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
23481	2024-08-07	Human lineage mutations regulate RNA-protein binding of conserved genes NTRK2 and ITPR1 involved in human evolution 2024, General psychiatry IF:5.3Q1 DOI:10.1136/gpsych-2023-101425 PMID:38770356	研究论文	本文研究了人类谱系突变（HLMs）通过转录后修饰在人类进化中的作用	发现了一小部分人类特异性突变通过影响关键脑相关基因的转录后修饰，对人类物种形成做出了贡献	NA	探讨人类谱系突变对人类进化中转录后修饰的贡献	人类谱系突变对RNA结合蛋白亲和力的影响	机器学习	神经发育障碍	深度学习模型Seqweaver	深度学习模型	基因数据	涉及的突变数量为0.27%的人类常见变异
23482	2024-08-07	Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1348154 PMID:38770396	研究论文	本研究通过虚拟现实技术分析不同高度恐惧症水平下年轻成年人的脑电图（EEG）模式	本研究创新地使用脑电图信号实时精确评估高度恐惧症水平，并采用多种机器学习和深度学习技术进行分析	NA	研究的主要目的是开发一种实时精确的工具，用于评估高度恐惧症水平	研究对象为18名被诊断为高度恐惧症的年轻成年人	机器学习	心理疾病	脑电图（EEG）	卷积神经网络（CNN）和人工神经网络（ANN）	脑电图数据	18名高度恐惧症患者
23483	2024-08-07	CD-Loop: a chromatin loop detection method based on the diffusion model 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1393406 PMID:38770419	研究论文	本文提出了一种基于扩散模型的深度学习框架CD-Loop，用于预测染色质环	CD-Loop结合了扩散模型的去噪过程和预训练得到的先验概率，通过密度聚类算法预测染色质环，优于现有方法	NA	研究染色质的三维结构	染色质环的结构和功能	生物信息学	NA	Hi-C	扩散模型	接触图	不同细胞类型、物种和测序深度
23484	2024-08-07	MIFAM-DTI: a drug-target interactions predicting model based on multi-source information fusion and attention mechanism 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1381997 PMID:38770418	研究论文	本文提出了一种基于多源信息融合和注意力机制的药物-靶点相互作用预测模型MIFAM-DTI	MIFAM-DTI模型通过整合多源信息并利用图注意力网络和多头自注意力机制，自主学习注意力权重，更全面地捕捉序列数据中的信息	NA	提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用的预测	机器学习	NA	图注意力网络，多头自注意力	MIFAM-DTI	特征向量，邻接矩阵	NA
23485	2024-08-07	Deep learning-assisted lesion segmentation in PET/CT imaging: A feasibility study for salvage radiation therapy in prostate cancer 2024, Oncoscience DOI:10.18632/oncoscience.603 PMID:38770445	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
23486	2024-08-07	DeepCAC: a deep learning approach on DNA transcription factors classification based on multi-head self-attention and concatenate convolutional neural network 2023-Sep-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05469-9 PMID:37723425	研究论文	提出了一种名为DeepCAC的新方法，利用深度卷积神经网络和多头自注意力机制进行DNA转录因子序列分析	采用多头自注意力机制和卷积神经网络相结合的方法，有效捕捉序列中的局部隐藏特征和长距离依赖关系，同时减少了模型参数数量	未提及具体限制	提高DNA转录因子序列分类的准确性，同时减少模型参数数量	DNA转录因子序列	机器学习	NA	深度学习	CNN, 多头自注意力机制	序列数据	未提及具体样本数量
23487	2024-08-07	Nextflow Pipeline for Visium and H&E Data from Patient-Derived Xenograft Samples 2023-Jul-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550727 PMID:37546876	研究论文	开发了一个自动化数据处理管道，用于量化来自患者来源异种移植样本的Visium空间转录组学数据和匹配的苏木精和伊红（H&E）染色图像	该管道能够使用Xenome进行读数去卷积，使用Space Ranger量化宿主和移植物种的空间基因表达，提取B等位基因频率，并使用Velocyto进行剪接量化。此外，还生成了与Visium点互补的形态学和深度学习衍生特征量化，实现多模态H&E/表达比较	NA	设计一个基于Nextflow DSL2的管道，用于同时处理10x Genomics Visium空间转录组学数据和匹配的H&E染色全切片图像，优化用于患者来源异种移植（PDX）癌症标本	患者来源异种移植（PDX）癌症标本	数字病理学	NA	Visium空间转录组学, H&E染色	NA	图像, 基因表达数据	四个黑色素瘤PDX样本
