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
361	2024-09-23	CancerVar: An artificial intelligence-empowered platform for clinical interpretation of somatic mutations in cancer 2022-05-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abj1624 PMID:35544644	研究论文	开发了一个名为CancerVar的人工智能平台，用于根据AMP/ASCO/CAP 2017指南自动化和标准化解释1300万个体细胞突变，并引入深度学习框架预测这些突变的致癌性	CancerVar整合了临床指南和深度学习框架，自动化和标准化解释体细胞突变，减少了人工工作，提高了变异分类的一致性	NA	开发一个自动化和标准化的平台，用于临床解释癌症中的体细胞突变	1300万个体细胞突变及其致癌性预测	机器学习	癌症	深度学习	深度学习框架	突变数据	1300万个体细胞突变
362	2024-09-23	Chromatin interaction-aware gene regulatory modeling with graph attention networks 2022-05, Genome research IF:6.2Q1 DOI:10.1101/gr.275870.121 PMID:35396274	研究论文	本文介绍了一种新的深度学习方法GraphReg，利用染色质三维相互作用来预测基因表达	GraphReg通过使用图注意力网络，能够更准确地建模基因调控并预测基因表达水平，优于现有的深度学习方法	NA	解决调控基因组学中长期未解决的问题，即远端增强子与基因的关联及其对目标基因表达的影响	基因表达预测和功能增强子的识别	机器学习	NA	染色质构象捕获技术	图注意力网络	基因组数据	NA
363	2024-09-23	Machine Learning to Predict Risk of Relapse Using Cytologic Image Markers in Patients With Acute Myeloid Leukemia Posthematopoietic Cell Transplantation 2022-05, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.21.00156 PMID:35522898	研究论文	本文研究了使用细胞学图像标记预测急性髓系白血病患者造血细胞移植后复发风险的方法	本文首次探索了从髓母细胞染色质模式中提取的形态和纹理特征是否有助于预测复发和预测无复发生存期	本文的局限性在于样本量较小，且仅限于急性髓系白血病和骨髓增生异常综合征患者	研究目的是探索计算机提取的髓母细胞染色质模式的形态和纹理特征是否能帮助预测造血细胞移植后的复发和无复发生存期	研究对象为急性髓系白血病和骨髓增生异常综合征患者	机器学习	急性髓系白血病	深度学习	CNN	图像	92名患者，分为训练集52名和验证集40名
364	2024-09-23	Annotating functional effects of non-coding variants in neuropsychiatric cell types by deep transfer learning 2022-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010011 PMID:35576194	研究论文	本文开发了一种基于深度迁移学习的模型MetaChrom，用于注释神经精神细胞类型中非编码变异的功能效应	MetaChrom模型通过迁移学习利用公共表观基因组数据集的信息，提高了对神经发育相关细胞/组织类型中染色质可及性变异的预测准确性	NA	开发一种新的计算方法，用于优先考虑和解释与神经精神性状相关的非编码变异的分子机制	神经精神性状相关的非编码变异及其功能效应	机器学习	神经精神疾病	深度学习	卷积神经网络（ResNet）	DNA序列	大量神经发育相关的细胞/组织类型
365	2024-09-23	Framework for denoising Monte Carlo photon transport simulations using deep learning 2022-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.8.083019 PMID:35614533	研究论文	本文提出了一种利用深度学习技术去噪蒙特卡罗光子传输模拟的框架	开发了一种结合DnCNN和UNet的级联网络，并扩展了多种图像去噪神经网络架构，用于处理三维蒙特卡罗数据	NA	开发一种有效的图像去噪技术，以显著提高低光子蒙特卡罗模拟结果的质量，从而加速蒙特卡罗方法	蒙特卡罗光子传输模拟中的噪声问题	计算机视觉	NA	深度学习	级联网络（DnCNN和UNet的结合）	三维蒙特卡罗数据	NA
366	2024-09-23	Accurate prediction of molecular targets using a self-supervised image representation learning framework 2022-Apr-07, Research square DOI:10.21203/rs.3.rs-1477870/v1 PMID:35411337	研究论文	本文介绍了一种名为ImageMol的无监督预训练深度学习框架，用于从850万未标记的类药物分子中预测候选化合物的分子靶点	ImageMol框架通过从分子图像中预训练化学表示，基于分子的局部和全局结构特征，展示了在分子性质评估和分子靶点预测中的高性能	NA	开发一种无监督预训练的深度学习框架，用于准确预测药物的分子靶点	类药物分子及其分子靶点	计算机视觉	COVID-19	深度学习	NA	图像	850万未标记的类药物分子
