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
1721	2024-08-07	Deep learning-based registration of two-dimensional dental images with edge specific loss 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034002 PMID:37274759	研究论文	本文提出了一种基于边缘特定损失的深度学习无监督变形配准框架，用于对齐二维牙科X射线图像	引入了一种边缘特定损失函数，增强了无监督学习，无需通过解剖结构进行监督	NA	提高牙科应用中图像配准的准确性和速度	二维牙科X射线图像	计算机视觉	NA	深度学习	U-Net结合空间变换网络	图像	104张下颌X射线图像，组成2600对用于训练和测试；17对术前和术后重建的全景图像
1722	2024-08-07	Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies 2023-04-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38063-x PMID:37185622	研究论文	本文介绍了一种名为IgFold的快速深度学习方法，用于抗体结构预测	IgFold能够在显著更短的时间内（少于25秒）预测出与现有方法（包括AlphaFold）相似或更高质量的抗体结构	NA	开发一种快速且准确的抗体结构预测方法	抗体的结构	机器学习	NA	深度学习	语言模型和图网络	序列数据	558百万自然抗体序列用于预训练模型，1.4百万配对抗体序列用于结构预测
1723	2024-08-07	Semantically Redundant Training Data Removal and Deep Model Classification Performance: A Study with Chest X-rays 2023-Sep-18, ArXiv PMID:37986725	研究论文	本研究探讨了深度学习模型在胸部X光片分类任务中，通过去除语义冗余训练数据来提升模型性能的方法	提出了一种基于熵的样本评分方法来识别和去除语义冗余的训练数据，从而提高模型性能	未提及具体的研究局限性	研究如何通过去除语义冗余数据来提升深度学习模型在医学影像分类任务中的性能	胸部X光片数据集	机器学习	NA	深度学习	NA	图像	使用了公开的NIH胸部X光数据集
1724	2024-08-07	Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record 2023-Oct, Critical care explorations DOI:10.1097/CCE.0000000000000960 PMID:37753238	研究论文	开发和验证用于捕捉重症监护病房（ICU）记录中提供者情绪的算法模型	开发了两种情绪模型，一种基于关键词的方法，另一种是基于解码增强的双向编码器表示与解耦注意力-v3的深度学习模型，这些模型在临床笔记中的情绪检测准确性高于通用语言算法	NA	探索开发用于电子健康记录中自动捕捉情绪的算法	成人ICU患者的记录	自然语言处理	NA	深度学习	双向编码器表示与解耦注意力-v3	文本	198,944条笔记，涉及52,997次ICU入院记录，以及2018至2019年UCSF ICU入院患者的外部样本
1725	2024-08-07	Assessing variants of uncertain significance implicated in hearing loss using a comprehensive deafness proteome 2023-Jun, Human genetics IF:3.8Q2 DOI:10.1007/s00439-023-02559-9 PMID:37086329	研究论文	本文使用深度学习蛋白质预测算法AlphaFold2来筛选Deafness Variation Database中的不确定意义变异，通过预测蛋白质折叠自由能差异来确定其致病性	利用AlphaFold2算法和DDGun3D工具预测蛋白质折叠自由能差异，以评估听力损失相关基因变异的致病性	研究仅针对Deafness Variation Database中的变异进行分析，且样本量相对较小	评估听力损失相关基因变异的不确定意义变异的致病性	Deafness Variation Database中的128,167个错义变异	生物信息学	听力损失	AlphaFold2, DDGun3D	深度学习	基因变异数据	119名患者
1726	2024-08-07	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-Dec-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本文测试了一种使用深度学习（DL）进行结构预测（AlphaFold2）和序列优化（ProteinMPNN）的蛋白质设计流程，以设计PD-L1拮抗剂的自抑制域（AiDs）。	本研究展示了基于DL的蛋白质建模可以快速生成高亲和力的蛋白质结合剂。	NA	旨在创造一种在到达肿瘤环境之前不活跃的抗癌药物。	设计自抑制形式的PD-L1拮抗剂，该拮抗剂可以在肿瘤富集的蛋白酶作用下解除抑制。	机器学习	NA	深度学习（DL）	AlphaFold2, ProteinMPNN	蛋白质序列	23个从头设计的AiDs
1727	2024-08-07	Deep learning microstructure estimation of developing brains from diffusion MRI: a newborn and fetal study 2023-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.01.547351 PMID:37425859	研究论文	本文提出一种深度学习方法，通过仅有的六个扩散加权测量数据来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	使用深度学习方法，通过显著减少的测量数据，实现了与传统方法相媲美或更优的结果	强调了扩散磁共振成像在分析发育中大脑微观结构时的内在局限性	克服标准FOD计算方法在新生儿和胎儿大脑微观结构估计中的限制	新生儿和胎儿的大脑白质微观结构	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	两个临床数据集的新生儿和胎儿