23488	2024-08-07	High-throughput image analysis with deep learning captures heterogeneity and spatial relationships after kidney injury 2023-04-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33433-3 PMID:37076596	研究论文	本文利用深度学习技术进行高通量图像分析，以捕捉肾脏损伤后的异质性和空间关系	本文提出了一种利用深度学习工具量化肾脏损伤异质性反应的方法，无需特殊设备或编程专业知识	NA	研究肾脏损伤后的恢复过程及其异质性和空间关系	肾脏损伤后的异质性反应和空间关系	计算机视觉	肾脏疾病	深度学习	深度学习模型	图像	多个肾脏样本
23489	2024-08-07	Interpretable spatial cell learning enhances the characterization of patient tissue microenvironments with highly multiplexed imaging data 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.26.534306 PMID:37034738	研究论文	本文介绍了一种名为InterSTELLAR的几何深度学习框架，用于高多重成像数据，以直接关联组织亚型与具有临床相关性的相应细胞群落	InterSTELLAR框架能够同时进行组织类型预测和感兴趣的群落检测，性能优于传统方法，并能揭示特定病理特征及潜在的区域与患者预后之间的关系	NA	开发一种有效的方法来基于临床结果定义疾病特异性微环境，以增强对患者组织微环境的表征	乳腺癌的高多重成像数据	数字病理学	乳腺癌	高多重成像技术	几何深度学习框架	图像	使用公开的乳腺癌成像质谱流式细胞术数据集
23490	2024-08-07	In-line imaging and recognition of flip chip fabrication defects by real-time photoacoustic remote sensing system 2024-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100614 PMID:38764523	研究论文	本研究提出了一种基于光声遥感（PARS）系统的在线成像和缺陷识别方法，用于实时监测和提高倒装芯片的产量和寿命	首次提出了一种基于连续采集和并行处理图像重建的实时PARS成像方法，以及改进的YOLOv7-SPD深度学习缺陷识别方法	NA	开发一种在线成像和缺陷识别系统，以实时监测和提高倒装芯片的产量和寿命	倒装芯片的微观缺陷	计算机视觉	NA	光声遥感（PARS）	YOLOv7-SPD	图像	NA
23491	2024-08-07	Convolutional Neural Network for Fully Automated Cerebellar Volumetry in Children in Comparison to Manual Segmentation and Developmental Trajectory of Cerebellar Volumes 2024-Jun, Cerebellum (London, England) DOI:10.1007/s12311-023-01609-2 PMID:37833550	研究论文	本研究旨在通过深度学习算法开发一种全自动且可靠的儿童小脑容积测量方法，并与手动分割进行比较，同时展示了测量小脑容积的临床实用性	使用卷积神经网络实现了儿童小脑容积的全自动测量，与手动分割相比，具有高度的准确性和可靠性	研究基于相对较小的样本量，且为初步研究	开发一种全自动的小脑容积测量方法，并探讨其临床应用价值	儿童小脑容积及其随年龄的变化	机器学习	NA	深度学习算法	卷积神经网络 (CNN)	3D T1加权磁化准备快速梯度回波 (MPRAGE) 序列图像	100名0至16.3岁的儿童
23492	2024-08-07	Annotation-free prediction of treatment-specific tissue outcome from 4D CT perfusion imaging in acute ischemic stroke 2024-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102376 PMID:38537536	研究论文	本文提出了一种新的深度学习方法，通过时间压缩直接从4D灌注扫描预测随访CT图像，以预测急性缺血性卒中的治疗特定组织结果，无需手动标注。	该方法无需灌注分析或动脉输入函数选择，通过时间压缩直接预测随访CT图像，实现了更直观和易于解释的预测结果。	NA	开发一种无需手动标注的深度学习方法，用于预测急性缺血性卒中的治疗特定组织结果，以支持临床决策。	急性缺血性卒中的治疗特定组织结果预测。	计算机视觉	急性缺血性卒中	深度学习	深度学习模型	4D CT灌注图像	45名接受溶栓治疗的患者和102名接受血栓切除术的患者
23493	2024-08-07	Physician Assistant Educators' Production Blueprint for Video Pedagogy 2024-Jun-01, The journal of physician assistant education : the official journal of the Physician Assistant Education Association DOI:10.1097/JPA.0000000000000592 PMID:38684095	研究论文	本文提出了一种基于认知负荷理论和实践蓝图的医师助理教育视频制作方法，旨在改进视频制作实践并提高学生学习效果	利用认知负荷理论和实践蓝图优化视频制作，以提高学生参与度和学习效果	NA	改进医师助理教育中的视频制作实践，以提升学习效果	医师助理教育中的视频制作方法	NA	NA	视频制作	NA	视频	NA
