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	2024-08-05	Preclinical-to-clinical Anti-cancer Drug Response Prediction and Biomarker Identification Using TINDL 2023-06, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2023.01.006 PMID:36775056	研究论文	本研究开发了一种名为TINDL的深度学习框架，用于预测癌症患者对不同治疗的反应和识别药物反应的生物标志物	使用基于组织的归一化方法处理数据，使得该模型能够识别预测药物反应的小基因集合，并使深度学习黑箱可解释	本研究的实验主要基于癌症细胞系，是否能充分适用于临床患者仍需进一步验证	个性化医学中预测癌症患者对不同治疗反应和识别药物反应生物标志物的目标	预临床癌症细胞系和癌症肿瘤数据，这些数据用于训练和验证模型	机器学习	癌症	深度学习	NA	数据集	使用了来自两个大型数据库的癌症细胞系和肿瘤数据
1862	2024-08-05	Deep Learning-Based Dose Prediction for Automated, Individualized Quality Assurance of Head and Neck Radiation Therapy Plans 2023 May-Jun, Practical radiation oncology IF:3.4Q1 DOI:10.1016/j.prro.2022.12.003 PMID:36697347	研究论文	本研究旨在利用基于深度学习的剂量预测来评估头颈部治疗计划的质量并识别不理想的计划	本研究采用3D Dense Dilated U-Net架构进行剂量预测，显示其在自动化、个性化评估头颈部放疗计划质量中的应用潜力	临床计划的OAR标记存在高的医师间变异性，且仅有83%的医师标记的OAR由其中一位医师提出	研究深度学习在头颈部放疗计划质量评估中的应用	245个体积调制弧治疗（VMAT）头颈部计划以及112个高质量计划	医学影像处理	头颈癌	深度学习	3D Dense Dilated U-Net	计算机断层扫描图像	245个计划
1863	2024-08-05	Learning from prepandemic data to forecast viral escape 2023-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06617-0 PMID:37821700	研究论文	本研究开发了EVEscape框架，用于预测病毒逃逸变异的潜力	本研究的创新点在于结合深度学习模型的fitness预测与生物物理和结构信息，提供了一种可在疫情监测之前应用的预测方法	模型的有效性依赖于历史序列数据，可能无法涵盖所有潜在的突变	旨在建立一种工具，以促进疫苗和治疗设计，通过预测病毒突变来增强疫情准备能力	针对SARS-CoV-2及其他病毒如流感、HIV和潜在疫情病毒的突变进行研究	计算机视觉	NA	深度学习	NA	序列数据	使用了2020年前的序列数据进行训练
1864	2024-08-05	Applications of Deep Learning in Endocrine Neoplasms 2023-Mar, Surgical pathology clinics DOI:10.1016/j.path.2022.09.014 PMID:36739164	review	本文总结了内分泌癌组织病理学中深度学习研究的现状	强调实验设计、重要发现和关键局限性	NA	探讨深度学习在内分泌癌组织病理学中的应用	内分泌癌的组织样本	数字病理学	内分泌癌	深度学习	NA	组织样本	NA
1865	2024-08-07	Response to Letter Regarding the Article "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model" 2023-12-29, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8075 PMID:38164534	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1866	2024-08-05	Functional Outcome Prediction in Acute Ischemic Stroke Using a Fused Imaging and Clinical Deep Learning Model 2023-09, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.123.044072 PMID:37485663	研究论文	本研究通过融合深度学习模型的扩散加权成像和急性期临床信息，预测急性缺血性中风患者90天的预后。	提出了一种新型的融合深度学习模型，可以减少主观性和用户负担，提高急性缺血性中风预后的预测准确性。	依赖于特定的成像和临床数据，与其他可能影响结果的变量未进行全面考虑。	旨在通过早期急性缺血性中风信息来预测长达90天的临床预后。	640名经历急性缺血性中风的患者。	数字病理学	缺血性中风	深度学习	融合模型	影像和临床数据	640名急性缺血性中风患者
1867	2024-08-07	Regarding "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model" 2023-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7972 PMID:37591774	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1868	2024-08-05	Radiomic and deep learning characterization of breast parenchyma on full field digital mammograms and specimen radiographs: a pilot study of a potential cancer field effect 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.044501 PMID:37426053	研究论文	本研究探讨了乳腺组织的放射组学和深度学习特征与乳腺X线摄影图像之间的关系	首次将放射组学和深度学习特征应用于分析肿瘤与非肿瘤区域之间的潜在癌症场效应	本研究样本量较小，仅包括74名患者，可能影响结果的广泛适用性	研究乳腺X线摄影图像中的组织特征与潜在癌症场效应的关系	74名确诊为乳腺癌的女性患者的X线摄影图像和切除标本放射图像	数字病理学	乳腺癌	放射组学	深度学习	图像	74名患者的乳腺X线摄影图像和32名患者的切除标本放射图像
