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
14541	2024-10-24	Chemical signatures delineate heterogeneous amyloid plaque populations across the Alzheimer's disease spectrum 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.596890 PMID:38895368	研究论文	本文利用先进的化学成像工具和深度学习算法，研究了阿尔茨海默病中不同类型淀粉样斑块的化学特征	首次使用空间生物化学技术对不同斑块形态进行表征，揭示了斑块的异质性及其与疾病病理的关联	NA	研究阿尔茨海默病中淀粉样斑块的异质性及其与疾病病理的关联	阿尔茨海默病中的淀粉样斑块	数字病理	阿尔茨海默病	功能性淀粉样显微镜结合MALDI质谱成像(MSI)	深度学习算法	图像	NA
14542	2024-10-24	Human motion data expansion from arbitrary sparse sensors with shallow recurrent decoders 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.01.596487 PMID:38895371	研究论文	本文开发了一种深度学习架构，利用浅层循环解码器网络将有限（稀疏）的传感器数据映射到全面的（密集）配置，从而推断未监测的身体部位的运动	本文的创新点在于利用传感器的时间历史信息，通过浅层循环解码器网络将稀疏传感器数据扩展为密集配置，即使只有一个传感器也能重建全面的时间序列测量	本文未提及具体的局限性	研究目的是通过深度学习和稀疏传感技术扩展人体运动数据，以提高数字生物标志物估计的准确性和可用性	研究对象包括控制运动任务、步态模式探索和自由移动环境中的数据	机器学习	NA	深度学习	浅层循环解码器网络	时间序列数据	涉及多种数据集，包括控制运动任务、步态模式探索和自由移动环境
14543	2024-10-24	Automated classification of cellular expression in multiplexed imaging data with Nimbus 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.02.597062 PMID:38895405	研究论文	本文介绍了使用Nimbus深度学习模型对多重成像数据中的细胞表达进行自动分类	开发了Nimbus模型，该模型无需重新训练即可预测不同细胞类型和组织来源的多重成像数据中的标记物表达	NA	开发一种能够准确预测多重成像数据中标记物表达的深度学习模型	多重成像数据中的细胞表达和标记物表达	计算机视觉	NA	深度学习	深度学习模型	图像	包含197亿个标记物表达注释的Pan-Multiplex数据集，涵盖15种不同细胞类型
14544	2024-10-24	Deep Learning without Weight Symmetry 2024-May-31, ArXiv PMID:38855537	研究论文	本文介绍了一种名为产品反馈对齐（PFA）的算法，该算法在深度卷积网络中避免了显式的权重对称性，同时实现了与反向传播（BP）相当的性能	提出了产品反馈对齐（PFA）算法，解决了长期存在的权重对称性问题，使得深度卷积网络的学习更加生物学上合理	文章未明确提及PFA算法在实际应用中的局限性	解决深度学习中权重对称性的问题，提高算法的生物学合理性	深度卷积网络中的权重对称性问题	机器学习	NA	深度学习	卷积神经网络（CNN）	NA	NA
14545	2024-10-24	Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases 2024-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.14.594252 PMID:38798507	研究论文	本文介绍了一种名为scPRS的几何深度学习模型，利用单细胞染色质可及性数据构建单细胞分辨率的PRS，以增强复杂疾病的生物发现和预测能力	scPRS不仅能够预测疾病风险，还能揭示与疾病相关的细胞类型，并识别细胞类型特异性的遗传基础	NA	开发一种新的方法来解构复杂疾病的单细胞多基因风险评分，以揭示细胞和分子异质性	单细胞多基因风险评分（scPRS）在复杂疾病中的应用，包括2型糖尿病、肥厚型心肌病和阿尔茨海默病	机器学习	NA	几何深度学习	几何深度学习模型	单细胞染色质可及性数据	涉及多种复杂疾病的多个样本
