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
101	2024-11-21	EFFNet: A skin cancer classification model based on feature fusion and random forests 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293266 PMID:37871038	研究论文	提出了一种基于特征融合和随机森林的皮肤癌分类模型EFFNet	引入改进的分层双线性池化来捕捉不同卷积层之间的特征交互，增强了特征的表达能力	未提及	克服深度学习在皮肤癌分类中数据不平衡、特征冗余和特征交互被忽略的问题	皮肤癌分类	计算机视觉	皮肤癌	随机森林	EfficientNetV2	图像	使用了HAM10000数据集，通过图像增强技术使每类训练集图像平衡
102	2024-11-20	Deep learning-based pathology signature could reveal lymph node status and act as a novel prognostic marker across multiple cancer types 2023-07, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02262-6 PMID:37137998	研究论文	本文提出了一种基于深度学习的泛癌淋巴结转移预测模型，并验证了其在多种癌症类型中的泛化性能和作为独立预后因素的潜力	首次提出了一种基于自监督癌症不变特征的注意力机制弱监督神经网络，用于泛癌淋巴结转移状态的预测，并展示了其在多种癌症类型中的良好泛化性能	NA	开发一种能够预测多种癌症类型淋巴结转移状态的自动化模型，并验证其作为独立预后因素的潜力	11种癌症类型的4400张全切片图像	数字病理学	NA	深度学习	注意力机制弱监督神经网络	图像	4400张全切片图像
103	2024-11-19	Cell type-specific interpretation of noncoding variants using deep learning-based methods 2023-03-20, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad015 PMID:36971292	研究论文	本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用	提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据	现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法	解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测	非编码变异及其在不同细胞类型中的影响	机器学习	NA	深度学习	神经网络	表观遗传特征	NA
104	2024-11-17	PyComplexHeatmap: a Python package to visualize multimodal genomics data 2023-Aug, iMeta IF:23.7Q1 DOI:10.1002/imt2.115 PMID:38454967	研究论文	介绍了一个名为PyComplexHeatmap的Python库，用于多模态基因组数据的复杂热图可视化	PyComplexHeatmap是基于matplotlib构建的，提供了一个模块化的接口，能够与Pandas、NumPy等Python数据科学工具以及Scanpy等基因组工具无缝集成	NA	开发一个能够满足多模态矩阵数据精细渲染需求的Python库	多模态基因组数据及其元数据	生物信息学	NA	NA	NA	矩阵数据	NA
105	2024-11-15	Delineating yeast cleavage and polyadenylation signals using deep learning 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561764 PMID:37873420	研究论文	本文利用深度学习模型解析酵母中3'-端切割和多聚腺苷酸化信号的形成机制	开发了深度学习模型来解析酵母中多聚腺苷酸化信号的形成机制，并量化其在介导多聚腺苷酸化位点形成、切割异质性和强度中的位置重要性	NA	探讨酵母中多聚腺苷酸化信号的形成机制	酵母中的多聚腺苷酸化信号	机器学习	NA	深度学习	深度学习模型	序列数据	NA
106	2024-11-15	Small molecule-mediated targeting of microRNAs for drug discovery: Experiments, computational techniques, and disease implications 2023-Sep-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2023.115500 PMID:37262996	综述	本文综述了小分子介导的微小RNA（miRNA）靶向药物发现中的生物学和计算应用	本文整合了实验室数据和计算策略，以促进更精确和理性的先导化合物设计和发现	目前缺乏涵盖计算和实验药物发现过程的综合性综述	综述miRNA靶向药物发现中的生物学和计算应用及其在疾病中的意义和临床重要性	miRNA靶向的小分子抑制剂及其在疾病治疗中的潜力	药物发现	NA	深度学习	NA	分子序列	NA
107	2024-11-14	Acceleration of high-quality Raman imaging via a locality enhanced transformer network 2023-Dec-04, The Analyst DOI:10.1039/d3an01543b PMID:37971331	研究论文	本文提出了一种局部增强的Transformer网络（LETNet）用于拉曼图像超分辨率处理，以加速高质量拉曼成像	本文创新性地将Transformer架构中的自注意力机制替换为卷积，并采用深度卷积优化模型，显著提高了计算效率	NA	本文旨在通过深度学习方法加速高质量拉曼成像，以促进其在实时诊断和治疗中的应用	本文研究对象包括乳腺癌细胞和脑肿瘤组织的拉曼图像	计算机视觉	乳腺癌、脑肿瘤	拉曼成像	Transformer网络	图像	乳腺癌细胞和脑肿瘤组织的拉曼图像
