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
41	2024-12-22	Online monitoring of Haematococcus lacustris cell cycle using machine and deep learning techniques 2024-Dec-14, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2024.131976 PMID:39675638	研究论文	本研究开发了一种自动化在线监测系统，用于分类Haematococcus lacustris细胞周期的四个不同阶段	本研究首次将基于决策树的机器学习和深度学习卷积神经网络算法应用于Haematococcus lacustris细胞周期的在线监测	本研究仅在实验室规模的培养系统中验证了模型的有效性，尚未在大规模工业应用中进行测试	开发一种在线监测系统，用于优化从Haematococcus lacustris中生产虾青素的工艺	Haematococcus lacustris细胞周期	机器学习	NA	卷积神经网络	CNN	图像	NA
42	2024-12-22	Deep learning insights into distinct patterns of polygenic adaptation across human populations 2024-Dec-11, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1027 PMID:39558170	研究论文	本文介绍了一种名为RAISING的两阶段深度学习框架，用于检测人类基因组中的多基因适应模式	RAISING框架通过超参数调优优化神经网络架构，显著提高了检测遗传适应的真阳性率，并减少了计算时间	NA	研究人类基因组中多基因适应的特征，并开发一种高效的检测方法	不同人群中的多基因适应模式	机器学习	NA	深度学习	神经网络	基因组数据	非洲、欧洲、南亚和东亚人群的基因组区域
43	2024-12-22	Detection of Viable but Nonculturable E. coli Induced by Low-Level Antimicrobials Using AI-Enabled Hyperspectral Microscopy 2024-Dec-09, Journal of food protection IF:2.1Q3 DOI:10.1016/j.jfp.2024.100430 PMID:39662736	研究论文	本研究开发了一种基于人工智能的超光谱显微镜成像框架，用于在低水平抗菌剂下快速检测处于可存活但不可培养状态的大肠杆菌	本研究首次使用AI驱动的超光谱显微镜技术，结合EfficientNetV2卷积神经网络架构，实现了对可存活但不可培养状态的大肠杆菌的高精度自动分类	本研究的样本量较小，仅使用了200个样本进行模型训练和验证，未来需要更大规模的样本验证	开发一种快速、自动化的方法来检测处于可存活但不可培养状态的大肠杆菌，以提高食品安全和公共卫生	处于可存活但不可培养状态的大肠杆菌K-12	计算机视觉	NA	超光谱显微镜成像	EfficientNetV2	图像	200个样本
44	2024-12-22	Machine Learning Streamlines the Morphometric Characterization and Multiclass Segmentation of Nuclei in Different Follicular Thyroid Lesions: Everything in a NUTSHELL 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100608 PMID:39241829	研究论文	本文探讨了机器学习在甲状腺病变核形态学特征识别和多类分割中的应用	开发了一种名为NUTSHELL的深度学习模型，用于甲状腺肿瘤核的多类分割，并展示了其在病理诊断中的潜在应用	研究仅分析了少量NIFTP病例的二代测序数据，未来需要更多样本验证	通过机器学习方法识别NIFTP和PTC的可解释形态学特征，并开发支持诊断的深度学习模型	NIFTP、PTC和增生性结节（HP）的核形态学特征	数字病理学	甲状腺癌	深度学习	深度学习模型	图像	NIFTP、PTC和HP病例的全切片图像
45	2024-12-22	MYC Rearrangement Prediction From LYSA Whole Slide Images in Large B-Cell Lymphoma: A Multicentric Validation of Self-supervised Deep Learning Models 2024-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100610 PMID:39265953	研究论文	本文开发了一种可解释的深度学习算法，用于从大B细胞淋巴瘤的全切片图像中自动检测MYC重排	本文利用自监督学习技术，比较了7种特征提取器和6种多实例学习模型，并在多中心队列中验证了其性能	本文的模型在不同队列中的表现存在差异，且未在所有实验室中验证其适用性	开发一种自动检测大B细胞淋巴瘤中MYC重排的深度学习算法，以减少昂贵的分子检测需求并提高病理学家的工作效率	大B细胞淋巴瘤中的MYC基因重排	数字病理学	淋巴瘤	深度学习	多实例学习模型	图像	1247名大B细胞淋巴瘤患者
46	2024-12-06	Deep learning training dynamics analysis for single-cell data 2024-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00728-y PMID:39633096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
47	2024-12-22	Automated Identification of Breast Cancer Relapse in Computed Tomography Reports Using Natural Language Processing 2024-Dec, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.24.00107 PMID:39705642	研究论文	本文研究了使用自然语言处理（NLP）技术，结合先进的深度学习变压器工具和大型语言模型，自动识别计算机断层扫描（CT）报告中乳腺癌复发的情况	本文创新性地使用了NLP技术，结合深度学习变压器工具和大型语言模型，自动化识别CT报告中乳腺癌的复发情况	本文的局限性在于模型的敏感性和特异性在不同类型的复发中表现不一致，尤其是局部复发的模型敏感性较低	研究目的是开发NLP模型，自动识别CT报告中乳腺癌的局部、区域性和远处复发情况，以增强患者预后数据收集	研究对象是2005年1月1日至2014年12月31日期间确诊为乳腺癌患者的随访CT报告	自然语言处理	乳腺癌	自然语言处理（NLP）	深度学习变压器模型	文本	1445份CT报告
