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
1741	2024-08-07	Self-supervised learning for medical image classification: a systematic review and implementation guidelines 2023-Apr-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00811-0 PMID:37100953	综述	本文对自监督学习在医学图像分类中的应用进行了系统性回顾，并提供了实施指南	自监督学习能够从大量无标签的医学数据集中学习有用信息，有助于开发稳健的医学影像模型	NA	总结自监督学习在医学图像分类中的应用，并为未来研究提供实施指南	自监督学习策略及其在医学影像分类中的应用	计算机视觉	NA	自监督学习	NA	医学图像	筛选了412项相关研究，最终包含79篇论文进行数据提取和分析
1742	2024-08-07	Multiple sampling schemes and deep learning improve active learning performance in drug-drug interaction information retrieval analysis from the literature 2023-05-30, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-023-00287-7 PMID:37248476	研究论文	本文首次研究了主动学习在药物-药物相互作用信息检索分析中的应用，并通过多种采样方案和深度学习算法提高了分析效率	首次将主动学习应用于药物-药物相互作用信息检索分析，并设计了随机负采样和正采样方法以提高分析效率	NA	提高药物-药物相互作用信息从文献中的检索分析效率	药物-药物相互作用信息检索分析	自然语言处理	NA	主动学习	支持向量机, 深度学习	文本	PubMed摘要被分为筛选池和未筛选池，具体样本数量未提及
1743	2024-08-07	Deep learning on graphs for multi-omics classification of COPD 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284563 PMID:37083575	研究论文	本研究利用卷积图神经网络（ConvGNN）结合蛋白质相互作用（PPI）网络和多组学数据，开发了一种慢性阻塞性肺疾病（COPD）分类预测模型	首次使用AhGlasso算法重建COPD相关的PPI网络，并扩展ConvGNN方法以整合PPI、蛋白质组学和转录组学数据，提高了分类准确性	深度神经网络模型，尤其是图神经网络，在决策过程中难以解释，难以识别对预测贡献最大的特征	开发一种结合PPI网络信息和多组学数据的深度学习方法，用于提高COPD的分类准确性	COPD相关的PPI网络、蛋白质组学和转录组学数据	机器学习	慢性阻塞性肺疾病	卷积图神经网络（ConvGNN）	卷积图神经网络（ConvGNN）	蛋白质相互作用网络、蛋白质组学数据、转录组学数据	包括COPD病例和对照组的独立转录组学数据集
1744	2024-08-07	A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI 2023-Dec, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.09.007 PMID:37776961	研究论文	本文提出了一种基于伪连续动脉自旋标记磁共振成像的深度学习图像分析方法，用于自动估计肾移植患者的肾灌注	该方法利用机器/深度学习工具自动分割和分类肾皮质和髓质组织，并自动估计灌注值	NA	开发一种自动化的方法来估计肾灌注，以辅助肾移植手术后的评估	肾移植患者的肾灌注	机器学习	NA	伪连续动脉自旋标记（PCASL）	深度学习	图像	16名肾移植患者
1745	2024-08-07	Explainable variational autoencoder (E-VAE) model using genome-wide SNPs to predict dementia 2023-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104536 PMID:37926392	研究论文	本研究开发了一种可解释的变分自编码器（E-VAE）模型，利用全基因组SNP数据预测痴呆症	首次展示了使用遗传变异在独立队列中进行深度学习预测模型对痴呆症的泛化能力	NA	阐明与阿尔茨海默病相关痴呆症（ADRD）相关的生物学机制	阿尔茨海默病及相关痴呆症（ADRD）	机器学习	痴呆症	GWAS	变分自编码器（VAE）	基因型数据	2714名研究参与者和234名验证参与者
1746	2024-08-07	Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy 2023-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2023.04.027 PMID:37116822	综述	本研究旨在调查使用时间流逝监测的卷积神经网络模型在胚胎评估中的准确性	应用人工智能在时间流逝监测中提供更高效、准确和客观的胚胎评估	本系统综述受限于所包含研究之间的高度异质性	调查卷积神经网络模型在胚胎评估中的诊断测试准确性	胚胎评估的准确性	机器学习	NA	卷积神经网络	CNN	图像	共分析了522,516张图像，涉及222,998个胚胎
1747	2024-08-07	Recent advances in artificial intelligence for cardiac CT: Enhancing diagnosis and prognosis prediction 2023-Nov, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2023.06.011 PMID:37407346	综述	本文综述了人工智能在心脏CT领域的最新进展，特别是在提高诊断和预测预后方面的应用	深度学习技术在放射学中的应用，实现了从大型数据集中自动提取特征和学习，特别是在基于图像的应用中	需要进一步的研究和验证来全面评估这些AI驱动技术在心脏CT中的诊断性能、辐射剂量减少能力和临床正确性	探讨人工智能在心脏CT领域的应用，以提高诊断和预测预后的准确性	心脏CT图像分析及相关诊断技术	计算机视觉	心血管疾病	深度学习	CNN	图像	NA