1869	2024-08-05	Heart-Brain 346-7 Score: the development and validation of a simple mortality prediction score for carbon monoxide poisoning utilizing deep learning 2023-07, Clinical toxicology (Philadelphia, Pa.) DOI:10.1080/15563650.2023.2226817 PMID:37417305	研究论文	开发并验证了一种简单的死亡风险预测评分系统，针对一氧化碳中毒患者	提出并验证了Heart-Brain 346-7评分系统，以根据特定变量预测一氧化碳中毒患者的住院和长期死亡风险	本研究的有效性需要进一步验证，且主要依赖于电子病历数据	研究旨在识别患有一氧化碳中毒的患者的急性和长期死亡风险	研究对象为811名一氧化碳中毒的成人患者与462名验证队列患者	数字病理学	NA	Firth逻辑回归	NA	电子病历数据	811名在开发队列中的患者和462名在验证队列中的患者
1870	2024-08-05	Multitask Deep Ensemble Prediction of Molecular Energetics in Solution: From Quantum Mechanics to Experimental Properties 2023-Jan-06, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c01024 PMID:36607141	研究论文	本文提出了一种多任务深度集成模型sPhysNet-MT-ens5，能够同时准确预测分子在气相、水相和辛醇相的电子能量及转移自由能	该模型通过任务集成，克服了传统特定任务模型的局限，能在各种条件下高效预测分子能量	模型的表现可能受限于所使用的量子力学计算水平和训练数据的多样性	研究目标是开发能同时进行多种分子能量预测的机器学习模型	研究对象为包含678,916个分子构象的Frag20-solv-678k数据集，以及相关的实验数据集	机器学习	NA	量子力学计算	深度学习	分子构象数据	678,916个分子构象
1871	2024-08-05	Calibrated geometric deep learning improves kinase-drug binding predictions 2023-Dec, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-023-00751-0 PMID:38962391	研究论文	本文提出了一种深度学习算法KDBNet，能够利用三维结构数据来预测激酶与药物的结合亲和力	KDBNet结合了3D蛋白质和分子结构数据，利用图神经网络学习结合口袋和药物的几何和空间特征	目前的方法主要集中在局部特征的利用上，可能忽视结合过程的3D特性	探索激酶与化合物之间的相互作用并揭示新型结合活性	激酶和药物分子	机器学习	癌症	深度学习	图神经网络	3D蛋白质和分子结构数据	NA
1872	2024-08-05	A comprehensive multi-domain dataset for mitotic figure detection 2023-07-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02327-4 PMID:37491536	研究论文	本文介绍了用于有丝分裂细胞检测的综合多领域数据集MIDOG++	该数据集是第一个基于不同肿瘤类型、实验室、全切片图像扫描仪和物种的广泛领域转移的有丝分裂细胞数据集	在单一领域训练中观察到显著差异，可能影响深度学习方法的性能	本文旨在自动化有丝分裂细胞检测任务，并评估领域转移的影响	本文研究对象为503个来自七种不同肿瘤类型的组织标本	数字病理学	乳腺癌, 肺癌, 淋巴肉瘤, 神经内分泌肿瘤, 皮肤肥大细胞肿瘤, 皮肤黑色素瘤, (亚)皮下软组织肉瘤	深度学习	NA	图像	503个组织标本
1873	2024-08-05	A Hybrid Intelligence Approach for Circulating Tumor Cell Enumeration in Digital Pathology by Using CNN and Weak Annotations 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3343701 PMID:38957613	研究论文	该论文提出了一种混合智能方法，通过结合细胞病理学家专业知识和深度学习卷积神经网络的效率，自动计数循环肿瘤细胞。	创新之处在于将蔡细胞病理学家的专业技能与深度学习技术相结合，实现了循环肿瘤细胞的自动计数。	此研究依赖于图像数据集，可能存在数据集的选择偏差和样本多样性不足的问题。	研究目的是通过混合智能方法提高循环肿瘤细胞的自动计数效率。	研究对象为循环肿瘤细胞（CTCs）。	数字病理学	NA	卷积神经网络（CNN）、支持向量机（SVM）	CNN	图像	共收集了466张氟像图像用于CTC检测/定位，473张图像用于CTC分割，以及198张图像（包含323个CTC）作为独立数据集进行计数
