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
1781	2024-08-07	Evolution of Breast Cancer Recurrence Risk Prediction: A Systematic Review of Statistical and Machine Learning-Based Models 2023-08, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00049 PMID:37566789	综述	本文系统回顾了统计和机器学习方法在乳腺癌复发风险预测模型中的应用和发展	深度学习和集成学习提供了最准确的预测	机器学习模型的实际应用可能受到解释性有限和泛化能力降低的限制，且现有模型主要忽略了非洲和中东人口	评估和比较统计和机器学习方法在乳腺癌复发风险预测中的应用	乳腺癌复发风险预测模型	机器学习	乳腺癌	机器学习	支持向量机、决策树、逻辑回归、朴素贝叶斯、深度学习	临床数据	23篇相关研究论文
1782	2024-08-07	Leveraging deep learning models to understand the daily experience of anxiety in teenagers over the course of a year 2023-05-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2023.02.084 PMID:36858267	研究论文	本文利用深度学习模型评估青少年在一年中焦虑症状的日常变化，并探讨GAD-7评估与日常焦虑测量之间的关系	本文首次通过深度学习模型LSTM分析了青少年焦虑症状的动态变化，并揭示了GAD-7评估与日常焦虑体验之间的差异	研究样本较小，仅包括30名青少年，可能影响结果的普遍性	评估GAD-7等即时评估方法与青少年日常焦虑体验之间的关系	青少年的焦虑症状及其日常变化	机器学习	NA	NA	LSTM	文本	30名年龄在15至17岁之间的青少年
1783	2024-08-07	STRIDE: Systematic Radar Intelligence Analysis for ADRD Risk Evaluation with Gait Signature Simulation and Deep Learning 2023-May-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3263071 PMID:37547101	研究论文	本文提出了一种名为STRIDE的系统，结合微多普勒雷达传感器和先进的人工智能技术，用于评估阿尔茨海默病相关痴呆（ADRD）的风险	STRIDE系统嵌入了一种新的深度学习分类框架，并开发了一个包含人体行走模拟模型和微多普勒雷达模拟模型的“数字孪生”，以生成步态特征数据集	NA	评估阿尔茨海默病相关痴呆（ADRD）的风险	通过微多普勒雷达捕捉的人体步态运动	机器学习	阿尔茨海默病	微多普勒雷达	深度学习	步态特征数据	NA
1784	2024-08-07	Deep learning prediction of hospital readmissions for asthma and COPD 2023-Dec-13, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-023-02628-7 PMID:38093373	研究论文	本研究旨在通过电子健康记录（EHR）数据，利用机器学习和深度学习模型预测哮喘和慢性阻塞性肺病（COPD）患者的再入院风险	本研究首次采用多层感知器（一种深度学习方法）在预测哮喘和COPD患者再入院方面表现出最佳的敏感性和特异性	NA	通过EHR数据和深度学习技术提高高风险患者的检测	哮喘和COPD患者的再入院风险	机器学习	哮喘，慢性阻塞性肺病	深度学习	多层感知器	电子健康记录数据	5,794名患者，其中1,893名哮喘患者和3,901名COPD患者
1785	2024-08-07	Environmental Impacts of Machine Learning Applications in Protein Science 2023-12-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041473 PMID:38040454	research paper	本文总结了蛋白质科学对环境的负面影响，并展示了分子模拟、蛋白质相互作用推断和蛋白质结构预测等流行蛋白质算法的碳足迹	本文首次详细分析了大型深度学习模型如AlphaFold和ESMFold在蛋白质科学应用中的碳足迹	文章未提及具体的减排技术和方法的实施细节	探讨机器学习在蛋白质科学应用中的环境影响，并提出可持续发展的策略	蛋白质科学中的机器学习应用及其环境影响	machine learning	NA	deep learning	CNN	NA	NA
1786	2024-08-07	Motion Compensated Unsupervised Deep Learning for 5D MRI 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_40 PMID:38737212	研究论文	提出一种无监督深度学习算法，用于从3D径向采集数据中进行5D心脏MRI数据的动补偿重建	该算法是一种更数据高效的选择，用于当前的动解析重建方法	NA	简化扫描规划，提高患者舒适度，并提供比呼吸保持2D检查更多的临床优势	5D心脏MRI数据的动补偿重建	计算机视觉	NA	MRI	卷积神经网络	图像	两个受试者的5D bSSFP数据集
1787	2024-08-07	Digital Histopathology by Infrared Spectroscopic Imaging 2023-06-14, Annual review of analytical chemistry (Palo Alto, Calif.) DOI:10.1146/annurev-anchem-101422-090956 PMID:37068745	综述	本文综述了红外（IR）光谱成像技术在数字组织病理学中的应用，特别关注了其在病理学中的仪器性能、数据处理方法、机器学习应用以及工作流程的讨论	结合红外光谱成像与人工智能，为组织病理学提供了一种新的对比机制，有望改变目前依赖人类检查染色组织形态模式的实践	NA	探讨红外光谱成像技术在组织病理学中的应用及其标准化	红外光谱成像技术及其在组织病理学中的应用	数字病理学	NA	红外光谱成像	深度学习	图像	NA
