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
601	2024-11-23	PAIRWISE: Deep Learning-based Prediction of Effective Personalized Drug Combinations in Cancer 2024-Nov-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.04.621884 PMID:39574568	研究论文	本文介绍了一种基于深度学习和迁移学习的机器学习方法PAIRWISE，用于预测癌症中有效的个性化药物组合	PAIRWISE方法结合了深度学习和迁移学习，能够基于肿瘤特异性转录组谱预测药物协同作用，并在多个数据集上表现优异	NA	提高癌症治疗效果并防止复发	癌症中的个性化药物组合	机器学习	癌症	深度学习	NA	转录组数据	包括多个癌症细胞系和非霍奇金淋巴瘤细胞系
602	2024-11-23	Multifunctional GAN-based optimization for X-ray tomography under different conditions 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.527366 PMID:39573409	研究论文	基于生成对抗网络（GAN）提出了一种多功能X射线断层扫描协议，用于伪影校正、噪声抑制和重建超分辨率	该协议能够自适应地校正不同强度和类型的环形伪影，并实现超分辨率，相比现有深度学习模型或传统断层扫描校正方法，具有更高的处理速度和最小的信息损失	NA	开发一种强大的优化工具，实现大视野和高分辨率X射线断层扫描的等效实现	生物样本的X射线锥束计算机断层扫描图像	计算机视觉	NA	X射线断层扫描	生成对抗网络（GAN）	图像	一系列生物样本的X射线锥束计算机断层扫描数据
603	2024-11-23	Addressing high-performance data sparsity in metasurface inverse design using multi-objective optimization and diffusion probabilistic models 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.537389 PMID:39573417	研究论文	研究提出了一种结合多目标优化算法和增强扩散模型的方法，用于解决超表面逆设计中的高性能数据稀疏问题	研究首次将多目标优化算法与带有注意力机制的扩散模型结合，提出了MetaDiffusion-Att模型，显著提高了生成准确性和质量	研究未详细讨论该方法在其他复杂设计任务中的适用性和泛化能力	旨在解决超表面逆设计中高性能数据稀疏的问题	研究对象为双极化、宽角度入射和宽带低发射率电磁玻璃的设计任务	机器学习	NA	多目标优化算法	扩散模型	数据集	小数据集
604	2024-11-23	LIC-CGAN: fast lithography latent images calculation method for large-area masks using deep learning 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.537921 PMID:39573421	研究论文	本文提出了一种基于深度学习的快速计算大面积掩模潜像的方法LIC-CGAN	利用条件生成对抗网络（CGANs）进行三维潜像计算，显著提高了计算速度	依赖于训练库中的掩模片段匹配，未匹配的片段需要通过CGANs计算	开发一种快速且准确的大面积掩模潜像计算方法	大面积掩模的三维潜像	计算机视觉	NA	条件生成对抗网络（CGANs）	CGAN	图像	训练库中的掩模片段及其对应的潜像
605	2024-11-23	Wide-field scanning ghost imaging based on a local binary pattern and untrained neural network 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.533583 PMID:39573469	研究论文	本文提出了一种基于局部二值模式和未训练神经网络的广域扫描鬼成像方法，用于信息融合	该方法通过将局部二值模式集成到深度神经网络中，增强了图像纹理细节的表达，并使用自适应图像重建技术，无需在任何数据集上进行训练	NA	实现高质量和高效率的连续场景成像，以支持自动驾驶领域的研究	广域扫描鬼成像中的信息融合	计算机视觉	NA	局部二值模式（LBP）	深度神经网络	图像	NA
606	2024-11-23	Phenotype Scoring of Population Scale Single-Cell Data Dissects Alzheimer's Disease Complexity 2024-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.01.24316586 PMID:39574856	研究论文	研究利用深度学习框架PASCode分析大规模单核RNA测序数据，揭示阿尔茨海默病复杂表型的细胞和分子机制	开发了PASCode框架，识别了约150万个表型关联细胞，并发现了与多种阿尔茨海默病表型相关的细胞亚群及其基因表达变化	NA	揭示阿尔茨海默病复杂表型的细胞和分子机制，为诊断标志物和治疗靶点的发现提供新见解	阿尔茨海默病患者的单核RNA测序数据	数字病理学	阿尔茨海默病	单核RNA测序	深度学习	基因表达数据	1494个个体的前额叶皮层样本，包含超过600万个细胞核
607	2024-11-23	Multimodal Artificial Intelligence in Medicine 2024-Nov-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000556 PMID:39167446	研究论文	本文探讨了在医学领域中使用多模态人工智能模型的潜力和挑战	提出了多模态变压器模型在医疗保健中处理和解释多种数据形式的能力	多模态深度学习模型的集成需要仔细考虑伴随的伦理和环境挑战	研究多模态人工智能在医学诊断和治疗中的应用	多模态变压器模型在处理文本、图像和结构化数据方面的性能	机器学习	NA	多模态深度学习	变压器模型	文本、图像、结构化数据	NA
