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
1861	2024-08-07	Enhancing thoracic disease detection using chest X-rays from PubMed Central Open Access 2023-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106962 PMID:37094464	研究论文	本研究旨在从PubMed Central Open Access中自动构建一个公开的、弱标签的胸部X光片数据库，并评估使用该数据库作为额外训练数据对胸部X光片病理分类的模型性能	提出了一种自动收集医学图像及其伴随图例的框架，改进了子图分割技术，并结合了先进的自开发NLP技术进行胸部X光片病理验证	NA	自动构建一个公开的、弱标签的胸部X光片数据库，并评估其对胸部X光片病理分类的模型性能	胸部X光片数据库及其在胸部疾病检测任务中的应用	数字病理学	NA	NLP	NA	图像	包括Hernia、Lung Lesion、Pneumonia和Pneumothorax等疾病，使用了NIH-CXR数据集（112,120张胸部X光片）和MIMIC-CXR数据集（243,324张胸部X光片）
1862	2024-08-07	Computational modeling and prediction of deletion mutants 2023-06-01, Structure (London, England : 1993) DOI:10.1016/j.str.2023.04.005 PMID:37119820	研究论文	本研究通过2D NMR光谱和差示扫描荧光法研究了小α螺旋无菌α motif结构域中单个残基缺失对结构和热力学的影响，并测试了计算协议以模拟和分类观察到的缺失突变体	本研究使用AlphaFold2结合RosettaRelax方法进行模型构建，并引入pLDDT值和Rosetta ΔΔG指标来分类耐受的缺失突变，这种方法在其他数据集上也显示出有效性	NA	研究内框架缺失突变对蛋白质结构和功能的影响，并更新计算缺失突变预测方法	小α螺旋无菌α motif结构域中的单个残基缺失突变	结构生物学	NA	2D NMR光谱，差示扫描荧光法	AlphaFold2，RosettaRelax	蛋白质结构数据	小α螺旋无菌α motif结构域中的所有残基
1863	2024-08-07	Novel radiomic features versus deep learning: differentiating brain metastases from pathological lung cancer types in small datasets 2023-Jun-01, The British journal of radiology DOI:10.1259/bjr.20220841 PMID:37129296	研究论文	本研究旨在通过新颖的放射组学特征和深度学习算法，区分脑转移瘤与不同类型的肺癌亚型	首次在文献中提取了来自原始图像变换（如小波变换和拉普拉斯高斯滤波）的新颖特征，并首次研究了浅层和深层学习方法对肺癌亚型的分类性能	NA	扩展基于放射组学的分类算法的能力，并通过新颖特征与深度学习算法进行比较，以区分脑转移瘤中的肺癌亚型	小细胞肺癌、鳞状细胞癌和腺癌的脑转移瘤	数字病理学	肺癌	放射组学、深度学习	EfficientNet、ResNet	MRI图像	75个小细胞肺癌段、72个鳞状细胞癌段和75个腺癌段
1864	2024-08-07	Spatial resolution enhancement in photon-starved STED imaging using deep learning-based fluorescence lifetime analysis 2023-Jun-01, Nanoscale IF:5.8Q1 DOI:10.1039/d3nr00305a PMID:37159237	研究论文	本文提出了一种基于深度学习的荧光寿命分析方法，用于在光子稀缺情况下提高STED显微镜的空间分辨率	通过结合分离光子寿命调谐（SPLIT）方案和基于生成对抗网络的荧光寿命成像算法，实现了在减少50% STED光束功率的情况下，将STED图像分辨率提高至1.45倍	NA	探索在光子稀缺情况下提高STED显微镜空间分辨率的新方法	STED显微镜图像的空间分辨率	计算机视觉	NA	STED显微镜	生成对抗网络（GAN）	图像	NA
1865	2024-08-07	Gradient-based sparse principal component analysis with extensions to online learning 2023-Jun, Biometrika IF:2.4Q1 DOI:10.1093/biomet/asac041 PMID:37197740	研究论文	本文开发了基于梯度的稀疏主成分分析算法，并将其扩展到在线学习	结合稀疏主成分分析问题的独特几何结构和凸优化领域的最新进展，开发了新的基于梯度的稀疏主成分分析算法，并能与随机梯度下降方法结合，产生具有数值和统计性能保证的高效在线稀疏主成分分析算法	NA	开发新的稀疏主成分分析算法，并展示其在高维数据分析中的应用	稀疏主成分分析算法及其在高维RNA测序数据中的应用	机器学习	NA	稀疏主成分分析	梯度方法	RNA测序数据	NA
1866	2024-08-07	Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model 2023-06, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7878 PMID:37202113	研究论文	本文开发了一种自动分割急性缺血性卒中患者颅内血栓的方法，使用粗到细的深度学习模型在NCCT和CTA图像上进行量化。	提出了一种新的深度学习方法来自动检测和测量急性缺血性卒中患者的颅内血栓。	NA	开发一种自动化的方法来量化急性缺血性卒中患者的颅内血栓。	急性缺血性卒中患者的颅内血栓。	机器学习	脑血管疾病	深度学习	深度学习模型	图像	499名患者用于训练和验证，83名患者用于外部测试。