23494	2024-08-07	Deep Learning-Assisted Spectrum-Structure Correlation: State-of-the-Art and Perspectives 2024-May-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01639 PMID:38662943	综述	本文综述了深度学习在光谱-结构相关性中的应用及其最新进展和未来展望	深度学习辅助的化学计量学方法因其卓越的潜在特征提取能力和精确预测能力而迅速兴起	文中指出深度学习在光谱-结构相关性中仍存在一些重要的开放问题	总结过去五年深度学习如何辅助建立光谱与分子结构之间的相关性，并探讨未来的发展方向	光谱-结构相关性在光谱分析中的应用	机器学习	NA	深度学习	NA	光谱数据	NA
23495	2024-08-07	A temporal enhanced semi-supervised training framework for needle segmentation in 3D ultrasound images 2024-May-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad450b PMID:38684166	研究论文	本文提出了一种基于时间信息的半监督训练框架，用于在3D超声图像中快速准确地分割针头	设计了一种新的基于静态和动态特征的圆形变换器模块，用于提取和融合时间信息，并提出了结合时间信息前后的输出一致性约束，为未标记的体积提供半监督	NA	提高3D超声图像中针头分割的准确性和实时性	3D超声图像中的针头分割	计算机视觉	NA	卷积神经网络，变换器	CNN，变换器	图像	三个针头超声数据集，在比格犬活检期间采集
23496	2024-08-07	Texture-preserving low dose CT image denoising using Pearson divergence 2024-May-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad45a4 PMID:38688292	研究论文	本文提出了一种使用皮尔逊散度损失函数来改善低剂量CT图像去噪中纹理保持的方法	引入皮尔逊散度损失函数来学习特征纹理，从而在去噪过程中更好地保留图像的纹理细节	未提及	改善低剂量CT图像去噪中的纹理保持	低剂量CT图像的去噪效果	计算机视觉	NA	深度学习	NA	图像	未提及
23497	2024-08-07	ELRL-MD: a deep learning approach for myocarditis diagnosis using cardiac magnetic resonance images with ensemble and reinforcement learning integration 2024-May-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad46e2 PMID:38697206	研究论文	本研究提出了一种结合集成学习和强化学习的深度学习模型ELRL-MD，用于从心脏磁共振图像中诊断心肌炎	模型通过人工蜂群算法进行预训练，并利用卷积神经网络提取和整合特征，同时采用强化学习处理数据集的不平衡问题	研究主要解决了数据集不平衡和模型初始权重设置不佳导致局部最优的问题	开发一种有效的深度学习模型，用于从心脏磁共振图像中诊断心肌炎	心肌炎的诊断	机器学习	心血管疾病	心脏磁共振成像	CNN	图像	使用了Z-Alizadeh Sani心肌炎心脏磁共振数据集
23498	2024-08-07	Segmentation and quantitative analysis of optical coherence tomography (OCT) images of laser burned skin based on deep learning 2024-May-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad488f PMID:38718764	研究论文	本研究利用深度学习技术对光学相干断层扫描（OCT）图像进行分割和定量分析，以评估激光烧伤皮肤后的恢复情况	使用深度学习U-Net模型对OCT图像进行皮肤层分割，并进行三维重建以计算损伤组织体积，提供了比传统方法更快且更准确的皮肤分层分析	NA	评估皮肤烧伤后的恢复情况并定量分析损伤体积	激光诱导的小鼠皮肤烧伤模型	数字病理学	烧伤	光学相干断层扫描（OCT）	U-Net	图像	30只昆明小鼠，共采集7000张正常皮肤和1400张烧伤皮肤B扫描图像
23499	2024-08-07	Harnessing LSTM and XGBoost algorithms for storm prediction 2024-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62182-0 PMID:38762598	研究论文	本文利用长短期记忆网络（LSTM）和极端梯度提升（XGBoost）算法预测法国西部的风暴特征和发生	采用了一种结合深度学习和机器学习的新方法，基于LSTM和XGBoost算法进行风暴预测	LSTM模型在预测极端波浪高度和风速值时存在挑战	旨在通过预测风暴特征和发生来减少风暴对人类和物体的影响	研究对象为法国西部的风暴	机器学习	NA	长短期记忆网络（LSTM），极端梯度提升（XGBoost）	LSTM，XGBoost	数据来自浮标和风暴数据库	数据涵盖1996年至2020年
23500	2024-08-07	Development and validation of machine learning algorithms based on electrocardiograms for cardiovascular diagnoses at the population level 2024-May-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01130-8 PMID:38762623	研究论文	本研究开发并验证了基于心电图的机器学习算法，用于在人口层面同时预测15种常见心血管疾病诊断	使用基于ResNet的深度学习模型和极端梯度提升模型，通过心电图轨迹和测量数据进行预测，显示出比传统方法更高的准确性	研究为回顾性研究，且仅限于加拿大阿尔伯塔省的84个急诊部门或医院的数据	开发和验证基于心电图的机器学习模型，用于早期检测和诊断心血管疾病	15种常见心血管疾病，包括房颤、室上性心动过速等	机器学习	心血管疾病	ResNet-based deep learning, extreme gradient boosting	ResNet, XGB	心电图	1,605,268份心电图，涉及244,077名成年患者