1728	2024-08-07	Live-cell imaging in the deep learning era 2023-12, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2023.102271 PMID:37897927	研究论文	本文探讨了深度学习在活细胞成像中的应用及其对关键任务的辅助作用	介绍了深度学习在活细胞成像中的新应用，包括漂移校正、去噪、超分辨率成像、人工标记、跟踪和时间序列分析	NA	探讨深度学习在活细胞成像中的应用及其对关键任务的辅助作用	活细胞成像技术及其数据分析	计算机视觉	NA	深度学习	NA	图像	NA
1729	2024-08-07	Deep Learning-Facilitated Study of the Rate of Change in Photoreceptor Outer Segment Metrics in RPGR-Related X-Linked Retinitis Pigmentosa 2023-Nov-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.64.14.31 PMID:37988107	研究论文	本研究利用深度学习模型（DLM）辅助测量视网膜色素上皮（RPGR）相关X连锁视网膜色素变性（XLRP）患者的视网膜外节（OS）三维（3D）指标，并评估这些指标的纵向变化及其相关因素	本研究首次利用深度学习模型辅助测量视网膜外节的三维指标，并评估其在视网膜色素变性中的应用	本研究为回顾性队列研究，样本仅包括34名男性患者，可能存在选择偏倚	旨在评估视网膜外节指标在视网膜色素变性中的纵向变化及其相关因素	视网膜色素上皮（RPGR）相关X连锁视网膜色素变性（XLRP）患者的视网膜外节（OS）三维指标	计算机视觉	视网膜色素变性	深度学习	深度学习模型（DLM）	图像	34名男性患者
1730	2024-08-07	RGC-Net: An Automatic Reconstruction and Quantification Algorithm for Retinal Ganglion Cells Based on Deep Learning 2023-05-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.5.7 PMID:37140906	研究论文	本文开发了一种基于深度学习的视网膜神经节细胞自动重建和量化算法RGC-Net	RGC-Net能够自动分割视网膜神经节细胞的轴突和细胞体，提供了一种比手动分析更高效和快速的新工具	NA	开发一种基于深度学习的全自动重建和量化视网膜神经节细胞的算法	视网膜神经节细胞的轴突和细胞体	计算机视觉	NA	深度学习	CNN	图像	166个视网膜神经节细胞扫描图像，其中132个用于训练，34个用于测试
1731	2024-08-07	Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1217037 PMID:37711738	研究论文	本研究比较了传统放射组学特征的机器学习与深度学习放射组学在预测头颈部鳞状细胞癌患者治疗结果中的应用	结合临床数据、放射组学特征和医学图像与深度学习模型，实现了高性能和跨机构通用性	临床和放射组学数据的特征选择导致过拟合和较差的跨机构通用性	评估传统放射组学和深度学习放射组学在预测头颈部鳞状细胞癌患者总体生存和无病生存中的效果	头颈部鳞状细胞癌患者的治疗结果	机器学习	头颈部鳞状细胞癌	放射组学	卷积神经网络	图像	238名头颈部鳞状细胞癌患者
1732	2024-08-07	Cusp bifurcation in a metastatic regulatory network 2023-11-07, Journal of theoretical biology IF:1.9Q3 DOI:10.1016/j.jtbi.2023.111630 PMID:37804940	研究论文	本文探讨了利用尖点分岔理论来模拟转移性乳腺癌系统的可能性	首次将双参数分岔理论应用于转移性系统，并提出了一种基于数学理论的转移性细胞状态转换的新视角	NA	旨在从基础生物学和临床角度理解癌症转移的潜力	转移性乳腺癌系统	NA	乳腺癌	常微分方程 (ODEs)	NA	NA	NA
1733	2024-08-07	Editorial Comment: Implementing Deep Learning to Extrapolate Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29918 PMID:37466191	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1734	2024-08-07	Explainable semi-supervised deep learning shows that dementia is associated with small, avocado-shaped clocks with irregularly placed hands 2023-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-34518-9 PMID:37149670	研究论文	本研究使用相关性因子变分自编码器（RF-VAE）深度生成神经网络，对来自多个机构的数字化钟表绘图进行表征，以无监督方式识别钟表绘图的独特构造特征，并区分痴呆与非痴呆患者。	本研究首次使用RF-VAE网络在无监督情况下识别钟表绘图的独特构造特征，这些特征在先前研究中未被广泛探讨。	NA	研究目的是通过钟表绘图测试识别痴呆患者的独特构造特征。	研究对象为数字化钟表绘图，来自多个机构。	机器学习	痴呆	相关性因子变分自编码器（RF-VAE）	变分自编码器（VAE）	图像	多个机构的数字化钟表绘图
