolling Mortality Prediction for AKI-D Patients 2021-Aug, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3459930.3469513 PMID:34541583	研究论文	本文提出了一种名为KGDAL的知识图谱引导的双注意力LSTM模型，用于预测需要透析的急性肾损伤（AKI-D）重症患者的滚动死亡率	KGDAL模型通过构建基于知识图谱的二维注意力机制，在时间和特征空间中进行双重注意力处理，从而提高了预测性能	NA	提高需要透析的急性肾损伤重症患者的滚动死亡率预测准确性，并帮助医疗提供者做出及时决策	需要透析的急性肾损伤（AKI-D）重症患者	机器学习	急性肾损伤	知识图谱，深度学习	LSTM	电子健康记录（EHR）数据	两个大型医疗数据集
3	2024-12-13	A Pilot Study on Automatic Three-Dimensional Quantification of Barrett's Esophagus for Risk Stratification and Therapy Monitoring 2021-09, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2021.05.059 PMID:34116029	研究论文	本文提出了一种基于人工智能的自动三维量化Barrett食管的方法，用于风险分层和治疗监测	本文首次实现了Barrett食管的三维重建和自动量化，能够准确测量Prague C&M评分和Barrett食管区域面积	研究样本量相对较小，且仅限于高清晰度视频数据	评估所提出的人工智能系统在模拟和内镜患者数据上的准确性	Barrett食管的三维量化和风险分层	计算机视觉	消化系统疾病	深度学习	深度估计网络	视频	194个高清晰度视频来自131名患者
4	2024-12-12	Convolutional Neural Networks for Fully Automated Diagnosis of Cardiac Amyloidosis by Cardiac Magnetic Resonance Imaging 2021-Dec-01, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm11121268 PMID:34945740	研究论文	本文研究了使用卷积神经网络（CNN）通过心脏磁共振成像（CMR）自动诊断心脏淀粉样变性（CA）	本文首次使用人工智能（AI）驱动的算法通过CMR图像检测心脏淀粉样变性的潜在模式	本文的局限性在于仅使用了502名患者的数据进行训练和验证	本文的研究目的是探索通过AI技术提高心脏淀粉样变性的诊断准确性	本文的研究对象是心脏淀粉样变性患者的心脏磁共振成像数据	计算机视觉	心血管疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	502名患者（其中82名患有心脏淀粉样变性）
5	2024-12-12	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文介绍了一种基于智能手机的端到端平台，用于多重DNA疟疾诊断，结合了深度学习算法和区块链技术	创新点在于将低成本的纸基微流体诊断测试与深度学习算法和区块链技术相结合，实现了远程低资源地区的快速诊断和数据安全管理	NA	开发一种能够在远程低资源地区快速进行疟疾诊断并确保数据安全的平台	疟疾诊断	数字病理学	疟疾	深度学习算法，区块链技术	深度学习	DNA	在乌干达农村地区进行了实地测试，正确识别了超过98%的测试病例
6	2024-12-08	A large-scale systematic survey of SARS-CoV-2 antibodies reveals recurring molecular features 2021-Nov-30, bioRxiv : the preprint server for biology DOI:10.1101/2021.11.26.470157 PMID:34873599	研究论文	对SARS-CoV-2抗体进行大规模系统调查，揭示了重复的分子特征	利用深度学习预测抗原特异性，区分SARS-CoV-2刺突蛋白抗体和流感血凝素抗体序列	NA	研究SARS-CoV-2抗体的公共反应和分子特征	SARS-CoV-2刺突蛋白抗体	生物信息学	COVID-19	深度学习	深度学习模型	序列数据	约8000个人类抗体，来自超过200名捐赠者
7	2024-12-08	Highly accurate protein structure prediction with AlphaFold 2021-08, Nature IF:50.5Q1 DOI:10.1038/s41586-021-03819-2 PMID:34265844	研究论文	本文介绍了AlphaFold，一种能够高精度预测蛋白质结构的计算方法	AlphaFold能够在没有相似结构已知的情况下，常规性地预测蛋白质结构并达到原子精度	NA	解决蛋白质结构预测的瓶颈问题，实现大规模结构生物信息学	蛋白质的三维结构预测	机器学习	NA	NA	神经网络	蛋白质序列	在CASP14挑战中验证了AlphaFold的性能
8	2024-12-08	Image-based profiling for drug discovery: due for a machine-learning upgrade? 2021-02, Nature reviews. Drug discovery DOI:10.1038/s41573-020-00117-w PMID:33353986	研究论文	本文探讨了基于图像的药物发现策略，并提出机器学习技术在此领域的升级潜力	本文提出了利用深度学习和单细胞方法等新型计算技术来更好地捕捉图像中的生物信息，以加速药物发现	尽管机器学习策略有所改进，但仍存在挑战	探讨基于图像的药物发现策略及其在机器学习技术升级中的潜力	基于图像的特征提取和多维特征分析	计算机视觉	NA	深度学习	NA	图像	NA
