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
22741	2024-08-07	Big data analysis for Covid-19 in hospital information systems 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294481 PMID:38776299	研究论文	本文提出了一种新的深度学习联合框架，用于处理具有分布差异的异构数据集，以准确识别COVID-19	通过重新设计COVID-Net的网络架构和学习策略，以及在潜在空间中进行独立特征归一化，提高了预测准确性和学习效率。同时，使用对比训练目标增强了语义嵌入的领域不变性，提升了分类性能	NA	开发基于CT图像的自动化COVID-19识别工具，以辅助临床诊断	COVID-19的CT图像数据	计算机视觉	COVID-19	深度学习	CNN	图像	两个大规模公开的COVID-19诊断数据集，包含CT图像
22742	2024-08-07	Toward interpretable and generalized mitosis detection in digital pathology using deep learning 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241255471 PMID:38778869	研究论文	本文针对数字病理学中有丝分裂检测的挑战，提出了一种基于深度学习的方法，以提高检测的准确性、泛化性和可解释性	本文提出的方法在多个数据集和临床环境中展示了良好的泛化性和可解释性	NA	提高数字病理学中有丝分裂检测的准确性和泛化性	有丝分裂核的检测	数字病理学	癌症	深度学习	NA	图像	使用了MiDoG'22数据集进行训练、验证和测试，并在TUPAC'16数据集和Shaukat Khanum纪念癌症医院和研究中心的实时案例中进行了测试
22743	2024-08-07	Leveraging radiomics and AI for precision diagnosis and prognostication of liver malignancies 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1362737 PMID:38779098	综述	本文综述了人工智能和放射组学在肝脏肿瘤精准诊断和预后中的进展和潜力	探讨了人工智能和放射组学技术在基于影像数据预测肿瘤组织病理学、基因型和免疫表型方面的创新应用	讨论了人工智能技术的技术局限性和潜在缺陷	旨在提高肝脏肿瘤的诊断准确性和预后，从而改善患者护理	肝脏肿瘤的诊断和预后	计算机视觉	肝癌	放射组学	深度学习	影像	NA
22744	2024-08-07	A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI 2023-Dec, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.09.007 PMID:37776961	研究论文	本文提出了一种基于伪连续动脉自旋标记磁共振成像的深度学习图像分析方法，用于自动估计肾移植患者的肾灌注	该方法利用机器/深度学习工具自动分割和分类肾皮质和髓质组织，并自动估计灌注值	NA	开发一种自动化的方法来估计肾灌注，以辅助肾移植手术后的评估	肾移植患者的肾灌注	机器学习	NA	伪连续动脉自旋标记（PCASL）	深度学习	图像	16名肾移植患者
22745	2024-08-07	Explainable variational autoencoder (E-VAE) model using genome-wide SNPs to predict dementia 2023-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104536 PMID:37926392	研究论文	本研究开发了一种可解释的变分自编码器（E-VAE）模型，利用全基因组SNP数据预测痴呆症	首次展示了使用遗传变异在独立队列中进行深度学习预测模型对痴呆症的泛化能力	NA	阐明与阿尔茨海默病相关痴呆症（ADRD）相关的生物学机制	阿尔茨海默病及相关痴呆症（ADRD）	机器学习	痴呆症	GWAS	变分自编码器（VAE）	基因型数据	2714名研究参与者和234名验证参与者
22746	2024-08-07	Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy 2023-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2023.04.027 PMID:37116822	综述	本研究旨在调查使用时间流逝监测的卷积神经网络模型在胚胎评估中的准确性	应用人工智能在时间流逝监测中提供更高效、准确和客观的胚胎评估	本系统综述受限于所包含研究之间的高度异质性	调查卷积神经网络模型在胚胎评估中的诊断测试准确性	胚胎评估的准确性	机器学习	NA	卷积神经网络	CNN	图像	共分析了522,516张图像，涉及222,998个胚胎
22747	2024-08-07	Recent advances in artificial intelligence for cardiac CT: Enhancing diagnosis and prognosis prediction 2023-Nov, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2023.06.011 PMID:37407346	综述	本文综述了人工智能在心脏CT领域的最新进展，特别是在提高诊断和预测预后方面的应用	深度学习技术在放射学中的应用，实现了从大型数据集中自动提取特征和学习，特别是在基于图像的应用中	需要进一步的研究和验证来全面评估这些AI驱动技术在心脏CT中的诊断性能、辐射剂量减少能力和临床正确性	探讨人工智能在心脏CT领域的应用，以提高诊断和预测预后的准确性	心脏CT图像分析及相关诊断技术	计算机视觉	心血管疾病	深度学习	CNN	图像	NA
