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
23181	2024-08-07	Computational modeling and prediction of deletion mutants 2023-06-01, Structure (London, England : 1993) DOI:10.1016/j.str.2023.04.005 PMID:37119820	研究论文	本研究通过2D NMR光谱和差示扫描荧光法研究了小α螺旋无菌α motif结构域中单个残基缺失对结构和热力学的影响，并测试了计算协议以模拟和分类观察到的缺失突变体	本研究使用AlphaFold2结合RosettaRelax方法进行模型构建，并引入pLDDT值和Rosetta ΔΔG指标来分类耐受的缺失突变，这种方法在其他数据集上也显示出有效性	NA	研究内框架缺失突变对蛋白质结构和功能的影响，并更新计算缺失突变预测方法	小α螺旋无菌α motif结构域中的单个残基缺失突变	结构生物学	NA	2D NMR光谱，差示扫描荧光法	AlphaFold2，RosettaRelax	蛋白质结构数据	小α螺旋无菌α motif结构域中的所有残基
23182	2024-08-07	Novel radiomic features versus deep learning: differentiating brain metastases from pathological lung cancer types in small datasets 2023-Jun-01, The British journal of radiology DOI:10.1259/bjr.20220841 PMID:37129296	研究论文	本研究旨在通过新颖的放射组学特征和深度学习算法，区分脑转移瘤与不同类型的肺癌亚型	首次在文献中提取了来自原始图像变换（如小波变换和拉普拉斯高斯滤波）的新颖特征，并首次研究了浅层和深层学习方法对肺癌亚型的分类性能	NA	扩展基于放射组学的分类算法的能力，并通过新颖特征与深度学习算法进行比较，以区分脑转移瘤中的肺癌亚型	小细胞肺癌、鳞状细胞癌和腺癌的脑转移瘤	数字病理学	肺癌	放射组学、深度学习	EfficientNet、ResNet	MRI图像	75个小细胞肺癌段、72个鳞状细胞癌段和75个腺癌段
23183	2024-08-07	Spatial resolution enhancement in photon-starved STED imaging using deep learning-based fluorescence lifetime analysis 2023-Jun-01, Nanoscale IF:5.8Q1 DOI:10.1039/d3nr00305a PMID:37159237	研究论文	本文提出了一种基于深度学习的荧光寿命分析方法，用于在光子稀缺情况下提高STED显微镜的空间分辨率	通过结合分离光子寿命调谐（SPLIT）方案和基于生成对抗网络的荧光寿命成像算法，实现了在减少50% STED光束功率的情况下，将STED图像分辨率提高至1.45倍	NA	探索在光子稀缺情况下提高STED显微镜空间分辨率的新方法	STED显微镜图像的空间分辨率	计算机视觉	NA	STED显微镜	生成对抗网络（GAN）	图像	NA
23184	2024-08-07	Gradient-based sparse principal component analysis with extensions to online learning 2023-Jun, Biometrika IF:2.4Q1 DOI:10.1093/biomet/asac041 PMID:37197740	研究论文	本文开发了基于梯度的稀疏主成分分析算法，并将其扩展到在线学习	结合稀疏主成分分析问题的独特几何结构和凸优化领域的最新进展，开发了新的基于梯度的稀疏主成分分析算法，并能与随机梯度下降方法结合，产生具有数值和统计性能保证的高效在线稀疏主成分分析算法	NA	开发新的稀疏主成分分析算法，并展示其在高维数据分析中的应用	稀疏主成分分析算法及其在高维RNA测序数据中的应用	机器学习	NA	稀疏主成分分析	梯度方法	RNA测序数据	NA
23185	2024-08-07	Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model 2023-06, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7878 PMID:37202113	研究论文	本文开发了一种自动分割急性缺血性卒中患者颅内血栓的方法，使用粗到细的深度学习模型在NCCT和CTA图像上进行量化。	提出了一种新的深度学习方法来自动检测和测量急性缺血性卒中患者的颅内血栓。	NA	开发一种自动化的方法来量化急性缺血性卒中患者的颅内血栓。	急性缺血性卒中患者的颅内血栓。	机器学习	脑血管疾病	深度学习	深度学习模型	图像	499名患者用于训练和验证，83名患者用于外部测试。