1867	2024-08-07	Deep cross-modal feature learning applied to predict acutely decompensated heart failure using in-home collected electrocardiography and transthoracic bioimpedance 2023-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102548 PMID:37210152	研究论文	本文提出了一种深度跨模态特征学习方法ECGX-Net，用于预测在家中收集的ECG和胸廓生物阻抗数据中的急性失代偿性心力衰竭	本文首次将深度学习应用于可穿戴设备收集的ECG数据，并结合胸廓生物阻抗数据进行跨模态特征学习，以提高心力衰竭预测的准确性	研究主要基于SENTINEL-HF研究的数据，可能需要进一步验证在其他数据集上的泛化能力	开发一种基于ECG和胸廓生物阻抗数据的深度学习模型，用于准确预测急性失代偿性心力衰竭	急性失代偿性心力衰竭的预测	机器学习	心血管疾病	深度学习	DenseNet121/VGG19	ECG时间序列数据和胸廓生物阻抗数据	SENTINEL-HF研究中招募的≥21岁的住院患者
1868	2024-08-07	A unique color-coded visualization system with multimodal information fusion and deep learning in a longitudinal study of Alzheimer's disease 2023-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102543 PMID:37210151	研究论文	本研究引入了一种创新的彩色编码可视化机制，通过集成机器学习模型预测阿尔茨海默病在两年纵向研究中的疾病轨迹	首次开发了一种彩色编码可视化系统，结合多模态信息融合和深度学习，用于阿尔茨海默病的诊断和预后预测	研究中排除了MMSE、CDR-SB和ADAS等神经心理学测试分数以避免偏差，可能影响模型的全面性	旨在通过2D和3D渲染帮助视觉化捕捉阿尔茨海默病的诊断和预后，增强对多类分类和回归分析过程的理解	阿尔茨海默病的诊断和预后预测	机器学习	阿尔茨海默病	卷积神经网络	CNN	多模态数据（神经影像、神经心理学测试分数、脑脊液生物标志物、风险因素）	1123名受试者
1869	2024-08-07	Accelerated Cardiac MRI Cine with Use of Resolution Enhancement Generative Adversarial Inline Neural Network 2023-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.222878 PMID:37249435	研究论文	本文开发并评估了一种基于深度学习的模型，该模型能够与并行成像或压缩感知（CS）结合，用于加速心脏电影磁共振成像（MRI）并提高空间和时间分辨率。	该研究利用增强的超分辨率生成对抗内联神经网络（GAN）模型，通过深度学习技术恢复了降低空间分辨率的图像，实现了与标准并行成像方法相似的心脏功能、体积和应变的准确量化。	NA	开发和评估一种能够减少扫描时间并/或提高心脏电影MRI空间和时间分辨率的深度学习模型。	心脏电影MRI图像的空间和时间分辨率。	计算机视觉	心血管疾病	深度学习	生成对抗网络（GAN）	图像	训练模型使用了1616名患者的数据，评估模型使用了181名个体（包括126名患者和55名健康受试者）的数据。
1870	2024-08-07	Deep Learning-Assisted Quantitative Susceptibility Mapping as a Tool for Grading and Molecular Subtyping of Gliomas 2023-Jun, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-022-00087-6 PMID:37325712	研究论文	本研究旨在探讨深度学习辅助的定量磁化率成像（QSM）在胶质瘤分级和分子分型中的价值	使用深度学习辅助的QSM技术，结合多种成像模式，提高了胶质瘤分级和分子分型的准确性	研究样本量较小，且肿瘤分割为手动进行，可能影响结果的客观性	评估深度学习辅助的QSM在胶质瘤分级和分子分型中的应用价值	42名接受3.0T磁共振成像（MRI）扫描的胶质瘤患者	机器学习	脑瘤	定量磁化率成像（QSM）	卷积神经网络（CNN）	医学影像	42名胶质瘤患者
1871	2024-08-07	Bias Analysis in Healthcare Time Series (BAHT) Decision Support Systems from Meta Data 2023-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00133-6 PMID:37377633	研究论文	本文提出了一种用于医疗时间序列（BAHT）信号中偏差分析的框架，主要针对心电图（ECG）和脑电图（EEG）信号	本文首次提出了BAHT框架，用于分析和可视化解析医疗时间序列数据中的偏差，并探讨了偏差放大现象	偏差缓解策略尚处于初级研究阶段，需要进一步发展和完善	旨在分析和改善医疗决策支持系统中的偏差问题	主要研究对象为心电图（ECG）和脑电图（EEG）数据集	机器学习	NA	深度学习	监督学习模型	时间序列数据	涉及三个主要的ECG和EEG医疗数据集
1872	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
1873	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
1874	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
1875	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
1876	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
1877	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
1878	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
1879	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
1880	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