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
201	2024-08-07	AI for targeted polypharmacology: The next frontier in drug discovery 2024-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102771 PMID:38215530	综述	本文探讨了人工智能在靶向多药理学中的应用，特别是在药物发现领域中，如何通过AI技术提高多靶点药物设计的系统性和预测性	利用机器学习和深度学习技术，AI能够模拟蛋白质结构、生成新化合物并解码其多药理学效应，为多靶点药物设计开辟了新途径	文章也指出了当前面临的挑战，包括如何更有效地识别协同共靶点和区分导致不良反应的抗靶点	探索AI在药物发现中，特别是靶向多药理学方面的应用	研究对象包括蛋白质结构、新化合物及其多药理学效应	机器学习	NA	机器学习, 深度学习	NA	蛋白质结构, 化合物	NA
202	2024-08-07	DeepPPThermo: A Deep Learning Framework for Predicting Protein Thermostability Combining Protein-Level and Amino Acid-Level Features 2024-02, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0097 PMID:38100126	研究论文	提出了一种名为DeepPPThermo的深度学习框架，结合蛋白质级和氨基酸级特征预测蛋白质热稳定性	利用深度神经网络（DNN）和双向长短期记忆网络（Bi-LSTM）挖掘隐藏特征，并通过局部和全局注意力机制赋予多视角特征不同重要性	NA	研究如何有效利用多视角序列信息预测蛋白质热稳定性	热稳定性和中温性蛋白质的分类	机器学习	NA	深度学习	DNN, Bi-LSTM	序列信息	未具体说明
203	2024-08-07	Unlocking the Potential of Artificial Intelligence in Acute Myeloid Leukemia and Myelodysplastic Syndromes 2024-02, Current hematologic malignancy reports IF:2.7Q3 DOI:10.1007/s11899-023-00716-5 PMID:37999872	综述	本文综述旨在阐明机器学习在骨髓增生异常综合征和急性髓系白血病的诊断、预后和临床管理中的变革性影响和潜力	机器学习算法在预测疾病进展、优化治疗反应和患者群体分层方面已被证明有效，特别是在基因组和表观基因组数据分析中揭示了MDS和AML的分子异质性，深度学习技术在分析骨髓活检图像中的复杂模式方面显示出潜力	数据隐私、标准化和算法可解释性等挑战需要解决，以实现机器学习在这一领域的全部潜力	旨在阐明机器学习在骨髓增生异常综合征和急性髓系白血病的诊断、预后和临床管理中的变革性影响和潜力	骨髓增生异常综合征和急性髓系白血病	机器学习	血液疾病	机器学习	深度学习	基因组和表观基因组数据，骨髓活检图像	NA
204	2024-08-07	Robust single-shot 3D fluorescence imaging in scattering media with a simulator-trained neural network 2024-Feb-12, Optics express IF:3.2Q2 DOI:10.1364/OE.514072 PMID:38439332	研究论文	本文开发了一种散射模拟器，并训练了一个深度神经网络，用于从单次光场测量中重建低信噪比的3D体积图像，以解决生物应用中通过散射介质成像的问题	开发了一种散射模拟器，并利用合成数据训练深度神经网络，实现了从单次测量中重建3D体积图像	分析了网络设计因素和分布外数据对深度学习模型泛化到真实实验数据的影响	解决生物应用中通过散射介质进行3D荧光成像的问题	通过散射介质进行3D荧光成像	计算机视觉	NA	深度学习	神经网络	图像	不同散射条件的散射幻影
205	2024-08-07	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.03.556122 PMID:37732188	研究论文	本文介绍了Polaris，一个用于基于图像的空间转录组学的分析流程，结合深度学习模型进行细胞分割和点检测，并通过概率基因解码器准确量化单细胞基因表达	Polaris提供了一个统一的、即插即用的解决方案，用于分析来自MERFSIH、seqFISH或ISS实验的空间转录组学数据	NA	开发一个自动化的分析流程，用于基于图像的空间转录组学数据分析	基于图像的空间转录组学数据	计算机视觉	NA	深度学习	深度学习模型	图像	NA
