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
181	2024-09-13	Machine learning and single-cell transcriptome profiling reveal regulation of fibroblast activation through THBS2/TGFβ1/P-Smad2/3 signalling pathway in hypertrophic scar 2024-Mar, International wound journal IF:2.6Q1 DOI:10.1111/iwj.14481 PMID:37986676	研究论文	本研究通过单细胞转录组测序和机器学习方法，揭示了肥厚性瘢痕中纤维母细胞激活的调控机制	首次通过单细胞转录组测序和多种机器学习算法，识别出与肥厚性瘢痕相关的关键基因模块，并建立了基于卷积神经网络的诊断和预测模型	研究样本量较小，可能影响结果的普适性	揭示肥厚性瘢痕形成机制，并提供诊断和治疗的新生物标志物	肥厚性瘢痕中的纤维母细胞及其相关基因	数字病理学	皮肤疾病	单细胞RNA测序	卷积神经网络	基因表达数据	正常皮肤和肥厚性瘢痕样本
182	2024-09-11	Utilizing adaptive deformable convolution and position embedding for colon polyp segmentation with a visual transformer 2024-03-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57993-0 PMID:38538774	研究论文	本文提出了一种基于视觉变换器的结肠息肉分割模型，结合了自适应可变形卷积和位置嵌入	本文提出的Polyp-Vision Transformer (Polyp-ViT)模型在传统Transformer架构基础上，增强了特征提取和位置嵌入的自适应机制	NA	开发一种自动化的结肠息肉检测系统，以辅助早期诊断结直肠癌	结肠息肉	计算机视觉	结直肠癌	视觉变换器 (ViT)	Transformer	图像	在Kvasir-seg和CVC-Clinic DB数据集上进行了测试，分别包含NA和NA个样本
183	2024-09-08	Deep5hmC: Predicting genome-wide 5-Hydroxymethylcytosine landscape via a multimodal deep learning model 2024-Mar-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.04.583444 PMID:38496575	研究论文	本文介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组范围内的5-羟甲基胞嘧啶修饰	Deep5hmC通过整合DNA序列和组蛋白修饰信息，显著提高了5hmC修饰的定性和定量预测能力	NA	开发一种能够准确预测全基因组范围内5-羟甲基胞嘧啶修饰的深度学习模型	5-羟甲基胞嘧啶修饰及其在基因表达调控中的作用	机器学习	阿尔茨海默病	深度学习	多模态深度学习模型	DNA序列和组蛋白修饰数据	在四个时间点的前脑类器官发育和17种人体组织中收集的5hmC测序数据
184	2024-09-08	An open-source toolbox for measuring vocal tract shape from real-time magnetic resonance images 2024-03, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-023-02171-9 PMID:37507650	研究论文	本文介绍了一种从实时磁共振图像中测量声道形状的开源工具箱	提出了一个信号处理流程，能够从唇部到喉部的实时磁共振图像中生成声道轮廓，量化声道的动态形态	该方法依赖于研究者指定的感兴趣区域，且尚未完全自动化	开发一种能够从实时磁共振图像中量化声道形态的工具	实时磁共振图像中的声道形态	计算机视觉	NA	实时磁共振成像 (rtMRI)	NA	图像	涵盖了多种行为的数据集，如说话、夸张的语音、笑声和口哨声
185	2024-09-08	Characterisation of quantitative imaging biomarkers for inflammatory and fibrotic radiation-induced lung injuries using preclinical radiomics 2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110106 PMID:38253201	研究论文	本研究利用放射组学技术，通过定量影像生物标志物识别急性炎症和晚期纤维化放射性肺损伤的预后和预测标志物	首次在临床前模型中应用深度学习放射组学技术，建立了急性炎症和晚期肺损伤的预测模型	研究仅限于小鼠模型，尚未在人类中验证	识别与放射性肺损伤相关的放射组学特征，并建立预测模型	C3H/HeN和C57BL6小鼠的放射性肺损伤	数字病理学	肺损伤	放射组学	随机森林分类器	影像	C3H/HeN和C57BL6小鼠各若干只
