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
1961	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）
1962	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
1963	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
1964	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
1965	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
1966	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
1967	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
1968	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
1969	2024-08-07	Single-cell spatial metabolomics with cell-type specific protein profiling for tissue systems biology 2023-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43917-5 PMID:38086839	研究论文	本文提出了一种名为scSpaMet的单细胞空间代谢框架，用于在男性人体组织中对免疫和癌细胞进行蛋白质-代谢物联合分析	scSpaMet框架结合了非靶向空间代谢组学和靶向多重蛋白质成像，为系统级理解组织生物学提供了一种新兴工具	NA	研究癌症和免疫细胞在生物组织中的代谢重编程	人类肺癌、扁桃体和子宫内膜组织中的单个免疫和癌细胞	数字病理学	肺癌	空间代谢组学	深度学习	蛋白质和代谢物数据	19507、31156和8215个单细胞
1970	2024-08-07	Machine-guided discovery of a real-world rogue wave model 2023-Nov-28, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2306275120 PMID:37983488	研究论文	本文通过因果分析、深度学习、简约模型选择和符号回归，从波浪浮标的大量观测数据中发现海洋怪浪的符号模型	本文提出了一种结合机器学习与因果分析的方法，将黑盒模型转化为可解释的数学方程，提高了预测准确性并保持了与现有波浪理论的一致性	NA	探索如何利用机器学习模型的高级模式匹配能力进行科学发现	海洋怪浪的符号模型	机器学习	NA	深度学习、符号回归	人工神经网络	数据	大量波浪浮标的观测数据
1971	2024-08-07	Multimodal transformer network for incomplete image generation and diagnosis of Alzheimer's disease 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102303 PMID:37832503	研究论文	本文提出了一种深度学习框架，结合多级引导生成对抗网络（MLG-GAN）和多模态变换器（Mul-T），用于生成不完整图像和疾病分类	提出了多级引导生成对抗网络（MLG-GAN）和多模态变换器（Mul-T），能够生成缺失数据并结合全局和局部特征进行疾病诊断	NA	开发一种新的深度学习框架，用于处理不完整的多模态脑图像并提高阿尔茨海默病诊断的准确性	多模态脑图像和阿尔茨海默病	机器学习	阿尔茨海默病	生成对抗网络（GAN）	多模态变换器（Mul-T）	图像	三个独立数据集（ADNI-1、ADNI-2和OASIS-3）
1972	2024-08-07	Image reconstruction using UNET-transformer network for fast and low-dose PET scans 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102315 PMID:38006648	研究论文	本文提出了一种基于UNET-transformer网络的图像重建方法，用于快速和低剂量的PET扫描	结合UNET和Transformer网络的优势，提高低剂量PET图像重建的质量，同时保留边缘和小细节	由于可用数据有限和采集图像中噪声水平高，这是一个具有挑战性的问题	开发一种有效且准确的基于深度学习的方法，用于重建低剂量PET图像	低剂量PET图像	计算机视觉	NA	PET扫描	UNET-transformer	图像	使用Brainweb仿真数据集和Siemens Biograph mMR PET扫描仪采集的真实患者数据集
1973	2024-08-07	A review on brain tumor segmentation based on deep learning methods with federated learning techniques 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102313 PMID:38011781	综述	本文综述了基于深度学习和联邦学习技术的脑肿瘤分割方法	提出了联邦学习方法以提高全局分割性能并确保隐私	集中于未解决的脑肿瘤分割问题和客户端联邦模型训练策略	探讨最有效的脑肿瘤分割技术，并提出联邦学习方法以改进性能	脑肿瘤分割技术及其在医学影像中的应用	计算机视觉	脑肿瘤	联邦学习	CNN	图像	超过100篇相关论文