108	2024-11-14	A deep learning model using hyperspectral image for EUS-FNA cytology diagnosis in pancreatic ductal adenocarcinoma 2023-08, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6335 PMID:37455599	研究论文	本文开发了一种基于高光谱图像的深度学习模型，用于内镜超声引导下细针穿刺细胞学诊断胰腺导管腺癌	首次将高光谱成像技术与卷积神经网络结合，用于胰腺导管腺癌的细胞学诊断	需要进一步验证模型在更大样本量和不同临床环境中的泛化能力	开发一种辅助细胞病理学家诊断胰腺导管腺癌的深度学习模型	胰腺导管腺癌和良性胰腺组织的细胞学样本	计算机视觉	胰腺癌	高光谱成像	卷积神经网络	图像	共62个样本，包括33个良性胰腺组织和39个胰腺导管腺癌
109	2024-11-14	Thyroid Cytopathology Cancer Diagnosis from Smartphone Images Using Machine Learning 2023-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100129 PMID:36931041	研究论文	研究使用智能手机图像进行甲状腺细胞病理学癌症诊断的深度学习模型性能	通过颜色增强训练减少了模型对手机和扫描仪图像颜色差异的敏感性，提高了智能手机图像的诊断性能	研究仅限于甲状腺细胞病理学，且样本量较小	评估深度学习模型在智能手机图像上进行甲状腺细胞病理学癌症诊断的性能	甲状腺细针穿刺活检图像	机器学习	甲状腺癌	深度学习	NA	图像	训练集包含964张高分辨率扫描图像，测试集包含100张幻灯片，每张幻灯片20个感兴趣区域
110	2024-11-14	Growing ecosystem of deep learning methods for modeling protein-protein interactions 2023-Jan-21, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzad023 PMID:38102755	综述	本文综述了用于建模蛋白质相互作用的深度学习方法生态系统的发展	深度学习通过利用实验数据和蛋白质相互作用的基本生物物理知识，成为解决蛋白质相互作用多样性问题的有前途的方法	本文讨论了现有方法的局限性和未来研究方向	综述和讨论用于建模蛋白质相互作用的深度学习方法及其应用	蛋白质相互作用及其建模方法	机器学习	NA	深度学习	NA	NA	NA
111	2024-11-13	Bringing Artificial Intelligence to the operating room: edge computing for real-time surgical phase recognition 2023-11, Surgical endoscopy DOI:10.1007/s00464-023-10322-4 PMID:37580578	研究论文	本文介绍了一种基于边缘计算的实时手术阶段识别系统，用于优化手术流程和视频评估	首次将边缘计算应用于手术阶段识别，实现了实时算法应用	实时预测的准确率在59.8%到78.2%之间，平均准确率为68.7%	开发一种实时手术阶段识别系统，以优化手术流程和视频评估	机器人腹股沟疝修复手术的阶段识别	计算机视觉	NA	深度学习	ResNet-50	视频	211个机器人腹股沟疝修复手术视频，用于训练和验证模型；10个机器人腹股沟疝修复手术视频，用于实时测试
112	2024-11-13	Structure-Aware Annotation of Leucine-rich Repeat Domains 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.27.562987 PMID:37961157	研究论文	本文开发了降维方法来注释亮氨酸重复序列域的重复单元，并验证了其在模型植物中的应用	利用深度学习预测的蛋白质结构信息改进了现有的基于序列的域注释方法，能够自动检测发夹环和结构异常	依赖于深度学习预测的蛋白质结构信息，可能存在预测误差	改进蛋白质域注释方法，特别是亮氨酸重复序列域的注释	亮氨酸重复序列域及其在模型植物中的应用	机器学习	NA	深度学习	NA	蛋白质结构	127个预测的亮氨酸重复序列域结构，并验证了172个手动注释的亮氨酸重复序列域
113	2024-11-13	Deep convolutional neural network for hippocampus segmentation with boundary region refinement 2023-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02836-9 PMID:37067776	研究论文	本文提出了一种基于深度学习的海马体分割方法，通过边界区域细化来提高分割精度	本文创新性地引入了边界区域细化步骤，显著提高了海马体分割的准确性	NA	提高海马体从磁共振脑图像中的分割精度，以促进脑部疾病研究	海马体	计算机视觉	NA	深度学习	卷积神经网络	图像	使用了公开数据集进行验证
114	2024-11-12	Knowledge graph aids comprehensive explanation of drug and chemical toxicity 2023-08, CPT: pharmacometrics & systems pharmacology DOI:10.1002/psp4.12975 PMID:37475158	研究论文	本文介绍了一种名为AIDTox的可解释深度学习模型，用于预测和解释药物及化学物质的细胞毒性	AIDTox模型整合了化学-基因连接、基因-通路注释和通路层次结构的知识图谱，提供了对细胞毒性的全面解释	NA	开发一种能够准确预测和解释复杂毒性终点的计算模型	药物和化学物质的细胞毒性	机器学习	NA	深度学习	深度学习模型	化学-基因连接、基因-通路注释和通路层次结构的知识图谱	HepG2和HEK293细胞
