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
9001	2024-08-04	Association of Retinal Biomarkers With the Subtypes of Ischemic Stroke and an Automated Classification Model 2024-Jul-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.50 PMID:39083310	研究论文	本研究探讨了视网膜生物标志物与缺血性中风亚型之间的关联及自动分类模型	提出了一种使用人工智能增强的光学相干层析血管造影图像分析的方法来检测缺血性中风及其亚型	仅基于两组人群进行研究，可能影响结果的普遍适用性	研究缺血性中风及其亚型的自动识别方法	865名参与者的1730只眼睛	数字病理学	缺血性中风	光学相干层析血管造影（OCTA）	深度学习模型	图像	865名参与者，1730只眼睛
9002	2024-08-04	Identification of Microorganism in Infected Wounds by Positively Charged Selective Sensor Array and Deep Learning Algorithm 2024-05-14, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01845 PMID:38702857	研究论文	本研究使用带正电的选择传感器阵列和深度学习算法识别感染伤口中的微生物	创新点在于结合了特定的阳离子染料与深度学习模型ResNet实现了高效的微生物分类	可能缺乏不同环境条件下的微生物识别验证	研究目标是快速准确识别病原微生物，以便于感染诊断	研究对象为14种用S-TDs染色的微生物，包括革兰阴性菌、革兰阳性菌和真菌	数字病理学	感染性疾病	荧光传感器阵列	残差网络（ResNet）	图像	涉及14种微生物的大量图像数据
9003	2024-08-04	Real-Time Signal Analysis with Wider Dynamic Range and Enhanced Sensitivity in Multiplex Colorimetric Immunoassays Using Encoded Hydrogel Microparticles 2024-05-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c00773 PMID:38662417	研究论文	本研究介绍了一种新的实时信号分析技术，用于定量多个蛋白质，从而提高多重比色免疫测定的动态范围和灵敏度	引入了实时信号分析，通过观察比色信号的连续变化，而不是仅依赖于终点分析	未提及具体的局限性	提高多重比色免疫测定的动态范围和灵敏度	多重比色免疫测定中的蛋白质	数字病理学	NA	比色免疫测定	深度学习	信号	涉及与先兆子痫相关的多种蛋白质目标的浓度范围
9004	2024-08-04	Persistent Luminescence Lifetime-Based Near-Infrared Nanoplatform via Deep Learning for High-Fidelity Biosensing of Hypochlorite 2024-05-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c00899 PMID:38661330	研究论文	该文章提出了一种基于持久发光寿命的纳米平台，通过深度学习实现高保真生物传感	创新性地使用深度学习提取持久发光寿命特征，以高对比度信号进行生物成像	NA	研究在复杂基质系统中实现高保真生物传感的能力	开发一种持久发光纳米探头用于漂白剂检测	数字病理学	NA	持久发光成像	3D卷积神经网络	成像数据	NA
9005	2024-08-04	Deep Learning Classification of Usual Interstitial Pneumonia Predicts Outcomes 2024-05-01, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202307-1191OC PMID:38207093	研究论文	本文开发了一种可解释的深度学习算法，用于从CT影像中预测常见间质性肺炎的结果	应用多实例学习（MIL）方法实现了对常见间质性肺炎的准确分类和预测	本文未明确提及任何潜在的限制	研究的目的是利用CT影像提高对常见间质性肺炎的诊断精度和预后评估	研究对象为不同临床人群中被诊断为常见间质性肺炎的患者	数字病理学	肺纤维化	计算机断层扫描（CT）	多实例学习（MIL）	影像	总样本量为2,143，测试样本包括127, 239, 和979名患者
9006	2024-08-04	Circumventing drug resistance in gastric cancer: A spatial multi-omics exploration of chemo and immuno-therapeutic response dynamics 2024-May, Drug resistance updates : reviews and commentaries in antimicrobial and anticancer chemotherapy IF:15.8Q1 DOI:10.1016/j.drup.2024.101080 PMID:38579635	研究论文	本研究探讨了胃癌中药物耐药性的细胞和分子机制。	本研究通过空间多组学探索和深度学习模型预测治疗反应，揭示了药物耐药性的新机制。	本研究的局限性在于可能未考虑所有患者的个体差异和长期疗效评估。	研究胃癌中化疗和免疫治疗反应动态的药物耐药机制。	研究对象为接受化疗和免疫治疗的胃癌患者的术后组织样本。	数字病理学	胃癌	多组学	支持向量机（SVM）	图像及多组学数据	研究涉及多个胃癌患者的术后组织样本