48	2024-12-22	Toward molecular diagnosis of major depressive disorder by plasma peptides using a deep learning approach 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae554 PMID:39592240	研究论文	本文开发了一种深度学习方法，通过血浆肽的质谱特征来区分重度抑郁症患者和健康对照者	首次使用深度学习方法从血浆肽中发现可用于区分重度抑郁症患者和健康对照者的质谱特征	NA	探索重度抑郁症的分子诊断方法	重度抑郁症患者和健康对照者的血浆肽	机器学习	精神疾病	质谱分析	神经网络（CMS-Net）	肽序列	NA
49	2024-12-22	Correction to: Toward molecular diagnosis of major depressive disorder by plasma peptides using a deep learning approach 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae700 PMID:39705709	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
50	2024-12-22	Impact of Deep Learning-Based Computer-Aided Detection and Electronic Notification System for Pneumothorax on Time to Treatment: Clinical Implementation 2024-Nov-19, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.11.009 PMID:39566875	研究论文	评估深度学习计算机辅助检测系统与电子通知系统结合使用对气胸患者治疗时间的影响	首次在真实临床环境中评估深度学习计算机辅助检测系统与电子通知系统结合使用对气胸患者治疗时间的影响	仅评估了氧气补充治疗的时间，未评估其他治疗方式的时间	评估深度学习计算机辅助检测系统与电子通知系统结合使用对气胸患者治疗时间的影响	气胸患者的治疗时间	计算机视觉	气胸	深度学习	NA	图像	603,028张胸部X光片，来自140,841名独特患者
51	2024-12-22	Three-dimensional deep learning model complements existing models for preoperative disease-free survival prediction in localized clear cell renal cell carcinoma: a multicenter retrospective cohort study 2024-Nov-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001808 PMID:38896853	研究论文	本研究开发并验证了一种基于CT图像的三维深度学习模型，用于预测局部透明细胞肾细胞癌的术前无病生存期	本研究首次提出了一种基于CT图像的三维深度学习模型，用于预测局部透明细胞肾细胞癌的术前无病生存期，并展示了其优于现有模型的预测性能	本研究为回顾性多中心队列研究，未来需要进一步的前瞻性研究来验证模型的临床应用价值	开发并验证一种新的术前无病生存期预测模型，以提高局部透明细胞肾细胞癌患者的预后预测准确性	局部透明细胞肾细胞癌患者的术前无病生存期预测	机器学习	肾癌	深度学习	ResNet 50	图像	707名局部透明细胞肾细胞癌患者
52	2024-12-22	Concurrent optogenetic motor mapping of multiple limbs in awake mice reveals cortical organization of coordinated movements 2024 Nov-Dec, Brain stimulation IF:7.6Q1 DOI:10.1016/j.brs.2024.10.010 PMID:39476952	研究论文	本文开发了一种多肢光遗传学运动映射技术（MOMM），用于在清醒小鼠中同时映射多个肢体的运动表现，并探讨了皮质对协调运动的组织结构	本文首次实现了在清醒小鼠中同时进行多肢体的光遗传学运动映射，揭示了皮质对协调和行为相关运动输出的拓扑组织	本文仅在清醒小鼠中进行了实验，未来研究可在更多物种中验证其普适性	开发一种新的技术来映射皮质对多肢体协调运动控制的组织结构	清醒小鼠的多肢体运动表现及其皮质组织	神经科学	NA	光遗传学刺激	DeepLabCut	运动数据	多只小鼠
53	2024-12-22	Comprehensive deep learning-based assessment of living liver donor CT angiography: from vascular segmentation to volumetric analysis 2024-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001829 PMID:38869975	研究论文	本研究使用深度学习模型对活体肝移植供体的CT血管造影数据进行分析，从血管分割到体积分析	本研究开发了一种基于深度学习的3D残差U-Net模型，用于肝体积计算和血管分割，相比传统手动分割方法，提供了更一致和高效的体积评估	需要进一步验证该模型在不同临床环境和成像协议中的通用性	提高活体肝移植术前规划的准确性和效率	活体肝移植供体的肝血管和体积	计算机视觉	NA	深度学习	3D残差U-Net	图像	2022年4月至2023年2月期间三星医疗中心的活体肝移植供体CT血管造影数据
