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
961	2024-09-19	Exploring Digital Biomarkers of Illness Activity in Mood Episodes: Hypotheses Generating and Model Development Study 2023-05-04, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/45405 PMID:36939345	研究论文	研究探讨了使用可穿戴设备记录的生理数据预测双相情感障碍和重度抑郁症患者情绪发作的严重程度和极性	提出了一种新的全自动方法，用于预处理和分析研究级可穿戴设备的生理数据，并开发了一个可行的监督学习管道用于时间序列分析	模型在未见过的患者上的泛化能力总体上较低，除了个体间模型	探索生理可穿戴数据是否能预测急性情绪发作的严重程度和极性，并研究哪些生理数据与先前的预测、患者间的泛化以及情绪症状与生理数据之间的关联有关	双相情感障碍和重度抑郁症患者的急性情绪发作（躁狂、抑郁和混合）	数字病理学	精神疾病	深度学习	深度学习预测模型	生理数据	35个会话，来自12名患者和7名健康对照（平均年龄39.7岁，标准差12.6年；6/19，32%女性）
962	2024-09-19	AcrNET: predicting anti-CRISPR with deep learning 2023-05-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad259 PMID:37084259	研究论文	提出了一种名为AcrNET的深度神经网络，用于预测anti-CRISPR蛋白	AcrNET在跨数据集验证中显著优于现有方法，首次实现了对anti-CRISPR类别的详细预测	NA	开发一种高效的计算方法来预测anti-CRISPR蛋白	anti-CRISPR蛋白及其与CRISPR-Cas系统的相互作用	机器学习	NA	深度学习	Transformer	蛋白质序列	25000万条蛋白质序列
963	2024-09-19	Deep Learning Denoising Improves and Homogenizes Patient [18F]FDG PET Image Quality in Digital PET/CT 2023-May-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13091626 PMID:37175017	研究论文	研究使用深度学习技术对数字PET/CT图像进行去噪，以提高和统一患者[18F]FDG PET图像质量	首次评估了基于卷积神经网络的深度学习PET去噪解决方案（Subtle PET），显著提高了图像质量和一致性	研究样本量有限，且仅限于特定类型的PET图像	提高和统一数字PET/CT中[18F]FDG PET图像质量	113名患者的PET图像质量及病变检测和量化	计算机视觉	NA	深度学习	卷积神经网络	图像	113名患者
964	2024-09-19	ASTRA: a deep learning algorithm for fast semantic segmentation of large-scale astrocytic networks 2023-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.03.539211 PMID:37205519	研究论文	本文介绍了一种名为ASTRA的深度学习算法，用于快速语义分割大规模星形胶质网络中的钙信号	ASTRA结合了深度学习和图像特征工程，实现了对星形胶质细胞钙成像记录的快速和全自动语义分割	NA	开发一种快速且自动化的分析工具，用于识别星形胶质细胞亚细胞区域的钙信号	星形胶质细胞的钙信号及其在大规模网络中的相互作用	计算机视觉	NA	两光子显微镜	深度学习	图像	数百个星形胶质细胞
965	2024-09-19	The landscape of tolerated genetic variation in humans and primates 2023-May-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.01.538953 PMID:37205491	研究论文	研究分析了人类和灵长类动物中容忍的遗传变异，并利用深度学习模型预测了这些变异的致病性	通过大规模的基因组测序数据，系统地解析了人类遗传变异的影响，并利用深度学习模型实现了对致病变异的准确诊断	对遗传变异的临床相关性理解仍不完整	系统地解析人类遗传变异的影响	人类和灵长类动物的基因组	基因组学	NA	全基因组测序	深度学习	基因组数据	809个个体，来自233种灵长类物种
966	2024-09-19	Hepatic vessels segmentation using deep learning and preprocessing enhancement 2023-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13966 PMID:36933239	研究论文	本文提出了一种基于深度学习和预处理增强的肝血管分割方法	结合了深度学习与预处理增强技术，使用改进的U-net网络架构和残差块连接，提高了肝血管的对比度和强度均匀性	研究了数据不匹配对训练和验证的影响，但未详细说明如何解决这一问题	开发一种自动化的肝血管分割系统，以辅助肝病患者的诊断和手术规划	肝血管的分割	计算机视觉	肝病	卷积神经网络 (CNN)	U-net	CT图像	多个CT数据集
967	2024-09-19	A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories 2023-05, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02332-5 PMID:37156936	研究论文	本研究利用人工智能方法分析临床数据，预测胰腺癌风险	开发了一种深度学习算法，能够从疾病轨迹中预测胰腺癌风险，并在不同数据集上验证了其有效性	跨数据集应用时模型性能下降，需要重新训练	提高胰腺癌早期检测能力，设计更有效的筛查计划	胰腺癌风险预测	机器学习	胰腺癌	深度学习	机器学习模型	临床数据	丹麦600万患者（24,000例胰腺癌）和美国300万患者（3,900例胰腺癌）
