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
20821	2024-08-05	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	本文提出了一种对病理图像进行诊断分级的对称掩码预训练视觉变换器SMiT模型	作者采用纯变换器框架，不依赖传统CNN模型，并提出了一种新的对称性掩码预训练方法	针对特定类型的癌症图像进行评估，可能不适用于所有病理图片	研究旨在提高病理图像分类中的疾病严重性检测准确性	涉及4500张结直肠癌的组织病理图像	数字病理学	癌症	变换器	视觉变换器	图像	4500张结直肠癌组织病理图像和公开的糖尿病视网膜病变数据集
20822	2024-08-05	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究探讨了低剂量CT下，肿瘤内区域和肿瘤周围区域的放射组学和深度学习特征在乳腺癌肺转移和原发性肺癌诊断中的表现	提出了一种融合模型，结合了深度学习特征和传统放射组学特征，采用多区域策略	本文未提及样本的异质性和模型在其他类型肺癌中的适用性	研究低剂量CT下，乳腺癌肺转移和原发性肺癌的分类性能	100例乳腺癌患者的低剂量CT影像数据，包括60例BCLM与40例PLC	数字病理学	肺癌	低剂量CT	ResNet18基础的多输入残差卷积网络	图像	100例乳腺癌患者的低剂量CT影像
20823	2024-08-05	SpheroScan: A User-Friendly Deep Learning Tool for Spheroid Image Analysis 2023-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.28.533479 PMID:37425923	研究论文	本文介绍了SpheroScan，一个用户友好的深度学习工具，用于球形图像分析	开发了一个全自动、基于网络的工具，使用掩模区域卷积神经网络进行图像检测和分割	NA	解决缺乏自动化和用户友好的3D球体图像分析工具的问题	使用IncuCyte活细胞分析系统和常规显微镜拍摄的球形图像	数字病理	NA	深度学习	卷积神经网络	图像	使用的训练集和验证集的具体样本数量未提供
20824	2024-08-05	The ChatGPT Storm and What Faculty Can Do 2023 May-Jun 01, Nurse educator IF:2.4Q1 DOI:10.1097/NNE.0000000000001390 PMID:37043716	研究论文	本论文讨论了ChatGPT在学术界的迅速普及及其伦理使用的关注	探讨教师如何应对ChatGPT带来的挑战，强调自我反思、批判性思维和独立学习的重要性	未提及具体的实证研究或数据支持	旨在探讨ChatGPT在护理教育中的潜力及其伦理使用	关注职员及学生如何利用ChatGPT进行学习和信息评估	自然语言处理	NA	深度学习语言模型	NA	文本	NA
20825	2024-08-05	Intelligent oncology: The convergence of artificial intelligence and oncology 2023-Mar, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.11.004 PMID:39036310	研究论文	本文描述了一种称为智能肿瘤学的整体和结构化概念	提出了一个跨学科的智能肿瘤学概念，整合多个领域以促进癌症管理	智能肿瘤学的概念和应用仍处于 infancy，面临许多障碍和挑战	旨在促进癌症预防、筛查、早期诊断和精确治疗	整合肿瘤学、放射学、病理学、分子生物学等领域	计算机视觉	癌症	自然语言处理、机器/深度学习	NA	NA	NA
20826	2024-08-07	Variability analysis of LC-MS experimental factors and their impact on machine learning 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad096 PMID:37983748	研究论文	本文通过系统分析公共质谱数据仓库中的变异源，探讨了这些因素对机器学习性能的影响，并进行了全面的迁移学习评估	本文首次系统分析了公共质谱数据仓库中的变异源，并评估了迁移学习在质谱数据处理中的应用效果	迁移学习虽然提高了模型性能，但与非预训练模型相比提升有限	旨在促进机器学习在质谱数据处理中的应用	公共质谱数据仓库中的变异源及其对机器学习性能的影响	机器学习	NA	质谱(MS)	深度学习(DL)	质谱数据	大规模数据集
20827	2024-08-07	Towards automated organs at risk and target volumes contouring: Defining precision radiation therapy in the modern era 2022-Dec, Journal of the National Cancer Center IF:7.6Q1 DOI:10.1016/j.jncc.2022.09.003 PMID:39036546	review	本文综述了利用先进深度学习、语义器官解析、多模态影像融合、神经架构搜索和医学图像分析技术解决精确放疗工作流程中四个关键问题或子问题的最新进展	提出了高精度、自动化和高度可重复的OAR/GTV/LN/CTV自动描绘技术，有效减少了从业者间的变异性并降低了时间成本	本文综述的内容是持续进行且不完全的，方法主要以食管癌和头颈癌为例，但可推广至其他类型癌症	探讨精确放疗在现代临床工作流程中的应用，旨在提高患者护理质量和降低成本	主要关注风险器官（OARs）、大体肿瘤体积（GTV）、转移淋巴结（LN）和临床肿瘤体积（CTV）的分割与检测	machine learning	esophageal cancer, head-and-neck cancer	deep learning, semantic organ parsing, multimodal imaging fusion, neural architecture search, medical image analytical techniques	NA	image	NA