608	2024-11-23	Spatial Heterogeneity of PD-1/PD-L1 Defined Osteosarcoma Microenvironments at Single-Cell Spatial Resolution 2024-Nov, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102143 PMID:39321925	研究论文	研究通过结合深度学习与多重荧光免疫组化技术，分析骨肉瘤微环境中PD-1/PD-L1定义的细胞异质性	引入了一种新的TAM/破骨细胞区分算法，揭示了PD-1/PD-L1患者细胞组成和空间排列的异质性	NA	深入理解骨肉瘤肿瘤微环境中的细胞动态，探索潜在的免疫治疗策略	骨肉瘤微环境中的肿瘤相关巨噬细胞（TAM）、T细胞、成骨细胞和破骨细胞	数字病理学	骨肉瘤	多重荧光免疫组化	深度学习	图像	NA
609	2024-11-23	Development and validation of a deep learning-based survival prediction model for pediatric glioma patients: A retrospective study using the SEER database and Chinese data 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109185 PMID:39341114	研究论文	开发并验证了一种基于深度学习的儿童胶质瘤患者生存预测模型，通过SEER数据库和中国数据进行回顾性研究	首次使用DeepSurv模型进行儿童胶质瘤患者的生存预测，并展示了其在不同数据集上的优异表现	研究仅限于SEER数据库和Tangdu医院的患者数据，可能存在样本偏倚	开发一种能够准确预测儿童胶质瘤患者预后的深度学习模型，以辅助临床医生制定精确的治疗决策	儿童胶质瘤患者	机器学习	脑肿瘤	深度学习	DeepSurv	临床数据	共9532名儿童胶质瘤患者，其中SEER数据库9274名，Tangdu医院258名
610	2024-11-23	Assessing the Tumor Immune Landscape Across Multiple Spatial Scales to Differentiate Immunotherapy Response in Metastatic Non-Small Cell Lung Cancer 2024-Nov, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2024.102148 PMID:39389312	研究论文	本研究利用多重荧光免疫组化技术，在多个空间尺度上评估肿瘤免疫微环境，以区分转移性非小细胞肺癌患者对免疫治疗的反应	引入了几种新颖的计算方法，包括空间G交叉函数和空间重叠方法，以量化细胞间的相互作用，并训练了一个可解释的深度学习模型来识别影响反应的关键细胞区域	NA	通过多层次空间分析揭示细胞组成和相互作用的规律，以更好地理解肿瘤免疫微环境并区分患者对免疫治疗的反应	转移性非小细胞肺癌患者的肿瘤免疫微环境	数字病理学	肺癌	多重荧光免疫组化	深度学习模型	图像	52名转移性非小细胞肺癌患者，共1269张多重荧光免疫组化图像
611	2024-10-30	Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00729-x PMID:39468341	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
612	2024-11-23	Deep generative design of RNA aptamers using structural predictions 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00720-6 PMID:39506080	研究论文	开发了一种基于深度学习的结构到序列平台，用于从头生成RNA适配体	利用结构预测指导RNA适配体的生成设计，设计出结构相似但序列不同的RNA适配体	NA	开发新的RNA适配体设计方法	RNA适配体及其荧光活性	机器学习	NA	深度学习	NA	RNA序列	多个生成的RNA适配体
613	2024-11-23	A deep learning model for prediction of autism status using whole-exome sequencing data 2024-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012468 PMID:39514604	研究论文	开发了一种深度学习模型STAR-NN，用于使用全外显子测序数据预测自闭症状态	STAR-NN模型在输入层分离了不同致病效应的罕见变异，并在同一基因节点上合并，从而更细致地处理了罕见变异	STAR-NN在测试数据集和独立数据集上的ROC-AUC值仅为0.7319和0.7302，表现较为一般	利用深度学习技术预测自闭症状态	自闭症儿童及其基因变异	机器学习	自闭症	全外显子测序	深度学习模型	基因数据	43,203个个体（其中16,809个自闭症患者和26,394个非自闭症对照）
614	2024-11-23	A deep learning approach for rational ligand generation with toxicity control via reactive building blocks 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00718-0 PMID:39516375	研究论文	本文介绍了一种基于深度学习的合理配体生成方法DeepBlock，通过反应性构建块实现毒性控制	提出了DeepBlock方法，将生成过程分为构建块生成和分子重构两步，结合神经网络和基于规则的重构算法，实现了对生成分子属性的精确控制	未提及具体限制	开发一种能够生成具有亲和力、合成可及性和类药性的配体分子，并控制其毒性的深度学习方法	配体分子及其毒性控制	机器学习	NA	深度学习	神经网络	蛋白质序列	未提及具体样本数量
