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
81	2024-09-19	Semi-supervised learning improves regulatory sequence prediction with unlabeled sequences 2023-May-05, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05303-2 PMID:37147561	研究论文	本文提出了一种半监督学习方法，用于改进基于未标记序列的调控序列预测	本文首次将半监督学习应用于调控序列预测，利用大量未标记序列（如来自其他物种的DNA序列）来提高预测性能	本文未详细讨论半监督学习在不同神经网络架构中的适用性和潜在问题	旨在通过半监督学习方法改进调控序列预测的准确性	研究对象包括人类基因组中的非编码区域和来自其他物种的DNA序列	机器学习	NA	ChIP-seq	神经网络	DNA序列	包括人类基因组和其他物种的DNA序列，具体数量未明确说明
82	2024-09-19	Exploring Digital Biomarkers of Illness Activity in Mood Episodes: Hypotheses Generating and Model Development Study 2023-05-04, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/45405 PMID:36939345	研究论文	研究探讨了使用可穿戴设备记录的生理数据预测双相情感障碍和重度抑郁症患者情绪发作的严重程度和极性	提出了一种新的全自动方法，用于预处理和分析研究级可穿戴设备的生理数据，并开发了一个可行的监督学习管道用于时间序列分析	模型在未见过的患者上的泛化能力总体上较低，除了个体间模型	探索生理可穿戴数据是否能预测急性情绪发作的严重程度和极性，并研究哪些生理数据与先前的预测、患者间的泛化以及情绪症状与生理数据之间的关联有关	双相情感障碍和重度抑郁症患者的急性情绪发作（躁狂、抑郁和混合）	数字病理学	精神疾病	深度学习	深度学习预测模型	生理数据	35个会话，来自12名患者和7名健康对照（平均年龄39.7岁，标准差12.6年；6/19，32%女性）
83	2024-09-19	AcrNET: predicting anti-CRISPR with deep learning 2023-05-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad259 PMID:37084259	研究论文	提出了一种名为AcrNET的深度神经网络，用于预测anti-CRISPR蛋白	AcrNET在跨数据集验证中显著优于现有方法，首次实现了对anti-CRISPR类别的详细预测	NA	开发一种高效的计算方法来预测anti-CRISPR蛋白	anti-CRISPR蛋白及其与CRISPR-Cas系统的相互作用	机器学习	NA	深度学习	Transformer	蛋白质序列	25000万条蛋白质序列
84	2024-09-19	Deep Learning Denoising Improves and Homogenizes Patient [18F]FDG PET Image Quality in Digital PET/CT 2023-May-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13091626 PMID:37175017	研究论文	研究使用深度学习技术对数字PET/CT图像进行去噪，以提高和统一患者[18F]FDG PET图像质量	首次评估了基于卷积神经网络的深度学习PET去噪解决方案（Subtle PET），显著提高了图像质量和一致性	研究样本量有限，且仅限于特定类型的PET图像	提高和统一数字PET/CT中[18F]FDG PET图像质量	113名患者的PET图像质量及病变检测和量化	计算机视觉	NA	深度学习	卷积神经网络	图像	113名患者
85	2024-09-19	ASTRA: a deep learning algorithm for fast semantic segmentation of large-scale astrocytic networks 2023-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.03.539211 PMID:37205519	研究论文	本文介绍了一种名为ASTRA的深度学习算法，用于快速语义分割大规模星形胶质网络中的钙信号	ASTRA结合了深度学习和图像特征工程，实现了对星形胶质细胞钙成像记录的快速和全自动语义分割	NA	开发一种快速且自动化的分析工具，用于识别星形胶质细胞亚细胞区域的钙信号	星形胶质细胞的钙信号及其在大规模网络中的相互作用	计算机视觉	NA	两光子显微镜	深度学习	图像	数百个星形胶质细胞
86	2024-09-19	The landscape of tolerated genetic variation in humans and primates 2023-May-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.01.538953 PMID:37205491	研究论文	研究分析了人类和灵长类动物中容忍的遗传变异，并利用深度学习模型预测了这些变异的致病性	通过大规模的基因组测序数据，系统地解析了人类遗传变异的影响，并利用深度学习模型实现了对致病变异的准确诊断	对遗传变异的临床相关性理解仍不完整	系统地解析人类遗传变异的影响	人类和灵长类动物的基因组	基因组学	NA	全基因组测序	深度学习	基因组数据	809个个体，来自233种灵长类物种