9007	2024-08-04	AI models for automated segmentation of engineered polycystic kidney tubules 2024-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52677-1 PMID:38310171	研究论文	本文比较了用于自动分割工程性多囊肾小管的深度学习模型	引入了UACANet模型，该模型使用自注意力机制并具有一定的可解释性，展示了其在囊肿检测方面的优势	模型的性能受限于所使用的图像数据集，可能无法泛化到其他类型的肾组织图像	开发能够直接在人体肾组织上自动检测囊肿生长的模型	研究对象为32个工程性多囊肾小管的免疫荧光图像	计算机视觉	肾脏疾病	深度学习算法	UNet++, UACANet	图像	32个工程性多囊肾小管
9008	2024-08-04	Random expert sampling for deep learning segmentation of acute ischemic stroke on non-contrast CT 2024-Feb-01, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-021283 PMID:38302420	研究论文	本研究探讨了在非对比CT上分割急性缺血性中风的深度学习算法的两种训练方法	提出了一种随机专家采样的方法，该方法在急性缺血性中风的CT扫描分割性能上优于传统多数投票模型	研究仅针对非对比CT影像，结果在其他类型影像上可能不适用	提高急性缺血性中风诊断中的影像分割准确性	260例急性缺血性中风患者的非对比CT影像数据	数字病理学	急性缺血性中风	深度学习	U-Net	影像	260个非对比CT研究，233名患者
9009	2024-08-04	Dual contrastive learning based image-to-image translation of unstained skin tissue into virtually stained H&E images 2024-01-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-52833-7 PMID:38282056	研究论文	本研究介绍了一种基于双对比学习的图像到图像生成模型，用于将未染色的皮肤组织图像转化为虚拟染色的H&E图像	提出了一种新颖的三阶段双对比学习模型，通过对比学习最大化传统H&E染色与虚拟染色图像之间的互信息	对于虚拟染色的效果，依赖于特定的数据集和评估模型，可能在其他类型的组织样本中表现不同	旨在提升组织病理学的染色过程，减少染色时间和有害化学品的使用	未染色的皮肤组织图像与传统的H&E染色图像的配对	数字病理学	NA	生成对抗网络 (GAN)	双对比学习生成对抗网络 (DCLGAN)	图像	包括一组未染色和H&E染色的图像对，使用明场显微镜扫描，放大倍率为20×
9010	2024-08-04	Unleashing the potential of cell painting assays for compound activities and hazards prediction 2024, Frontiers in toxicology IF:3.6Q2 DOI:10.3389/ftox.2024.1401036 PMID:39086553	评论	这篇文章讨论了细胞绘画（CP）测定法在药物发现和毒理学中的应用潜力	文章创新性地探讨了将基于CP的表型数据与结构信息结合使用，以提高化合物活性和潜在风险预测的准确性	没有详细讨论CP测定法的局限性和挑战	研究目标是探讨CP测定法及其与机器学习/深度学习模型结合使用的潜力	研究对象包括各种化合物在单细胞水平上的表型反应	数字病理学	NA	图像分析	机器学习和深度学习模型	图像数据	数千种化合物
9011	2024-08-04	Deep learning identifies histopathologic changes in bladder cancers associated with smoke exposure status 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305135 PMID:39083547	研究论文	深度学习揭示了膀胱癌的组织病理特征，这些特征可以预测吸烟暴露状态	本研究利用深度学习模型首次探讨了膀胱癌组织图像与吸烟状态之间的潜在关联	样本仅来自多个中心，可能无法代表所有类型的膀胱癌患者	探讨膀胱癌组织病理学变化与吸烟暴露状态之间的关系	285例独特的膀胱癌病例的整片组织图像	数字病理学	膀胱癌	深度学习	混合效应逻辑回归模型	图像	483个整片组织图像，来自285个独特病例
9012	2024-08-04	A deep learning framework for predicting endometrial cancer from cytopathologic images with different staining styles 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306549 PMID:39083516	研究论文	本研究提出一个针对不同染色风格的细胞病理图像的子宫内膜癌筛查自动化框架	提出了一种基于对比学习的分类算法ECRNet和一种新型的CM-UNet用于细胞团块分割，针对不同染色风格的图像进行适应	尚未提到数据集的充分性或其他潜在偏差	研究子宫内膜癌的自动化筛查方法，以提高临床治疗效率	不同染色风格的细胞病理图像	数字病理学	子宫内膜癌	深度学习	CM-UNet与ECRNet	图像	XJTU-EC数据集，包含细胞分割和分类标签的细胞病理图像
9013	2024-08-04	Screening Targets and Therapeutic Drugs for Alzheimer's Disease Based on Deep Learning Model and Molecular Docking 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-231389 PMID:38995776	研究论文	本研究基于深度学习模型和分子对接，为阿尔茨海默病（AD）筛选治疗靶点和药物	本研究通过结合多层感知器（MLP）和转录组数据，从新视角提供了AD的潜在药物靶点和药物	NA	旨在寻找阿尔茨海默病的潜在治疗靶点和药物	本研究涉及阿尔茨海默病患者和正常对照脑组织的转录组数据	计算机视觉	阿尔茨海默病	深度学习，分子对接	多层感知器（MLP）	转录组数据	包括AD脑组织的转录组数据和正常对照脑组织的转录组数据