367	2024-09-23	Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-Apr, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00041-9 PMID:35464150	研究论文	开发了一种结合神经网络和生存分析的深度学习方法，用于从增强心脏磁共振图像和临床协变量中预测缺血性心脏病患者的个体化生存曲线	提出的深度学习方法在预测长达10年的生存曲线时表现优异，且能估计预测的不确定性，优于使用临床协变量的标准生存模型	NA	开发一种新的深度学习方法，用于预测心律失常导致的猝死患者的生存概率	缺血性心脏病患者	机器学习	心血管疾病	深度学习	神经网络	图像	多中心内部验证数据和独立测试集
368	2024-09-23	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	本文介绍了一种名为SLEAP的深度学习系统，用于多动物姿态跟踪	SLEAP系统具有用户友好的图形界面、标准化的数据模型、可重复的配置系统，以及超过30种模型架构和两种部分分组与身份跟踪方法	NA	开发一种能够处理多动物姿态跟踪的深度学习系统，以支持社会行为或自然环境中动物行为的研究	苍蝇、蜜蜂、小鼠和沙鼠等多动物的姿态跟踪	计算机视觉	NA	深度学习	CNN	图像	涉及七个数据集，包括苍蝇、蜜蜂、小鼠和沙鼠
369	2024-09-23	Deep learning for robust and flexible tracking in behavioral studies for C. elegans 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009942 PMID:35395006	研究论文	本文展示了使用Faster R-CNN进行秀丽隐杆线虫行为研究中的鲁棒和灵活跟踪	本文首次将Faster R-CNN应用于秀丽隐杆线虫的行为跟踪，展示了其在复杂环境中的速度、准确性和鲁棒性	NA	展示Faster R-CNN在不同实验条件下进行大规模行为研究的适用性	秀丽隐杆线虫在不同生命阶段的行为，包括发育过程中的速度、繁殖成体的生育率和空间分布，以及衰老群体的行为衰退	计算机视觉	NA	Faster R-CNN	CNN	视频	NA
370	2024-09-23	Artificial Intelligence and Machine Learning: What You Always Wanted to Know but Were Afraid to Ask 2022, Gastro hep advances DOI:10.1016/j.gastha.2021.11.001 PMID:39129929	综述	本文综述了人工智能和机器学习在健康科学中的应用，特别是其在胃肠病学和肝病学领域的研究与临床实践中的影响	本文介绍了机器学习的基本原理及其在医学技术中的应用，特别是深度学习方法	NA	旨在为临床医生提供机器学习基础知识的指南，帮助他们理解和应用人工智能技术	人工智能和机器学习在健康科学中的应用，特别是其在胃肠病学和肝病学领域的研究与临床实践中的影响	机器学习	NA	机器学习	深度学习	NA	NA
371	2024-09-23	Predicting biochemical recurrence of prostate cancer with artificial intelligence 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00126-3 PMID:35693032	研究论文	本文利用人工智能技术预测前列腺癌的生化复发	开发了一种基于卷积神经网络的形态学生物标志物，用于预测前列腺癌的生化复发，并使用概念性解释方法解释了学习到的组织模式	NA	探索利用人工智能发现额外的预后信息，以预测前列腺癌的生化复发	前列腺癌的生化复发	数字病理学	前列腺癌	卷积神经网络	CNN	组织	685名患者用于训练，204名患者用于验证
372	2024-09-23	Deep learning models for COVID-19 chest x-ray classification: Preventing shortcut learning using feature disentanglement 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274098 PMID:36201483	研究论文	本文提出了一种使用特征解耦技术来防止深度学习模型在COVID-19胸片分类中出现捷径学习的方法	引入特征解耦技术，强制模型识别图像中的肺部特征，并惩罚其学习来自原始数据集的特征	未提及	提高深度学习模型在COVID-19胸片分类中的泛化性能	COVID-19患者的胸片	计算机视觉	COVID-19	特征解耦	深度学习模型	图像	未提及
373	2024-09-23	Informative and Reliable Tract Segmentation for Preoperative Planning 2022, Frontiers in radiology DOI:10.3389/fradi.2022.866974 PMID:37492653	研究论文	本研究使用深度学习进行可靠的脑白质束分割，并结合不确定性量化来测量分割的不确定性，以辅助术前规划	本研究首次将深度学习和不确定性量化结合用于脑白质束分割，并提出了基于体积的校准方法来计算代表性的预测概率	本研究仅在特定数据集上进行了验证，尚未在临床环境中广泛应用	提高脑白质束分割的准确性和可靠性，以辅助术前规划和手术操作	脑白质束的分割和不确定性量化	计算机视觉	NA	深度学习	3D U-Net	图像	未明确提及具体样本数量
