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	2024-08-05	Association of brain microbleeds with risk factors, cognition, and MRI markers in MESA 2023-09, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13346 PMID:37289978	研究论文	该文章研究了脑微出血与风险因素、认知和MRI标记之间的关系	使用深度学习模型从多种族群体中识别和量化脑微出血，提供了新见解	研究样本主要来自一个特定的研究，可能影响结果的广泛性	探讨脑微出血在不同种族及其与风险因素和认知的关系	无先前中风的1016名参与者	数字病理学	心血管疾病	3T磁共振成像，深度学习模型	NA	图像	1016名参与者
142	2024-08-05	Patient specific prior cross attention for kV decomposition in paraspinal motion tracking 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16644 PMID:37538040	研究论文	该研究开发了一种深度学习算法，通过将图像分解为骨骼和软组织组件来提高kV图像对比度	提出了一种患者特异性的先验交叉注意机制（PCAT），显著提升了kV图像分解的性能	未提供有关其他类型或条件下的应用效果的信息	研究旨在改善放射治疗中kV图像的质量和运动追踪准确性	使用在线kV成像监测患者在脊旁SBRT中的运动	数字病理	NA	深度学习	生成对抗网络 (GAN)	图像	NA
143	2024-08-05	Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI 2023-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.16386 PMID:36988423	研究论文	本文开发了基于DGAE-MRI的正常组织并发症概率(NTCP)模型，以适应接受SBRT治疗的 hepatocellular cancer(HCC)患者的个性化放疗	创新性地采用DGAE-MRI的体素级功能信息，提高了放疗对患者特异性反应的估计	研究样本量较小，需在更大患者群体中进行进一步验证	旨在建立基于动态Gadoxetic Acid增强MRI的NTCP模型，以提高HCC患者放疗的个性化适应性	146名接受SBRT治疗的HCC患者，其中24名患者进行了DGAE MRI	数字病理学	肝癌	动态Gadoxetic Acid增强MRI (DGAE-MRI)	条件Wasserstein生成对抗网络 (cWGAN)	图像	146名HCC患者中有24名进行了DGAE MRI
144	2024-08-05	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2023-Sep-25, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究探讨了Fgfr3Y367C/+小鼠模型中胚胎颅骨软骨缺陷的特征	首次系统性地研究了成骨不全小鼠模型中胚胎颅面及下颌软骨的形成	对受影响个体胚胎发展阶段的研究仍然有限	研究成骨不全小鼠模型中胚胎颅骨和咽部软骨的发育	使用Fgfr3小鼠模型比较发育过程中颅软骨和Meckel软骨的差异	数字病理学	成骨不全	3D微计算机断层扫描（microCT）	NA	3D图像	NA
145	2024-08-05	Virtual and Augmented Reality in Interventional Radiology: Current Applications, Challenges, and Future Directions 2023-Sep, Techniques in vascular and interventional radiology IF:1.4Q3 DOI:10.1016/j.tvir.2023.100919 PMID:38071031	研究论文	虚拟现实和增强现实在介入放射学中的应用及未来方向	探讨了VR和AR在介入放射学中的潜在优势及最新技术进展	面临导航系统限制、高成本、临床接受度低以及技术约束等挑战	研究虚拟现实和增强现实在介入放射学中的应用及其未来的发展	关注医疗影像的可视化与导航，以及患者护理和教育培训方面	计算机视觉	NA	深度学习技术	NA	医疗影像	NA
146	2024-08-05	VOC transport in an occupied residence: Measurements and predictions via deep learning 2023-Sep-20, The Science of the total environment DOI:10.1016/j.scitotenv.2023.164559 PMID:37263430	研究论文	本研究监测和预测了占用居住环境中的挥发性有机化合物(VOCs)	通过深度学习模型预测了在占用居住环境中十种典型VOCs的浓度，并发现人类活动对VOCs排放有显著影响	在研究中未涉及更广泛的环境变量和更多的VOCs种类	研究居住环境中VOCs的传输特性及其暴露评估	在占用的住宅中监测和预测十种典型VOCs	数字病理学	NA	深度学习	长短期记忆网络(LSTM)	时间序列数据	10种典型VOCs