1788	2024-08-07	TransMHCII: a novel MHC-II binding prediction model built using a protein language model and an image classifier 2023-Apr, Antibody therapeutics DOI:10.1093/abt/tbad011 PMID:37342671	研究论文	本文介绍了一种利用蛋白质语言模型提取特征来预测主要组织相容性复合体II类（MHC-II）肽结合亲和力的方法，采用了一种新颖的迁移学习方法，将模型骨干替换为设计用于图像分类任务的架构。	本文提出的TransMHCII模型在接收者操作特征曲线下面积、平衡精度和Jaccard分数上优于NetMHCIIpan 3.2和NetMHCIIpan 4.0-BA，展示了架构创新在生物学问题深度学习模型开发中的潜力。	NA	开发一种新的MHC-II结合预测模型，利用蛋白质语言模型和图像分类器的特征。	主要组织相容性复合体II类（MHC-II）肽的结合亲和力。	机器学习	NA	蛋白质语言模型（PLMs）和图像分类器	EfficientNet v2b0, EfficientNet v2m 或 ViT-16	图像	NA
1789	2024-08-07	ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL) 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230471 PMID:38738185	研究论文	本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用	MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率	NA	验证MOL框架在并行MRI加速中的有效性	并行MRI加速	计算机视觉	NA	单调算子学习（MOL）	CNN	图像	NA
1790	2024-08-07	De novo design of small beta barrel proteins 2023-03-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2207974120 PMID:36897987	研究论文	本文探讨了使用Rosetta能量方法和深度学习方法从头设计小型beta桶蛋白拓扑结构	使用深度学习进行骨架生成和Rosetta进行序列设计的方法提高了设计成功率和结构多样性	小型beta桶蛋白的设计存在挑战，如小尺寸导致的疏水核心小和桶闭合的构象应变	探索和设计小型beta桶蛋白的拓扑结构，以增加可用作感兴趣蛋白靶标结合剂的蛋白形状空间	小型beta桶蛋白，包括Src同源3（SH3）和核酸/多糖结合（OB）拓扑结构以及罕见的五和六上-下-链桶	蛋白质设计	NA	Rosetta能量方法和深度学习	深度学习模型	蛋白质结构	四种小型beta桶折叠结构
1791	2024-08-07	Deep learning-based phenotype imputation on population-scale biobank data increases genetic discoveries 2023-Dec, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01558-w PMID:37985819	研究论文	本文提出了一种基于深度学习的表型填补方法AutoComplete，用于在人口规模生物银行数据集中填补缺失的表型	AutoComplete方法在表型填补准确性上显著优于现有方法，并能有效增加遗传关联分析的关联位点数量	NA	提高现有生物银行数据集中遗传发现的效力	人口规模生物银行数据集中的缺失表型	机器学习	NA	深度学习	深度学习模型	生物银行数据	约300,000名个体
1792	2024-08-07	Artificial Intelligence and Machine Learning Applications in Sudden Cardiac Arrest Prediction and Management: A Comprehensive Review 2023-11, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-023-01964-w PMID:37792134	综述	本文综述旨在全面概述近期在预测模型和AI及ML在心肺复苏（CPR）成功预测中的应用进展	深度学习在放射组学和人口健康中日益突出，用于疾病风险预测；AI与自动体外除颤器（AEDs）结合显示出在心脏骤停事件中更好检测可电击节律的潜力	心脏骤停（SCA）的预测和预防仍是一个持续挑战，尽管有先进的第一响应系统，但生存率仍然很低	理解AI和ML在医疗保健中的作用，特别是在医学诊断、统计和精准医学中，并探索其在预测和管理心脏骤停结果中的应用	AI和ML在医疗保健中的应用，特别是在医学诊断、统计和精准医学中，以及在预测和管理心脏骤停结果中的应用	机器学习	心血管疾病	NA	深度学习	NA	NA
1793	2024-08-07	Signal Improved ultra-Fast Light-sheet Microscope (SIFT) for large tissue imaging 2023-Jun-28, Research square DOI:10.21203/rs.3.rs-2990328/v1 PMID:37461705	研究论文	本文介绍了一种改进的超快速光片显微镜（SIFT），用于大组织成像，通过精确控制两个固定距离的光片焦点来实现ASLM，提高了成像速度和信号强度	提出的SIFT技术将成像速度提高了四倍，并在特定帧率下将信号强度提高了一倍，同时开发了基于深度学习的组织信息分类器，以加速组织边界的确定	NA	提高大组织成像的速度和质量	大组织样本	生物医学成像	NA	光片荧光显微镜（LSFM）	深度学习模型	图像	多种已清除的组织样本