14546	2024-10-24	drGAT: Attention-Guided Gene Assessment of Drug Response Utilizing a Drug-Cell-Gene Heterogeneous Network 2024-May-14, ArXiv PMID:38800657	研究论文	本文介绍了一种名为drGAT的图深度学习模型，用于药物反应预测和药物机制阐释	drGAT通过利用药物-细胞-基因异构网络，实现了药物反应的二元敏感性预测和药物机制的阐释，性能优于现有模型	NA	提高药物反应预测模型的可解释性，并阐释药物机制	药物反应预测和药物机制阐释	机器学习	NA	图深度学习	图注意力网络（GAT）	异构网络	269种DNA损伤化合物
14547	2024-10-24	Virtual Screening of Molecules via Neural Fingerprint-based Deep Learning Technique 2024-May-09, Research square DOI:10.21203/rs.3.rs-4355625/v1 PMID:38766198	研究论文	开发并优化了一种基于卷积神经网络指纹的机器学习药物筛选技术	提出了一种新的基于神经网络指纹的分子虚拟筛选技术，相比传统的固定Morgan指纹，在药物-靶点结合亲和力的二分类任务中表现更优	仅在六个不同的目标蛋白上进行了评估，样本量较小	开发和优化一种高效的分子虚拟筛选技术	药物-靶点结合亲和力的二分类任务	机器学习	NA	卷积神经网络	CNN	分子指纹	使用ZINC15数据库中的随机选择的小分子进行训练，涉及六个不同的目标蛋白
14548	2024-10-24	Filling the gaps: leveraging large language models for temporal harmonization of clinical text across multiple medical visits for clinical prediction 2024-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.06.24306959 PMID:38765975	研究论文	本文探讨了利用大型语言模型对临床文本进行时间同步，以提高跨多次医疗访问的临床预测准确性	提出使用大型语言模型（LLMs）进行临床笔记的时间同步，以填补数据中的时间间隔	未提及	提高长期临床预测（如慢性病和死亡率）的准确性	临床笔记的时间同步和跨多次访问的数据整合	自然语言处理	NA	大型语言模型（LLMs）	深度学习模型	文本	未提及
14549	2024-10-24	Diffeomorphic Transformer-based Abdomen MRI-CT Deformable Image Registration 2024-May-04, ArXiv PMID:38745706	研究论文	本文提出了一种基于微分同胚变换器的深度学习模型，用于腹部MRI-CT图像的可变形图像配准	本文创新性地将Swin变换器集成到卷积神经网络中，用于变形特征提取，并使用微分同胚变形假设来保持拓扑结构	本文仅在50个肝脏病例上进行了回顾性研究，未来需要在更大规模和多样化的数据集上验证模型的泛化能力	开发一种新的深度学习模型，用于直接估计腹部MRI-CT图像的变形向量场，以提高立体定向体部放疗（SBRT）的治疗计划精度	腹部MRI-CT图像的可变形图像配准	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	50个肝脏病例
14550	2024-10-24	ntEmbd: Deep learning embedding for nucleotide sequences 2024-May-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.30.591806 PMID:38746190	研究论文	介绍了一种名为ntEmbd的深度学习嵌入工具，用于捕获核苷酸序列中不同特征之间的依赖关系，并学习给定序列的潜在表示	ntEmbd能够隐式学习输入序列特征，解决了长序列中特征间长期依赖关系难以捕捉的问题	NA	开发一种能够有效处理长核苷酸序列的深度学习嵌入方法	核苷酸序列的特征嵌入	机器学习	NA	深度学习	深度学习模型	序列数据	NA