22748	2024-08-07	Fast non-iterative algorithm for 3D point-cloud holography 2023-Oct-23, Optics express IF:3.2Q2 DOI:10.1364/OE.498302 PMID:38017799	研究论文	本文介绍了一种用于3D点云全息图的快速非迭代算法，该算法通过快速确定性计算来高效分配空间光调制器（SLM）像素，以在多个时间帧中分布所有点的图案。	提出的非迭代点云全息算法比迭代Gerchberg-Saxton算法在计算速度上有显著优势，尤其是在高像素数的SLM上。	该算法主要针对稀疏点集合的应用，可能不适用于密集点集合或其他类型的全息图生成。	开发一种能够在移动或硬件轻量级设置中实时操作的高效3D全息图生成方法。	3D点云全息图的生成算法及其在生物显微镜和材料加工中的应用。	计算机视觉	NA	空间光调制器（SLM）	非迭代算法	3D点云	512×512像素数组
22749	2024-08-07	FocA: A deep learning tool for reliable, near-real-time imaging focus analysis in automated cell assay pipelines 2023-Oct, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2023.08.004 PMID:37573010	研究论文	本文介绍了一种名为FocA的深度学习工具，用于在自动化细胞检测流程中进行可靠的近实时图像焦点分析	FocA工具能够在近实时情况下识别出焦点和非焦点图像，并优化以确保不会存储和使用低质量图像，同时自动生成平衡且多样化的训练集以避免偏差	NA	实现自动化细胞检测流程中图像数据的质量和一致性	自动化细胞生物学研究平台生成的图像	机器学习	NA	深度学习	CNN	图像	每96孔板
22750	2024-08-07	Human Alzheimer's disease reactive astrocytes exhibit a loss of homeostastic gene expression 2023-08-02, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-023-01624-8 PMID:37533101	研究论文	本研究利用单核RNA测序数据分析了正常、病理老化和阿尔茨海默病大脑中反应性星形胶质细胞的转录组变化	首次在单细胞分辨率下研究了人类疾病组织中星形胶质细胞的分子改变，并揭示了反应性星形胶质细胞中基因表达的变化	NA	研究阿尔茨海默病中反应性星形胶质细胞的转录组变化	星形胶质细胞	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	15,529个星形胶质细胞核
22751	2024-08-07	MPI-VGAE: protein-metabolite enzymatic reaction link learning by variational graph autoencoders 2023-07-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad189 PMID:37225420	研究论文	本研究开发了一种基于变分图自编码器（VGAE）的框架MPI-VGAE，用于在十种生物的基因组规模异构酶促反应网络中预测代谢物-蛋白质相互作用（MPI）	MPI-VGAE框架首次应用于酶促反应链接预测，并在重建数百条代谢途径、功能性酶促反应网络和代谢物-代谢物相互作用网络时表现出最稳健的性能	NA	探索代谢物和蛋白质在细胞过程中的机制功能，理解疾病的病因	代谢物-蛋白质相互作用及酶促反应链接	机器学习	阿尔茨海默病，结直肠癌	变分图自编码器（VGAE）	VGAE	网络数据	涉及十种生物的基因组规模异构酶促反应网络
22752	2024-08-07	Epiphany: predicting Hi-C contact maps from 1D epigenomic signals 2023-06-06, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02934-9 PMID:37280678	研究论文	本文提出了一种名为Epiphany的神经网络模型，用于从广泛可用的表观基因组轨迹预测特定细胞类型的Hi-C接触图	Epiphany模型使用双向长短期记忆层来捕捉长程依赖，并可选地采用生成对抗网络架构以增强接触图的真实性	NA	开发一种能够从表观基因组信号预测Hi-C接触图的深度学习模型	特定细胞类型的Hi-C接触图	机器学习	NA	神经网络	双向长短期记忆层，生成对抗网络	表观基因组轨迹	NA
22753	2024-08-07	Predicting Hypoperfusion Lesion and Target Mismatch in Stroke from Diffusion-weighted MRI Using Deep Learning 2023-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.220882 PMID:36472536	研究论文	本文使用深度学习模型从扩散加权磁共振成像（DWI）和临床信息中预测脑卒中的低灌注病变并识别目标不匹配患者	采用三维U-Net深度学习模型，通过DWI和临床信息预测低灌注病变，并识别目标不匹配患者，其敏感性高于临床-DWI不匹配方法	NA	利用深度学习模型预测脑卒中的低灌注病变并识别目标不匹配患者	急性缺血性脑卒患者的扩散加权磁共振成像（DWI）和临床信息	机器学习	脑卒中	扩散加权磁共振成像（DWI）	三维U-Net	影像数据	413名患者（平均年龄67岁，207名男性）