206	2024-08-07	Cleaning and Harmonizing Medical Image Data for Reliable AI: Lessons Learned from Longitudinal Oral Cancer Natural History Study Data 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3005875 PMID:38774479	研究论文	本文介绍了为开发用于研究口腔癌自然史的AI驱动方法而准备和处理图像数据的工作，重点在于数据清洗和注释信息提取	提出了自动化数据清洗和注释信息提取的方法，以提高效率	未详细说明自动化方法的具体实现和效果	准备和处理图像数据，以便开发用于研究口腔癌自然史的AI驱动方法	口腔癌的图像数据	计算机视觉	口腔癌	深度学习	NA	图像	未具体说明样本数量
207	2024-08-07	The BONSAI (Brain and Optic Nerve Study with Artificial Intelligence) deep learning system can accurately identify pediatric papilledema on standard ocular fundus photographs 2024-02, Journal of AAPOS : the official publication of the American Association for Pediatric Ophthalmology and Strabismus IF:1.2Q3 DOI:10.1016/j.jaapos.2023.10.005 PMID:38216117	研究论文	本文研究了一种名为BONSAI的深度学习系统，该系统能够准确识别标准眼底照片中的儿童视乳头水肿	该研究首次验证了在成人中已验证的深度学习系统在儿童中的应用，并展示了其在识别视乳头水肿及其他视盘异常方面的准确性	研究仅在三个中心进行，可能存在地域和种族的局限性	验证深度学习系统在儿童中识别视乳头水肿及其他视盘异常的准确性	儿童视乳头水肿及其他视盘异常	机器学习	NA	深度学习系统	深度学习系统	图像	898张眼底照片，涉及447名患者
208	2024-08-07	Few-shot Tumor Bud Segmentation Using Generative Model in Colorectal Carcinoma 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006418 PMID:38756441	研究论文	本文提出了一种基于DatasetGAN的生成模型方法，用于在结直肠癌中进行少样本肿瘤芽分割	利用DatasetGAN生成大量带有肿瘤芽掩码的图像，从而减少对大量标注数据的需求	NA	开发一种高效的标注分割模型，用于自动肿瘤芽检测和量化	结直肠癌中的肿瘤芽分割	数字病理学	结直肠癌	DatasetGAN	UNet++	图像	中等数量的未标注图像和少量标注图像
209	2024-08-07	Enhancing Colorectal Cancer Tumor Bud Detection Using Deep Learning from Routine H&E-Stained Slides 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006796 PMID:38752165	研究论文	本文提出了一种弱监督深度学习方法，用于从常规H&E染色的图像中检测结直肠癌肿瘤芽，无需严格的组织级注释，并结合BMIL方法提高肿瘤芽检测的泛化性和稳定性。	本文创新性地使用弱监督深度学习方法和BMIL技术，从常规H&E染色的图像中检测肿瘤芽，避免了非常规免疫组织化学染色方法的需要。	本文的局限性在于仅使用了29张H&E染色的结直肠癌图像进行实验，样本量较小。	开发一种新的深度学习方法，用于从常规H&E染色的图像中检测结直肠癌肿瘤芽，提高检测的准确性和可重复性。	结直肠癌肿瘤芽的检测。	数字病理学	结直肠癌	深度学习	NA	图像	29张结直肠癌H&E染色图像，平均每张图像包含115个肿瘤芽