1748	2024-08-07	Fast non-iterative algorithm for 3D point-cloud holography 2023-Oct-23, Optics express IF:3.2Q2 DOI:10.1364/OE.498302 PMID:38017799	研究论文	本文介绍了一种用于3D点云全息图的快速非迭代算法，该算法通过快速确定性计算来高效分配空间光调制器（SLM）像素，以在多个时间帧中分布所有点的图案。	提出的非迭代点云全息算法比迭代Gerchberg-Saxton算法在计算速度上有显著优势，尤其是在高像素数的SLM上。	该算法主要针对稀疏点集合的应用，可能不适用于密集点集合或其他类型的全息图生成。	开发一种能够在移动或硬件轻量级设置中实时操作的高效3D全息图生成方法。	3D点云全息图的生成算法及其在生物显微镜和材料加工中的应用。	计算机视觉	NA	空间光调制器（SLM）	非迭代算法	3D点云	512×512像素数组
1749	2024-08-07	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-Oct, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	本文介绍了一种名为FocA的深度学习工具，用于在自动化细胞检测流程中进行可靠的近实时图像焦点分析	FocA工具能够在近实时情况下识别出焦点和非焦点图像，并优化以确保不会存储和使用低质量图像，同时自动生成平衡且多样化的训练集以避免偏差	NA	实现自动化细胞检测流程中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	机器学习	NA	深度学习	CNN	图像	每96孔板
1750	2024-08-07	Human Alzheimer's disease reactive astrocytes exhibit a loss of homeostastic gene expression 2023-08-02, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-023-01624-8 PMID:37533101	研究论文	本研究利用单核RNA测序数据分析了正常、病理老化和阿尔茨海默病大脑中反应性星形胶质细胞的转录组变化	首次在单细胞分辨率下研究了人类疾病组织中星形胶质细胞的分子改变，并揭示了反应性星形胶质细胞中基因表达的变化	NA	研究阿尔茨海默病中反应性星形胶质细胞的转录组变化	星形胶质细胞	数字病理学	阿尔茨海默病	单核RNA测序	深度学习	基因表达数据	15,529个星形胶质细胞核
1751	2024-08-07	MPI-VGAE: protein-metabolite enzymatic reaction link learning by variational graph autoencoders 2023-07-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad189 PMID:37225420	研究论文	本研究开发了一种基于变分图自编码器（VGAE）的框架MPI-VGAE，用于在十种生物的基因组规模异构酶促反应网络中预测代谢物-蛋白质相互作用（MPI）	MPI-VGAE框架首次应用于酶促反应链接预测，并在重建数百条代谢途径、功能性酶促反应网络和代谢物-代谢物相互作用网络时表现出最稳健的性能	NA	探索代谢物和蛋白质在细胞过程中的机制功能，理解疾病的病因	代谢物-蛋白质相互作用及酶促反应链接	机器学习	阿尔茨海默病，结直肠癌	变分图自编码器（VGAE）	VGAE	网络数据	涉及十种生物的基因组规模异构酶促反应网络
1752	2024-08-07	Epiphany: predicting Hi-C contact maps from 1D epigenomic signals 2023-06-06, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02934-9 PMID:37280678	研究论文	本文提出了一种名为Epiphany的神经网络模型，用于从广泛可用的表观基因组轨迹预测特定细胞类型的Hi-C接触图	Epiphany模型使用双向长短期记忆层来捕捉长程依赖，并可选地采用生成对抗网络架构以增强接触图的真实性	NA	开发一种能够从表观基因组信号预测Hi-C接触图的深度学习模型	特定细胞类型的Hi-C接触图	机器学习	NA	神经网络	双向长短期记忆层，生成对抗网络	表观基因组轨迹	NA
1753	2024-08-07	Predicting Hypoperfusion Lesion and Target Mismatch in Stroke from Diffusion-weighted MRI Using Deep Learning 2023-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.220882 PMID:36472536	研究论文	本文使用深度学习模型从扩散加权磁共振成像（DWI）和临床信息中预测脑卒中的低灌注病变并识别目标不匹配患者	采用三维U-Net深度学习模型，通过DWI和临床信息预测低灌注病变，并识别目标不匹配患者，其敏感性高于临床-DWI不匹配方法	NA	利用深度学习模型预测脑卒中的低灌注病变并识别目标不匹配患者	急性缺血性脑卒患者的扩散加权磁共振成像（DWI）和临床信息	机器学习	脑卒中	扩散加权磁共振成像（DWI）	三维U-Net	影像数据	413名患者（平均年龄67岁，207名男性）
1754	2024-08-07	Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer 2023-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-022-02134-1 PMID:36624314	研究论文	本文通过建立和评估一个多重染色深度学习模型（MSDLM），利用人工智能（AI）确定结直肠癌（CRC）患者的AImmunoscore（AIS），以预测预后和辅助治疗反应	本文提出的MSDLM模型具有高预测能力，优于其他临床、分子和免疫细胞参数，并能通过可解释的AI方法验证其决策基于已建立的抗肿瘤免疫细胞模式	免疫细胞评分系统如免疫评分（IS）或上皮内淋巴细胞定量在临床常规使用中进展缓慢，存在局限性	解决免疫细胞评分系统在临床应用中的缓慢进展和局限性，提供一个基于肿瘤免疫微环境的临床决策工具	结直肠癌（CRC）患者的预后和辅助治疗反应	机器学习	结直肠癌	深度学习	深度学习模型	图像	超过1,000名结直肠癌患者
