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
5881	2024-10-03	A Data-Centric Approach to improve performance of deep learning models 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73643-x PMID:39333381	研究论文	本文探讨了从模型为中心转向数据为中心的方法，以提高深度学习模型的性能	提出了数据为中心的方法，通过数据增强、多阶段哈希和置信学习等技术生成高质量数据，以提升模型性能	数据为中心的方法面临生成高质量数据、确保数据隐私和解决数据偏见等挑战	旨在通过数据为中心的方法生成高质量数据，以提高深度学习模型的性能	研究了MNIST、Fashion MNIST和CIFAR-10等流行数据集，并使用ResNet-18作为通用框架进行实验	机器学习	NA	数据增强、多阶段哈希、置信学习	ResNet-18	图像	涉及MNIST、Fashion MNIST和CIFAR-10等流行数据集
5882	2024-10-03	Length-scale study in deep learning prediction for non-small cell lung cancer brain metastasis 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73428-2 PMID:39333630	研究论文	研究深度学习在非小细胞肺癌脑转移预测中的长度尺度特征	开发了一种新方法来研究深度神经网络预测能力背后的特征长度尺度，并应用于分析深度神经网络在预测非小细胞肺癌脑转移中的能力	随着深度神经网络架构的规模和复杂性增加，其可解释性降低，难以解释病理特征以获得更广泛的临床见解	评估数字显微图像的可解释性，并指导未来显微系统设计	深度神经网络在预测非小细胞肺癌脑转移中的特征长度尺度	数字病理学	肺癌	深度学习	深度神经网络	图像	NA
5883	2024-10-03	A deep learning model for differentiating paediatric intracranial germ cell tumour subtypes and predicting survival with MRI: a multicentre prospective study 2024-Sep-11, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03575-w PMID:39256746	研究论文	本研究开发了一种基于深度学习的模型iGNet，用于通过MRI图像区分儿童颅内生殖细胞肿瘤亚型并预测生存率	首次利用深度学习模型iGNet通过术前MR T2加权成像区分颅内生殖细胞肿瘤亚型，并预测生存率	研究样本量相对较小，且仅限于颅内生殖细胞肿瘤	开发一种深度学习模型，用于辅助区分颅内生殖细胞肿瘤亚型并预测生存率	儿童颅内生殖细胞肿瘤亚型及其生存率预测	计算机视觉	NA	深度学习	nnUNet	MRI图像	280例病理证实的颅内生殖细胞肿瘤患者，包括83例生殖细胞瘤和117例非生殖细胞瘤性生殖细胞肿瘤
5884	2024-10-03	Tumor evolution metrics predict recurrence beyond 10 years in locally advanced prostate cancer 2024-Sep, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00787-0 PMID:38997466	研究论文	研究通过分析642个样本和1923个组织切片，探讨了基因组和形态学异质性在局部晚期前列腺癌中的预测作用	结合基因组学和人工智能辅助的组织病理学，识别出与癌症进展相关的临床生物标志物	NA	探讨癌症进化指标在局部晚期前列腺癌中的预测作用	局部晚期前列腺癌的基因组和形态学异质性	数字病理学	前列腺癌	深度学习	NA	基因组数据和组织切片图像	642个样本和1923个组织切片
5885	2024-09-14	Heat wave attribution assessment using deep learning 2024-Sep, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00700-w PMID:39266671	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5886	2024-10-03	A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes 2024-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.002 PMID:38637240	研究论文	本文评估了深度学习在利用两家机构的DCE-MRI数据预测乳腺癌分子亚型中的表现	开发了一种多分支卷积神经网络（MBCNN），通过融合来自两家机构的DCE-MRI数据，实现了对乳腺癌分子亚型的高性能预测	尽管MBCNN在某些亚型预测中表现优异，但在统计学上并未显著优于其他模型	评估深度学习在预测乳腺癌分子亚型中的应用效果	乳腺癌患者及其DCE-MRI数据	计算机视觉	乳腺癌	DCE-MRI	多分支卷积神经网络（MBCNN）	图像	366名乳腺癌患者，分为训练集（292例）、验证集（49例）和测试集（25例）
5887	2024-10-03	Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer 2024-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.035 PMID:38641451	研究论文	开发并验证了一种结合对比增强光谱乳腺摄影深度学习与临床病理特征的诺模图，用于预测ER阳性/HER2阴性乳腺癌患者的术前化疗反应	创新性地将对比增强光谱乳腺摄影（CESM）深度学习与临床病理特征结合，开发了一种诺模图，用于预测术前化疗反应	研究为回顾性研究，样本量有限，且仅针对ER阳性/HER2阴性乳腺癌患者	开发并验证一种诺模图，用于预测ER阳性/HER2阴性乳腺癌患者的术前化疗反应	ER阳性/HER2阴性乳腺癌患者	数字病理	乳腺癌	对比增强光谱乳腺摄影（CESM）	ResNet34	图像	265名乳腺癌患者
