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
1641	2024-08-07	Spatially Distinct Genetic Determinants of Aortic Dimensions Influence Risks of Aneurysm and Stenosis 2022-08-02, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2022.05.024 PMID:35902171	研究论文	本研究使用深度学习分析了43,317名UK Biobank参与者的230万张心脏磁共振图像，以阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础，并探讨这些直径与疾病发生率的关联。	发现了79个与至少一个直径显著相关的基因位点，其中35个是新发现的，这些发现有助于预测胸主动脉瘤和主动脉狭窄。	NA	阐明左心室流出道、主动脉根部和升主动脉直径的遗传基础	左心室流出道、主动脉根部和升主动脉的直径	数字病理学	心血管疾病	深度学习	NA	图像	43,317名UK Biobank参与者
1642	2024-08-07	From cell lines to cancer patients: personalized drug synergy prediction 2022-Jan-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae134 PMID:38718189	研究论文	本文提出了一种深度学习框架PDSP，用于利用患者特异性的单一药物反应数据进行个性化药物协同预测	PDSP模型首先在细胞系上训练，然后使用患者的基因表达数据和相关单一药物反应进行微调，以提高预测准确性	目前仅在三名白血病患者的数据上进行了评估	开发一种能够在临床环境中更有效地预测患者特定药物组合的深度学习模型	白血病患者	机器学习	白血病	深度学习	深度学习框架	基因表达数据	三名白血病患者
1643	2024-08-07	Disentangling Normal Aging From Severity of Disease via Weak Supervision on Longitudinal MRI 2022-10, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3166131 PMID:35404811	研究论文	本文提出了一种通过弱监督学习方法，从纵向MRI数据中分离正常衰老与疾病严重程度的研究	通过弱监督学习，明确分离疾病效应与正常衰老，并能增强训练数据的多样性	需要进一步验证在不同数据集上的泛化能力	研究如何通过深度学习算法将纵向MRI数据映射到连续的疾病严重程度尺度上	纵向MRI数据中的正常衰老与疾病严重程度	机器学习	神经退行性疾病	深度学习算法	NA	MRI图像	632个样本来自阿尔茨海默病神经成像倡议(ADNI)
1644	2024-08-07	Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing 2022-Sep, PRedictive Intelligence in MEdicine. PRIME (Workshop) DOI:10.1007/978-3-031-16919-9_2 PMID:36342897	研究论文	本文提出了一种基于排列测试的灵活且可扩展的方法，将假设检验整合到数据驱动的深度学习分析中，以预测和解释青少年中的负面情绪症状。	本文的创新点在于将排列测试的概念应用于深度学习分析，使得深度学习的结果能够与支持假设的统计显著性相关联。	NA	旨在将深度学习与假设驱动的分析相结合，通过排列测试方法提高深度学习在神经科学研究中的应用价值。	研究对象为621名青少年参与者，通过分析他们的自我报告评估来预测负面情绪症状。	机器学习	抑郁症	深度学习	NA	文本	621名青少年参与者
1645	2024-08-07	Hyperspectral Image Classification with Optimized Compressed Synergic Deep Convolution Neural Network with Aquila Optimization 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6781740 PMID:35845897	研究论文	本文研究了如何利用优化后的压缩协同深度卷积神经网络（CSDCNN-AO）模型，从有限样本中准确分类高光谱图像（HSI）	提出了基于特征提取和分类的新型深度学习分类方法，并引入了Aquila优化技术以提高分类性能	NA	提高高光谱图像分类的准确性和效率	高光谱图像的分类	计算机视觉	NA	深度学习	压缩协同深度卷积神经网络（CSDCNN-AO）	高光谱图像	使用了四个高光谱图像数据集：Kennedy Space Center (KSC), Indian Pines (IP), Houston U (HU), Salinas Scene (SS)
1646	2024-08-07	Depth resolved pencil beam radiography using AI - a proof of principle study 2022-Jun, Journal of instrumentation : an IOP and SISSA journal IF:1.3Q3 DOI:10.1088/1748-0221/17/06/p06012 PMID:38938475	研究论文	本研究探讨了利用现代辐射源和探测器结合深度学习技术，通过散射光子信息在平面X射线成像中解析叠加衰减器的可能性	首次证明深度学习技术可以分析散射光子模式，从而在传统2D平面设置中推断深度信息	研究受限于简单的测试场景，未涉及复杂性或优化，且临床应用的性能扩展尚未探索	验证深度学习技术在解析平面X射线成像中叠加衰减器深度的原理	使用散射光子信息解析平面X射线成像中的叠加衰减器	计算机视觉	NA	X射线成像	卷积神经网络	图像	10个伪随机堆叠的空气/骨骼/水材料模型
