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
21481	2024-08-05	Inferring Cellular Contractile Forces and Work using Deep Morphology Traction Microscopy 2024-Jul-19, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.07.020 PMID:39033326	研究论文	本文介绍了一种名为DeepMorphoTM的新型深度学习的牵引力显微技术，用于测量细胞收缩力。	DeepMorphoTM通过只依赖细胞形状序列推断基底位移，避免了对特殊标记基底的需求，从而简化了实验过程。	尽管DeepMorphoTM提供了更简化的方法，但其对特定细胞形状的生物变异性的稳定性可能仍有待提高。	研究细胞收缩力的测量方法，从而改善对细胞行为调控作用的理解。	研究不同细胞类型及其在多种基底材料上的收缩力。	数字病理学	NA	深度学习	NA	图像	涉及多个细胞类型和基底材料
21482	2024-08-05	The contribution of silencer variants to human diseases 2024-Jul-08, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03328-1 PMID:38978133	研究论文	本文分析了沉默子变体与人类疾病之间的关联	使用深度学习模型全面剖析了候选沉默子，发现其在与疾病相关变体中的重要性，并提出了新的机制解释	研究仅关注于候选沉默子变体，未涵盖其他调控元件的影响	揭示沉默子变体在各种人类疾病中的作用和机制	约280万候选沉默子和97个人体样本	机器学习	帕金森病、精神分裂症、1型糖尿病	深度学习	NA	基因组数据	97个样本
21483	2024-08-05	Masked cross-domain self-supervised deep learning framework for photoacoustic computed tomography reconstruction 2024-Jul-07, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106515 PMID:39032393	研究论文	该论文介绍了一种掩蔽跨域自监督深度学习框架，用于光声计算机断层成像的重建	提出了一种掩蔽跨域自监督重建策略，克服了有限光声测量缺乏真实标签的问题	实际实施中可能面临成本和性能之间的不可避免的权衡	研究一种新方法以提高光声计算机断层成像的重建质量和效率	聚焦于有限光声测量数据下的图像重建	数字病理学	NA	深度学习	自监督模型	图像	使用了小鼠的体内PACT数据集
21484	2024-08-05	The contribution of silencer variants to human diseases 2024-May-18, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.17.24307558 PMID:38798661	研究论文	该研究分析了沉默子变异与人类疾病之间的关联	该文章通过深度学习模型对2.8百万候选沉默子进行了全面分析，并发现沉默子变异在某些疾病中的关联性远高于增强子变异	未提及具体的样本多样性和数据来源的局限性	本研究旨在揭示沉默子变异与人类疾病的关系	研究对象是来自多种组织和发育时间点的人类样本	机器学习	帕金森病, 精神分裂症, 疾病1型糖尿病	深度学习	NA	基因组变化数据	97个来自不同组织和发育时间点的人类样本
21485	2024-08-05	Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.05.006 PMID:39032956	研究论文	该文章探讨了计算机视觉与数字病理学的整合，展示了人工智能在精确诊断中的潜力	文章创新地提出了利用深度学习架构和先进算法改善病理学家诊断能力的方法	文章讨论了人工智能在病理学中的技术、实践和伦理局限性	研究人工智能在数字病理学中实现精准诊断和自动化分析的应用	研究对象为病理图像的数字化分析与诊断过程	计算机视觉	NA	人工智能, 机器学习	CNN, U-Net	图像	NA
21486	2024-08-05	Self-supervised deep learning for highly efficient spatial immunophenotyping 2023-Sep, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104769 PMID:37672979	研究论文	该文章提出了一种自监督学习方法，用于高效的细胞免疫表型识别。	文章提出的SANDI模型通过自监督学习显著降低了标注负担，同时维持了细胞表型识别的准确性。	研究的样本数量和标注参考集的规模可能限制了模型的泛化能力。	本研究旨在开发一种高效的细胞免疫表型识别方法，以支持标志物的发现和临床转化。	研究对象是多重免疫组化数据集中的单细胞图像。	数字病理学	卵巢癌	多重免疫组化	自监督学习模型 (SANDI)	图像	涉及2825到15,258个单细胞图像
21487	2024-08-05	Prediction-oriented prognostic biomarker discovery with survival machine learning methods 2023-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqad055 PMID:37332657	研究论文	本文提出了一系列基于生存机器学习方法的预测导向生物标志物选择框架。	采用了随机生存森林、极端梯度提升、轻量级梯度提升和深度学习生存模型等新型机器学习算法进行生物标志物选择，并将PROMISE方法调整为生存模型(PROMISE-Cox)。	在生存模型中不同特征选择方法的表现需要进一步深入研究。	目标是发现新颖且可靠的预后生物标志物，以预测患者的生存结果。	主要研究对象为不同类型的头颈癌数据中的预后生物标志物。	机器学习	癌症	机器学习算法	随机生存森林、极端梯度提升、轻量级梯度提升、深度学习模型	数据	不同类型的头颈癌数据集（具体样本量未提及）
