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
141	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
142	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
143	2024-08-07	Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach 2023-Jul, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2023.29.3.246 PMID:37591680	研究论文	本研究开发并验证了一种基于多中心、多模型的时序深度学习模型，用于预测服用血管紧张素II受体阻滞剂（ARBs）患者的药物性肝损伤（DILI）	采用多中心分布式研究网络方法，利用韩国六家医院的电子健康记录（EHRs），开发了一种可解释的时序模型，用于分析DILI的发生率和相关变量的时间模式	NA	开发并验证一种用于预测服用ARBs患者DILI的时序深度学习模型	服用血管紧张素II受体阻滞剂（ARBs）的患者及其药物性肝损伤（DILI）	机器学习	肝损伤	深度学习	时序分类模型	电子健康记录（EHRs）	10,852名患者
144	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