1647	2024-08-07	Identification of robust deep neural network models of longitudinal clinical measurements 2022-Jul-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00651-4 PMID:35896817	研究论文	本文比较了九种深度学习框架在模拟纵向临床测量数据上的表现，并评估了模型在不同参数下的性能	首次系统地研究了从模拟纵向临床测量中学习的方法，并发现了基于形状变化的识别比基于幅度的变化更具挑战性	NA	评估深度学习方法在疾病预测中的应用，特别是在纵向临床测量数据上的表现	模拟的体重指数(BMI)、血糖和收缩压轨迹数据	机器学习	NA	深度学习	卷积神经网络(CNN)	时间序列数据	模拟数据包括体重指数(BMI)、血糖和收缩压轨迹，真实世界评估中使用了BMI轨迹
1648	2024-08-07	A Deep Learning Model for Inferring Elevated Pulmonary Capillary Wedge Pressures From the 12-Lead Electrocardiogram 2022-Mar, JACC. Advances DOI:10.1016/j.jacadv.2022.100003 PMID:38939079	研究论文	本研究开发了一种深度学习模型，用于从12导联心电图推断肺毛细血管楔压升高的情况	提出了一种非侵入性方法来识别升高的平均肺毛细血管楔压，并开发了一个相关的不可靠性评分，用于识别模型预测可能不可信的情况	模型性能在不可靠性高的患者子集中表现较差	开发一种非侵入性方法来识别升高的平均肺毛细血管楔压	从12导联心电图推断肺毛细血管楔压升高的情况	机器学习	心血管疾病	深度学习	深度学习模型	心电图数据	248,955份临床记录，其中6,739份包含直接测量值
1649	2024-08-07	Deep Learning in Medicine 2022-Mar, JACC. Advances DOI:10.1016/j.jacadv.2022.100017 PMID:38939084	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1650	2024-08-07	Self-Supervised Rigid Registration for Multimodal Retinal Images 2022, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2022.3201476 PMID:36040946	研究论文	本文提出了一种自监督的多模态视网膜图像配准方法，旨在自动配准多模态视网膜图像而无需任何人工标注	该方法采用自监督学习，无需人工标注，减轻了准备训练数据的时间和成本	NA	开发一种无需人工标注的自监督多模态视网膜图像配准方法	多模态视网膜图像，特别是彩色眼底图像与红外反射和荧光素血管造影图像的配准	计算机视觉	NA	自监督学习	NA	图像	NA
1651	2024-08-07	3D GAN image synthesis and dataset quality assessment for bacterial biofilm 2022-09-30, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac529 PMID:35924980	研究论文	本文介绍了一种生物图像合成与评估工作流程，用于增强细菌生物膜图像，利用3D循环生成对抗网络（GAN）生成3D生物膜图像，并提出了一种随机合成数据集质量评估（SSQA）方法	本文创新性地使用了3D循环GAN和非平衡损失函数来生成逼真的3D生物膜图像，并提出了SSQA方法来评估合成数据集的质量	NA	开发一种新的方法来合成和评估细菌生物膜图像，以增强数据驱动的深度学习技术在生物图像分析中的应用	细菌生物膜图像的合成与质量评估	计算机视觉	NA	3D循环生成对抗网络（GAN）	GAN	图像	NA
1652	2024-08-07	Autoencoders for sample size estimation for fully connected neural network classifiers 2022-Dec-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00728-0 PMID:36513729	研究论文	研究如何利用自编码器损失来估计全连接神经网络分类器所需的最小标记训练数据样本量	提出了一种基于自编码器损失的估计方法，用于确定全连接神经网络分类器所需的最小标记数据样本量，这是一种在深度学习领域中尚未充分研究的方法	研究主要集中在全连接神经网络分类器上，可能不适用于其他类型的深度学习模型	探索在计算机视觉模型训练前，如何通过自编码器损失来估计所需的最小标记数据样本量	全连接神经网络分类器所需的最小标记训练数据样本量	计算机视觉	NA	自编码器	全连接神经网络	图像	研究中未具体提及样本数量，但讨论了最小收敛样本（MCS）的概念
1653	2024-08-07	Predicting hypertension onset from longitudinal electronic health records with deep learning 2022-Dec, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac097 PMID:36448021	研究论文	本研究利用深度学习中的长短期记忆网络（LSTM）从电子健康记录（EHRs）中预测高血压的发病	本研究首次采用LSTM网络结合纵向EHRs数据来预测高血压的发病，并与其他模型如XGboost进行比较	NA	预测高血压的发病	高血压的发病风险及相关的驱动因素	机器学习	心血管疾病	深度学习	LSTM	电子健康记录	233,895名成年患者