21488	2024-08-07	Improving interobserver agreement and performance of deep learning models for segmenting acute ischemic stroke by combining DWI with optimized ADC thresholds 2022-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08633-6 PMID:35201408	研究论文	研究通过结合弥散加权成像（DWI）与优化表观弥散系数（ADC）阈值，提高急性缺血性卒中（AIS）分割的观察者间一致性和深度学习模型（DLMs）性能	通过结合特定ADC阈值与DWI，显著提高了急性缺血性卒中病变的分割性能和观察者间的一致性	NA	探讨ADC阈值对观察者间一致性和深度学习模型分割急性缺血性卒中性能的影响	急性缺血性卒中（AIS）的分割	机器学习	脑血管疾病	弥散加权成像（DWI）	深度学习模型（DLMs）	图像	训练集包含76名AIS患者，测试集包含145名AIS患者
21489	2024-08-07	Prediction of bone mineral density from computed tomography: application of deep learning with a convolutional neural network 2020-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-06677-0 PMID:32060712	研究论文	研究使用深度学习模型从无增强的腹部CT图像预测腰椎骨密度	通过深度学习技术，可以从无增强的腹部CT图像中估计腰椎的骨密度	NA	探讨深度学习模型是否能从无增强的腹部CT图像预测腰椎的骨密度	腰椎的骨密度	机器学习	NA	CT	CNN	图像	183名患者，共1665张CT图像，增强后为99,900张图像
21490	2024-08-07	Deep Learning Analysis of Cerebral Blood Flow to Identify Cognitive Impairment and Frailty in Persons Living With HIV 2019-12-15, Journal of acquired immune deficiency syndromes (1999) DOI:10.1097/QAI.0000000000002181 PMID:31714429	研究论文	本研究利用深度学习算法分析脑血流，以识别HIV感染者中的认知障碍和虚弱状态	本研究采用深度神经网络模型，通过特征提取技术识别出对认知障碍和虚弱状态预测最强的脑区	NA	研究目的是通过深度学习算法识别HIV感染者的认知障碍和虚弱状态	研究对象为接受联合抗逆转录病毒治疗的病毒学抑制的HIV感染者	机器学习	HIV感染	深度学习算法	深度神经网络（DNN）	脑血流图像	125名HIV感染者
21491	2024-08-07	Applying a deep learning-based sequence labeling approach to detect attributes of medical concepts in clinical text 2019-12-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-019-0937-2 PMID:31801529	研究论文	本文提出了一种基于深度学习的序列标注方法，用于在临床文本中检测医学概念的属性	将属性检测转换为序列标注问题，实现了属性实体识别和关系分类的同时进行	NA	提高临床文本中医学概念属性检测的准确性	医学概念属性检测任务	自然语言处理	NA	NA	Bi-LSTM-CRF	文本	NA
21492	2024-08-07	Comparing biological information contained in mRNA and non-coding RNAs for classification of lung cancer patients 2019-Dec-03, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-019-6338-1 PMID:31796020	研究论文	本文通过分析肺腺癌患者的RNA-seq数据，包括非编码和蛋白质编码RNA，利用深度学习神经网络和其他先进的分类方法，比较了不同类型RNA在癌症分类中的表现。	本研究首次使用非miRNA的ncRNA进行癌症的计算分类，并直接比较了蛋白质编码RNA和非编码RNA的分类能力。	NA	旨在解码人类DNA的意义，这将彻底改变医学和我们对疾病的治疗方式。	肺腺癌患者，一种非小细胞肺癌的组织学亚型。	数字病理学	肺癌	RNA-seq	深度信念网络	RNA数据	肺腺癌患者
21493	2024-08-07	Classification and Visualization of Alzheimer's Disease using Volumetric Convolutional Neural Network and Transfer Learning 2019-12-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54548-6 PMID:31796817	研究论文	本研究提出了一种基于体积卷积神经网络和迁移学习的方法，用于阿尔茨海默病（AD）的分类和可视化	使用卷积自编码器（CAE）进行无监督学习，并结合监督迁移学习，以及基于梯度的可视化方法来识别与AD和pMCI相关的重要生物标志物	由于神经影像数据稀缺，端到端学习尚未得到广泛关注	促进体积卷积神经网络模型的端到端学习，并实现阿尔茨海默病的分类和可视化	阿尔茨海默病（AD）及其相关认知障碍的分类和关键区域识别	计算机视觉	阿尔茨海默病	体积卷积神经网络（CNN）	CNN	MRI图像	实验基于ADNI数据库进行，具体样本数量未详细说明