615	2024-11-22	Harnessing deep learning to build optimized ligands 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00725-1 PMID:39543392	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
616	2024-11-22	Disentangling Neurodegeneration From Aging in Multiple Sclerosis Using Deep Learning: The Brain-Predicted Disease Duration Gap 2024-Nov-26, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000209976 PMID:39496109	研究论文	本研究使用深度学习技术，通过分析多发性硬化症患者的3D T1加权脑部MRI扫描图像，探讨了脑龄与疾病相关神经退行性变之间的关系	提出了脑预测疾病持续时间差距（DD gap）作为多发性硬化症特异性脑损伤的全球测量指标，并验证了其在解释身体残疾方面的有效性	本研究为回顾性研究，样本主要来自多中心，可能存在数据偏倚	旨在通过深度学习模型区分多发性硬化症患者的脑老化与疾病相关神经退行性变	多发性硬化症患者的3D T1加权脑部MRI扫描图像	计算机视觉	多发性硬化症	深度学习	3D DenseNet	图像	4392名多发性硬化症患者（69.7%为女性，年龄：42.8 ± 10.6岁，疾病持续时间：11.4 ± 9.3年）
617	2024-11-22	Deep learning-assisted morphological segmentation for effective particle area estimation and prediction of interfacial properties in polymer composites 2024-Nov-21, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr01018c PMID:39469845	研究论文	本研究开发了一种自动化且精确的技术，用于在扫描电子显微镜图像中识别和详细映射颗粒位置，并预测聚合物复合材料的界面性能	本研究结合深度卷积神经网络和高级图像处理技术，实现了颗粒识别和位置映射的自动化，并引入了两个分散因子来量化颗粒分散对性能的影响	NA	研究聚合物纳米复合材料的宏观性能与微观结构特征之间的关系，特别是纳米颗粒分散的影响	聚合物纳米复合材料中的纳米颗粒分散及其对界面性能的影响	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
618	2024-11-22	Resolution-dependent MRI-to-CT translation for orthotopic breast cancer models using deep learning 2024-Nov-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad9076 PMID:39514971	研究论文	研究利用生成对抗网络（GANs）从低分辨率MRI图像合成高保真CT图像的可行性	提出了一种定制的U-Net模型和两种GAN模型（Nested U-Net GAN和Attention U-Net GAN），成功将低分辨率MRI图像转换为高分辨率CT图像，解决了其他MRI-CT转换技术中常见的细节丢失问题	NA	减少患者暴露于电离辐射的同时保持治疗准确性并加速MRI图像采集	从低分辨率MRI图像生成高质量CT图像的可行性	计算机视觉	乳腺癌	生成对抗网络（GANs）	U-Net	图像	从健康对照和肿瘤模型中获取的配对MRI-CT图像，包括MDA-MB-231和4T1肿瘤细胞注射到裸鼠和BALB/c小鼠的乳腺脂肪垫中
619	2024-11-22	Medical meteorological forecast for ischemic stroke: random forest regression vs long short-term memory model 2024-Nov-21, International journal of biometeorology IF:3.0Q2 DOI:10.1007/s00484-024-02818-y PMID:39567379	研究论文	本文研究了基于机器学习和深度学习算法开发用于预测缺血性中风（IS）攻击的医疗气象模型	本文首次比较了随机森林回归和长短期记忆模型在预测缺血性中风攻击中的应用，发现LSTM模型更为准确	研究仅基于海口地区的数据，可能不适用于其他地区	开发和评估用于预测缺血性中风攻击的医疗气象模型	缺血性中风攻击及其与气象条件的关系	机器学习	心血管疾病	随机森林回归，长短期记忆	LSTM	气象数据	42849例缺血性中风攻击
620	2024-11-22	DySurv: dynamic deep learning model for survival analysis with conditional variational inference 2024-Nov-21, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae271 PMID:39569428	研究论文	提出了一种基于条件变分自编码器的动态深度学习模型DySurv，用于从电子健康记录中动态估计个体死亡风险	DySurv使用静态和纵向测量数据的组合，直接估计累积风险发生函数，无需对潜在随机过程做出任何参数假设	尽管方法利用了非参数扩展来估计生存分布，但仍可探索更多深度学习范式	开发一种新的方法，从纵向健康记录中进行时间到事件的预测	电子健康记录中的静态和纵向测量数据	机器学习	NA	条件变分自编码器	深度学习模型	电子健康记录	6个时间到事件基准数据集和2个来自eICU和MIMIC-IV的真实世界重症监护单元电子健康记录数据集