1654	2024-08-07	Enhancing convolutional neural network predictions of electrocardiograms with left ventricular dysfunction using a novel sub-waveform representation 2022-Oct, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2022.07.074 PMID:36310683	研究论文	本文介绍了一种新的子波形表示方法，用于增强卷积神经网络对心电图预测左心室功能障碍的性能	引入了基于数据中心的子波形表示方法，而不是改变模型中心的CNN架构	NA	提高心电图深度学习在心血管异常患者中的预测准确性	左心室功能障碍的识别	机器学习	心血管疾病	卷积神经网络 (CNN)	CNN	心电图 (ECG) 波形	92,446名患者
1655	2024-08-07	Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268007 PMID:35507570	研究论文	本研究旨在通过深度学习神经网络模型探索沉浸式营销环境下的消费者偏好，设计个性化推荐系统，提升营销效果和用户体验	提出基于沉浸式图神经网络（IGNN）模型的个性化推荐系统，相较于其他推荐系统显示出更高的优势	NA	增加各类商品的营销量，促进市场的全面发展	消费者在沉浸式营销环境下的偏好	机器学习	NA	深度学习（DL）神经网络（NN）	图神经网络（GNN）	NA	NA
1656	2024-08-07	Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium 2022-07-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002080 PMID:36206463	研究论文	本研究探讨使用磁共振成像（MRI）技术预测急性胰腺炎后糖尿病的可能性	利用高级MRI技术反映潜在的病理生理变化，并提供预测糖尿病的影像生物标志物	NA	通过识别急性胰腺炎后的实质特征，区分高风险个体与血糖正常者	急性胰腺炎后糖尿病的风险评估	医学影像	糖尿病	磁共振成像（MRI）	深度学习	影像数据	DREAM研究中的一部分参与者将参与并接受特定的MRI检查
1657	2024-08-07	Weakly Supervised Skull Stripping of Magnetic Resonance Imaging of Brain Tumor Patients 2022, Frontiers in neuroimaging DOI:10.3389/fnimg.2022.832512 PMID:37555156	研究论文	评估Dense-Vnet在脑肿瘤患者MRI数据上进行颅骨剥离的表现	采用弱监督深度学习方法在存在病理情况下成功进行MRI脑提取	模型在健康患者数据上的表现略低于专门训练的健康患者模型	研究脑肿瘤患者MRI数据的颅骨剥离技术	脑肿瘤患者的MRI数据	计算机视觉	脑肿瘤	MRI	Dense-Vnet	图像	668名脑肿瘤患者的预治疗MRI数据
1658	2024-08-05	Repurposing of FDA approved drugs against Salmonella enteric serovar Typhi by targeting dihydrofolate reductase: an in silico study 2022-05, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2020.1850356 PMID:33251976	研究论文	本研究利用FDA批准药物针对伤寒沙门氏菌的二氢叶酸还原酶进行了药物再利用的计算研究	通过深度学习回归算法筛选FDA批准的药物库，发现四种药物对二氢叶酸还原酶具有潜在的抑制作用	研究仅基于计算模型，缺乏临床实验验证	开发有效的药物以克服伤寒沙门氏菌的耐药性	FDA批准的1930种药物	计算机视觉	伤寒	深度学习回归算法, 分子对接, 分子动力学模拟	NA	化合物	1930种药物库
1659	2024-08-05	Adversarial Consistency for Single Domain Generalization in Medical Image Segmentation 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16449-1_64 PMID:38859913	研究论文	提出了一种可以在医疗图像分割中实现单域一般化的对抗一致性方法	创新性地提出了一个对抗域合成器（ADS）用于合成新的域，以实现对未见域的插值	缺乏多个域的训练数据可能会限制模型的推广能力	旨在开发一种可以在不同扫描设置下有效进行器官分割的方法	研究对象是医疗图像中的器官分割	数字病理学	NA	对抗训练	NA	医学图像	NA
1660	2024-08-05	Predicting microbiome compositions from species assemblages through deep learning 2022-Mar, iMeta IF:23.7Q1 DOI:10.1002/imt2.3 PMID:35757098	研究论文	本文提出了一种通过深度学习预测微生物群落组成的方法	开发了一种深度学习框架，能够在没有任何物理、生化或生态过程知识的情况下，从物种组合中自动学习群落组成的映射	虽然在合成数据和真实微生物群落数据上进行了验证，但未提及实际操作中的潜在限制	改善对不同物种组合如何影响微生物群落最终组成的预测能力	聚焦于海洋和土壤微生物群落、肠道微生物群落以及人类肠道和口腔微生物群落	计算机视觉	NA	深度学习	NA	合成数据和真实微生物群落数据	小数量的训练样本