5888	2024-10-03	AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Nucleocapsid Protein Variants 2024-Aug-25, Viruses DOI:10.3390/v16091358 PMID:39339835	研究论文	研究利用AlphaFold2揭示了SARS-CoV-2核衣壳蛋白变体在季节性单倍型多样性中的结构模式	通过数据挖掘和GISAID数据库，研究了22种单倍型的进化历程，并利用从头计算方法分析了核衣壳蛋白的结构变化	缺乏已识别单倍型对应蛋白质的三维原子结构数据	揭示SARS-CoV-2核衣壳蛋白变体的结构模式及其在病毒进化中的作用	SARS-CoV-2核衣壳蛋白及其变体	生物信息学	传染病	从头计算方法	AlphaFold2	蛋白质序列	22种单倍型
5889	2024-10-03	Probabilistic volumetric speckle suppression in OCT using deep learning 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.523716 PMID:39346991	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习框架，用于光学相干断层扫描（OCT）中的体积分散斑噪声抑制	利用OCT数据的体积分散特性，通过cGAN实现高效的散斑噪声抑制，同时保留组织结构，速度比传统方法快两个数量级	训练数据仅由三个OCT体积组成，可能限制了模型的泛化能力	开发一种高效的深度学习方法，用于OCT图像中的散斑噪声抑制	OCT图像中的散斑噪声	计算机视觉	NA	光学相干断层扫描（OCT）	条件生成对抗网络（cGAN）	体积分散数据	训练数据包含三个OCT体积，并在三个不同的OCT系统中进行了验证
5890	2024-10-03	3DVascNet: An Automated Software for Segmentation and Quantification of Mouse Vascular Networks in 3D 2024-07, Arteriosclerosis, thrombosis, and vascular biology DOI:10.1161/ATVBAHA.124.320672 PMID:38779855	研究论文	本文介绍了一种基于深度学习的自动化软件3DVascNet，用于分割和量化小鼠3D血管网络	开发了3DVascNet软件，利用深度学习模型自动分割和量化3D血管网络，克服了传统2D分析的局限性	尽管3DVascNet在眼底图像上表现出色，但其泛化能力在其他数据集和器官上的表现仍需进一步验证	开发一种自动化工具，用于高效分析3D血管网络，以揭示生理和病理状态下血管组织的机制	小鼠视网膜血管网络	计算机视觉	NA	深度学习	深度学习模型	图像	大量3D显微镜图像
5891	2024-10-03	Structure-based prediction of protein-nucleic acid binding using graph neural networks 2024-Jun, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-024-01201-w PMID:39345796	研究论文	本文开发了一种基于图神经网络的深度学习方法，用于预测蛋白质与核酸的结合	利用图神经网络编码蛋白质结构的物理化学和几何特性，预测核酸结合位点	NA	开发一种新的方法来预测蛋白质与核酸的结合	蛋白质与核酸的结合	机器学习	NA	图神经网络	图神经网络	蛋白质结构数据	NA
5892	2024-10-03	Essential and virulence-related protein interactions of pathogens revealed through deep learning 2024-Apr-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.12.589144 PMID:38645026	研究论文	本文开发了一种基于深度学习的管道，利用残基共进化和蛋白质结构预测来系统地识别和结构化表征蛋白质-蛋白质相互作用	本文首次利用深度学习技术在全蛋白质组范围内系统地识别和结构化表征蛋白质-蛋白质相互作用，并验证了其有效性	实验验证的样本量较小，仅验证了12个预测中的6个	通过识别细菌蛋白质-蛋白质相互作用及其复合物结构，帮助理解致病机制并开发传染病治疗方法	19种人类细菌病原体的蛋白质-蛋白质相互作用及其复合物结构	机器学习	NA	深度学习	NA	蛋白质数据	7800万对蛋白质，涉及19种人类细菌病原体，识别出1923个涉及必需基因的复合物和256个涉及毒力因子的复合物
5893	2024-10-03	PNAbind: Structure-based prediction of protein-nucleic acid binding using graph neural networks 2024-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.27.582387 PMID:38529493	研究论文	本文介绍了一种基于图神经网络的深度学习方法PNAbind，用于预测蛋白质与核酸的结合	利用图神经网络编码蛋白质分子表面的物理化学和几何特性，预测核酸结合功能，并区分DNA或RNA的特异性结合	NA	开发一种新的方法来预测蛋白质与核酸的结合，并理解决定核酸识别的化学和结构特征	蛋白质与核酸的结合	机器学习	NA	图神经网络	图神经网络	蛋白质结构	NA