54	2024-12-22	Semi-supervised meta-learning elucidates understudied molecular interactions 2024-09-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06797-z PMID:39251833	研究论文	本文开发了一种名为MMAPLE的深度学习框架，用于解决数据分布偏移和标签数据稀缺的问题，并在多个领域展示了其预测能力	MMAPLE将元学习、迁移学习和半监督学习整合到一个统一的框架中，能够有效利用分布外的未标记数据	NA	开发一种新的深度学习框架，以解决生物学中由于实验限制和人类偏见导致的未充分研究问题	药物-靶点相互作用、人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	深度学习	MMAPLE	数据	NA
55	2024-12-22	Enabling target-aware molecule generation to follow multi objectives with Pareto MCTS 2024-09-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06746-w PMID:39223327	研究论文	本文提出了一种名为ParetoDrug的多目标靶向分子生成算法，通过Pareto蒙特卡洛树搜索（MCTS）在化学空间中搜索分子，以实现多属性的同步优化	ParetoDrug算法通过在Pareto前沿上进行分子搜索，结合预训练的原子自回归生成模型和ParetoPUCT策略，实现了多目标靶向分子生成，解决了现有方法在药物相似性等其他重要属性上的不足	NA	旨在填补深度学习药物发现领域中多目标靶向分子生成的空白	靶向蛋白质的小分子配体及其多属性优化	机器学习	NA	蒙特卡洛树搜索（MCTS）	自回归生成模型	分子结构	NA
56	2024-12-22	Improved sleep stage predictions by deep learning of photoplethysmogram and respiration patterns 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108679 PMID:39033682	研究论文	本文提出了一种结合卷积神经网络和双向长短期记忆的深度学习架构，通过光体积描记信号和呼吸模式来提高睡眠阶段分类的准确性	本文的创新点在于通过结合光体积描记信号和呼吸传感器输入，显著提高了睡眠阶段分类的准确性，并展示了在不同阶段分类中的显著改进	本文的局限性在于仅使用了光体积描记信号和呼吸传感器输入，可能无法完全替代传统的多导睡眠图	本文的研究目的是提高睡眠阶段分类的准确性，以便更便捷地诊断和管理睡眠障碍	本文的研究对象是睡眠阶段的分类	机器学习	NA	NA	卷积神经网络和双向长短期记忆	信号	NA
57	2024-12-22	Current strategies to address data scarcity in artificial intelligence-based drug discovery: A comprehensive review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108734 PMID:38964243	综述	本文综述了在基于人工智能的药物发现中应对数据稀缺问题的当前策略	本文介绍了多种应对数据稀缺的方法，包括迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成和联邦学习等	本文讨论了这些方法在处理小分子数据时的局限性	探讨如何通过不同方法解决人工智能在药物发现中面临的数据稀缺问题	人工智能在药物发现中的应用及其面临的挑战	机器学习	NA	迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成、联邦学习	NA	分子结构数据	NA
58	2024-12-22	A graph neural network approach for predicting drug susceptibility in the human microbiome 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108729 PMID:38955124	研究论文	本文提出了一种基于图神经网络的方法，用于预测人类微生物组中药物的敏感性	本文首次提出了基于图神经网络的模型（GCN、GAT和GINCOV），并展示了GINCOV模型在预测药物对肠道微生物组敏感性方面的优越性能	本文未详细讨论模型的可解释性以及在不同人群中的泛化能力	探索药物与人类微生物组相互作用，预测药物在肠道微生物组中的敏感性	药物与人类微生物组的相互作用	机器学习	NA	图神经网络	GCN, GAT, GINCOV	SMILES数据集	约150种药物
59	2024-12-22	Exploring the potential of artificial intelligence in paediatric dentistry: A systematic review on deep learning algorithms for dental anomaly detection 2024-Sep, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13164 PMID:38297447	综述	本文系统回顾了深度学习算法在儿科牙科中检测牙科异常的潜力	展示了基于深度学习算法的人工智能系统在提高牙科异常检测速度和准确性方面的潜力	文章数量有限且数据异质性较大	研究人工智能系统在识别儿科牙科中的牙科异常方面的表现，并将其与人类表现进行比较	儿科牙科中的牙科异常	计算机视觉	NA	深度学习	深度学习子系统	图像	6篇文章，评估了9个深度学习子系统
60	2024-12-22	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-08-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06714-4 PMID:39215205	研究论文	本文提出了一种无需训练数据的无监督细胞及其核分割方法UNSEG，通过贝叶斯框架和细胞核与细胞膜标记实现深度学习级别的性能	UNSEG方法在无监督学习范式下实现了深度学习级别的细胞分割性能，无需训练数据，并引入了改进的扰动分水岭算法用于细胞核分割	NA	开发一种无需监督学习的通用细胞及其核分割方法，以应对复杂组织样本的量化需求	复杂组织样本中的细胞及其核的分割	计算机视觉	NA	无监督学习	NA	图像	包括高质量注释的胃肠道组织数据集和公开数据集