87	2024-09-19	Hepatic vessels segmentation using deep learning and preprocessing enhancement 2023-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13966 PMID:36933239	研究论文	本文提出了一种基于深度学习和预处理增强的肝血管分割方法	结合了深度学习与预处理增强技术，使用改进的U-net网络架构和残差块连接，提高了肝血管的对比度和强度均匀性	研究了数据不匹配对训练和验证的影响，但未详细说明如何解决这一问题	开发一种自动化的肝血管分割系统，以辅助肝病患者的诊断和手术规划	肝血管的分割	计算机视觉	肝病	卷积神经网络 (CNN)	U-net	CT图像	多个CT数据集
88	2024-09-19	A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories 2023-05, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02332-5 PMID:37156936	研究论文	本研究利用人工智能方法分析临床数据，预测胰腺癌风险	开发了一种深度学习算法，能够从疾病轨迹中预测胰腺癌风险，并在不同数据集上验证了其有效性	跨数据集应用时模型性能下降，需要重新训练	提高胰腺癌早期检测能力，设计更有效的筛查计划	胰腺癌风险预测	机器学习	胰腺癌	深度学习	机器学习模型	临床数据	丹麦600万患者（24,000例胰腺癌）和美国300万患者（3,900例胰腺癌）
89	2024-09-19	Association of collagen deep learning classifier with prognosis and chemotherapy benefits in stage II-III colon cancer 2023-May, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10526 PMID:37206212	研究论文	本文提出了一种基于50层残差网络模型的胶原蛋白深度学习分类器，用于预测II-III期结肠癌患者的无病生存期和总生存期，并评估其对辅助化疗的反应	本文首次将胶原蛋白深度学习分类器应用于结肠癌患者的预后和化疗效果预测	NA	研究胶原蛋白深度学习分类器在II-III期结肠癌患者中的预后和化疗效果预测能力	II-III期结肠癌患者	机器学习	结肠癌	深度学习	残差网络模型	图像	NA
90	2024-09-19	Automated assessment of human engineered heart tissues using deep learning and template matching for segmentation and tracking 2023-May, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10513 PMID:37206226	研究论文	开发并验证了一种名为HAARTA的软件，用于自动分析人工程心脏组织的收缩特性	使用深度学习和模板匹配技术进行高精度分割和跟踪，提高了分析的鲁棒性、准确性和计算效率	NA	开发一种自动分析人工程心脏组织收缩特性的软件，以促进体外药物筛选和心脏功能的纵向测量	人工程心脏组织（EHTs）的收缩特性	计算机视觉	心血管疾病	深度学习、模板匹配	NA	视频	来自三个不同的人多能干细胞（hPSC）系的数据集
91	2024-09-15	An optimized EBRSA-Bi LSTM model for highly undersampled rapid CT image reconstruction 2023-May, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2023.104637 PMID:36776947	研究论文	本文提出了一种优化的EBRSA-Bi LSTM模型，用于高度欠采样的快速CT图像重建	本文创新性地结合了深度学习方法和增强战斗皇家自注意力机制，提出了一种新的EBRSA-Bi LSTM模型，用于从欠采样数据中重建CT图像	NA	提高COVID-19患者的CT图像重建质量	COVID-19和SARS-CoV-2的CT图像	计算机视觉	NA	深度学习	EBRSA-Bi LSTM	图像	两个数据集：COVID-CT和SARS-CoV-2 CT
92	2024-09-07	Deep learning to estimate lung disease mortality from chest radiographs 2023-05-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37758-5 PMID:37193717	研究论文	开发了一种深度学习模型CXR Lung-Risk，用于从胸部X光片预测肺病死亡风险	首次使用深度学习模型从胸部X光片中预测肺病死亡风险，并展示了其在个性化预防和治疗策略中的潜在应用	NA	开发和验证一种深度学习模型，用于从胸部X光片中预测肺病死亡风险	肺病死亡风险预测	计算机视觉	肺病	深度学习	深度学习模型	图像	训练集包含40,643名个体的147,497张X光片，测试集包含15,976名个体
93	2024-08-10	Virtual-scanning light-field microscopy for robust snapshot high-resolution volumetric imaging 2023-05, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-01839-6 PMID:37024654	研究论文	本文提出了一种基于物理的深度学习框架——虚拟扫描光场显微镜（VsLFM），用于提高光场显微镜的分辨率至衍射极限，实现高速三维成像。	VsLFM通过构建40GB的高分辨率扫描光场显微镜数据集，利用相位相关角度视图之间的物理先验信息，解决了频率混叠问题，从而避免了硬件扫描及其相关的运动伪影。	NA	旨在开发一种能够在单次快照中实现高分辨率三维成像的技术，以用于研究健康和疾病中的瞬态亚细胞相互作用和功能。	研究对象包括胚胎斑马鱼的心脏跳动、果蝇大脑的电压活动以及小鼠肝脏中的中性粒细胞迁移等多样化的生物过程。	计算机视觉	NA	光场显微镜	深度学习框架	图像	40GB的高分辨率扫描光场显微镜数据集