186	2024-09-08	Evaluating AI-generated CBCT-based synthetic CT images for target delineation in palliative treatments of pelvic bone metastasis at conventional C-arm linacs 2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110110 PMID:38272314	研究论文	评估基于AI生成的CBCT合成CT图像在常规C臂直线加速器上进行骨盆骨转移姑息治疗中的靶区勾画和治疗计划的可行性	利用深度学习模型生成CBCT合成CT图像，以提高常规C臂直线加速器上姑息治疗中靶区勾画的准确性	部分合成CT图像质量不足，需要通过增加PTV边距来补偿	评估AI生成的CBCT合成CT图像在姑息放射治疗中的靶区勾画和治疗计划的可行性	22名骨盆骨转移的女性患者	计算机视觉	骨转移	深度学习	深度学习模型	图像	22名女性患者，23个靶区
187	2024-09-07	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-Mar-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.30.578025 PMID:38352531	研究论文	本文介绍了RNA3DB数据集，用于训练和基准测试深度学习模型进行RNA结构预测	提出了RNA3DB数据集，通过将RNA 3D链分成非冗余的组件，确保训练集和测试集在序列和结构上的差异，从而避免性能虚高的问题	NA	开发一个可重复且可定制的工具，用于生成结构上不相似的RNA数据集分割	RNA结构预测的深度学习模型	机器学习	NA	深度学习	深度学习模型	结构化RNA数据	RNA3DB数据集包含从蛋白质数据库（PDB）中提取的结构化RNA，具体样本数量未明确提及
188	2024-09-07	Transcranial direct current stimulation improves motor function in rats with 6-hydroxydopamine-induced Parkinsonism 2024-03-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2023.114815 PMID:38122905	研究论文	研究探讨了经颅直流电刺激（tDCS）对6-羟多巴胺诱导的帕金森病大鼠模型运动功能的改善作用	首次使用深度学习视频分析（DeepLabCut）检测帕金森病大鼠在跑步机行走时的前肢运动异常	tDCS治疗效果是短暂的，停止治疗后效果迅速消失	研究tDCS对帕金森病大鼠运动功能的改善效果	6-羟多巴胺诱导的帕金森病大鼠模型	神经科学	帕金森病	经颅直流电刺激（tDCS）	NA	视频	实验涉及的样本为帕金森病大鼠模型
189	2024-09-06	Context-dependent design of induced-fit enzymes using deep learning generates well-expressed, thermally stable and active enzymes 2024-Mar-12, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2313809121 PMID:38437538	研究论文	本文介绍了一种基于深度学习的酶设计策略CoSaNN，用于结构预测和序列优化，旨在提高酶的表达水平、热稳定性和催化多样性	引入CoSaNN策略，通过深度学习控制酶构象，扩展化学空间，采用上下文依赖的方法生成酶设计，并开发了预测蛋白质溶解度的图神经网络SolvIT	未提及具体限制	提高工程酶在工业应用中的表达水平、热稳定性和催化多样性	酶的表达水平、热稳定性和催化活性	机器学习	NA	深度学习	图神经网络	蛋白质序列和结构数据	54%的酶在表达中成功，30%的酶热稳定性提高
190	2024-09-06	Improved Vertebral Fracture Assessment: The Game-Changing Potential of Deep Learning with Multidetector CT 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.240409 PMID:38530170	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