20828	2024-08-07	Machine Learning Analysis of Cocaine Addiction Informed by DAT, SERT, and NET-Based Interactome Networks 2022-Apr-12, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00002 PMID:35294204	研究论文	本研究利用基于DAT、SERT和NET相互作用网络的机器学习/深度学习方法分析可卡因成瘾，旨在发现新的抗可卡因成瘾先导化合物	本研究首次采用基于DAT、SERT和NET相互作用网络的机器学习/深度学习方法，结合大量抑制剂数据，构建预测模型，用于预测药物再利用潜力和可能的副作用	NA	开发新的基于人工智能的抗可卡因成瘾先导化合物发现系统	可卡因成瘾相关的DAT、SERT和NET相互作用网络中的蛋白质	机器学习	药物成瘾	机器学习/深度学习	自编码器（AE）、梯度提升决策树（GBDT）和多任务深度神经网络（MT-DNN）	蛋白质相互作用数据和抑制剂数据	61个蛋白质目标，115,407个抑制剂
20829	2024-08-07	Deep mixed model for marginal epistasis detection and population stratification correction in genome-wide association studies 2019-Dec-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3300-9 PMID:31881907	研究论文	本文提出了一种用于边际上位效应检测和人群分层校正的深度混合模型，用于全基因组关联研究	本文提出了一种神经网络方法，能够潜在地模拟遗传关联研究中SNP之间的任意相互作用，作为混合模型在纠正混杂因素方面的扩展	NA	旨在更彻底地建模和发现上位效应	全基因组关联研究中的遗传变异与复杂性状之间的关联	机器学习	老年疾病	深度学习	CNN, LSTM	遗传数据	涉及阿尔茨海默病数据集
20830	2024-08-07	Integrate multi-omics data with biological interaction networks using Multi-view Factorization AutoEncoder (MAE) 2019-Dec-20, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-019-6285-x PMID:31856727	研究论文	本文开发了一种名为Multi-view Factorization AutoEncoder (MAE)的方法，该方法能够结合多组学数据和生物交互网络，以揭示疾病背后的分子途径	本文创新性地将领域知识如分子交互网络融入到训练目标中，通过引入良好的归纳偏差来提高模型的泛化能力	由于'大p小n'问题（即高维特征的小样本），仅使用多组学数据训练大规模泛化的深度学习模型非常具有挑战性	旨在解决多组学数据深度学习中的过拟合问题，并探索分子特征与临床特征之间的复杂关系	多组学数据和生物交互网络	机器学习	NA	深度学习	AutoEncoder	多组学数据	小样本
20831	2024-08-07	A deep neural network approach to predicting clinical outcomes of neuroblastoma patients 2019-12-20, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-019-0628-y PMID:31856829	研究论文	本文提出了一种基于图方法特征提取和深度神经网络的策略，用于预测神经母细胞瘤患者的临床结果	采用图方法进行特征提取，结合深度神经网络模型，提高了预测准确性	研究主要集中在神经母细胞瘤数据集上，可能需要进一步验证在其他疾病数据集上的适用性	开发一种新的方法来预测患者的临床结果，并理解疾病发病机制和治疗反应的生物学机制	神经母细胞瘤患者的临床结果预测	机器学习	神经母细胞瘤	深度学习	深度神经网络 (DNN)	组学数据	四个神经母细胞瘤数据集
20832	2024-08-07	SigUNet: signal peptide recognition based on semantic segmentation 2019-Dec-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3245-z PMID:31861981	research paper	本研究提出了一种基于语义分割的信号肽识别方法SigUNet，该方法使用不含全连接层的卷积神经网络，并在真核生物数据上表现出优于现有信号肽预测器的性能。	本研究首次将复杂的卷积神经网络应用于信号肽识别，并提出了模型简化和数据增强的方法来改善预测性能。	NA	开发一种准确的信号肽识别器，并展示如何利用其他领域的先进网络进行信号肽识别。	信号肽的识别及其在蛋白质分类中的应用。	computer vision	NA	NA	CNN	sequence	NA
20833	2024-08-07	A temporal visualization of chronic obstructive pulmonary disease progression using deep learning and unstructured clinical notes 2019-12-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0984-8 PMID:31842874	研究论文	本文提出了一种使用深度学习和非结构化临床笔记来可视化慢性阻塞性肺病（COPD）进展的方法	本文提出了一种四层深度学习模型，利用专门配置的循环神经网络捕捉不规则时间间隔片段，并创建了一个COPD进展的时间可视化图谱	NA	旨在描述COPD患者在死亡前疾病进展的时间，并生成一个描述COPD不同阶段症状和体征的时间可视化图	COPD患者	机器学习	慢性阻塞性肺病	深度学习	循环神经网络	文本	15,500名COPD患者