94	2024-08-04	The emerging role of artificial intelligence and digital twins in pre-clinical molecular imaging 2023 May-Jun, Nuclear medicine and biology IF:3.6Q1 DOI:10.1016/j.nucmedbio.2023.108337 PMID:37030076	研究论文	本文探讨了人工智能和数字双胞胎在临床前分子成像中的新兴作用	提出使用深度学习方法提升数字双胞胎的发展能力和应用	目前尚未提及具体的局限性	探索数字双胞胎在临床前分子成像中的应用潜力	以小鼠为模型的临床前分子成像	数字病理学	NA	深度学习，生成对抗网络	NA	图像	特定基因小鼠模型
95	2024-08-05	Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice 2023-May-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.30.542912 PMID:37398256	研究论文	本研究介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动	提出了一种新的多模态深度学习模型，能够结合视觉输入与行为和时间动态来预测小鼠视觉皮层的活动	该研究结果可能仅适用于小鼠，不适用于其他物种的视觉皮层活动预测	探讨小鼠视觉皮层中自然视觉输入与行为变量如何整合以产生神经反应	自由移动小鼠的视觉皮层V1活动	计算机视觉	NA	深度卷积神经网络 (CNN) 和递归神经网络	递归神经网络	视觉数据	自由移动小鼠的行为数据
96	2024-08-05	Real-time guiding by deep learning during echocardiography to reduce left ventricular foreshortening and measurement variability 2023-May, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad012 PMID:39044792	研究论文	本文探讨了在超声心动图过程中使用深度学习进行实时指导以减少左心室缩短和测量变异性。	研究首次将实时深度学习指导应用于超声心动图，以提高图像标准化和降低测量变异性。	实时指导对经验丰富的操作员间变异性的影响较小。	研究实时深度学习指导在超声心动图中对左心室缩短和观察者间变异性的影响。	纳入88名在窦律下进行超声心动图检查的患者。	数字病理学	心血管疾病	深度学习	NA	图像	88名患者
97	2024-08-05	Fully automatic estimation of global left ventricular systolic function using deep learning in transoesophageal echocardiography 2023-May, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyad007 PMID:39044786	研究论文	本研究开发了一种利用深度学习实现完全自动化的左心室收缩功能评估方法。	创新点在于通过深度学习实现心脏超声图像的完全自动化评估，从而提高了监测速度和再现性。	本研究的限制在于样本来自185名患者，结果需在更多临床背景下进一步验证。	研究的目的是临床验证自动化MAPSE在心脏病患者中的有效性。	研究对象为185名未选择图像质量的心脏病患者。	数字病理学	心脏病	深度学习	NA	视频	185名心脏病患者
98	2024-08-05	The ChatGPT Storm and What Faculty Can Do 2023 May-Jun 01, Nurse educator IF:2.4Q1 DOI:10.1097/NNE.0000000000001390 PMID:37043716	研究论文	本论文讨论了ChatGPT在学术界的迅速普及及其伦理使用的关注	探讨教师如何应对ChatGPT带来的挑战，强调自我反思、批判性思维和独立学习的重要性	未提及具体的实证研究或数据支持	旨在探讨ChatGPT在护理教育中的潜力及其伦理使用	关注职员及学生如何利用ChatGPT进行学习和信息评估	自然语言处理	NA	深度学习语言模型	NA	文本	NA
99	2024-08-05	In-silico generation of high-dimensional immune response data in patients using a deep neural network 2023-05, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24709 PMID:36507780	研究论文	本文提出了一种深度学习模型，用于在高维空间中生成患者的免疫反应数据	通过新的最佳时序细胞匹配和过完备自编码器管道，使用少量患者的数据预测整个患者的免疫反应	受限于仅使用小型患者样本，可能影响模型的普遍适用性	旨在理解免疫系统在各类疾病中的作用	分析手术前后1.08百万个细胞的数据	机器学习	NA	深度学习	自编码器	细胞数据	涉及1.08百万个细胞
100	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