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
61	2024-10-13	disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data 2023-Oct-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05522-7 PMID:37817115	研究论文	本文介绍了一种名为disperseNN2的深度学习工具，用于从地理参考的多态性数据中估计每代平均扩散距离	disperseNN2通过使用样本的地理信息，在处理成对基因型时进行特征提取，从而优于不使用显式空间信息的先进深度学习方法	NA	开发一种新的深度学习工具，用于从地理参考的多态性数据中估计生物的扩散能力	生物的地理遗传变异和扩散距离	机器学习	NA	深度学习	神经网络	多态性数据	10和100个个体
62	2024-10-13	Reliable interpretability of biology-inspired deep neural networks 2023-Oct-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-023-00310-8 PMID:37816807	研究论文	本文研究了生物启发深度神经网络的可解释性问题，并提出了一种提高解释鲁棒性和减少偏差的方法	本文扩展了先前的研究，测试并改进了生物启发模型P-NET的可解释性方法，提出了一种控制解释鲁棒性和偏差的新方法	本文主要关注生物启发模型的可解释性问题，未涉及其他类型的深度学习模型	研究生物启发深度神经网络的可解释性，并提出提高解释鲁棒性和减少偏差的方法	生物启发模型P-NET，训练于患者突变数据	机器学习	NA	深度学习	深度神经网络	患者突变数据	NA
63	2024-10-13	Homologous Pairs of Low and High Temperature Originating Proteins Spanning the Known Prokaryotic Universe 2023-10-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02553-w PMID:37805601	研究论文	本文介绍了通过同源配对方法构建的大规模蛋白质温度数据集learn2thermDB，用于研究蛋白质在高温下的稳定性	本文创新性地构建了一个包含2400万实例和6900万蛋白质对的大规模数据集，远超当前最大规模，为高温稳定性研究提供了新的数据资源	NA	旨在通过大规模数据集推动高温蛋白质稳定性设计方法的创新	蛋白质在高温下的稳定性	生物信息学	NA	同源配对	深度学习	蛋白质序列数据	2400万实例，6900万蛋白质对
64	2024-10-13	A unified method to revoke the private data of patients in intelligent healthcare with audit to forget 2023-10-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41703-x PMID:37802981	研究论文	提出了一种通过审计指导遗忘过程的方法，用于在智能医疗中撤销患者的私人数据	引入了知识净化方法，统一了审计和遗忘两个任务，并开发了审计遗忘软件（AFS）	未提及具体的技术实现细节和实验结果	保护患者的数据撤销权和隐私	患者的私人数据和预训练的深度学习模型	机器学习	NA	深度学习	深度学习模型	数据集	未提及具体样本数量
65	2024-10-13	Physics-informed neural network with transfer learning (TL-PINN) based on domain similarity measure for prediction of nuclear reactor transients 2023-Oct-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-43325-1 PMID:37803015	研究论文	本文提出了一种基于领域相似性度量的迁移学习物理信息神经网络（TL-PINN），用于预测核反应堆瞬态状态	通过迁移学习方法显著减少了模型训练的迭代次数，实现了对不同核反应堆瞬态状态的快速预测	NA	开发一种准确且快速的核反应堆瞬态状态预测方法，以提高核反应堆的安全性和效率	核反应堆瞬态状态的预测	机器学习	NA	物理信息神经网络（PINN）	迁移学习物理信息神经网络（TL-PINN）	实验参数数据	使用普渡大学反应堆一号（PUR-1）研究反应堆的实验参数生成的不同瞬态状态
66	2024-10-13	Complexities of deep learning-based undersampled MR image reconstruction 2023-10-04, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-023-00372-7 PMID:37789241	综述	本文综述了基于深度学习的欠采样磁共振图像重建方法	探讨了深度学习在解决图像重建等逆问题中的潜力	重建图像的鲁棒性和诊断质量难以评估	帮助研究人员和放射科医生开发新方法或提供有价值的反馈	基于深度学习的磁共振图像重建方法	机器学习	NA	深度学习	NA	图像	NA
67	2024-10-13	Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks 2023-Oct-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41698-5 PMID:37788995	研究论文	本文提出了一种基于分子组装任务的可解释深度学习框架RetroExplainer，用于逆合成预测	将逆合成任务形式化为分子组装过程，并引入了多感官和多尺度图变换器、结构感知的对比学习和动态自适应多任务学习单元，提高了模型的鲁棒性和解释性	NA	加速数字实验室中有机化学研究的自动化逆合成预测	逆合成预测任务	机器学习	NA	深度学习	图变换器	分子数据	12个大规模基准数据集