210	2024-08-07	Fully automatic mpMRI analysis using deep learning predicts peritumoral glioblastoma infiltration and subsequent recurrence 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3001752 PMID:38742150	研究论文	本研究提出了一种利用深度学习进行全自动多参数磁共振成像（mpMRI）分析的方法，用于预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本研究创新性地结合了全自动方法生成感兴趣区域（ROIs）与深度学习算法，创建肿瘤浸润的预测图，避免了传统方法对专家绘制的ROIs的依赖	NA	开发一种全自动的mpMRI分析方法，以早期准确检测胶质母细胞瘤的肿瘤浸润	胶质母细胞瘤（GBM）患者的肿瘤浸润和复发	机器学习	脑肿瘤	多参数磁共振成像（mpMRI）	卷积神经网络（CNN）	图像	使用了多个mpMRI扫描序列（T1、T1Gd、T2、T2-FLAIR和ADC）进行训练和验证
211	2024-08-07	Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009331 PMID:38715792	研究论文	本文通过使用肿瘤掩模条件，调整2D潜在扩散模型以生成3D多对比度脑肿瘤MRI数据，旨在解决医学图像数据稀缺和不平衡的问题	本研究首次生成多对比度的3D脑肿瘤MRI样本，并集成了条件模块在DPM的UNet骨干中，以捕捉由肿瘤掩模驱动的语义类别依赖的数据分布	NA	解决脑肿瘤MRI数据稀缺问题，提高深度学习模型在此类数据上的性能	3D多对比度脑肿瘤MRI数据	计算机视觉	脑肿瘤	3D Diffusion Probabilistic Model (DPM)	3D autoencoder, UNet	MRI图像	使用了两个脑肿瘤数据集：The Cancer Genome Atlas (TCGA)公共数据集和德克萨斯大学西南医学中心(UTSW)的内部数据集
212	2024-08-07	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	研究论文	本文介绍了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在亚细胞环境中的2D或3D扩散行为	DeepSPT能够自动从扩散行为中提取功能信息，无需人工干预	NA	开发一种自动化方法，从亚细胞环境的扩散行为中提取功能信息	亚细胞环境中的分子和细胞器的扩散行为	机器学习	NA	深度学习	深度学习框架	图像	NA
213	2024-08-07	Deep learning based synthesis of MRI, CT and PET: Review and analysis 2024-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103046 PMID:38052145	综述	本文综述了2018年至2023年间基于深度学习的医学图像合成技术，包括伪CT、合成MR和合成PET，并分析了各种合成方法的模型设计和网络架构	深度学习在合成图像对比度应用中表现出优于传统图像合成方法的性能，特别是引入了Transformer和Diffusion模型等新型网络架构	文章讨论了在医学图像合成中存在的挑战，并提出了可能的解决方案和未来研究方向	旨在克服获取多种图像模态以实现准确临床工作流程的挑战	医学图像合成技术，包括伪CT、合成MR和合成PET	计算机视觉	NA	深度学习	CNN, Transformer, Diffusion模型	图像	NA
214	2024-08-07	An Ensemble Learning Method for Detection of Head and Neck Squamous Cell Carcinoma Using Polarized Hyperspectral Microscopic Imaging 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3007869 PMID:38711533	研究论文	本研究开发了一种基于偏振高光谱显微成像的集成学习方法，用于检测头颈部鳞状细胞癌	利用偏振高光谱显微成像技术和卷积神经网络构建了一种四分支模型架构，每个分支分别训练一个Stokes参数	未来的工作可以通过训练更多样化的数据、根据肿瘤分级进行分类以及引入更新的架构技术来改进结果	开发一种新的深度学习分类方法，用于检测头颈部鳞状细胞癌	头颈部鳞状细胞癌的病理切片	计算机视觉	头颈部鳞状细胞癌	偏振高光谱显微成像	CNN	图像	56名患者
215	2024-08-07	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.08.579268 PMID:38370815	研究论文	本文通过活体成像和基于深度学习的分割技术，研究了海星胚胎中细胞密度、组织紧缩和细胞增殖对上皮组织结构的影响	首次详细探讨了细胞密度变化对3D上皮组织重排的影响，并提出了增殖过程中细胞重排的机制	研究主要集中在海星胚胎，可能不完全适用于其他生物或组织类型	探讨细胞密度变化如何影响3D上皮组织的重排	海星胚胎中的上皮组织	生物物理学	NA	深度学习	NA	图像	海星胚胎