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
3101	2024-11-23	Development and validation of a deep learning-based survival prediction model for pediatric glioma patients: A retrospective study using the SEER database and Chinese data 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109185 PMID:39341114	研究论文	开发并验证了一种基于深度学习的儿童胶质瘤患者生存预测模型，通过SEER数据库和中国数据进行回顾性研究	首次使用DeepSurv模型进行儿童胶质瘤患者的生存预测，并展示了其在不同数据集上的优异表现	研究仅限于SEER数据库和Tangdu医院的患者数据，可能存在样本偏倚	开发一种能够准确预测儿童胶质瘤患者预后的深度学习模型，以辅助临床医生制定精确的治疗决策	儿童胶质瘤患者	机器学习	脑肿瘤	深度学习	DeepSurv	临床数据	共9532名儿童胶质瘤患者，其中SEER数据库9274名，Tangdu医院258名
3102	2024-11-23	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-Nov, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	本研究利用多重荧光免疫组化技术，在多个空间尺度上评估肿瘤免疫微环境，以区分转移性非小细胞肺癌患者对免疫治疗的反应	引入了几种新颖的计算方法，包括空间G交叉函数和空间重叠方法，以量化细胞间的相互作用，并训练了一个可解释的深度学习模型来识别影响反应的关键细胞区域	NA	通过多层次空间分析揭示细胞组成和相互作用的规律，以更好地理解肿瘤免疫微环境并区分患者对免疫治疗的反应	转移性非小细胞肺癌患者的肿瘤免疫微环境	数字病理学	肺癌	多重荧光免疫组化	深度学习模型	图像	52名转移性非小细胞肺癌患者，共1269张多重荧光免疫组化图像
3103	2024-10-30	Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00729-x PMID:39468341	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3104	2024-11-23	Deep generative design of RNA aptamers using structural predictions 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00720-6 PMID:39506080	研究论文	开发了一种基于深度学习的结构到序列平台，用于从头生成RNA适配体	利用结构预测指导RNA适配体的生成设计，设计出结构相似但序列不同的RNA适配体	NA	开发新的RNA适配体设计方法	RNA适配体及其荧光活性	机器学习	NA	深度学习	NA	RNA序列	多个生成的RNA适配体
3105	2024-11-23	A deep learning model for prediction of autism status using whole-exome sequencing data 2024-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012468 PMID:39514604	研究论文	开发了一种深度学习模型STAR-NN，用于使用全外显子测序数据预测自闭症状态	STAR-NN模型在输入层分离了不同致病效应的罕见变异，并在同一基因节点上合并，从而更细致地处理了罕见变异	STAR-NN在测试数据集和独立数据集上的ROC-AUC值仅为0.7319和0.7302，表现较为一般	利用深度学习技术预测自闭症状态	自闭症儿童及其基因变异	机器学习	自闭症	全外显子测序	深度学习模型	基因数据	43,203个个体（其中16,809个自闭症患者和26,394个非自闭症对照）
3106	2024-11-23	A deep learning approach for rational ligand generation with toxicity control via reactive building blocks 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00718-0 PMID:39516375	研究论文	本文介绍了一种基于深度学习的合理配体生成方法DeepBlock，通过反应性构建块实现毒性控制	提出了DeepBlock方法，将生成过程分为构建块生成和分子重构两步，结合神经网络和基于规则的重构算法，实现了对生成分子属性的精确控制	未提及具体限制	开发一种能够生成具有亲和力、合成可及性和类药性的配体分子，并控制其毒性的深度学习方法	配体分子及其毒性控制	机器学习	NA	深度学习	神经网络	蛋白质序列	未提及具体样本数量
3107	2024-11-22	Harnessing deep learning to build optimized ligands 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00725-1 PMID:39543392	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3108	2024-11-23	Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis 2024-Oct-31, ArXiv PMID:39575118	研究论文	本文介绍了一种名为Supervised Independent Subspace Principal Component Analysis (sisPCA) 的主成分分析扩展方法，用于多子空间学习	sisPCA结合了Hilbert-Schmidt独立性准则（HSIC），能够在监督下确保子空间的解耦，提高了模型的可解释性	NA	开发一种能够在高维数据中捕捉人类可理解概念的有效表示方法	乳腺癌诊断、衰老相关的DNA甲基化变化以及疟疾感染的单细胞分析	机器学习	NA	主成分分析（PCA）	sisPCA	图像特征、DNA甲基化数据、单细胞数据	NA