68	2024-10-13	plotnineSeqSuite: a Python package for visualizing sequence data using ggplot2 style 2023-Oct-03, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-023-09677-8 PMID:37789265	研究论文	介绍了一个名为plotnineSeqSuite的Python包，用于使用ggplot2风格的API可视化序列数据	plotnineSeqSuite是首个在Python中实现ggplot2风格序列相关图形可视化的包，增强了R和Python之间编程绘图的统一性	NA	开发一个Python包，提供类似于R语言中ggseqlogo的API，以降低学习成本并增强编程方法的统一性	序列数据的可视化	生物信息学	NA	NA	NA	序列数据	NA
69	2024-10-13	A deep learning model to triage and predict adenocarcinoma on pancreas cytology whole slide imaging 2023-10-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-42045-w PMID:37783684	研究论文	本文提出了一种深度学习框架MIPCL，用于胰腺细胞学全切片成像中腺癌的分类和预测	MIPCL模型在所有评估指标上显著优于其他两种深度学习模型，并且能够恢复对最终预测贡献最大的切片区域	NA	开发一种辅助筛查工具，用于预测胰腺细胞学全切片成像中腺癌的存在与否	胰腺细胞学全切片成像中的腺癌	数字病理	胰腺癌	深度学习	深度学习框架	图像	通过数据集优化策略增加了训练样本数量
70	2024-10-13	SurfFlow: A Flow-Based Approach for Rapid and Accurate Cortical Surface Reconstruction from Infant Brain MRI 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43993-3_37 PMID:39380670	研究论文	本文介绍了一种基于流的方法，用于从婴儿脑部MRI快速准确地重建皮层表面	提出了一种针对婴儿脑部MRI的皮层表面重建方法，利用三个无缝连接的变形块，能够在一秒内重建高分辨率的皮层表面网格	NA	开发一种能够准确重建婴儿脑部皮层表面的方法，以理解早期大脑发育过程中皮层形态学的快速变化	婴儿脑部的皮层表面	计算机视觉	NA	流形变形	NA	MRI图像	0到12个月大的婴儿MRI数据集
71	2024-10-13	The Impact of Artificial Intelligence on Optimizing Diagnosis and Treatment Plans for Rare Genetic Disorders 2023-Oct, Cureus DOI:10.7759/cureus.46860 PMID:37954711	研究论文	探讨人工智能和机器学习在优化罕见遗传病诊断和治疗方案中的变革性影响	强调人工智能在分析大数据集和加速诊断方面的能力，以及在个性化治疗方案和药物发现中的应用	讨论了人工智能在医疗中的挑战和局限性，包括伦理、法律、技术和人类方面的考虑	探索人工智能和机器学习在解决罕见遗传病诊断和治疗复杂性中的作用	罕见遗传病及其诊断和治疗方案	机器学习	罕见遗传病	人工智能、机器学习、深度学习	NA	数据集	NA
72	2024-10-12	Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model 2023-10-27, Journal of visualized experiments : JoVE DOI:10.3791/65557 PMID:37955392	研究论文	本文介绍了一种利用混合深度学习模型自动识别锥虫寄生虫的方法	引入了一种基于混合深度学习技术的AI程序，能够从油浸显微图像中识别和分类三种锥虫物种	NA	开发一种自动化的诊断工具，以提高锥虫病的监测和控制效率	锥虫物种Trypanosoma cruzi, T. brucei, 和 T. evansi	计算机视觉	NA	混合深度学习技术	混合深度学习模型	图像	NA
73	2024-10-12	A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports 2023-10-13, Journal of visualized experiments : JoVE DOI:10.3791/65084 PMID:37902366	研究论文	本文介绍了一种名为CaseOLAP LIFT的计算管道，用于通过提取用户选择的文本数据集中的信息来研究细胞成分及其与疾病的关联	提出了CaseOLAP LIFT计算管道，通过知识图谱自动构建和深度学习模型预测蛋白质与疾病之间的未报告关系	NA	揭示细胞途径在疾病中的作用	细胞成分及其与疾病的关联	自然语言处理	心血管疾病	知识图谱构建	深度学习模型	文本	约3400万篇文本文档
74	2024-10-09	Super-resolution segmentation network for inner-ear tissue segmentation 2023-Oct, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-44689-4_2 PMID:38560492	研究论文	本文提出了一种基于深度学习的超分辨率分割网络，用于内耳组织分割	本文提出的方法能够使用患者CT图像获得μCT级别的组织标签，并在内耳组织分割任务中表现优异	NA	研究如何使用深度学习方法从CT图像中提取高分辨率的内耳组织信息	内耳组织	计算机视觉	NA	深度学习	超分辨率分割网络	图像	NA
