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
141	2024-09-04	Sleep State Trend (SST), a bedside measure of neonatal sleep state fluctuations based on single EEG channels 2022-11, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2022.08.022 PMID:36155385	研究论文	本文开发并验证了一种基于单个脑电图通道的自动化方法，用于新生儿重症监护室中睡眠状态波动的床边监测	提出了Sleep State Trend (SST)，一种床边可用的可视化分类器输出的方法	NA	开发和验证一种自动化方法，用于监测新生儿睡眠状态的波动	新生儿睡眠状态的波动	机器学习	NA	脑电图(EEG)	深度学习算法	脑电图数据	53个EEG记录用于训练，30个多导睡眠图记录用于验证
142	2024-08-07	Multi-modal deep learning based on multi-dimensional and multi-level temporal data can enhance the prognostic prediction for multi-drug resistant pulmonary tuberculosis patients 2022-Nov, Science in One Health DOI:10.1016/j.soh.2022.100004 PMID:39076608	research paper	本文研究基于多维多层次时间数据的深度学习方法，以提高多药耐药性肺结核患者的预后预测	本文采用基于动态数据的多模态深度学习方法，为个性化治疗方案提供更深入的理解	目前大多数现有研究侧重于通过静态单尺度或低维信息预测治疗结果	提高多药耐药性肺结核患者的预后预测准确性	多药耐药性肺结核患者	machine learning	肺结核	深度学习	NA	多维多层次时间数据	NA
143	2024-08-07	Interpretable deep learning translation of GWAS and multi-omics findings to identify pathobiology and drug repurposing in Alzheimer's disease 2022-11-29, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2022.111717 PMID:36450252	研究论文	本文介绍了一种基于网络拓扑的深度学习框架NETTAG，用于将全基因组关联研究（GWAS）和多组学发现转化为阿尔茨海默病（AD）的病理生物学和药物再利用	NETTAG框架利用非编码GWAS位点对数量性状位点、增强子、CpG岛、启动子区域、开放染色质和启动子侧翼区域的影响，结合蛋白质-蛋白质相互作用网络，识别与AD相关的风险基因	NA	旨在将人类遗传发现转化为AD的病理生物学和治疗发现	阿尔茨海默病（AD）的病理生物学和药物再利用	机器学习	阿尔茨海默病	深度学习	NETTAG	基因组数据	1000万个体
144	2024-08-07	Effect of cells on spatial quantification of proteoglycans in articular cartilage of small animals 2022-11, Connective tissue research IF:2.8Q1 DOI:10.1080/03008207.2022.2048827 PMID:35322732	研究论文	研究细胞对小动物关节软骨中蛋白聚糖空间定量的影响，并评估基于深度学习算法的U-Net工具在细胞分割中的有效性	使用U-Net深度学习算法进行细胞分割，以排除细胞对软骨细胞外基质中蛋白聚糖含量测量的干扰	细胞对分析的蛋白聚糖含量的影响较小，但在疾病早期细胞增殖时可能需要更敏感的考虑	探究细胞对小动物关节软骨中蛋白聚糖含量的影响，并评估U-Net工具在细胞分割中的效果	小动物（如老鼠和 rats）的关节软骨中的蛋白聚糖含量	数字病理学	骨关节炎	数字密度测量法	U-Net	图像	600张标记的Safranin-O软骨图像
145	2024-08-07	Semiautomated intraoperative measurement of Cobb angle and coronal C7 plumb line using deep learning and computer vision for scoliosis correction: a feasibility study 2022-Nov-01, Journal of neurosurgery. Spine DOI:10.3171/2022.4.SPINE22133 PMID:36303475	研究论文	本研究旨在验证一种利用深度学习和计算机视觉进行脊柱侧弯手术中脊柱对齐度测量的新型非放射性半自动化设备	开发了一种非放射性的半自动化设备，利用深度学习和计算机视觉在手术中测量脊柱对齐度	设备需要使用3D打印标记物，并且在验证过程中仅在脊柱侧弯的尸体模型上进行了测试	验证一种新型非放射性半自动化设备在脊柱侧弯手术中测量脊柱对齐度的可行性	脊柱侧弯手术中的脊柱对齐度测量	计算机视觉	脊柱侧弯	深度学习	计算机视觉模型	图像	标记检测模型训练使用了100张图像，测试使用了130张图像；验证模型中使用了50个角度模板和21个铅垂线测量模型；尸体验证研究中使用了1个脊柱侧弯的尸体模型