22754	2024-08-07	Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer 2023-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-022-02134-1 PMID:36624314	研究论文	本文通过建立和评估一个多重染色深度学习模型（MSDLM），利用人工智能（AI）确定结直肠癌（CRC）患者的AImmunoscore（AIS），以预测预后和辅助治疗反应	本文提出的MSDLM模型具有高预测能力，优于其他临床、分子和免疫细胞参数，并能通过可解释的AI方法验证其决策基于已建立的抗肿瘤免疫细胞模式	免疫细胞评分系统如免疫评分（IS）或上皮内淋巴细胞定量在临床常规使用中进展缓慢，存在局限性	解决免疫细胞评分系统在临床应用中的缓慢进展和局限性，提供一个基于肿瘤免疫微环境的临床决策工具	结直肠癌（CRC）患者的预后和辅助治疗反应	机器学习	结直肠癌	深度学习	深度学习模型	图像	超过1,000名结直肠癌患者
22755	2024-08-07	XMR: an explainable multimodal neural network for drug response prediction 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1164482 PMID:37600972	研究论文	本文开发了一种名为XMR的可解释多模态神经网络模型，用于预测药物反应，结合了可见神经网络和图神经网络来学习基因组和药物结构特征	XMR模型通过多模态融合层整合了可见神经网络和图神经网络，提供了更好的生物学解释性，并提高了预测性能	NA	开发一种可解释的多模态神经网络模型，以提高癌症药物反应预测的准确性和生物学解释性	三阴性乳腺癌的药物反应预测	机器学习	乳腺癌	NA	多模态神经网络	基因组数据和药物分子结构数据	NA
22756	2024-08-07	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究通过放射组学特征从MRI图像中识别三叉神经痛患者的三叉神经，以区分受影响和未受影响的神经	使用放射组学特征和深度学习网络（U-net）从MRI图像中提取和分析三叉神经的特征，以区分三叉神经痛患者和无痛神经	NA	测试从三叉神经的MRI图像中提取的放射组学特征是否能区分受三叉神经痛影响和无痛的神经	三叉神经痛患者的三叉神经	计算机视觉	三叉神经痛	MRI	U-net	图像	134名患者（即268条神经）
22757	2024-08-07	Big behavior: challenges and opportunities in a new era of deep behavior profiling 2021-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-020-0751-7 PMID:32599604	综述	本文综述了在机器视觉和深度学习时代，行为分析领域的最新发展和面临的挑战	介绍了能够提取和量化大量行为变量的新技术，以及将行为分解为更小单位的能力	行为神经生态学领域方法尚未统一，算法在实验室间转移效果不佳，缺乏基准实验和大型注释行为数据集	旨在强调行为分析领域最新发展的潜力，并试图在数据收集和共享方面达成共识	啮齿动物行为评估	神经科学	NA	机器视觉, 深度学习	NA	行为数据	NA
22758	2024-08-07	Deep learning for small and big data in psychiatry 2021-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-020-0767-z PMID:32668442	review	本文综述了深度学习在精神病学中处理小样本和大样本数据的应用	探讨了深度学习算法在处理复杂预测映射方面的优势，以及如何优化其在精神病学神经科学中的应用	深度学习算法需要大量样本进行模型参数推断，这与当前精神病学研究中样本量较小的现状存在矛盾	旨在全面概述如何在精神病学中使用深度学习模型进行预测	精神病学中的小样本和大样本数据	machine learning	psychiatric disorder	deep learning	NA	NA	当前精神病学研究中的样本量小于10,000，且目标是个体层面的治疗预测（n=1）
22759	2024-08-07	Data Homogeneity Effect in Deep Learning-Based Prediction of Type 1 Diabetic Retinopathy 2021, Journal of diabetes research IF:3.6Q2 DOI:10.1155/2021/2751695 PMID:35071603	研究论文	本研究旨在评估一个基于深度迁移学习的模型，该模型使用高变异性且以2型糖尿病为主的Kaggle数据集进行训练，并比较其在1型糖尿病患者中的模型性能	研究了数据同质性对基于深度学习的糖尿病视网膜病变预测模型的影响	模型在错误预测图像中，由于伪影和低图像质量影响了性能	评估和比较基于深度迁移学习的糖尿病视网膜病变识别模型在1型糖尿病患者中的性能	糖尿病视网膜病变识别模型在1型糖尿病患者中的应用	机器学习	糖尿病	深度迁移学习	卷积神经网络（Inception-V3, DenseNet-121, VGG1, Xception）	图像	Kaggle数据集和1型糖尿病患者的视网膜眼底图像数据集，分别用于训练和测试
22760	2024-08-07	Multilayer cyberattacks identification and classification using machine learning in internet of blockchain (IoBC)-based energy networks 2024-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110461 PMID:38774244	研究论文	本文研究了基于区块链的能源网络中使用机器学习模型识别和分类多层网络攻击	开发了一种结合深度学习和长短期记忆模型的混合机器学习模型，用于识别和分类能源系统中的拒绝服务和分布式拒绝服务攻击	NA	研究如何通过先进的信息和通信技术整合可再生能源，并解决由此带来的网络安全问题	太阳能和风能分布式能源系统中的网络攻击	机器学习	NA	机器学习	混合模型（深度学习与长短期记忆模型）	大数据集	从太阳能和风能分布式能源系统中获取的大数据集