1974	2024-08-07	Research on augmented reality navigation of in vitro fenestration of stent-graft based on deep learning and virtual-real registration 2023-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2023.2289339 PMID:38059572	研究论文	本研究提出了一种基于深度学习和虚拟现实注册的增强现实导航方法，用于辅助体外支架移植术中的开窗操作	本研究采用了基于深度学习的大动脉分割算法和基于Vuforia的虚拟现实注册与标记识别算法，实现了自动快速的大动脉分割和准确的现场增强现实图像	NA	旨在提出一种增强现实导航方法，用于体外支架移植术中的开窗操作，以提供现场叠加显示来定位开窗位置	体外支架移植术中的开窗操作	计算机视觉	NA	深度学习	CNN	图像	NA
1975	2024-08-07	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.30.555551 PMID:37693527	研究论文	本文利用自动微分算法优化可逆自组装的物理模型，探索了3-7个亚基复合物的速率常数空间中的多样化解决方案	本文首次将深度学习框架中常用的自动微分算法应用于自组装系统的优化，定义了两种生物启发的协议来防止动力学陷阱，并提出了第三种模拟能量消耗酶的中间体回收协议	NA	理解避免陷阱并有效组装的生物机制，为设计合成组装系统提供最优解决方案	自组装的亚基复合物及其速率常数	生物物理学	NA	自动微分算法	物理模型	速率常数	3-7个亚基复合物
1976	2024-08-07	Enhanced cell segmentation with limited annotated data using generative adversarial networks 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.26.550715 PMID:37546774	研究论文	本文提出了一种基于定制CycleGAN架构的细胞分割模型，用于在有限标注细胞图像数据的情况下增强细胞分割效果	利用CycleGAN生成具有真实细胞形态细节和细微差别的合成图像，增加了训练数据的多样性并提高了合成样本的真实性，从而提升了细胞分割模型的预测准确性和鲁棒性	NA	解决显微镜成像中标注数据稀缺的问题，加速细胞分割基础模型的发展	细胞分割模型	计算机视觉	NA	生成对抗网络(GAN)	CycleGAN	图像	有限标注的细胞图像
1977	2024-08-07	Neuropsychiatric Symptoms and Commonly Used Biomarkers of Alzheimer's Disease: A Literature Review from a Machine Learning Perspective 2023, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-221261 PMID:36872783	综述	本文从机器学习角度对阿尔茨海默病（AD）及其相关神经精神症状（NPS）的常用生物标志物进行了全面的文献回顾	探讨了机器学习方法在分析NPS和AD生物标志物方面的应用潜力	目前针对NPS的机器学习研究数量有限	描绘机器学习在AD和NPS研究中的现状和潜力	阿尔茨海默病及其相关神经精神症状的生物标志物	机器学习	阿尔茨海默病	NA	统计机器学习方法和深度学习方法	多模态数据集	共包含38篇文章
1978	2024-08-07	A Hierarchical Spatial Transformer for Massive Point Samples in Continuous Space 2023-Dec, Advances in neural information processing systems PMID:38751689	研究论文	本文提出了一种新的分层空间变换器模型，用于处理连续空间中的大量点样本	引入了多分辨率表示学习在四叉树层次结构中，并通过粗略近似实现高效的空间注意力，设计了一个不确定性量化分支来估计与输入特征噪声和点稀疏性相关的预测置信度	NA	设计一种适用于连续空间中大量点样本的变换器模型	环境科学中的传感器观测、数值模拟中的粒子载流、天体物理学以及基于位置的服务中的POI和轨迹等数据	机器学习	NA	变换器模型	分层空间变换器	点样本	最多可达一百万点样本
1979	2024-08-07	Extracting social determinants of health from clinical note text with classification and sequence-to-sequence approaches 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad071 PMID:37100768	研究论文	本文通过分类和序列到序列方法从临床笔记文本中提取健康社会决定因素（SDOH）	提出了两种不同的深度学习模型，分别采用分类和序列到序列（seq2seq）方法，以高准确度从临床文本中提取SDOH	模型在新医疗机构的文本上准确度下降，泛化性有待未来研究	从临床文本中提取健康社会决定因素（SDOH）	临床文本中的健康社会决定因素（SDOH）	自然语言处理	NA	深度学习	分类模型和序列到序列模型	文本	使用了来自MIMIC-III语料库、社会历史标注语料库和内部语料库的标注和未标注数据
1980	2024-08-07	Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26609 PMID:37905971	研究论文	本文展示了CAPRI第54轮（CASP-CAPRI蛋白质组装预测挑战的第5次联合）的结果，该轮提供了37个目标，包括14个同源二聚体、3个同源三聚体、13个异源二聚体（包括3个抗体-抗原复合物）和7个大复合体。	研究显示，由于广泛使用AlphaFold2和AlphaFold2-Multimer软件及其提供的置信度指标，预测性能有了显著提高，高质量模型产出的目标比例从两年前的8%提升至约40%。	尽管取得了进步，但对于含有抗体和纳米体的复合物以及具有构象灵活性的复合物，预测性能仍然较差，表明蛋白质复合物的预测仍然是一个挑战性问题。	评估AlphaFold在蛋白质复合物结构预测中的影响。	37个蛋白质复合物目标，包括同源和异源二聚体、三聚体以及大复合体。	计算机视觉	NA	AlphaFold2, AlphaFold2-Multimer	深度学习	蛋白质结构模型	37个目标，涉及约70个预测组和15个评分组提交的21,941个模型