147	2024-08-05	Evaluation of a Natural Language Processing Model to Identify and Characterize Patients in the United States With High-Risk Non-Muscle-Invasive Bladder Cancer 2023-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00096 PMID:37906722	研究论文	本研究开发了一种自然语言处理模型，以识别美国高风险非肌肉侵袭性膀胱癌患者并描述其特征	采用深度学习方法训练自然语言处理，以识别高风险非肌肉侵袭性膀胱癌的标准，并使用电子病历进行回顾性分析	本研究基于回顾性数据，可能存在数据不完整或不准确的问题	研究旨在开发自然语言处理模型，以识别高风险非肌肉侵袭性膀胱癌患者	研究对象为2011年至2020年间被诊断为膀胱癌的成人患者	自然语言处理	膀胱癌	自然语言处理 (NLP)	深度学习模型	电子病历数据	共包含4402名患者的三组独立数据集，用于模型开发、验证和回顾性分析
148	2024-08-07	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2023-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.22.23295984 PMID:37808872	研究论文	本文开发了一种利用模型可解释性提高分类模型在多个队列间泛化能力的方法，通过MRI扫描和临床诊断数据训练深度神经网络，以区分正常认知、轻度认知障碍和阿尔茨海默病	提出了一种结合模型可解释性和域泛化的方法，通过统一视觉显著性先验来提高模型在未见目标域上的性能	NA	开发一种能够跨多个队列泛化的深度学习模型，用于评估阿尔茨海默病的认知障碍程度	MRI扫描数据和临床诊断信息	机器学习	阿尔茨海默病	深度神经网络	CNN	图像	总共使用了来自四个独立队列的7433个样本
149	2024-08-07	Deep Learning Model for Tumor Type Prediction using Targeted Clinical Genomic Sequencing Data 2023-Sep-10, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.08.23295131 PMID:37732244	研究论文	本文开发了一种基于深度神经网络的肿瘤类型分类模型GDD-ENS，利用39,787个实体肿瘤的临床靶向癌症基因组数据进行训练	GDD-ENS模型在38种癌症类型中实现了93%的高置信度预测准确率，与基于全基因组测序的方法相媲美，并能指导罕见类型和未知原发癌的诊断	NA	开发一种临床可行的肿瘤类型分类方法，以指导癌症治疗决策	实体肿瘤的类型分类	机器学习	癌症	临床靶向癌症基因组测序	深度神经网络	基因组数据	39,787个实体肿瘤样本
150	2024-08-07	Semantically Redundant Training Data Removal and Deep Model Classification Performance: A Study with Chest X-rays 2023-Sep-18, ArXiv PMID:37986725	研究论文	本研究探讨了深度学习模型在胸部X光片分类任务中，通过去除语义冗余训练数据来提升模型性能的方法	提出了一种基于熵的样本评分方法来识别和去除语义冗余的训练数据，从而提高模型性能	未提及具体的研究局限性	研究如何通过去除语义冗余数据来提升深度学习模型在医学影像分类任务中的性能	胸部X光片数据集	机器学习	NA	深度学习	NA	图像	使用了公开的NIH胸部X光数据集
151	2024-08-07	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	本文评估并优化了基于深度学习的细胞分割模型在免疫荧光图像上的性能，特别是在人类单纯疱疹病毒感染的皮肤组织中的应用	通过选择最佳模型并进一步训练，提高了预测性能，达到了与人类表现相当的水平	最终模型的性能不完美，主要归因于图像集中适度的信噪比	优化基于深度学习的细胞分割模型，以提高在密集组织中的细胞识别和定量	评估和优化18种基于深度学习的细胞分割模型在免疫荧光图像上的性能	计算机视觉	NA	深度学习	CNN	图像	使用了两组公共图像集和一组包含10,000+训练实例的当前图像集
152	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
153	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
154	2024-08-07	ChampKit: A framework for rapid evaluation of deep neural networks for patch-based histopathology classification 2023-Sep, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2023.107631 PMID:37271050	研究论文	本文介绍了一个名为ChampKit的软件工具，用于快速评估基于补丁的组织病理学分类的深度神经网络模型	ChampKit提供了一个可扩展、完全可复制的评估工具包，支持多种公共数据集，并允许用户通过命令行直接训练和评估模型，无需编写代码	本文未明确提及具体限制	旨在提供一个工具，以系统地评估不同组织病理学分类任务的神经网络模型	深度神经网络模型在组织病理学图像分类中的应用	计算机视觉	NA	深度学习	CNN, ViT	图像	涉及六个数据集
155	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
156	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