5894	2024-10-03	Data-driven coordinated attention deep learning for high-fidelity brain imaging denoising and inpainting 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300390 PMID:38168132	研究论文	本文提出了一种基于数据驱动的协同注意力深度学习方法，用于高保真脑部图像去噪和修复	本文创新性地结合了信号增强、去噪和修复技术，开发了一种新的深度脑部坐标注意力修复网络（DeepCAR），能够快速准确地恢复深度皮质图像，并保留小尺度组织结构	NA	提升低质量图像的质量，特别是在活体小鼠深部脑成像中	活体小鼠深部脑皮质荧光图像	计算机视觉	NA	深度学习	CNN	图像	一个深度脑皮质图像数据集
5895	2024-10-03	Identification of individuals using functional near-infrared spectroscopy based on a one-dimensional convolutional neural network 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300453 PMID:38282446	研究论文	本研究利用功能性近红外光谱（fNIRS）和一维卷积神经网络（Conv1D）进行个人识别	创新性地将深度学习框架与fNIRS数据结合用于个人识别	NA	探索利用fNIRS和深度学习技术进行个人识别的可行性	成年人的静息态fNIRS信号	机器学习	NA	功能性近红外光谱（fNIRS）	一维卷积神经网络（Conv1D）	信号	56名成年参与者
5896	2024-10-03	Implementation of a portable diffraction phase microscope for digital histopathology 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300496 PMID:38358045	研究论文	本文介绍了一种便携式衍射相位显微镜（DPM）系统，用于数字病理学中的定量相位成像	开发了一种便携式DPM系统，无需染色即可区分生物组织结构和细胞，并应用深度学习技术进行虚拟染色	NA	开发一种便携式系统，使定量相位成像在病理学中的应用更加普及	小鼠各种器官的细胞和组织结构	数字病理学	NA	衍射相位显微镜（DPM）	深度学习	图像	小鼠各种器官
5897	2024-10-03	Human selection bias drives the linear nature of the more ground truth effect in explainable deep learning optical coherence tomography image segmentation 2024-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300274 PMID:37795556	研究论文	研究了人类选择偏差对可解释深度学习光学相干断层扫描图像分割中更多真实数据效应线性性质的影响	发现了真实数据模糊性与更多真实数据对预测性能的积极影响之间的可量化线性关系	深度学习模型在重复训练后未能实现自主改进	探讨人类选择偏差对深度学习模型在光学相干断层扫描图像分割中预测性能的影响	深度学习模型在光学相干断层扫描图像分割中的预测性能	计算机视觉	NA	深度学习	NA	图像	多次实验，每次实验重复三次
5898	2024-10-03	Evaluation of Neoadjuvant Chemoradiotherapy Response in Rectal Cancer Using MR Images and Deep Learning Neural Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056309748240509072222 PMID:38874041	研究论文	研究利用深度学习神经网络评估直肠癌患者在接受新辅助放化疗后的肿瘤反应	首次使用深度LSTM神经网络评估直肠癌患者在接受新辅助放化疗后的肿瘤反应	研究样本量较小，仅包含59个病例	开发深度学习神经网络以指导治疗决策并准确评估直肠癌患者对新辅助放化疗的反应	直肠癌患者在接受新辅助放化疗后的肿瘤反应	计算机视觉	直肠癌	磁共振成像（MR）	深度神经网络（DNN）包含长短期记忆（LSTM）单元	图像	59个直肠癌病例
5899	2024-10-02	Multi-domain vibration dataset with various bearing types under compound machine fault scenarios 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110940 PMID:39346553	研究论文	本文介绍了一个新的多域振动数据集，涵盖了多种轴承类型和复合机器故障场景	该数据集扩展了现有数据集的范围，包括了多种轴承类型和复合机器故障，并提供了短时傅里叶变换（STFT）生成的频谱图	NA	旨在解决现代复杂机械系统中多组件同时故障和传感器数据域不断变化的挑战	多域振动数据集，包括深沟球轴承、圆柱滚子轴承和锥形滚子轴承的数据	机器学习	NA	短时傅里叶变换（STFT）	NA	振动数据	包括三种单轴承故障、七种单旋转组件故障和21种复合故障，数据采集使用了USB数字加速度计，采样率为两种，旋转速度为六种
5900	2024-10-02	Joint segmentation and image reconstruction with error prediction in photoacoustic imaging using deep learning 2024-Dec, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100645 PMID:39347464	研究论文	本文提出了一种混合贝叶斯卷积神经网络（Hybrid-BCNN），用于在光声成像中联合预测图像分割和重建，并进行误差预测	本文的创新点在于提出了一种混合贝叶斯卷积神经网络，能够联合预测光声图像的分割和重建，并量化误差	本文的局限性在于仅使用了模拟的光声数据进行训练和验证，未涉及实际临床数据	研究目的是改进光声成像中的图像重建和分割，并量化误差以提高预测的准确性	研究对象是光声成像中的图像重建和分割误差	计算机视觉	NA	光声成像	混合贝叶斯卷积神经网络（Hybrid-BCNN）	图像	使用了模拟的光声数据进行训练和验证