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	2024-11-20	Deep Learning for Automated Detection and Localization of Traumatic Abdominal Solid Organ Injuries on CT Scans 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01038-5 PMID:38366294	研究论文	本研究开发了一种深度学习模型，用于自动检测和定位CT扫描中的创伤性腹部实质器官损伤	本研究首次将深度学习模型应用于创伤性腹部实质器官损伤的自动检测和定位	该模型不能替代临床医生的角色，仅作为加速治疗决策过程的潜在工具	开发一种深度学习模型，以帮助医疗专业人员快速识别危及生命的损伤	创伤性腹部实质器官损伤的检测和定位	计算机视觉	NA	深度学习	深度学习模型	图像	训练集包含1302个扫描，测试集包含194个扫描
202	2024-11-20	Classification of H. pylori Infection from Histopathological Images Using Deep Learning 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01021-0 PMID:38332407	研究论文	研究利用深度学习模型对204张组织病理学图像进行二分类，区分幽门螺杆菌感染阳性与阴性病例	使用ResNet101模型在较小数据集上实现了高准确率，突显了深度学习模型在有限数据下的有效性	研究仅使用了204张图像，样本量较小	探索深度学习模型在幽门螺杆菌感染诊断中的应用潜力	幽门螺杆菌感染的组织病理学图像	计算机视觉	胃病	深度学习	ResNet101	图像	204张组织病理学图像
203	2024-11-20	Fast Real-Time Brain Tumor Detection Based on Stimulated Raman Histology and Self-Supervised Deep Learning Model 2024-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01001-4 PMID:38326533	研究论文	本文提出了一种基于受激拉曼组织学和自监督深度学习模型的快速实时脑肿瘤检测方法	结合受激拉曼组织学和深度卷积神经网络，提出了一种新的自监督深度学习模型VQSRS，用于实时癌症诊断	NA	提高脑肿瘤手术中实时诊断的速度和准确性	脑肿瘤的实时检测和分类	计算机视觉	脑肿瘤	受激拉曼组织学	VQSRS	图像	NA
204	2024-11-14	Quantum-to-Classical Neural Network Transfer Learning Applied to Drug Toxicity Prediction 2024-Jun-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00432 PMID:38795030	研究论文	本文提出了一种混合量子-经典神经网络，用于预测药物毒性，并展示了其在Tox21数据集上的应用	利用量子电路设计模拟经典神经网络行为，通过Hadamard测试减少量子比特数量，并实现了量子到经典设备的可学习权重转移	NA	解决药物毒性预测中的计算复杂性问题，提高药物筛选效率	药物毒性预测	机器学习	NA	量子计算	混合量子-经典神经网络	数据集	Tox21数据集
205	2024-11-14	Shoulder Bone Segmentation with DeepLab and U-Net 2024-Jun, Osteology (Basel, Switzerland) DOI:10.3390/osteology4020008 PMID:39474235	研究论文	比较了基于DeepLab和U-Net的两种深度学习模型在ZTE MRI上进行肩部骨骼自动分割的性能	首次在肩部骨骼分割任务中比较了DeepLab和U-Net模型的性能，并实现了U-Net模型在MRI控制台上的应用	研究处于早期阶段，样本量较小，且存在模型对分割区域估计不准确的问题	评估和比较两种深度学习模型在肩部骨骼分割任务中的表现，以改进术前规划	肩部骨骼，特别是肱骨头和髋臼的分割	计算机视觉	NA	ZTE MRI	DeepLab, U-Net	图像	31例正常肩部样本用于训练，13例用于测试
206	2024-11-12	A deep learning framework for predicting disease-gene associations with functional modules and graph augmentation 2024-Jun-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05841-3 PMID:38877401	研究论文	本文介绍了一种名为ModulePred的深度学习框架，用于预测疾病-基因关联，通过功能模块和图增强技术提高预测性能	本文创新性地引入了功能模块（如蛋白质复合物）和图增强技术，以解决现有研究中忽略的功能模块累积影响和数据不完整问题	NA	探索基因-疾病关联的机制，以改进预防和治疗策略	疾病-基因关联、蛋白质复合物和蛋白质相互作用	机器学习	NA	图神经网络	图神经网络	图数据	NA
207	2024-11-09	Empowering brain cancer diagnosis: harnessing artificial intelligence for advanced imaging insights 2024-06-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2023-0115 PMID:38291768	综述	本文探讨了人工智能在脑癌影像诊断中的应用及其对诊断、预后和治疗的影响	强调了智能应用在标准化程序和个性化治疗方面的巨大潜力，从而改善患者预后	存在数据质量、可用性、可解释性、透明度和伦理等方面的挑战	探索人工智能在脑癌影像中的应用及其对诊断、预后和治疗的影响	脑癌的诊断、预后和治疗	计算机视觉	脑癌	深度学习和因果学习	NA	影像	NA