968	2024-09-19	Association of collagen deep learning classifier with prognosis and chemotherapy benefits in stage II-III colon cancer 2023-May, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10526 PMID:37206212	研究论文	本文提出了一种基于50层残差网络模型的胶原蛋白深度学习分类器，用于预测II-III期结肠癌患者的无病生存期和总生存期，并评估其对辅助化疗的反应	本文首次将胶原蛋白深度学习分类器应用于结肠癌患者的预后和化疗效果预测	NA	研究胶原蛋白深度学习分类器在II-III期结肠癌患者中的预后和化疗效果预测能力	II-III期结肠癌患者	机器学习	结肠癌	深度学习	残差网络模型	图像	NA
969	2024-09-19	Automated assessment of human engineered heart tissues using deep learning and template matching for segmentation and tracking 2023-May, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10513 PMID:37206226	研究论文	开发并验证了一种名为HAARTA的软件，用于自动分析人工程心脏组织的收缩特性	使用深度学习和模板匹配技术进行高精度分割和跟踪，提高了分析的鲁棒性、准确性和计算效率	NA	开发一种自动分析人工程心脏组织收缩特性的软件，以促进体外药物筛选和心脏功能的纵向测量	人工程心脏组织（EHTs）的收缩特性	计算机视觉	心血管疾病	深度学习、模板匹配	NA	视频	来自三个不同的人多能干细胞（hPSC）系的数据集
970	2024-09-19	hist2RNA: An Efficient Deep Learning Architecture to Predict Gene Expression from Breast Cancer Histopathology Images 2023-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers15092569 PMID:37174035	研究论文	提出了一种名为hist2RNA的高效深度学习架构，用于从乳腺癌病理图像中预测基因表达	hist2RNA方法借鉴了批量RNA测序技术，能够快速且经济地从HE染色全切片图像中预测138个基因的表达，包括管腔PAM50亚型	NA	开发一种高效的方法，从乳腺癌病理图像中预测基因表达，以替代昂贵且耗时的分子检测	乳腺癌患者的HE染色全切片图像和基因表达数据	数字病理学	乳腺癌	深度学习	深度学习架构	图像	训练集包含335个样本，测试集包含160个样本，外部TMA数据集包含498个样本
971	2024-09-19	Enhancing Intrusion Detection Systems for IoT and Cloud Environments Using a Growth Optimizer Algorithm and Conventional Neural Networks 2023-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s23094430 PMID:37177634	研究论文	本文提出了一种结合深度学习和优化算法的新型入侵检测系统模型，用于增强物联网和云环境的安全性	本文创新性地结合了深度学习和优化算法，特别是使用了一种改进的生长优化器（MGO）和鲸鱼优化算法（WOA）来提升特征选择和搜索过程	NA	提升物联网和云环境中入侵检测系统的准确性和效率	物联网和云环境的入侵检测系统	机器学习	NA	生长优化器（GO）、鲸鱼优化算法（WOA）	卷积神经网络（CNN）	数据集	使用了公开的云和物联网环境数据集
972	2024-09-19	Deep Learning Utilizing Suboptimal Spirometry Data to Improve Lung Function and Mortality Prediction in the UK Biobank 2023-Apr-29, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.28.23289178 PMID:37162978	研究论文	本文利用次优的肺功能测试数据，通过深度学习模型提高肺功能和全因死亡率的预测	提出了一种基于对比学习的模型，利用次优和质量控制失败的肺功能测试数据进行肺功能和全因死亡率的预测	NA	提高肺功能和全因死亡率的预测准确性	肺功能测试数据和全因死亡率	机器学习	NA	对比学习	对比学习框架（Spiro-CLF）	肺功能测试数据	940,705个肺功能测试曲线，来自352,684名UK Biobank参与者
973	2024-09-19	Rapid Synthesis of Cryo-ET Data for Training Deep Learning Models 2023-Apr-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.28.538636 PMID:37162972	研究论文	本文介绍了一种用于训练深度学习模型的快速合成冷冻电镜数据的方法	引入了cryo-TomoSim (CTS)软件包，能够模拟冷冻电镜数据，为深度学习模型提供训练数据	NA	开发一种能够快速合成冷冻电镜数据的方法，以解决深度学习模型训练数据不足的问题	冷冻电镜图像的恢复和分割任务	计算机视觉	NA	冷冻电镜	深度学习模型	图像	NA
974	2024-09-19	BOUNTI: Brain vOlumetry and aUtomated parcellatioN for 3D feTal MRI 2023-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.18.537347 PMID:37131820	研究论文	本文提出了一种基于深度学习的3D胎儿MRI脑组织分割和自动分区的新方法	开发了一种新的基于深度学习的胎儿脑组织分割管道，使用半监督方法训练，减少了手动调整的需求	初步结果显示，在不到15%的病例中存在轻微错误，仍需进一步验证和优化	解决目前缺乏统一的胎儿脑分区协议的问题，实现自动化的脑组织分割和体积测量	3D T2加权运动校正的胎儿脑图像	计算机视觉	NA	深度学习	深度学习模型	图像	360个胎儿MRI数据集用于训练，390个正常参与者用于分析，65个脑室扩张胎儿和60个正常对照组用于比较