9	2024-12-01	Automated detection of brain metastases on non-enhanced CT using single-shot detectors 2021-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-021-02743-6 PMID:34114064	研究论文	研究使用单次检测器（SSD）模型在非增强CT上自动检测脑转移瘤	开发了一种基于深度学习的单次检测器（SSD）模型，用于在非增强CT上检测脑转移瘤	SSD模型在检测小于6mm的病灶时表现不佳，且部分检测结果在回顾性分析中对放射科医生也不明显	开发和评估基于深度学习的检测器，用于在非增强CT上检测脑转移瘤	脑转移瘤在非增强CT上的检测	计算机视觉	脑部疾病	深度学习	单次检测器（SSD）	图像	116例非增强CT，来自116名患者
10	2024-12-01	Applications of Artificial Intelligence for Retinopathy of Prematurity Screening 2021-03, Pediatrics IF:6.2Q1 DOI:10.1542/peds.2020-016618 PMID:33637645	研究论文	评估人工智能在印度ROP远程医疗项目中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异是否与氧气调节能力有关	利用人工智能进行ROP筛查，可能改善次级预防的护理可及性，并有助于评估疾病流行病学和新生儿护理单元资源	NA	评估人工智能在ROP筛查中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异与氧气调节能力的关系	ROP的严重程度及新生儿护理单元的氧气调节能力	机器学习	NA	深度学习	NA	图像	NA
11	2024-11-21	Advances in micro-CT imaging of small animals 2021-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2021.07.005 PMID:34284331	综述	本文综述了微型CT在小动物成像中的最新进展和应用	介绍了基于能量积分探测器和新一代光子计数X射线探测器（PCDs）的双能微型CT光谱扫描技术，以及X射线相位对比成像（XPC）和深度学习在微型CT中的应用	未详细讨论微型CT在临床转化中的具体挑战	回顾微型CT在临床前研究中的最新进展和应用	微型CT成像技术及其在小动物成像中的应用	计算机视觉	NA	微型CT成像	深度学习	图像	NA
12	2024-11-21	Evaluating renal lesions using deep-learning based extension of dual-energy FoV in dual-source CT-A retrospective pilot study 2021-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2021.109734 PMID:33933837	研究论文	本文介绍了一种基于深度学习的双能场扩展方法，用于在双源CT中评估肾病变	提出了一种基于深度学习的双能场扩展算法（DEEDL），能够从有限的数据中重建完整的双能场，从而在较小的场范围内可靠地测量HU值并评估肾病变	本文仅进行了回顾性研究，样本量较小，需要进一步的前瞻性研究和更大样本量的验证	开发一种基于深度学习的方法，用于在双源CT中扩展双能场，以评估肾病变	肾病变	计算机视觉	肾病	双源CT	深度学习算法	CT图像	50名患者的训练数据和128名患者的回顾性数据
13	2024-11-20	Ultrashort echo time time-spatial labeling inversion pulse magnetic resonance angiography with denoising deep learning reconstruction for the assessment of abdominal visceral arteries 2021-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27481 PMID:33368773	研究论文	研究比较了三维超短回波时间时间空间标记反转脉冲磁共振血管造影（3D UTE Time-SLIP）与三维平衡稳态自由进动时间空间标记反转脉冲磁共振血管造影（3D bSSFP Time-SLIP）在评估腹部内脏动脉中的图像质量和磁敏感伪影，并评估了去噪深度学习重建（dDLR）对3D UTE稀疏采样中信噪比的改善效果	首次将去噪深度学习重建技术应用于超短回波时间时间空间标记反转脉冲磁共振血管造影，以改善信噪比和减少伪影	3D UTE Time-SLIP在信噪比和图像质量上仍不如3D bSSFP Time-SLIP	研究并比较3D UTE Time-SLIP与3D bSSFP Time-SLIP的图像质量和磁敏感伪影，并评估dDLR对3D UTE信噪比的改善效果	腹部内脏动脉的评估，包括健康志愿者和患者	医学影像	NA	磁共振血管造影（MRA）	深度学习模型	图像	10名健康志愿者和3名患者