1755	2024-08-07	XMR: an explainable multimodal neural network for drug response prediction 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1164482 PMID:37600972	研究论文	本文开发了一种名为XMR的可解释多模态神经网络模型，用于预测药物反应，结合了可见神经网络和图神经网络来学习基因组和药物结构特征	XMR模型通过多模态融合层整合了可见神经网络和图神经网络，提供了更好的生物学解释性，并提高了预测性能	NA	开发一种可解释的多模态神经网络模型，以提高癌症药物反应预测的准确性和生物学解释性	三阴性乳腺癌的药物反应预测	机器学习	乳腺癌	NA	多模态神经网络	基因组数据和药物分子结构数据	NA
1756	2024-08-07	DLC-ac4C: A Prediction Model for N4-acetylcytidine Sites in Human mRNA Based on DenseNet and Bidirectional LSTM Methods 2023-Nov-22, Current genomics IF:1.8Q3 DOI:10.2174/0113892029270191231013111911 PMID:38178985	研究论文	本文提出了一种基于DenseNet和双向LSTM方法的预测模型DLC-ac4C，用于识别人类mRNA中的N4-乙酰胞苷位点	本研究通过结合DenseNet和双向LSTM，并引入通道注意力机制，更好地从序列角度捕捉隐藏的信息特征，提高了ac4C位点的识别效果	NA	改进现有计算方法在ac4C位点预测中的性能不足，提出一种新的集成深度学习预测框架	人类mRNA中的N4-乙酰胞苷位点	机器学习	NA	DenseNet, 双向LSTM	DenseNet, 双向LSTM	RNA序列	独立测试数据
1757	2024-08-07	DeepCAC: a deep learning approach on DNA transcription factors classification based on multi-head self-attention and concatenate convolutional neural network 2023-Sep-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05469-9 PMID:37723425	研究论文	提出了一种名为DeepCAC的新方法，利用深度卷积神经网络和多头自注意力机制进行DNA转录因子序列分析	采用多头自注意力机制和卷积神经网络相结合的方法，有效捕捉序列中的局部隐藏特征和长距离依赖关系，同时减少了模型参数数量	未提及具体限制	提高DNA转录因子序列分类的准确性，同时减少模型参数数量	DNA转录因子序列	机器学习	NA	深度学习	CNN, 多头自注意力机制	序列数据	未提及具体样本数量
1758	2024-08-07	Nextflow Pipeline for Visium and H&E Data from Patient-Derived Xenograft Samples 2023-Jul-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550727 PMID:37546876	研究论文	开发了一个自动化数据处理管道，用于量化来自患者来源异种移植样本的Visium空间转录组学数据和匹配的苏木精和伊红（H&E）染色图像	该管道能够使用Xenome进行读数去卷积，使用Space Ranger量化宿主和移植物种的空间基因表达，提取B等位基因频率，并使用Velocyto进行剪接量化。此外，还生成了与Visium点互补的形态学和深度学习衍生特征量化，实现多模态H&E/表达比较	NA	设计一个基于Nextflow DSL2的管道，用于同时处理10x Genomics Visium空间转录组学数据和匹配的H&E染色全切片图像，优化用于患者来源异种移植（PDX）癌症标本	患者来源异种移植（PDX）癌症标本	数字病理学	NA	Visium空间转录组学, H&E染色	NA	图像, 基因表达数据	四个黑色素瘤PDX样本
1759	2024-08-07	High-throughput image analysis with deep learning captures heterogeneity and spatial relationships after kidney injury 2023-04-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33433-3 PMID:37076596	研究论文	本文利用深度学习技术进行高通量图像分析，以捕捉肾脏损伤后的异质性和空间关系	本文提出了一种利用深度学习工具量化肾脏损伤异质性反应的方法，无需特殊设备或编程专业知识	NA	研究肾脏损伤后的恢复过程及其异质性和空间关系	肾脏损伤后的异质性反应和空间关系	计算机视觉	肾脏疾病	深度学习	深度学习模型	图像	多个肾脏样本
1760	2024-08-07	Interpretable spatial cell learning enhances the characterization of patient tissue microenvironments with highly multiplexed imaging data 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.26.534306 PMID:37034738	研究论文	本文介绍了一种名为InterSTELLAR的几何深度学习框架，用于高多重成像数据，以直接关联组织亚型与具有临床相关性的相应细胞群落	InterSTELLAR框架能够同时进行组织类型预测和感兴趣的群落检测，性能优于传统方法，并能揭示特定病理特征及潜在的区域与患者预后之间的关系	NA	开发一种有效的方法来基于临床结果定义疾病特异性微环境，以增强对患者组织微环境的表征	乳腺癌的高多重成像数据	数字病理学	乳腺癌	高多重成像技术	几何深度学习框架	图像	使用公开的乳腺癌成像质谱流式细胞术数据集