23186	2024-08-07	Deep cross-modal feature learning applied to predict acutely decompensated heart failure using in-home collected electrocardiography and transthoracic bioimpedance 2023-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102548 PMID:37210152	研究论文	本文提出了一种深度跨模态特征学习方法ECGX-Net，用于预测在家中收集的ECG和胸廓生物阻抗数据中的急性失代偿性心力衰竭	本文首次将深度学习应用于可穿戴设备收集的ECG数据，并结合胸廓生物阻抗数据进行跨模态特征学习，以提高心力衰竭预测的准确性	研究主要基于SENTINEL-HF研究的数据，可能需要进一步验证在其他数据集上的泛化能力	开发一种基于ECG和胸廓生物阻抗数据的深度学习模型，用于准确预测急性失代偿性心力衰竭	急性失代偿性心力衰竭的预测	机器学习	心血管疾病	深度学习	DenseNet121/VGG19	ECG时间序列数据和胸廓生物阻抗数据	SENTINEL-HF研究中招募的≥21岁的住院患者
23187	2024-08-07	A unique color-coded visualization system with multimodal information fusion and deep learning in a longitudinal study of Alzheimer's disease 2023-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2023.102543 PMID:37210151	研究论文	本研究引入了一种创新的彩色编码可视化机制，通过集成机器学习模型预测阿尔茨海默病在两年纵向研究中的疾病轨迹	首次开发了一种彩色编码可视化系统，结合多模态信息融合和深度学习，用于阿尔茨海默病的诊断和预后预测	研究中排除了MMSE、CDR-SB和ADAS等神经心理学测试分数以避免偏差，可能影响模型的全面性	旨在通过2D和3D渲染帮助视觉化捕捉阿尔茨海默病的诊断和预后，增强对多类分类和回归分析过程的理解	阿尔茨海默病的诊断和预后预测	机器学习	阿尔茨海默病	卷积神经网络	CNN	多模态数据（神经影像、神经心理学测试分数、脑脊液生物标志物、风险因素）	1123名受试者
23188	2024-08-07	Accelerated Cardiac MRI Cine with Use of Resolution Enhancement Generative Adversarial Inline Neural Network 2023-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.222878 PMID:37249435	研究论文	本文开发并评估了一种基于深度学习的模型，该模型能够与并行成像或压缩感知（CS）结合，用于加速心脏电影磁共振成像（MRI）并提高空间和时间分辨率。	该研究利用增强的超分辨率生成对抗内联神经网络（GAN）模型，通过深度学习技术恢复了降低空间分辨率的图像，实现了与标准并行成像方法相似的心脏功能、体积和应变的准确量化。	NA	开发和评估一种能够减少扫描时间并/或提高心脏电影MRI空间和时间分辨率的深度学习模型。	心脏电影MRI图像的空间和时间分辨率。	计算机视觉	心血管疾病	深度学习	生成对抗网络（GAN）	图像	训练模型使用了1616名患者的数据，评估模型使用了181名个体（包括126名患者和55名健康受试者）的数据。
23189	2024-08-07	Deep Learning-Assisted Quantitative Susceptibility Mapping as a Tool for Grading and Molecular Subtyping of Gliomas 2023-Jun, Phenomics (Cham, Switzerland) DOI:10.1007/s43657-022-00087-6 PMID:37325712	研究论文	本研究旨在探讨深度学习辅助的定量磁化率成像（QSM）在胶质瘤分级和分子分型中的价值	使用深度学习辅助的QSM技术，结合多种成像模式，提高了胶质瘤分级和分子分型的准确性	研究样本量较小，且肿瘤分割为手动进行，可能影响结果的客观性	评估深度学习辅助的QSM在胶质瘤分级和分子分型中的应用价值	42名接受3.0T磁共振成像（MRI）扫描的胶质瘤患者	机器学习	脑瘤	定量磁化率成像（QSM）	卷积神经网络（CNN）	医学影像	42名胶质瘤患者
23190	2024-08-07	Bias Analysis in Healthcare Time Series (BAHT) Decision Support Systems from Meta Data 2023-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-023-00133-6 PMID:37377633	研究论文	本文提出了一种用于医疗时间序列（BAHT）信号中偏差分析的框架，主要针对心电图（ECG）和脑电图（EEG）信号	本文首次提出了BAHT框架，用于分析和可视化解析医疗时间序列数据中的偏差，并探讨了偏差放大现象	偏差缓解策略尚处于初级研究阶段，需要进一步发展和完善	旨在分析和改善医疗决策支持系统中的偏差问题	主要研究对象为心电图（ECG）和脑电图（EEG）数据集	机器学习	NA	深度学习	监督学习模型	时间序列数据	涉及三个主要的ECG和EEG医疗数据集