14	2024-11-18	DeePhage: distinguishing virulent and temperate phage-derived sequences in metavirome data with a deep learning approach 2021-09-08, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab056 PMID:34498685	研究论文	本文介绍了一种名为DeePhage的新计算方法，用于区分metavirome数据中的烈性和温和噬菌体序列	DeePhage使用卷积神经网络检测序列特征，准确率高达89%，比现有工具PhagePred和PHACTS分别高出10%和30%，并且在运行时间上显著减少	NA	开发一种能够有效分类metavirome数据中烈性和温和噬菌体序列的新计算方法	metavirome数据中的烈性和温和噬菌体序列	机器学习	NA	卷积神经网络	CNN	DNA序列	NA
15	2024-11-18	VC@Scale: Scalable and high-performance variant calling on cluster environments 2021-09-07, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab057 PMID:34494101	研究论文	本文提出了一种基于Apache Spark的本地工作流程，用于在集群环境中实现可扩展和高性能的变异检测	本文的创新点在于提出了一种紧密集成预处理阶段的本地Spark工作流程，利用Python和Apache Arrow实现高效的数据传输，从而提高了变异检测的性能和可扩展性	NA	研究目的是开发一种可扩展且高性能的变异检测工作流程，以应对深度学习方法在变异检测中的高计算成本问题	研究对象是下一代测序数据的预处理和变异检测工作流程	生物信息学	NA	Apache Spark, Apache Arrow	NA	测序数据	NA
16	2024-11-18	RNAProt: an efficient and feature-rich RNA binding protein binding site predictor 2021-08-18, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab054 PMID:34406415	研究论文	本文介绍了一种基于循环神经网络的高效且功能丰富的RNA结合蛋白结合位点预测框架RNAProt	RNAProt在预测性能和运行时间效率上优于传统机器学习方法和深度学习方法，并支持多种额外功能和用户定义特征	NA	开发一种高效的计算方法来预测RNA结合蛋白的结合位点	RNA结合蛋白的结合位点	机器学习	NA	CLIP-seq	循环神经网络	文本	NA
17	2024-11-18	ChronoRoot: High-throughput phenotyping by deep segmentation networks reveals novel temporal parameters of plant root system architecture 2021-07-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab052 PMID:34282452	研究论文	本文介绍了一种结合3D打印开放硬件和深度分割网络的高通量植物根系表型分析系统ChronoRoot	开发了一种基于深度学习的根系提取方法，利用卷积神经网络的最新进展进行图像分割，并将时间一致性纳入根系结构重建过程	NA	扩展根系高通量表型分析的可能性，揭示新的根系特征	植物根系	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
18	2024-11-18	Multi-stage malaria parasite recognition by deep learning 2021-06-17, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab040 PMID:34137821	研究论文	本文开发了一种基于深度迁移图卷积网络（DTGCN）的深度学习方法，用于识别血液涂片图像中不同阶段的疟原虫	首次将图卷积网络（GCN）应用于多阶段疟原虫识别	NA	开发一种高效准确的方法来识别血液涂片图像中不同阶段的疟原虫	疟原虫的不同生长阶段	计算机视觉	疟疾	深度迁移图卷积网络（DTGCN）	图卷积网络（GCN）	图像	使用了公开的微观图像数据集和一个大规模的未见过的疟原虫数据集以及Babesia数据集
19	2024-11-18	Label3DMaize: toolkit for 3D point cloud data annotation of maize shoots 2021-05-07, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab031 PMID:33963385	研究论文	本文提出了一种用于玉米植株3D点云数据标注的工具包Label3DMaize，通过自上而下的点云分割算法实现半自动的点云分割和标注	本文的创新点在于提出了一种基于最优运输距离的点云分割算法，并开发了一个半自动的3D点云标注工具包Label3DMaize	本文的局限性在于工具包的分割精度依赖于粗分割和精细分割的结合，且精细分割需要更多时间	本文的研究目的是开发一种高效的3D点云分割和标注工具，以支持基于深度学习的植物点云处理研究	本文的研究对象是玉米植株的3D点云数据	计算机视觉	NA	3D点云分割	NA	3D点云数据	不同生长阶段的玉米植株
20	2024-11-18	Fluorescence microscopy datasets for training deep neural networks 2021-05-05, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab032 PMID:33954794	研究论文	本文提供了用于训练深度神经网络的高质量荧光显微镜数据集	本文提供了高质量的数据集，用于训练和评估正在开发的深度学习方法	NA	提高荧光显微镜图像的信噪比，减少光漂白和光毒性	荧光显微镜图像	计算机视觉	NA	荧光显微镜	卷积神经网络	图像	NA