1794	2024-08-07	Large Language Models Demonstrate the Potential of Statistical Learning in Language 2023-03, Cognitive science IF:2.3Q2 DOI:10.1111/cogs.13256 PMID:36840975	研究论文	探讨大型语言模型（LLMs）在从语言输入中学习语言能力方面的潜力	提出大型语言模型可能为评估人类从语言经验中学习语言能力提供计算工具	大型语言模型在语义和语用方面存在明显局限	研究语言可以从语言输入中学习的程度	大型语言模型及其在语言学习中的应用	自然语言处理	NA	深度学习	大型语言模型（LLMs）	文本	NA
1795	2024-08-07	Artificial intelligence-based locoregional markers of brain peritumoral microenvironment 2023-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26448-9 PMID:36653382	研究论文	本文通过扩散张量成像（DTI）技术，利用人工智能（AI）提取脑肿瘤周围微环境异质性的新型标志物	提出了一种基于深度学习的脑肿瘤周围微环境指数（PMI），并利用该指数提取了区域性的AI标志物，以捕捉肿瘤浸润异质性的不同方面	NA	开发新的AI标志物以量化脑肿瘤周围区域的浸润异质性，并用于临床决策	脑肿瘤周围区域的浸润异质性	数字病理学	脑肿瘤	扩散张量成像（DTI）	深度学习	图像	275例成人型弥漫性胶质瘤（CNS WHO 4级）
1796	2024-08-07	Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1223377 PMID:37886239	研究论文	开发一种基于深度学习的方法，从常规的T1和T2加权MRI图像中回顾性地量化前列腺的T2值	该方法能够从临床获取的T1和T2加权图像中回顾性地估计前列腺T2图，有助于改善前列腺癌的诊断和特征描述，无需额外扫描	NA	开发一种深度学习方法，用于从常规MRI图像中回顾性地量化前列腺的T2值	前列腺T2值的量化	数字病理学	前列腺癌	MRI	U-Net	图像	25名受试者用于训练，38名前列腺癌患者用于验证
1797	2024-08-07	Efficacy of Smartphone-Based Telescreening for Retinopathy of Prematurity With and Without Artificial Intelligence in India 2023-06-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.1466 PMID:37166816	研究论文	本研究评估了智能手机基底眼底成像系统（SBFI）与广域数字眼底成像（WDFI）在早产儿视网膜病变（ROP）筛查中的有效性，并比较了人工智能（AI）和人工评分者的表现	本研究首次在实际的远程医疗环境中测试了SBFI系统，并结合AI技术进行ROP筛查	研究仅在一个中心进行，且样本量相对较小	评估SBFI系统在ROP筛查中的有效性，并比较AI和人工评分者的表现	早产儿视网膜病变（ROP）的筛查	数字病理学	早产儿视网膜病变	智能手机基底眼底成像（SBFI）	ResNet18深度学习架构	图像	156名早产儿（312只眼）
1798	2024-08-07	Yield prediction through integration of genetic, environment, and management data through deep learning 2023-04-11, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad006 PMID:36625555	研究论文	本文通过深度神经网络整合遗传、环境和管理数据来预测玉米产量，并比较了两种模型开发方法的效果	本文发现深度学习和最佳线性无偏预测（BLUP）模型在包含交互作用时表现最佳，且优化深度神经网络子模块以适应每种数据类型能提高模型性能	NA	准确预测由不同基因型、环境和管理干预组合产生的表型结果	玉米产量预测	机器学习	NA	深度学习	深度神经网络	遗传、环境和管理数据	NA
1799	2024-08-07	Deep learning integrates histopathology and proteogenomics at a pan-cancer level 2023-09-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101173 PMID:37582371	研究论文	本文介绍了一种创新方法，将病理图像与转录组学和蛋白质组学整合，以识别与癌症关键临床结果相关的预测性组织学特征	本文首次将病理图像与转录组学和蛋白质组学数据整合，用于识别新的预测性组织学特征，并提出了一个分类系统	NA	旨在开发一种整合病理图像、转录组学和蛋白质组学数据的方法，以提高癌症临床结果的预测准确性	2,755张H&E染色的组织病理学切片，来自657名患者，涵盖6种癌症类型	数字病理学	癌症	深度学习	NA	图像	2,755张切片，657名患者
1800	2024-08-07	Modeling islet enhancers using deep learning identifies candidate causal variants at loci associated with T2D and glycemic traits 2023-08-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206612120 PMID:37603758	研究论文	本研究利用深度学习方法分析序列变异对增强子的影响，特别是在胰腺胰岛中，以识别与2型糖尿病及相关糖代谢特征相关联的候选因果变异	本研究开发了一种深度学习方法，能够学习胰岛特异性的转录因子调控模式，并用于优先考虑候选因果变异	NA	旨在通过深度学习方法识别与2型糖尿病及相关糖代谢特征相关联的特定因果变异	胰腺胰岛中的序列变异及其对增强子的影响	机器学习	2型糖尿病	深度学习	深度学习模型	序列数据	涉及约6700万个遗传变异