9014	2024-08-04	Reinforced Labels: Multi-Agent Deep Reinforcement Learning for Point-Feature Label Placement 2024-Sep, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3313729 PMID:37695975	研究论文	本文介绍了将强化学习应用于标签放置，这是一项在数据可视化中寻求最佳标签位置的复杂任务	提出了一种新的点特征标签放置方法，利用多智能体深度强化学习来学习标签放置策略，这是首个基于机器学习的标签方法	计算时间增加使得该方法比人类专家设计的方法更慢	研究深度强化学习在数据可视化标签放置中的应用	标签放置策略的学习	机器学习	NA	强化学习（RL）	多智能体深度强化学习	文本注释	进行了一项用户研究来评估参与者的主观表现，具体样本数量未给出
9015	2024-08-04	Smart laser Sintering: Deep Learning-Powered powder bed fusion 3D printing in precision medicine 2024-Aug-15, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2024.124440 PMID:38972521	研究论文	本文介绍了一种深度学习模型，以提高药物载体的选择性激光烧结打印可行性	这是该领域首次开发可解释且经过不确定性优化的深度学习模型，用于预测药物载体的可打印性	SLS技术尚未为制药生产而设计，且需要耗时的试错适应过程	研究旨在利用深度学习优化选择性激光烧结在个性化医学中药物打印的可行性	研究对象为药物和聚合物材料，目的是预测药物载体的印刷可行性	数字医学	NA	选择性激光烧结（SLS）	深度学习模型	NA	NA
9016	2024-08-04	Development of a diagnostic support system for the fibrosis of nonalcoholic fatty liver disease using artificial intelligence and deep learning 2024-Aug, The Kaohsiung journal of medical sciences DOI:10.1002/kjm2.12850 PMID:38819013	研究论文	本研究开发了一个基于人工智能和深度学习的自动化诊断支持系统，用于评价非酒精性脂肪肝病的肝纤维化。	本研究提出了SMART AI-PATHO，这是泰国首个用于NAFLD肝组织分级的人工智能诊断工具，具备满意的性能。	样本规模相对较小，未来需要在更大样本上进行测试以提高准确性。	本研究旨在开发一种自动评估方法，以分析非酒精性脂肪肝病中的脂肪和纤维化。	研究对象为146名非酒精性脂肪肝病患者的核心活检样本。	人工智能	非酒精性脂肪肝病	人工智能、深度学习	NA	组织活检样本	146名参与者
9017	2024-08-04	EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models 2024-Aug, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5096 PMID:38979954	研究论文	本文提出了一种新的网络服务器EFG-CS，用于从氨基酸序列中预测化学位移	本研究首次证明生成AI蛋白模型能够预测接近实验模型的NMR化学位移	依赖于预测的蛋白质结构，可能对某些特殊情况没有足够的预测能力	本研究旨在提高从氨基酸序列和蛋白质结构预测NMR化学位移的准确性	主要研究对象为氨基酸序列及其对应的NMR化学位移	机器学习	NA	机器学习	图神经网络	化学位移数据	用于研究的样本数量及其类型未提供
9018	2024-08-04	Predicting Emission Wavelengths in Benzobisoxazole-Based OLEDs with Gradient Boosted Ensemble Models 2024-Aug-01, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c00077 PMID:39008894	研究论文	本文展示了使用梯度增强集成模型准确预测基于苯并噁唑的荧光发射器的发射波长	首次使用基于全交叉分子和其组成片段分子的机器学习模型进行发射波长预测，且准确性与最先进的深度学习模型相当	样本量较小，仅有50个分子，可能限制模型的泛化能力	预测苯并噁唑基OLED的发射波长	50个苯并噁唑基荧光发射分子	机器学习	NA	密度泛函理论（DFT）	梯度增强模型	化学分子数据	50个分子
9019	2024-08-04	Machine and deep learning algorithms for classifying different types of dementia: A literature review 2024-Aug-01, Applied neuropsychology. Adult DOI:10.1080/23279095.2024.2382823 PMID:39087520	文献综述	这篇文章讨论了使用机器学习和深度学习算法在不同类型痴呆症分类中的应用	比较和对比了不同的机器学习算法在痴呆症诊断中的优势和局限性	过分依赖机器学习和深度学习技术可能不够充分，需进一步证据支持	探讨机器学习和深度学习算法在痴呆症早期识别和治疗中的应用	讨论阿尔茨海默病、额颞叶痴呆、路易体痴呆和血管性痴呆	机器学习	痴呆症	机器学习	支持向量机、人工神经网络、决策树、随机森林	NA	NA
9020	2024-08-04	Efficient Deep Model Ensemble Framework for Drug-Target Interaction Prediction 2024-Aug-01, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.4c01509 PMID:39038219	研究论文	提出了一种简单高效的药物-靶点相互作用预测模型EADTN。	创新的特征适应技术和基于Shapley值的方法提高了模型的可靠性和可解释性。	目前的深度学习方法在预测性能和假阴性方面存在不足。	准确预测药物-靶点相互作用，以促进药物开发。	药物与靶点之间的相互作用。	机器学习	NA	NA	集成模型	数据集	NA