1735	2024-08-07	Artificial intelligence for evaluating the risk of gastric cancer: reliable detection and scoring of intestinal metaplasia with deep learning algorithms 2023-12, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2023.06.056 PMID:37392953	研究论文	本文研究使用深度学习算法评估胃癌风险，特别是通过深度卷积神经网络（DCNN）模型ResNet50检测和评分肠上皮化生（IM）	开发了一种基于深度学习的AI系统，用于评估胃癌风险，该系统能够准确、可靠且重复地检测和评分肠上皮化生	该AI系统在识别小的肠上皮化生病灶方面存在局限	开发一种AI系统，用于准确评估胃癌风险	胃癌风险评估，特别是肠上皮化生的检测和评分	机器学习	胃癌	深度卷积神经网络（DCNN）	ResNet50	图像	5753张图像
1736	2024-08-07	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	本文评估并优化了基于深度学习的细胞分割模型在免疫荧光图像上的性能，特别是在人类单纯疱疹病毒感染的皮肤组织中的应用	通过选择最佳模型并进一步训练，提高了预测性能，达到了与人类表现相当的水平	最终模型的性能不完美，主要归因于图像集中适度的信噪比	优化基于深度学习的细胞分割模型，以提高在密集组织中的细胞识别和定量	评估和优化18种基于深度学习的细胞分割模型在免疫荧光图像上的性能	计算机视觉	NA	深度学习	CNN	图像	使用了两组公共图像集和一组包含10,000+训练实例的当前图像集
1737	2024-08-07	Deep-Masker: A Deep Learning-based Tool to Assess Chord Length from Murine Lung Images 2023-08, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1165/rcmb.2023-0051MA PMID:37236629	研究论文	本文介绍了一种基于深度学习的工具Deep-Masker，用于自动评估小鼠肺部图像中的弦长	Deep-Masker通过自动化的深度学习算法，提高了评估弦长的准确性和效率，减少了人工操作的变异性和偏差	NA	开发一种自动化的工具，以标准化小鼠肺部疾病模型中弦长的测量	小鼠肺部图像中的弦长	计算机视觉	慢性阻塞性肺疾病	深度学习	NA	图像	1217张图像来自137只小鼠，涉及12个品系，暴露于室内空气或香烟烟雾6个月
1738	2024-08-07	Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI 2023-Apr-10, ArXiv PMID:37090239	研究论文	本文提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于自动识别与阿尔茨海默病进展相关的脑区	RDA结合了深度萎缩（DeepAtrophy）的时间推断方法与可变形配准神经网络及注意力机制，提高了模型的可解释性	DeepAtrophy方法缺乏解释性，不清楚MRI中的哪些变化对进展测量有贡献	开发一种新的方法来提高阿尔茨海默病进展监测的准确性和可解释性	阿尔茨海默病患者的纵向MRI扫描数据	计算机视觉	阿尔茨海默病	自监督学习	卷积神经网络	MRI图像	NA
1739	2024-08-07	Wide and deep learning based approaches for classification of Alzheimer's disease using genome-wide association studies 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283712 PMID:37126509	research paper	本研究利用全基因组关联研究数据，通过基于关联测试、主成分分析和Boruta算法的混合特征选择方法，筛选出阿尔茨海默病的潜在预测因子，并将其输入到宽深神经网络模型中进行分类	提出了一种基于关联测试、主成分分析和Boruta算法的混合特征选择方法，并使用宽深神经网络模型进行分类，实验结果显示该方法在标准数据集上的准确率和F1分数达到99%	NA	旨在通过基因组数据准确诊断阿尔茨海默病，并识别影响该疾病的关键因素	阿尔茨海默病及其相关基因	machine learning	geriatric disease	GWAS	wide and deep neural network	genetic markers	包含620901个属性的原始数据集
1740	2024-08-07	Assessment of Parafoveal Diabetic Macular Ischemia on Optical Coherence Tomography Angiography Images to Predict Diabetic Retinal Disease Progression and Visual Acuity Deterioration 2023-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.1821 PMID:37227703	研究论文	本研究使用光学相干断层扫描血管成像（OCTA）图像上的糖尿病黄斑缺血（DMI）评估，预测糖尿病视网膜疾病进展和视力恶化	提出了一种基于OCTA图像的自动化二元DMI算法，用于预测糖尿病视网膜病变（DR）的进展、糖尿病黄斑水肿（DME）的发展和视力恶化	NA	探讨基于OCTA图像的自动化DMI算法对糖尿病视网膜病变进展、糖尿病黄斑水肿发展和视力恶化的预测价值	糖尿病患者	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习算法	图像	321只眼，来自178名患者