21494	2024-08-07	Role of deep learning in infant brain MRI analysis 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.06.009 PMID:31229667	研究论文	本文探讨了深度学习算法在婴儿脑部MRI分析中的应用，特别是在脑组织分割和神经发育障碍的早期疾病预测方面的应用	提出了针对婴儿MRI数据特点的深度学习方法，并讨论了如何改进现有解决方案以应对数据量小、类别不平衡和模型解释性不足的问题	存在数据量小、类别不平衡和深度学习模型解释性不足的问题	研究深度学习在婴儿脑部MRI分析中的应用，特别是在脑组织分割和早期疾病预测方面	婴儿脑部MRI数据	机器学习	NA	深度学习算法，特别是卷积网络	CNN	MRI图像	数据量小
21495	2024-08-07	Next generation research applications for hybrid PET/MR and PET/CT imaging using deep learning 2019-Dec, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-019-04374-9 PMID:31254036	综述	本文综述了利用人工智能特别是深度学习算法提高PET/MR和PET/CT混合成像质量的应用	探讨了如何利用AI技术缩短成像时间、减少放射性示踪剂剂量以及进行双示踪剂研究等新可能性	未明确提及	探索AI在提高PET成像质量和利用解剖信息方面的应用	PET/MR和PET/CT混合成像技术	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
21496	2024-08-07	Using deep Siamese neural networks for detection of brain asymmetries associated with Alzheimer's Disease and Mild Cognitive Impairment 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.07.003 PMID:31319126	研究论文	本研究利用基于配对侧脑间半球区域的深度孪生神经网络框架，探索全脑体积不对称性在阿尔茨海默病和轻度认知障碍检测中的应用	采用深度孪生神经网络处理低维体积特征，相比使用全脑MR图像的研究，减少了复杂性和计算时间，同时保留了生物信息密度	NA	探索神经解剖体积和形状不对称性作为阿尔茨海默病和轻度认知障碍的临床前成像生物标志物的潜力	阿尔茨海默病和轻度认知障碍的脑不对称性检测	机器学习	阿尔茨海默病	MRICloud	孪生神经网络	图像	使用ADNI和BIOCARD数据集
21497	2024-08-07	Augmented Bladder Tumor Detection Using Deep Learning 2019-12, European urology IF:25.3Q1 DOI:10.1016/j.eururo.2019.08.032 PMID:31537407	研究论文	本文开发了一种基于卷积神经网络的图像分析平台CystoNet，用于增强膀胱肿瘤的检测	CystoNet在膀胱肿瘤检测中表现出高灵敏度和特异性，可能提高膀胱镜检查的诊断率和TURBT的效率	NA	开发一种深度学习算法，用于增强膀胱镜检查中的膀胱癌检测	膀胱肿瘤的检测和定位	计算机视觉	膀胱癌	深度学习	CNN	视频	开发数据集包括95名患者用于算法训练，5名患者用于测试，验证数据集包括54名患者
21498	2024-08-07	ReorientExpress: reference-free orientation of nanopore cDNA reads with deep learning 2019-11-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-019-1884-z PMID:31783882	研究论文	描述了一种名为ReorientExpress的方法，用于无参考基因组的转录组长序列读取的自由定向	ReorientExpress利用深度学习正确预测大多数读取的方向，特别是在训练于密切相关物种或与读取聚类结合时	NA	实现非模型生物和无基因组参考样本的长读取转录组学	转录组长序列读取的定向	机器学习	NA	深度学习	NA	序列数据	NA
21499	2024-08-07	Diagnosis of Thyroid Nodules: Performance of a Deep Learning Convolutional Neural Network Model vs. Radiologists 2019-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54434-1 PMID:31780753	研究论文	本文开发了一种基于深度学习的甲状腺结节超声计算机辅助诊断系统（dCAD），并将其性能与基于支持向量机（SVM）的系统（sCAD）和放射科医生的诊断性能进行了比较	dCAD在总体敏感性、特异性、阳性预测值（PPV）、阴性预测值和准确性方面与放射科医生相当，并且在小结节方面表现更优于sCAD	NA	开发和评估基于深度学习的甲状腺结节超声计算机辅助诊断系统的性能	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	CNN	图像	4919个甲状腺结节图像
21500	2024-08-07	Prediction Model of Organic Molecular Absorption Energies based on Deep Learning trained by Chaos-enhanced Accelerated Evolutionary algorithm 2019-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-53206-1 PMID:31754116	research paper	本文提出了一种基于混沌增强加速进化算法的深度学习预测模型，用于提高分子吸收能量的计算准确性、效率和稳定性。	该模型结合了深度学习和智能算法，采用混沌增强加速粒子群优化算法和深度人工神经网络（CAPSO BP DNN），具有七层8-4-4-4-4-4-1结构，能够有效提高预测效果和准确性。	NA	开发一种高精度的分子吸收能量预测模型。	有机分子的吸收能量。	machine learning	NA	deep learning	DNN	numerical	涉及八个与分子吸收能量相关的参数作为输入，一个参数作为输出。