208	2024-11-09	Diagnostic machine learning applications on clinical populations using functional near infrared spectroscopy: a review 2024-06-25, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2023-0117 PMID:38308531	综述	本文综述了功能性近红外光谱（fNIRS）与机器学习（ML）在临床人群中诊断分类的应用	这是首次报道使用fNIRS进行诊断机器学习应用的综述	样本量与准确性之间存在显著负相关	探讨fNIRS与ML在精神疾病诊断中的应用	精神疾病患者，包括精神分裂症、注意缺陷多动障碍和自闭症谱系障碍	机器学习	精神疾病	功能性近红外光谱（fNIRS）	支持向量机（SVM）和深度学习（DL）	近红外光谱数据	45项研究，其中8项研究招募了超过100名参与者
209	2024-11-08	Deep learning-based pathway-centric approach to characterize recurrent hepatocellular carcinoma after liver transplantation 2024-06-05, Human genomics IF:3.8Q2 DOI:10.1186/s40246-024-00624-6 PMID:38840185	研究论文	研究利用深度学习方法分析肝移植后肝细胞癌复发的转录组数据，识别差异表达基因和相关通路	首次采用深度学习方法分析肝移植后肝细胞癌复发的基因表达数据，识别出与复发相关的关键基因和通路	研究样本量较小，仅包含7对患者的样本	研究肝移植后肝细胞癌复发的分子机制	肝移植后复发的肝细胞癌患者的转录组数据	机器学习	肝癌	深度学习	深度学习模型	转录组数据	7对肝移植后复发的肝细胞癌患者样本
210	2024-11-02	Mapping the landscape of histomorphological cancer phenotypes using self-supervised learning on unannotated pathology slides 2024-Jun-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48666-7 PMID:38862472	研究论文	本文介绍了一种无需标注的自我监督学习方法，用于从病理切片中自动发现区分性特征，构建组织形态学表型图谱	提出了一种无需标注的自我监督学习方法，自动发现病理图像中的区分性特征，并构建了组织形态学表型图谱	NA	开发一种无需标注的自我监督学习方法，用于从病理切片中提取复杂信息，辅助癌症诊断和管理	病理切片图像中的组织形态学表型	数字病理学	肺癌	自我监督学习	NA	图像	NA
211	2024-11-02	Application of simultaneous uncertainty quantification and segmentation for oropharyngeal cancer use-case with Bayesian deep learning 2024-Jun-08, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00528-5 PMID:38851837	研究论文	本文探讨了在口咽癌治疗中使用贝叶斯深度学习进行不确定性量化和分割的方法	首次将贝叶斯深度学习应用于口咽癌主要肿瘤体积的分割和不确定性量化	仅使用了292个PET/CT扫描数据集，样本量相对较小	开发一种可靠且可信的自动化工具，用于口咽癌放射治疗中的肿瘤体积分割	口咽癌的主要肿瘤体积	计算机视觉	口咽癌	贝叶斯深度学习	贝叶斯深度学习模型	图像	292个PET/CT扫描数据
212	2024-10-30	Deep learning-based prediction of compressive strength of eco-friendly geopolymer concrete 2024-Jun, Environmental science and pollution research international DOI:10.1007/s11356-024-33853-2 PMID:38844634	研究论文	本文利用深度长短期记忆网络模型预测环保型地质聚合物混凝土的抗压强度	本文首次采用深度长短期记忆网络模型来预测环保型地质聚合物混凝土的抗压强度，并与其他回归模型进行了比较	本文仅限于预测环保型地质聚合物混凝土的抗压强度，未涉及其他性能指标	研究如何利用深度学习技术提高环保型地质聚合物混凝土抗压强度的预测精度	环保型地质聚合物混凝土的抗压强度	机器学习	NA	深度学习	LSTM	数值数据	未明确提及具体样本数量
213	2024-10-27	Contribution of MALDI-TOF mass spectrometry and machine learning including deep learning techniques for the detection of virulence factors of Clostridioides difficile strains 2024-06, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.14478 PMID:38850267	研究论文	本研究评估了MALDI-TOF质谱与机器学习和深度学习技术结合用于检测艰难梭菌菌株的毒力因子	首次将MALDI-TOF质谱与机器学习和深度学习技术结合用于检测艰难梭菌菌株的毒力因子，展示了其在快速和成本效益方面的优势	研究样本量有限，且仅限于特定的艰难梭菌菌株	评估MALDI-TOF质谱与机器学习和深度学习技术结合用于检测艰难梭菌菌株的毒力因子的有效性	艰难梭菌菌株的毒力因子检测	机器学习	NA	MALDI-TOF质谱	深度学习	质谱数据	201株艰难梭菌菌株，包括151株产毒菌株和50株非产毒菌株
214	2024-10-26	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	提出了一种基于超广角眼底成像的新深度学习模型，用于高效检测玻璃体炎	模型在六级分级中的性能有限，需要更大的样本量来改进	评估深度学习算法在超广角眼底照片上自动检测和分级玻璃体炎的性能	玻璃体炎的自动检测和分级	计算机视觉	眼科疾病	深度学习	DenseNet121	图像	1181张图像