23191	2024-08-07	Deep learning-based registration of two-dimensional dental images with edge specific loss 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034002 PMID:37274759	研究论文	本文提出了一种基于边缘特定损失的深度学习无监督变形配准框架，用于对齐二维牙科X射线图像	引入了一种边缘特定损失函数，增强了无监督学习，无需通过解剖结构进行监督	NA	提高牙科应用中图像配准的准确性和速度	二维牙科X射线图像	计算机视觉	NA	深度学习	U-Net结合空间变换网络	图像	104张下颌X射线图像，组成2600对用于训练和测试；17对术前和术后重建的全景图像
23192	2024-08-07	Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies 2023-04-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38063-x PMID:37185622	研究论文	本文介绍了一种名为IgFold的快速深度学习方法，用于抗体结构预测	IgFold能够在显著更短的时间内（少于25秒）预测出与现有方法（包括AlphaFold）相似或更高质量的抗体结构	NA	开发一种快速且准确的抗体结构预测方法	抗体的结构	机器学习	NA	深度学习	语言模型和图网络	序列数据	558百万自然抗体序列用于预训练模型，1.4百万配对抗体序列用于结构预测
23193	2024-08-05	Fully automated quantification of cardiac chamber and function assessment in 2-D echocardiography: clinical feasibility of deep learning-based algorithms 2022-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-021-02482-y PMID:35152371	研究论文	本文比较了当前突出的深度学习算法的分割性能，并验证了手动创建的二维超声心动图四个心脏腔室的真实标注的一致性	提出了对现有深度学习算法的性能进行比较，并验证了四个心脏腔室的真实标注的可重复性	在PSAX视图中LV壁区域的表现较差，且存在一定的观察者间变异性	评估深度学习算法在完全自动化的心脏腔室分割和功能评估中的临床可行性	纳入了500名接受经胸超声心动图检查的患者	计算机视觉	心血管疾病	深度学习	U-net, Res-U-net, Dense-U-net	图像	500名患者，随机选择100名患者用于观察者变异性分析
23194	2024-08-05	Machine learning based multi-modal prediction of future decline toward Alzheimer's disease: An empirical study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277322 PMID:36383528	研究论文	该论文进行了一项实证研究，以多模态数据预测个体未来阿尔茨海默病的发展轨迹	提出了一种能够处理不同未来时间范围和异构数据的机器学习策略	预测认知正常个体的未来衰退比轻度认知障碍个体更具挑战性	早期识别阿尔茨海默病高风险个体以促进有效治疗和预防	个体未来阿尔茨海默病发展轨迹的预测	机器学习	阿尔茨海默病	深度学习	线性和非线性模型	多模态数据	NA
23195	2024-08-05	A DEEP LEARNING APPROACH FOR CANCER DETECTION AND RELEVANT GENE IDENTIFICATION 2017, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789813207813_0022 PMID:27896977	研究论文	本文提出了一种深度学习方法用于癌症检测和乳腺癌关键基因识别	使用堆叠去噪自编码器深入提取高维基因表达特征，并通过监督分类模型验证其在癌症检测中的有效性	未提及具体的样本数量和数据集来源，可能影响结果的普遍适用性	研究癌症检测及乳腺癌诊断所需的基因识别	乳腺癌相关的基因及其在临床诊断中的作用	数字病理学	乳腺癌	深度学习	堆叠去噪自编码器(SDAE)	基因表达数据	NA