3109	2024-11-23	Deep learning and genetic algorithm driven accelerated design for frequency-multiplexed complex-amplitude coding meta-hologram 2024-Oct-21, Optics express IF:3.2Q2 DOI:10.1364/OE.538487 PMID:39573662	研究论文	本文提出了一种利用深度学习和遗传算法加速设计频率复用复杂振幅编码超表面全息图的方法	该方法能够设计出支持双频2比特振幅和任意相位调制的超原子，显著降低了设计难度并实现了优异的低串扰性能	目前仅限于左旋圆偏振波的调制，未来可扩展到其他偏振状态	旨在突破传统超表面的功能限制，实现多通道通信中的高效设计和高质量全息重建	频率复用超表面及其在多通道通信、数据存储和完美全息术中的应用	NA	NA	深度学习遗传算法	NA	NA	NA
3110	2024-11-23	Orbital angular momentum superimposed mode recognition based on multi-label image classification 2024-Oct-21, Optics express IF:3.2Q2 DOI:10.1364/OE.541716 PMID:39573669	研究论文	本文提出了一种基于多标签图像分类的轨道角动量叠加模式识别方法	开发了一种结合多标签图像分类的识别方法，用于准确识别多轨道角动量叠加模式涡旋光束	目前主要集中在单轨道角动量模式和±l叠加双轨道角动量模式的识别，对多轨道角动量叠加模式的研究较少	提高轨道角动量叠加模式在接收端的准确识别能力	轨道角动量叠加模式涡旋光束	机器学习	NA	多标签图像分类	渐进通道-空间注意力模型（PCSA）	图像	数值模拟和实验获取的三轨道角动量和四轨道角动量叠加模式涡旋光束的强度分布图数据集
3111	2024-11-22	VONet: A deep learning network for 3D reconstruction of organoid structures with a minimal number of confocal images 2024-Oct-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101063 PMID:39569212	研究论文	本文介绍了一种基于深度学习的3D重建网络VONet，用于从少量共聚焦图像中重建类器官结构	VONet能够从少量z堆栈图像中重建完整的3D结构，并能预测传统共聚焦显微镜无法观察到的深层焦平面区域的结构	NA	开发一种高效且经济的3D重建方法，用于类器官结构的成像	类器官结构的3D重建	计算机视觉	NA	深度学习	全卷积神经网络	图像	超过39,000个虚拟类器官
3112	2024-11-23	Prediction of adverse drug reactions using demographic and non-clinical drug characteristics in FAERS data 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74505-2 PMID:39384938	研究论文	研究利用机器学习模型基于FAERS数据中的非临床和人口统计学特征预测药物不良反应	首次结合人口统计学和非临床数据进行药物不良反应预测，并识别出最重要的影响因素	模型性能仍有提升空间，且仅限于30种常见且严重的药物不良反应	开发基于人口统计学和非临床数据的药物不良反应预测模型，并识别关键影响因素	30种常见且严重的药物不良反应	机器学习	NA	随机森林 (RF) 和深度学习 (DL)	随机森林模型和深度学习模型	人口统计学数据和非临床数据	2012年至2023年间报告给FDA的30种常见且严重的药物不良反应数据
3113	2024-11-23	Mapping the scientific landscape and evolution of the international journal of surgery: A scientometric analysis (2004-2024) 2024-Oct-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002107 PMID:39576039	研究论文	本研究分析了国际外科学杂志在20年间的出版特征和发展	通过描述性文献计量学方法和可视化工具，揭示了国际外科学杂志的文献生产动态和趋势模式	NA	分析国际外科学杂志的出版特征和发展趋势	国际外科学杂志的出版物和相关研究	NA	NA	文献计量学分析	NA	文本	5964篇2004年至2023年的出版物和356篇2024年的出版物