75	2024-10-04	Validation of a Deep Learning Algorithm for Continuous, Real-Time Detection of Atrial Fibrillation Using a Wrist-Worn Device in an Ambulatory Environment 2023-10-03, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.030543 PMID:37750558	研究论文	本文验证了一种基于卷积神经网络的腕戴设备在连续实时检测房颤中的性能	首次在腕戴设备中实现了连续实时房颤检测，并具有临床级别的性能	研究样本量较小，且仅限于阵发性房颤患者	验证腕戴设备在连续实时房颤检测中的临床应用潜力	腕戴设备、卷积神经网络、房颤检测	机器学习	心血管疾病	卷积神经网络	卷积神经网络	心电图数据	117名阵发性房颤患者
76	2024-10-04	Predicting Prostate Cancer Molecular Subtype With Deep Learning on Histopathologic Images 2023-Oct, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100247 PMID:37307876	研究论文	本文利用深度学习算法在组织病理学图像上预测前列腺癌的分子亚型	本文提出了一种基于transformer的分层架构，用于从H&E染色的全切片图像中识别前列腺癌中的ERG融合和PTEN缺失	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种能够通过组织病理学图像预测前列腺癌分子亚型的深度学习算法	前列腺癌中的ERG融合和PTEN缺失	数字病理学	前列腺癌	深度学习	Transformer	图像	224例ERG融合和205例PTEN缺失的前列腺癌样本
77	2024-10-04	Automated Triage of Screening Breast MRI Examinations in High-Risk Women Using an Ensemble Deep Learning Model 2023-10-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000976 PMID:37058323	研究论文	研究开发并评估了一种深度学习模型，用于在无漏诊癌症的情况下对高风险女性的乳腺MRI检查进行分类	提出了一种自动化的深度学习模型，能够在不漏诊癌症的情况下对乳腺MRI检查进行分类，并可能用于减少工作量	模型在独立使用时可能不适用于所有情况，更适合作为分流工具或基础模型	开发和评估一种深度学习模型，用于对高风险女性的乳腺MRI检查进行分类，以减少工作量并提高诊断效率	高风险女性的乳腺MRI检查	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	16,535次连续的对比增强MRI检查，涉及8354名女性
78	2024-10-04	Quantification of spatially localized MRS by a novel deep learning approach without spectral fitting 2023-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29711 PMID:37183798	研究论文	提出了一种新的端到端深度学习模型，用于从体内J-点分辨光谱（JPRESS）中量化绝对代谢物浓度，无需使用光谱拟合	该模型通过深度学习直接从JPRESS数据中预测代谢物浓度和单个代谢物信号，无需光谱拟合，消除了传统方法中浓度估计与噪声水平及代谢物之间的相关性	该研究仅在20个人体脑样本上进行了体内测试，样本量较小	开发一种新的深度学习方法，用于从体内JPRESS数据中直接量化代谢物浓度，无需光谱拟合	体内JPRESS数据中的代谢物浓度	机器学习	NA	深度学习	编码器-解码器神经网络	时间域数据	训练数据集包含100,000个样本，验证数据集包含2,000个样本，体内测试数据集包含20个人体脑样本
79	2024-10-04	Methodology reporting improved over time in 176,469 randomized controlled trials 2023-10, Journal of clinical epidemiology IF:7.3Q1 DOI:10.1016/j.jclinepi.2023.08.004 PMID:37562729	研究论文	本文分析了176,469项随机对照试验（RCT）的方法学报告随时间的变化趋势	使用基于深度学习的句子分类模型，根据CONSORT声明评估RCT报告的质量，并分析了报告趋势随时间的变化	某些方法信息的报告仍需改进，如序列生成和分配隐藏的报告率较低	研究随机对照试验方法学报告随时间的变化趋势	176,469项随机对照试验报告	机器学习	NA	深度学习	句子分类模型	文本	176,469项随机对照试验报告
80	2024-10-04	Investigating Transformer Encoding Techniques to Improve Data-Driven Volume-to-Surface Liver Registration for Image-Guided Navigation 2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-44992-5_9 PMID:39139984	研究论文	研究利用Transformer编码技术改进基于数据的体积到表面肝脏配准，以提高图像引导导航的准确性	采用基于Transformer的分割网络来预测非刚性配准的最佳位移场，显著提高了配准的准确性和鲁棒性	研究仅限于体积到表面肝脏配准，未涉及其他器官或更复杂的配准任务	提高腹腔镜肝脏手术中图像引导导航的准确性	肝脏的体积图像与表面图像的非刚性配准	计算机视觉	NA	深度学习	Transformer	图像	涉及多种数据集，具体样本数量未明确说明