20834	2024-08-07	Estimating Rates of Progression and Predicting Future Visual Fields in Glaucoma Using a Deep Variational Autoencoder 2019-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54653-6 PMID:31792321	研究论文	本文开发了一种深度学习算法，利用深度变分自编码器（VAE）来提高青光眼视觉场损失进展速率的估计和未来模式的预测	使用深度VAE在检测进展速率和预测未来视觉场模式方面表现出显著优势	NA	提高青光眼视觉场损失进展速率的估计和未来模式的预测	青光眼患者的视觉场损失	机器学习	青光眼	深度变分自编码器（VAE）	VAE	视觉场数据	29,161个视觉场数据来自3,832名患者
20835	2024-08-07	CRIP: predicting circRNA-RBP-binding sites using a codon-based encoding and hybrid deep neural networks 2019-12, RNA (New York, N.Y.) DOI:10.1261/rna.070565.119 PMID:31537716	研究论文	本文开发了CRIP工具，用于预测circRNA上的RBP结合位点，采用基于密码子的编码方案和混合深度神经网络结构	首次提出基于机器学习的计算工具CRIP，用于预测circRNA上的RBP结合位点，并采用了创新的基于密码子的编码方案和混合深度学习架构	NA	理解circRNA的调控功能，特别是circRNA与RNA结合蛋白（RBP）的相互作用	circRNA与RBP的结合位点	机器学习	NA	NA	CNN和RNN	序列	37个数据集，每个数据集对应一个RBP的结合位点序列片段
20836	2024-08-07	How theory and design-based research can mature PBL practice and research 2019-12, Advances in health sciences education : theory and practice IF:3.0Q2 DOI:10.1007/s10459-019-09940-2 PMID:31720879	研究论文	本文探讨了如何通过理论和基于设计的研究来成熟化问题导向学习（PBL）的实践和研究	提出了基于设计的研究（DBR）作为一种新的方法来桥接理论和实践，通过重新设计基于理论的教学实践并与各利益相关者紧密合作来调查这些实践	没有一种万能的解决方案来解决PBL中遇到的问题，且应谨慎得出哪种PBL方法最佳的结论	旨在更好地将PBL实践与情境性、建构性、自我导向性和协作性学习的理论或原则相结合	问题导向学习（PBL）的实践和研究	NA	NA	NA	NA	NA	NA
20837	2024-08-07	Tumor tissue classification based on micro-hyperspectral technology and deep learning 2019-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.006370 PMID:31853405	研究论文	本文利用微型高光谱成像技术，结合深度学习模型，对胃癌组织进行分类研究	提出了一种基于深度学习模型的胃癌组织分析方法，并展示了CNN在提取肿瘤组织深层光谱-空间特征方面的优势	NA	探索高光谱技术在肿瘤组织病理诊断中的应用	胃癌组织与正常组织的分类	机器学习	胃癌	微型高光谱成像技术	CNN	高光谱数据	30名胃癌患者
20838	2024-08-07	Deep learning for quality assessment of retinal OCT images 2019-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.006057 PMID:31853385	研究论文	本研究首次提出了一种基于信号完整性、位置和有效性的OCT图像质量评估（OCT-IQA）系统，并使用四种CNN架构进行训练和评估	首次提出了一种基于深度学习的OCT图像质量评估系统，并通过实验证明了其在提高视网膜病变检测准确性方面的有效性	NA	开发一种自动化的OCT图像质量评估系统，以提高视网膜病变检测的准确性	视网膜OCT图像的质量评估	计算机视觉	NA	深度学习	CNN	图像	使用了两个随机创建的测试数据集，其中一个数据集经过OCT-IQA系统筛选，仅包含高质量图像，另一个数据集混合了高质量和低质量图像
20839	2024-08-07	Learning to see stuff 2019-Dec, Current opinion in behavioral sciences IF:4.9Q1 DOI:10.1016/j.cobeha.2019.07.004 PMID:31886321	研究论文	本文探讨了无监督深度学习在解释复杂外观材料（如纺织品和食品）视觉感知中的应用	提出了一种新的框架，通过学习高效准确地编码和预测视觉输入，而不是估计物理量如反射率或光照	文章未明确提及具体限制	解释人类如何学习识别复杂外观的材料	复杂外观的材料，如纺织品和食品	计算机视觉	NA	无监督深度学习	神经网络	图像	未明确提及具体样本数量
20840	2024-08-07	Latest advances in aging research and drug discovery 2019-11-21, Aging DOI:10.18632/aging.102487 PMID:31770722	综述	本文综述了衰老研究及药物发现的最新进展，并介绍了相关领域的年度会议系列	文章强调了人工智能，特别是深度学习在衰老研究中的应用，以及多家公司将衰老研究纳入其业务模型的创新策略	NA	旨在更好地理解与衰老相关的多层次变化，并探索治疗与年龄相关疾病的新干预措施	衰老过程中的分子、细胞、器官、组织、生理、心理及社会学变化	NA	老年病	深度学习	NA	NA	NA