975	2024-09-19	Self-Supervised Contrastive Learning to Predict Alzheimer's Disease Progression with 3D Amyloid-PET 2023-Apr-26, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.20.23288886 PMID:37162842	研究论文	本文提出了一种自监督对比学习方法，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展	本文创新性地提出了一个自监督对比学习方法，利用未标记数据捕捉图像中的通用表示，并设计了一个损失函数在预训练中利用标签信息	NA	早期诊断阿尔茨海默病，预测其进展	3D淀粉样蛋白PET图像	计算机视觉	阿尔茨海默病	自监督对比学习	NA	图像	使用了阿尔茨海默病神经影像倡议（ADNI）数据集
976	2024-09-19	DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data 2023-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.537396 PMID:37163042	研究论文	提出了一种基于条件变分自编码器和ComBat模型的深度学习方法DeepComBat，用于神经影像数据的批次效应校正	DeepComBat通过考虑特征之间的多元关系来学习并去除受试者级别的批次效应，并且对超参数选择具有较强的鲁棒性	未提及	解决多批次神经影像数据中的批次效应问题，提高数据的可泛化性和可重复性	神经影像数据及其提取的放射组学特征	计算机视觉	NA	深度学习	条件变分自编码器	图像	一个大型认知老化队列的神经影像数据
977	2024-09-19	From Deep Mutational Mapping of Allosteric Protein Landscapes to Deep Learning of Allostery and Hidden Allosteric Sites: Zooming in on "Allosteric Intersection" of Biochemical and Big Data Approaches 2023-Apr-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24097747 PMID:37175454	综述	本文综述了通过数据密集型生物化学方法和基于人工智能的计算方法在别构研究中的最新进展	讨论了人工智能方法在蛋白质结构和动力学研究中的应用进展，并强调了开发人工智能增强的整合结构生物学的重要性	尽管人工智能方法在蛋白质研究中取得了显著进展，但别构调控与新兴结构生物学技术和人工智能方法之间的交叉领域仍未充分探索	探讨别构研究中数据密集型生物化学方法和人工智能计算方法的最新发展	蛋白质动力学和别构机制	机器学习	NA	机器学习	NA	蛋白质结构数据	NA
978	2024-09-19	Hierarchical multi-omics data integration and modeling predict cell-specific chemical proteomics and drug responses 2023-04-24, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100452 PMID:37159671	研究论文	开发了一种端到端的深度学习框架TransPro，用于预测未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和相应表型	提出了TransPro框架，通过分层整合多组学数据来预测蛋白质组学特征和药物反应，填补了蛋白质组学数据稀缺和缺失值问题的空白	NA	开发一种计算方法来推断药物诱导的蛋白质组学模式，以促进系统药理学的发展	未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和药物反应	机器学习	NA	深度学习	深度学习框架	多组学数据	NA
979	2024-09-19	Revolutionizing the Early Detection of Alzheimer's Disease through Non-Invasive Biomarkers: The Role of Artificial Intelligence and Deep Learning 2023-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s23094184 PMID:37177386	研究论文	本文探讨了通过非侵入性生物标志物结合人工智能和深度学习技术，实现阿尔茨海默病早期检测的潜力	本文提出了一种结合非侵入性技术和人工智能深度学习的方法，用于阿尔茨海默病的早期检测，这在当前研究中是一个创新点	本文未详细讨论具体的模型或技术细节，以及实际应用中的可行性和效果	研究目的是通过非侵入性方法和人工智能技术，实现阿尔茨海默病的早期检测	研究对象是阿尔茨海默病及其早期检测方法	机器学习	阿尔茨海默病	人工智能和深度学习	深度学习模型	生物数据	NA
980	2024-09-19	Deployment of Real-time Natural Language Processing and Deep Learning Clinical Decision Support in the Electronic Health Record: Pipeline Implementation for an Opioid Misuse Screener in Hospitalized Adults 2023-Apr-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/44977 PMID:37079367	研究论文	本文详细介绍了一个医院范围内实时自然语言处理和深度学习临床决策支持工具的部署流程，并描述了一个以用户为中心的设计框架	本文首次在临床环境中实施了实时自然语言处理管道，用于医疗保健交付	网络安全审批和保护健康信息交换是管道开发中最长的延迟原因	旨在详细描述一个医院范围内的实时自然语言处理驱动的临床决策支持工具的实施流程，并提供一个实施框架	医院范围内的实时自然语言处理驱动的临床决策支持工具	自然语言处理	NA	自然语言处理	卷积神经网络	文本	100名成年患者