215	2024-10-24	Hidden Structural States of Proteins Revealed by Conformer Selection with AlphaFold-NMR 2024-Jun-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.26.600902 PMID:38979209	研究论文	本文介绍了一种利用AlphaFold2和NMR数据选择蛋白质构象模型的新方法	提出了一种基于AI的增强采样方法生成蛋白质构象模型，并通过实验数据进行选择，替代传统的约束满足协议	NA	探索利用深度学习和NMR技术揭示蛋白质的动态结构	Gaussia荧光素酶的NMR结构	计算机视觉	NA	NMR	AlphaFold2	蛋白质结构数据	NA
216	2024-10-24	Machine learning on multiple epigenetic features reveals H3K27Ac as a driver of gene expression prediction across patients with glioblastoma 2024-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.25.600585 PMID:38979226	研究论文	使用机器学习方法分析多重表观遗传特征，揭示H3K27Ac在胶质母细胞瘤患者基因表达预测中的驱动作用	首次使用机器学习和深度学习模型分析跨患者的基因表达预测，并发现H3K27Ac是跨患者基因表达预测的最重要表观遗传特征	研究仅限于胶质母细胞瘤干细胞和神经嵴干细胞，未涵盖其他类型的癌症细胞	探究胶质母细胞瘤细胞表观遗传重编程对细胞可塑性和基因表达的影响	胶质母细胞瘤干细胞和神经嵴干细胞的表观遗传特征	机器学习	脑癌	机器学习、深度学习、ATAC-seq、CTCF ChIP-seq、RNAPII ChIP-seq、H3K27Ac ChIP-seq、RNA-seq	XGBoost	表观遗传数据	多个胶质母细胞瘤患者来源的干细胞样本
217	2024-10-24	Nutrient Signaling-Dependent Quaternary Structure Remodeling Drives the Catalytic Activation of metazoan PASK 2024-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.28.599394 PMID:38979257	研究论文	研究通过进化尺度序列、域映射和基于深度学习的蛋白质结构分析，揭示了多细胞生物PAS域调控激酶（PASK）中信号调节的PAS和PAC亚域组装的新机制	发现了PASK中先前未被识别的第三个PAS域（PAS-C），并通过实验验证了其营养响应性，揭示了PAS-C域组装在PASK中稳定激酶催化核心的作用	NA	揭示多细胞生物PAS域调控激酶（PASK）中信号调节的PAS和PAC亚域组装的新机制	多细胞生物PAS域调控激酶（PASK）的结构和功能	生物信息学	NA	深度学习	NA	蛋白质序列	鱼、鸟和哺乳动物的PASK同源物
218	2024-10-24	Providing context: Extracting non-linear and dynamic temporal motifs from brain activity 2024-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.27.600937 PMID:38979316	研究论文	本文提出了一种生成式非线性深度学习模型，用于从脑活动数据中提取非线性和动态的时间模式	本文创新性地使用了分离变分自编码器（DSVAE）来分解窗口特定信息和时间步特定信息，从而捕捉多时间尺度的差异	NA	研究静息态功能磁共振成像（rs-fMRI）活动的动态特性，并探索其在精神疾病诊断中的应用	精神分裂症患者和对照组的脑活动数据	计算机视觉	精神分裂症	功能磁共振成像（fMRI）	分离变分自编码器（DSVAE）	图像	精神分裂症患者和对照组的脑活动数据
219	2024-10-24	Brain clocks capture diversity and disparity in aging and dementia 2024-Jun-25, Research square DOI:10.21203/rs.3.rs-4150225/v1 PMID:38978575	研究论文	研究分析了多模态数据对脑年龄差距的影响，并开发了一种深度学习架构来量化这种差距	首次探讨了多模态多样性对脑年龄差距的影响，并开发了一种基于fMRI和EEG数据的深度学习模型	研究主要集中在拉丁美洲和非拉丁美洲国家的数据，可能无法全面代表全球多样性	理解脑健康和疾病中脑年龄与实际年龄之间的差异	分析多模态数据对脑年龄差距的影响，并开发一种新的深度学习模型	神经科学	痴呆症	功能磁共振成像（fMRI）和脑电图（EEG）	深度学习	图像和信号	5306名参与者，来自15个国家，包括健康对照组和患有轻度认知障碍、阿尔茨海默病和行为变异型额颞叶痴呆的患者
220	2024-10-24	Assessing CT-based Volumetric Analysis via Transfer Learning with MRI and Manual Labels for Idiopathic Normal Pressure Hydrocephalus 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.23.24309144 PMID:38978640	研究论文	本文通过迁移学习和手动标签，利用MRI数据改进CT图像中脑脊液的分割，并评估其在特发性正常压力脑积水诊断中的表现	利用MRI数据进行迁移学习，改进CT图像中脑脊液的自动分割，提高特发性正常压力脑积水的诊断准确性	NA	提高CT图像中脑脊液的分割精度，并评估其在特发性正常压力脑积水诊断中的应用	特发性正常压力脑积水患者和健康对照组的CT图像	计算机视觉	脑积水	CT	U-Net	图像	734例健康对照组和62例特发性正常压力脑积水患者的CT数据，以及来自德国和美国的外部临床图像