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
1941	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
1942	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
1943	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
1944	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）
1945	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
1946	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
1947	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
1948	2024-08-07	Deep-Learning-Based Hepatic Ploidy Quantification Using H&E Histopathology Images 2023-04-16, Genes IF:2.8Q2 DOI:10.3390/genes14040921 PMID:37107679	研究论文	开发了一种基于深度学习的算法，用于使用常规临床实践中常见的H&E组织病理学图像量化肝细胞的倍性	首次成功尝试在H&E图像上自动化倍性分析	NA	提高临床样本中肝细胞倍性量化的可及性	肝细胞的倍性	数字病理学	NA	深度学习	深度学习模型	图像	NA
1949	2024-08-07	Machine learning-based speech recognition system for nursing documentation - A pilot study 2023-10, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2023.105213 PMID:37690224	研究论文	本研究旨在评估基于机器学习的语音识别系统在精神科病房中减少护理记录打字工作量的有效性	本研究开发了一种基于机器学习的语音识别系统，用于提高护理文档记录的效率	语音识别转录的潜在错误需要持续识别和改进，且需要进一步研究以提高不同临床专科中护理记录数字化文档的效率和准确性	评估基于机器学习的语音识别系统在减少护理记录打字工作量方面的有效性	精神科病房的护理记录工作	机器学习	NA	机器学习	语音识别系统	文本	21名护士参与评估，共收集200条数据
1950	2024-08-07	Interpretable deep learning for improving cancer patient survival based on personal transcriptomes 2023-07-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-38429-7 PMID:37443344	研究论文	本文开发了一种可解释的神经网络模型，用于基于药物处方和个人转录组数据预测癌症患者的生存率	该模型能够通过分析个人转录组数据和药物处方，提高癌症患者的生存预测准确性，并揭示决策过程中的关键通路	NA	提高癌症患者的生存预测准确性并揭示药物选择的关键通路	癌症患者的生存率和药物选择	机器学习	癌症	深度学习	神经网络	转录组数据	涉及的患者数量未明确提及
1951	2024-08-07	Physics-Guided Deep Generative Model for New Ligand Discovery 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3613067 PMID:38706556	研究论文	本文介绍了一种基于物理引导的深度生成模型，用于发现新的配体，该模型不仅考虑了结合位点，还包含了基于物理的特征，描述了受体和配体之间的结合机制	该模型创新地结合了物理原理和深度学习，生成的配体结构在结合强度上优于传统方法	未来研究方向包括在更大的数据集上训练和测试模型，增加更多基于物理的特征，并从生物物理角度解释深度学习结果	旨在通过结合物理原理和深度学习技术，提高新配体发现的效率和质量	研究对象包括大型蛋白质-配体复合物和小型宿主-客体系统	机器学习	NA	深度生成模型	GAN	结构数据	测试了大型蛋白质-配体复合物和小型宿主-客体系统
1952	2024-08-07	Public mental health through social media in the post COVID-19 era 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1323922 PMID:38146469	研究论文	本文提出了一种基于微表情识别心理障碍的方法，使用深度学习模型HybridMicroNet进行情感识别	提出了一种基于卷积神经网络的深度学习模型HybridMicroNet，用于从微表情中识别情感	仅在CASME和SAMM数据集上进行了验证，可能需要更多数据集来验证模型的泛化能力	探索通过社交媒体中的微表情自动检测心理障碍的方法	心理障碍的自动检测	机器学习	NA	深度学习	CNN	图像	CASME数据集上的准确率为99.08%，SAMM数据集上的准确率为97.62%