1874	2024-08-05	Benchmarking splice variant prediction algorithms using massively parallel splicing assays 2023-12-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03144-z PMID:38129864	研究论文	本文基于大规模平行剪接检测评估了八种广泛使用的剪接效应预测算法	创新之处在于利用大规模平行剪接实验数据为算法性能提供实验验证，以解决当前常用算法性能不一致的问题	本文主要集中在已知基因集的变异上，可能限制了结果的普遍适用性	旨在评估和比较不同剪接变异预测算法的性能	研究对象为3616种变异，涉及五个基因的剪接效应	数字病理学	NA	大规模平行剪接检测（MPSAs）	深度学习模型	变异数据	3616种变异
1875	2024-08-05	An end-to-end deep learning framework for translating mass spectra to de-novo molecules 2023-Jun-23, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-023-00932-3 PMID:37353554	研究论文	本文提出了一种深度学习框架Spec2Mol，用于根据质谱数据推荐分子结构	该研究首次应用类似Speech2Text的架构，将质谱直接转化为新分子的SMILES序列	该方法在参考数据库中无法找到分子结构信息时可能会存在局限性	研究旨在改善新分子结构的推荐过程	研究对象是通过质谱数据得出的化学分子结构	机器学习	NA	深度学习	编码器-解码器架构	质谱数据	使用了大量的化学结构数据进行预训练，但具体样本数量未明确
1876	2024-08-05	Low-dimensional organization of global brain states of reduced consciousness 2023-05-30, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2023.112491 PMID:37171963	研究论文	本文探讨了低维空间中意识状态的映射及其性质。	创新地结合了全脑建模、数据增强和深度学习方法，实现了对意识状态低维空间的表征。	本文未充分讨论高维空间与低维空间之间的具体映射机制。	研究意识状态与大脑配置之间的关系，探寻其低维表征。	研究涉及意识水平的变化，尤其是健康与脑损伤患者之间的状态。	计算机视觉	脑损伤	深度学习	NA	脑部配置数据	NA
1877	2024-08-05	Revealing hidden patterns in deep neural network feature space continuum via manifold learning 2023-Dec-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43958-w PMID:38129376	研究论文	本文介绍了一种用于深度神经网络特征可视化的新方法	提出了一种流形发现与分析（MDA）方法，可有效可视化回归特征，并保留特征空间的局部几何形状	现有可视化技术仅适用于分类任务，回归任务的可视化仍面临挑战	开发一种可靠的框架和计算方法来可视化深度学习中的回归特征	深度神经网络提取的特征空间中的高维回归特征	计算机视觉	NA	深度神经网络	NA	特征数据	NA
1878	2024-08-05	Landmark Based Bronchoscope Localization for Needle Insertion Under Respiratory Deformation 2023-Oct, Proceedings of the ... IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE/RSJ International Conference on Intelligent Robots and Systems DOI:10.1109/iros55552.2023.10342115 PMID:38947248	研究论文	本研究提出了一种实时摄像头方法，用于在呼吸变形下准确定位支气管镜	创新之处在于使用深度学习相对于解剖标志估计支气管镜的位置，克服了全局姿势估计的局限性	研究主要在模拟的数据集上进行，可能在真实应用中存在局限性	研究的目的是提高肺癌诊断时支气管镜定位的准确性	研究对象主要是支气管镜相对于计划穿刺位置的定位	计算机视觉	肺癌	深度学习	NA	模拟数据	在进行呼吸运动的肺部模拟数据集上进行评估
1879	2024-08-05	Evaluating the ecological vulnerability of Chongqing using deep learning 2023-Aug, Environmental science and pollution research international DOI:10.1007/s11356-023-28032-8 PMID:37407859	研究论文	本研究利用深度学习评估重庆的生态脆弱性并生成脆弱性地图	使用深度学习方法评估生态脆弱性，并生成支持生态环境保护和治理决策的脆弱性地图	虽然研究区域整体脆弱性不高，但主要生态问题仍需未来的生态保护和管理措施来解决	评估重庆地区的生态脆弱性	重庆地区的生态脆弱性及影响因素	自然语言处理	NA	深度神经网络（DNN）、卷积神经网络（CNN）	CNN、DNN	地图、因素	选择了16个影响生态脆弱性的因素
1880	2024-08-05	scTour: a deep learning architecture for robust inference and accurate prediction of cellular dynamics 2023-06-23, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02988-9 PMID:37353848	研究论文	本文介绍了scTour，这是一种深度学习架构，用于在最小化批次效应影响的情况下，进行细胞动态的推断和预测	scTour具备同时估计发育伪时间、描绘向量场和映射转录组潜在空间的能力，整合在一个框架下	NA	构建一种能够推断和预测细胞发育动态的工具	对19个数据集中的多种生物过程进行研究	机器学习	NA	单细胞基因组学	深度学习架构	数据集	19个数据集