374	2024-09-23	Improving disease classification performance and explainability of deep learning models in radiology with heatmap generators 2022, Frontiers in radiology DOI:10.3389/fradi.2022.991683 PMID:37492678	研究论文	研究通过在训练中引入热图生成器，改进深度学习模型在放射学中的疾病分类性能和可解释性	通过在训练过程中引入热图生成器和眼动数据，同时提高了疾病分类性能和模型的可解释性	NA	提高深度学习模型在放射学中的疾病分类性能和可解释性	胸部X光片及其相关标签（正常、充血性心力衰竭和肺炎）以及放射科医生的眼动坐标数据	计算机视觉	心血管疾病	NA	U-Net	图像	包含胸部X光片、相关标签和放射科医生眼动坐标的多个样本
375	2024-09-23	Applications of machine learning in computer-aided drug discovery 2022, QRB discovery DOI:10.1017/qrd.2022.12 PMID:37529294	综述	本文综述了机器学习在基于结构的药物设计中的应用，特别是深度学习在从头药物设计、结合位点预测和结合亲和力预测方面的最新趋势	本文介绍了深度学习在基于结构的药物设计中的应用，特别是其在从头药物设计、结合位点预测和结合亲和力预测方面的创新应用	NA	总结机器学习在基于结构的药物设计中的最新趋势	基于结构的药物设计中的深度学习应用	计算机视觉	NA	机器学习	深度学习	实验数据	NA
376	2024-09-21	Deep Relation Learning for Regression and Its Application to Brain Age Estimation 2022-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3161739 PMID:35320092	研究论文	本文提出了一种用于回归任务的深度关系学习方法，并将其应用于脑龄估计	本文创新性地提出了四种非线性关系（累积关系、相对关系、最大关系和最小关系），并通过一个包含特征提取和关系回归的两部分深度神经网络同时学习这些关系	NA	研究目的是通过学习输入图像对之间的关系来改进时间回归任务的性能	研究对象是脑龄估计任务	计算机视觉	NA	卷积神经网络和Transformer	深度神经网络	图像	6049名年龄在0-97岁之间的受试者
377	2024-09-20	Near-Field Microwave Scattering Formulation by A Deep Learning Method 2022-Nov, IEEE transactions on microwave theory and techniques IF:4.1Q2 DOI:10.1109/tmtt.2022.3184331 PMID:37313124	研究论文	本文应用深度学习方法对微波乳房成像中的电磁散射进行建模	本文首次将深度学习方法应用于微波乳房成像中的电磁散射建模，并展示了其计算速度上的显著优势	深度学习方法产生的误差对图像结果影响不大，但仍需进一步验证其在不同条件下的表现	探索深度学习在电磁散射计算中的应用潜力	微波乳房成像中的电磁散射	机器学习	NA	深度学习	神经网络 (NN)	图像	18,000个合成数字乳房幻影
378	2024-09-20	On the Versatile Uses of Partial Distance Correlation in Deep Learning 2022-Oct, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-19809-0_19 PMID:37255993	研究论文	本文探讨了部分距离相关性在深度学习中的多种应用	重新审视了统计学中的距离相关性及其部分变体，并将其应用于大规模模型的功能比较	NA	研究神经网络模型功能行为的比较方法，以理解其学习内容及改进策略	神经网络模型的功能行为比较	机器学习	NA	距离相关性分析	神经网络	特征空间	NA
379	2024-09-20	Analyzing the public sentiment on COVID-19 vaccination in social media: Bangladesh context 2022-Sep, Array (New York, N.Y.) DOI:10.1016/j.array.2022.100204 PMID:35722449	研究论文	研究分析了孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪	使用LDA模型提取了关于疫苗和接种过程的最常见话题，并应用了深度学习和传统机器学习算法来识别公众情绪和极性	未提及具体的研究局限性	分析孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪，以帮助政府为未来疫情做准备	孟加拉国社交媒体用户关于COVID-19疫苗和接种过程的观点和情绪	自然语言处理	NA	Latent Dirichlet Allocation (LDA)模型，深度学习和传统机器学习算法	LDA，深度学习模型和传统机器学习模型	文本	孟加拉国社交媒体用户的反应
380	2024-09-20	Deformable MR-CT image registration using an unsupervised, dual-channel network for neurosurgical guidance 2022-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102292 PMID:34784539	研究论文	本文提出了一种无监督的深度学习框架，用于神经外科手术指导中的术前MR和术中CT图像的变形配准	创新点在于使用双通道网络进行配准，并结合合成不确定性提供空间变化的权重，以及端到端的联合优化训练策略	NA	旨在提高微创颅内神经外科手术的精度，解决脑组织变形问题	术前MR和术中CT图像的变形配准	计算机视觉	神经外科疾病	深度学习	双通道网络	图像	使用了三个数据集：模拟变形的MR/CT配对数据、真实变形的MR/CT配对数据和真实神经外科手术数据