23196	2024-08-05	Protein Function Prediction Using Deep Restricted Boltzmann Machines 2017, BioMed research international IF:2.6Q3 DOI:10.1155/2017/1729301 PMID:28744460	研究论文	本文探讨了使用深层限制玻尔兹曼机预测部分注释蛋白质的缺失功能注释	首次将深层限制玻尔兹曼机应用于蛋白质功能注释的预测	未提及具体的实验样本规模和数据集的详细信息	研究深度学习技术在蛋白质功能预测中的应用	部分注释的蛋白质	机器学习	NA	深层限制玻尔兹曼机	深层限制玻尔兹曼机	图像, 文本	NA
23197	2024-08-07	The dynamic-static dual-branch deep neural network for urban speeding hotspot identification using street view image data 2024-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107636 PMID:38776837	研究论文	提出了一种基于街景图像数据的动态-静态双分支深度神经网络，用于城市超速热点识别	提出了双分支上下文动态-静态特征融合网络，结合静态全景图像和动态序列数据，以更准确地识别城市超速热点区域	NA	旨在通过分析道路环境的视觉信息，提高交通安全的水平	城市超速热点区域	计算机视觉	NA	深度学习	双分支上下文动态-静态特征融合网络	图像	NA
23198	2024-08-07	Unsupervised classification of multi-contrast magnetic resonance histology of peripheral arterial disease lesions using a convolutional variational autoencoder with a Gaussian mixture model in latent space: A technical feasibility study 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102372 PMID:38581959	技术可行性研究	研究使用结合变分自编码器（VAE）和二维卷积神经网络（CNN）的深度学习算法，自动量化外周动脉疾病（PAD）闭塞病变中硬组织的分布和形态的可行性	结合2D CNN VAE和GMM实现了对含硬组织病变的高分类概率	软组织病变的复杂性导致伪彩色图像的异质性，使得GMM组件更多地归属于软组织类别	探索深度学习算法在自动量化外周动脉疾病磁共振图像中硬组织分布和形态的可行性	外周动脉疾病的闭塞病变	计算机视觉	外周动脉疾病	磁共振成像	CNN	图像	4014张伪彩色合成图像，来自六条截肢腿的病变
23199	2024-08-07	Deep learning-based glomerulus detection and classification with generative morphology augmentation in renal pathology images 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102375 PMID:38599040	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于自动检测和分类肾病理图像中的不同染色的肾小球	本文提出了一个扁平化的Xception与特征金字塔网络（FX-FPN）用于肾小球检测，并通过循环一致生成对抗网络（CycleGAN）进行数据增强以提高分类器的判别能力	NA	优化肾病理学家在解释肾病理图像时的时间消耗和劳动强度	肾病理图像中的肾小球	数字病理学	NA	深度卷积神经网络（CNN）	CNN	图像	NA
23200	2024-08-07	A deep learning-based pipeline for developing multi-rib shape generative model with populational percentiles or anthropometrics as predictors 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102388 PMID:38692200	研究论文	本文提出了一种基于深度学习的流程，用于开发多肋骨横截面形状生成模型，该模型使用人口百分位数或人体测量学作为预测因子	利用条件变分自编码器（CVAE）和随机树回归器，将肋骨形状数据与人体测量学特征（如年龄、身高和体重）关联起来，从而生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状	NA	开发一种能够生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状的模型，以促进未来考虑人口多样性的生物医学和生物力学研究	肋骨横截面形状及其与人体测量学特征的关联	机器学习	NA	条件变分自编码器（CVAE）	CNN	图像	3193个肋骨样本