115	2024-11-10	Automatic segmentation of atrial fibrillation and flutter in single-lead electrocardiograms by self-supervised learning and Transformer architecture 2023-12-22, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad219 PMID:37949101	研究论文	本文开发了一种基于Transformer架构和自监督学习的深度学习模型，用于单导联心电图中的房颤和房扑自动分割	本文首次将Transformer架构与自监督学习结合，用于单导联心电图中的房颤和房扑分割	本文仅在11个公开数据库和24个外部验证样本上进行了验证，未来需在更多临床数据上进行验证	开发一种自动检测房颤和房扑的深度学习模型，以预防中风和缓解血流动力学不稳定	单导联心电图中的房颤和房扑	机器学习	心血管疾病	自监督学习	Transformer	心电图	11个公开数据库中的心电图数据，以及24个外部验证样本
116	2024-11-10	Diffusion Models To Predict 3D Late Mechanical Activation From Sparse 2D Cardiac MRIs 2023-Dec, Proceedings of machine learning research PMID:38525446	研究论文	本文提出了一种基于形状约束扩散模型从稀疏的2D心脏MRI图像预测3D晚期机械激活（LMA）图的方法	本文的创新点在于利用从训练数据中学习到的对象形状作为先验知识，指导3D重建过程，而不是仅仅依赖于图像强度的空间相关性	NA	确定心脏再同步治疗中最佳起搏点的关键在于识别左心室心肌的晚期机械激活区域	左心室心肌的3D晚期机械激活图	计算机视觉	心血管疾病	深度学习	扩散模型	图像	使用了公开的3D心肌网格数据集进行训练和测试
117	2024-11-09	Fully Bayesian VIB-DeepSSM 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43898-1_34 PMID:39503046	研究论文	本文提出了一种全贝叶斯变分信息瓶颈深度形状模型（Fully Bayesian VIB-DeepSSM），用于从3D图像中预测解剖结构的形状，并进行不确定性量化	本文的创新点在于提出了全贝叶斯变分信息瓶颈框架，结合了具体丢弃和批量集成两种可扩展实现方法，并通过多模态边缘化进一步增强了不确定性校准	NA	本文的研究目的是改进从3D图像中预测解剖结构形状的不确定性量化方法	本文的研究对象是解剖结构的形状预测和不确定性量化	计算机视觉	NA	变分信息瓶颈	全贝叶斯神经网络	3D图像	合成形状和左心房数据
118	2024-11-09	A method using deep learning to discover new predictors from left-ventricular mechanical dyssynchrony for CRT response 2023-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-03067-5 PMID:35915327	研究论文	本研究利用深度学习技术从左心室机械不同步性的极坐标图中发现新的预测因子，以帮助选择可能对心脏再同步治疗有高反应的心衰患者	本研究首次使用自编码器技术从左心室机械不同步性的极坐标图中提取新的预测因子，并在外部验证中显示出良好的预测价值	本研究样本量较小，且仅在一个外部验证集中进行了验证，需要进一步的大规模多中心研究来验证其普适性	发现新的预测因子以提高心脏再同步治疗反应的预测准确性	左心室机械不同步性的极坐标图和心脏再同步治疗反应	机器学习	心血管疾病	自编码器技术	自编码器	图像	157名接受静息门控单光子发射计算机断层扫描心肌灌注成像的患者
119	2024-11-08	Cochlear Implant Fold Detection in Intra-operative CT Using Weakly Supervised Multi-task Deep Learning 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43996-4_24 PMID:38515783	研究论文	本文提出了一种使用弱监督多任务深度学习在术中CT图像中检测耳蜗植入电极折叠的方法	本文创新性地使用合成数据集训练了一个多任务3D-UNet模型，用于检测耳蜗植入电极的折叠情况	本文仅在合成数据集和少量真实数据上进行了验证，未来需要在更大规模的真实数据上进行进一步验证	开发一种自动检测耳蜗植入电极折叠的方法，以减少手术风险和提高听力恢复效果	耳蜗植入电极的折叠情况	计算机视觉	NA	弱监督学习	3D-UNet	CT图像	训练数据包括合成数据集，测试数据包括7个折叠电极和200个非折叠电极的真实术后CT图像
120	2024-11-08	Can point cloud networks learn statistical shape models of anatomies? 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_47 PMID:39498296	研究论文	本文探讨了点云网络在统计形状建模（SSM）中的应用	首次探索了点云深度学习在SSM中的应用，展示了现有点云编码器-解码器网络在捕捉形状统计表示方面的潜力	讨论了现有技术在SSM应用中的局限性，并提出了未来改进的方向	研究点云网络在统计形状建模中的潜力	点云深度学习在SSM中的应用	计算机视觉	NA	点云深度学习	点云编码器-解码器网络	点云	NA