14551	2024-10-24	RECONSTRUCTING RETINAL VISUAL IMAGES FROM 3T FMRI DATA ENHANCED BY UNSUPERVISED LEARNING 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635641 PMID:39421191	研究论文	本文提出了一种利用无监督生成对抗网络（GAN）增强3T fMRI数据以重建视网膜视觉图像的新框架	利用无监督GAN在7T和3T fMRI数据集之间进行无配对训练，生成增强的3T fMRI数据，以克服高质量7-Tesla数据稀缺和3-Tesla实验中短时低质量扫描的挑战	需要高成本的7-Tesla fMRI实验数据进行训练，且依赖于无监督学习方法的性能	探索从大脑活动重建人类视觉输入的方法，特别是通过功能性磁共振成像（fMRI）	视网膜视觉图像的重建	计算机视觉	NA	功能性磁共振成像（fMRI）	生成对抗网络（GAN）	图像	涉及多个3-Tesla和7-Tesla fMRI数据集，具体样本数量未明确说明
14552	2024-10-24	Fast MRI Reconstruction Using Deep Learning-based Compressed Sensing: A Systematic Review 2024-Apr-30, ArXiv PMID:38745700	综述	本文综述了基于深度学习的压缩感知在快速MRI重建中的应用	本文系统地分析了各种基于深度学习的压缩感知MRI技术，包括端到端、展开优化、自监督和联邦学习方法	本文未详细讨论每种方法的具体实现细节和实验结果	探讨基于深度学习的压缩感知技术在提高MRI成像速度中的作用	基于深度学习的压缩感知MRI技术	计算机视觉	NA	压缩感知	深度学习	图像	NA
14553	2024-10-24	Missing Wedge Completion via Unsupervised Learning with Coordinate Networks 2024-Apr-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.12.589090 PMID:38712113	研究论文	本文提出了一种基于坐标网络的无监督学习方法，用于解决冷冻电子断层扫描中的缺失楔形问题	引入了一种无监督学习方法，使用坐标网络直接优化网络权重，无需预训练，减少了重建时间	本文仅提出了概念验证方法，未详细讨论其在实际应用中的广泛适用性	改进冷冻电子断层扫描中的缺失楔形问题，提高重建质量	冷冻电子断层扫描中的缺失楔形问题	计算机视觉	NA	冷冻电子断层扫描	坐标网络	图像	未具体说明样本数量
14554	2024-10-24	Revolutionizing Postoperative Ileus Monitoring: Exploring GRU-D's Real-Time Capabilities and Cross-Hospital Transferability 2024-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.24.24306295 PMID:38712199	研究论文	本文探讨了GRU-D模型在术后肠梗阻风险实时评估中的应用及其跨医院转移能力	首次探索了深度学习模型GRU-D在术后肠梗阻风险评估中的应用及其跨电子健康记录系统的转移能力	研究主要集中在术后肠梗阻的预测任务难度和病例发生率上，对训练数据和转移策略的影响关注较少	评估GRU-D模型在术后肠梗阻风险实时评估中的性能及其跨医院的转移能力	术后肠梗阻风险评估	机器学习	NA	深度学习	GRU-D	电子健康记录	7349例结直肠手术
14555	2024-10-24	Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design 2024-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.19.590222 PMID:38712216	研究论文	研究探讨了基于结构的深度学习方法在T细胞受体设计中的潜力	首次探索了两种基于结构的深度学习蛋白质设计方法（ProteinMPNN和ESM-IF）在固定骨架T细胞受体设计中的应用	研究中识别了现有方法的不足之处，需要进一步改进	探索基于结构的深度学习方法在设计T细胞受体以结合目标抗原肽方面的潜力	T细胞受体及其与目标抗原肽的结合	机器学习	癌症	深度学习	ProteinMPNN, ESM-IF	蛋白质3D结构和序列	NA