191	2024-08-31	Gaussian Aquila optimizer based dual convolutional neural networks for identification and grading of osteoarthritis using knee joint images 2024-03-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57002-4 PMID:38538646	研究论文	本研究利用基于高斯鹰优化器的双卷积神经网络对膝关节图像进行识别和分级，以诊断骨关节炎	提出了一种新的高斯鹰优化器（GAO），用于优化双卷积神经网络（DCNN）模型的参数，该模型通过减少层数来降低计算负担	NA	旨在通过早期检测骨关节炎并及时治疗，减轻患者的疼痛	骨关节炎患者的膝关节图像	计算机视觉	骨关节炎	卷积神经网络	双卷积神经网络	图像	总共2283张膝关节图像，其中1267张为正常膝关节图像，1016张为骨关节炎图像
192	2024-08-31	Detecting abnormal cell behaviors from dry mass time series 2024-03-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57684-w PMID:38528035	研究论文	本文介绍了一种新的自监督学习模型StArDusTS，用于检测细胞群体中的异常行为，通过分析细胞随时间的干质量时间序列来实现	提出了一个新颖的自监督学习模型StArDusTS，用于自动检测细胞异常行为，无需预先标签	NA	开发一种能够预测单细胞病理变化的新型自监督学习模型	细胞群体中的异常行为检测	机器学习	NA	自监督学习	StArDusTS	时间序列	涉及不同细胞系
193	2024-08-31	PlaqueNet: deep learning enabled coronary artery plaque segmentation from coronary computed tomography angiography 2024-Mar-22, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00157-8 PMID:38514491	研究论文	本文介绍了一种名为PlaqueNet的深度学习方法，用于从冠状动脉CT血管造影图像中分割冠状动脉斑块	采用了先进的残差网络模块和深度可分离空洞空间金字塔池化结合双三次高效通道注意力（DASPP-BICECA）模块，提高了特征提取能力和分割准确性	NA	旨在通过深度学习技术提高冠状动脉斑块的检测准确性，以支持早期治疗和降低心血管疾病风险	冠状动脉斑块的分割	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	CNN	图像	未具体说明样本数量
194	2024-08-29	Topical hidden genome: discovering latent cancer mutational topics using a Bayesian multilevel context-learning approach 2024-Mar-27, Biometrics IF:1.4Q2 DOI:10.1093/biomtc/ujae030 PMID:38682463	研究论文	本文提出了一种利用贝叶斯多层次上下文学习方法发现潜在癌症突变主题的新框架	该框架利用计算语言学中的主题模型实现突变上下文的维度降低，生成可解释且去相关的元特征主题，并提出了一种高效的MCMC算法进行实现	由于突变上下文的数量、相关性和不可解释性，传统的统计推断方法无法处理	旨在推断超罕见、全基因组体细胞突变的癌症类型特异性	超罕见、全基因组体细胞突变	机器学习	NA	MCMC算法	隐藏基因组模型	基因组数据	涉及数千个肿瘤和数千万个变异
195	2024-08-29	A deep learning method for multi-task intelligent detection of oral cancer based on optical fiber Raman spectroscopy 2024-03-14, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d3ay02250a PMID:38419435	研究论文	本文提出了一种结合拉曼光谱和深度学习的多任务智能口腔癌检测方法	该方法能够同时处理肿瘤分期、淋巴结分期和组织学分级等多个分类任务，并采用了四种不同的多任务网络模型	初步实验结果显示模型性能良好，但仍需进一步验证和优化	开发一种有效的多任务智能口腔癌检测方法，以提高诊断准确性	口腔癌患者的正常和癌变组织样本	机器学习	口腔癌	拉曼光谱	多任务网络模型（MTN-Alexnet, MTN-Googlenet, MTN-Resnet50, MTN-Transformer）	拉曼光谱数据	70个组织样本，来自35名口腔癌患者