3114	2024-11-23	JQR-Net: joint quantitative reconstruction network for dual-modal photoacoustic and optical coherence tomography imaging 2024-Oct-07, Optics express IF:3.2Q2 DOI:10.1364/OE.537966 PMID:39573570	研究论文	本文提出了一种用于双模态光声和光学相干断层扫描成像的联合定量重建网络，以实现更精确和全面的组织特征分析	首次设计了一种深度学习模型，能够同时从双模态成像信号中重建多个组织特征参数，促进深入的组织表征	NA	开发一种深度学习方法，用于双模态光声和光学相干断层扫描成像中的联合定量重建	光声诱导的压力信号和背散射的光学相干断层扫描信号	计算机视觉	NA	深度学习	深度神经网络	图像	NA
3115	2024-11-23	Physical prior-guided deep learning for SIM reconstruction: modeling object-to-image degradation 2024-Oct-07, Optics express IF:3.2Q2 DOI:10.1364/OE.537692 PMID:39573583	研究论文	本文提出了一种基于物理先验指导的深度学习方法，用于结构化光照显微镜（SIM）重建，通过建模物体到图像的退化过程	本文创新性地将物体到图像平面的退化过程嵌入到重建网络中，通过物理先验约束的可学习点扩散函数（PSF）参数，将传统的图像到图像数据模式映射转换为物体到图像平面的退化映射	NA	解决深度学习在SIM重建中由于训练样本不足导致的可信度低和泛化能力差的问题	结构化光照显微镜（SIM）图像重建	计算机视觉	NA	深度学习	OIDN（物体到图像平面退化网络）	图像	NA
3116	2024-11-23	High-quality and high-speed computer-generated holography via deep-learning-assisted bidirectional error diffusion method 2024-Oct-07, Optics express IF:3.2Q2 DOI:10.1364/OE.535193 PMID:39573602	研究论文	本文提出了一种基于深度学习的双向误差扩散方法，用于生成高质量和高速度的计算机生成全息图	本文提出了一种名为BERDNet的神经网络，用于实时生成高质量的相位全息图，并通过数据损失和物理损失约束训练过程	NA	打破相位全息图生成过程中质量和速度之间的权衡	相位全息图的生成	计算机视觉	NA	深度学习	神经网络	图像	NA
3117	2024-11-23	Improving drug-target interaction prediction through dual-modality fusion with InteractNet 2024-Oct, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500240 PMID:39573831	研究论文	提出了一种新的深度学习框架，通过双模态融合改进药物-靶点相互作用的预测	结合蛋白质的结构信息和序列特征，通过双模态融合提供全面的特征表示，并引入了自掩码注意力机制	NA	加速新药开发过程中药物-靶点相互作用的准确预测	药物-靶点相互作用	机器学习	NA	图卷积网络、多头注意力机制	深度学习框架	蛋白质结构信息、序列特征	多个公共数据集
3118	2024-11-23	PENTAGON: Physics-enhanced neural network for volumetric flame chemiluminescence tomography 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.536550 PMID:39572993	研究论文	本文提出了一种物理增强的神经网络PENTAGON，用于体积火焰化学发光断层成像	通过结合数据先验和正向成像模型，PENTAGON能够准确预测3D光学场，即使在投影视图减少到三个的情况下也能克服数据驱动深度学习方法的泛化限制	NA	开发一种新的神经网络框架，用于解决体积断层成像中的逆问题	火焰化学发光断层成像	计算机视觉	NA	神经网络	神经网络	光学场数据	NA
3119	2024-11-23	Terahertz image enhancement based on a multiscale feature extraction network 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.529260 PMID:39572999	研究论文	本文提出了一种基于多尺度特征提取网络的太赫兹图像增强方法	利用生成对抗网络结构进行深度学习，通过引入金字塔池化残差密集块模块进行特征融合提取，设计并应用了超分辨率网络	未提及	提高太赫兹图像的质量，包括去噪和分辨率提升	变形的金属太赫兹图像	计算机视觉	NA	生成对抗网络 (GAN)	超分辨率生成对抗网络 (SRGAN)	图像	未提及
3120	2024-11-23	Speckle denoising based on Swin-UNet in digital holographic interferometry 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.533142 PMID:39573047	研究论文	本文提出了一种基于Swin-UNet的数字全息干涉测量中的散斑去噪方法	通过将模拟的高斯噪声和散斑噪声进行多路复用，模拟了复杂的噪声环境，并提出了基于Swin-UNet的去噪方法	本文的实验主要基于模拟数据，实际应用中的效果需要进一步验证	解决数字全息干涉测量中散斑噪声对相位图质量的影响问题	数字全息干涉测量中的散斑噪声	计算机视觉	NA	数字全息干涉测量	Swin-UNet	图像	1100张开放源代码的全息断层扫描噪声图像和25张来自DATABASE的散斑图像