14556	2024-10-24	Calculating Protein-Ligand Residence Times Through State Predictive Information Bottleneck based Enhanced Sampling 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.16.589710 PMID:38659748	研究论文	本文提出了一种半自动化的协议，通过基于深度学习的SPIB方法和增强采样技术metadynamics来计算蛋白质-配体复合物的停留时间	本文首次将深度学习方法SPIB与增强采样技术metadynamics结合，用于计算蛋白质-配体复合物的停留时间，并展示了其在多个蛋白质-配体复合物中的应用效果	本文仅在六个蛋白质-配体复合物上进行了验证，未来需要在更多样化的数据集上进行测试	提高药物疗效和理解生物化学中的目标识别机制	蛋白质-配体复合物的停留时间	生物化学	癌症	分子动力学模拟	深度学习模型	蛋白质-配体复合物数据	六个蛋白质-配体复合物，包括抗癌药物Imatinib（Gleevec）与野生型Abl激酶及其耐药突变体的解离
14557	2024-10-24	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本文探讨了在非人类基因组中使用基于人类基因组训练的深度学习模型进行变异检测的局限性，并提出了TrioTrain方法来克服这些限制	首次引入多物种DeepVariant模型，通过TrioTrain方法自动扩展DeepVariant以适应无Genome In A Bottle资源的物种，并使用区域洗牌技术来缓解SLURM集群的障碍	受限于不完美的标签，多物种、基于三联体的训练方法在某些情况下仍存在局限性	评估基于人类基因组训练的模型在其他物种中的适用性，并开发一种新的方法来扩展深度学习模型以适应多物种基因组	牛、牦牛和野牛的基因组	生物信息学	NA	深度学习	DeepVariant	基因组数据	使用了牛、牦牛和野牛的三联体样本，共进行了30次模型迭代
14558	2024-10-24	Design of the COMEBACK and BACKHOME Studies, Longitudinal Cohorts for Comprehensive Deep Phenotyping of Adults with Chronic Low-Back Pain (cLBP): a part of the BACPAC Research Program 2024-Apr-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.09.24305574 PMID:38645207	研究论文	本文介绍了COMEBACK和BACKHOME两个纵向队列研究的设计，旨在对慢性腰背痛（cLBP）成人进行全面深度表型分析	本文提出了两个大型纵向队列研究，旨在通过深度表型分析定义慢性腰背痛的亚型和疼痛机制，以推动个性化治疗的发展	NA	定义慢性腰背痛的表型和疼痛机制，以推动个性化治疗的发展	慢性腰背痛（cLBP）成人	NA	腰背痛	深度学习方法	NA	传统数据分析	COMEBACK研究涉及450名成人，BACKHOME研究涉及约3000名美国成人
14559	2024-10-24	Parametric optimization and comparative study of machine learning and deep learning algorithms for breast cancer diagnosis 2024, Breast disease DOI:10.3233/BD-240018 PMID:39331085	研究论文	本文研究了多种机器学习和深度学习算法在乳腺癌诊断中的性能，并进行了参数优化和比较	本文探讨了人工神经网络方法与传统机器学习技术在乳腺癌诊断中的对比，并强调了超参数调优和提升算法在处理数据复杂性和非线性方面的重要性	本文主要基于Wisconsin乳腺癌（原始）数据集进行研究，未涉及其他数据集的验证	研究不同机器学习和深度学习算法在乳腺癌诊断中的表现，找出最有效的模型	乳腺癌的早期诊断	机器学习	乳腺癌	机器学习算法	SVM, 决策树, CART, ANN, ELM ANN, XGBoost, Adaboost, 梯度提升	数据集	Wisconsin乳腺癌（原始）数据集
14560	2024-10-24	Deep learned triple-tracer multiplexed PET myocardial image separation 2024, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2024.1379647 PMID:39381030	研究论文	本文提出了一种基于深度学习的PET心肌图像分离方法，用于分离三重示踪剂的多重PET图像	该方法无需明确知道动脉输入函数，通过使用动态三重示踪剂噪声MLEM重建作为网络输入，动态单示踪剂噪声MLEM重建作为训练标签，实现了三重示踪剂PET图像的分离	NA	开发一种新的方法来分离多重PET扫描中的信号，以同时观察不同放射性示踪剂的生理和病理信息	三重示踪剂的多重PET心肌图像	计算机视觉	心血管疾病	深度学习	NA	图像	NA