196	2024-08-29	Deep Learning to Differentiate Benign and Malignant Vertebral Fractures at Multidetector CT 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.231429 PMID:38530172	研究论文	研究基于CT的深度学习模型区分良性与恶性椎体骨折的可靠性	开发了使用三维U-Net编码器-分类器架构的深度学习模型，并应用数据增强技术，提高了区分良性与恶性椎体骨折的能力	研究使用了回顾性数据，且外部测试集来自单一额外医院	探讨深度学习模型在区分良性与恶性椎体骨折中的可靠性	良性与恶性椎体骨折的CT扫描图像	计算机视觉	NA	深度学习	三维U-Net	CT扫描图像	训练集包含381名患者，1307个椎骨；内部和外部测试集分别包含86名和65名患者
197	2024-08-29	WATUNet: a deep neural network for segmentation of volumetric sweep imaging ultrasound 2024-Mar-01, Machine learning: science and technology DOI:10.1088/2632-2153/ad2e15 PMID:38464559	研究论文	本文介绍了一种名为Wavelet_Attention_UNet（WATUNet）的新型分割模型，该模型通过在编码器和解码器之间加入小波门和注意力门，改进了传统UNet架构的局限性，提高了模型性能。	WATUNet模型通过引入小波门和注意力门，解决了传统UNet架构中的梯度消失问题，增强了多尺度特征提取和选择性区域注意力。	NA	旨在通过深度学习技术，特别是卷积神经网络，改进乳腺癌诊断的准确性、节省时间和成本，并改善患者治疗效果。	研究对象包括公共的'Breast Ultrasound Images'数据集和作者在罗切斯特大学采集的私有VSI数据集，涵盖了三种类型的病变：无肿块、良性肿块和恶性肿块。	计算机视觉	乳腺癌	卷积神经网络	WATUNet	图像	使用了780张公共数据集图像和3818张私有VSI数据集图像
198	2024-08-28	AsymMirai: Interpretable Mammography-based Deep Learning Model for 1-5-year Breast Cancer Risk Prediction 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232780 PMID:38501952	研究论文	研究通过分析双侧不对称性，构建了一个可解释的深度学习模型AsymMirai，用于预测1-5年乳腺癌风险	AsymMirai模型通过引入局部双侧不对称性模块，提高了模型的解释性，并能近似Mirai模型的预测性能	研究为回顾性研究，且样本主要来自EMBED数据库，可能存在选择偏倚	旨在探索双侧不对称性是否是Mirai模型推理过程的基础，并构建一个简化的、可解释的模型AsymMirai	乳腺癌风险预测	数字病理学	乳腺癌	深度学习	CNN	影像	210,067张筛查乳腺X线照片，来自81,824名患者
199	2024-08-27	GeneAI 3.0: powerful, novel, generalized hybrid and ensemble deep learning frameworks for miRNA species classification of stationary patterns from nucleotides 2024-03-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56786-9 PMID:38531923	research paper	本文介绍了AtheroPoint的GeneAI 3.0，一种用于从miRNA序列中的固定模式提取特征的强大、新颖且通用的方法，基于机器学习（EML）和卷积神经网络（CNN）的深度学习（EDL）框架	GeneAI 3.0利用五种传统特征和三种现代特征生成复合特征集，并通过新的分类器设计，显著提高了miRNA物种分类的准确性和可靠性	NA	开发一种新的深度学习和机器学习框架，用于提高miRNA物种分类的准确性和通用性	miRNA序列的分类，包括人类、猩猩、鼠和鼠	machine learning	NA	深度学习	CNN	序列数据	未明确提及具体样本数量
200	2024-08-24	Predicting FDG-PET Images From Multi-Contrast MRI Using Deep Learning in Patients With Brain Neoplasms 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28837 PMID:37259967	研究论文	本文利用深度学习技术，通过多对比度的MRI图像预测脑肿瘤患者的FDG-PET图像	提出了一种深度学习模型，能够合成诊断质量的FDG-PET图像，无需使用放射性示踪剂	合成PET图像在质量上与实际PET图像存在差异，且在病变评估上有过度诊断的倾向	生成脑肿瘤患者的诊断质量PET等效图像	脑肿瘤患者	计算机视觉	脑肿瘤	深度学习	卷积神经网络	图像	59项研究，51名患者