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
15601	2024-09-23	Well Plate-Based Localized Electroporation Workflow for Rapid Optimization of Intracellular Delivery 2024-Jul-20, Bio-protocol IF:1.0Q3 DOI:10.21769/BioProtoc.5037 PMID:39100599	研究论文	介绍了一种基于深学习图像分析的高通量多孔局部电穿孔装置（LEPD）及其优化工作流程，用于快速优化细胞内分子递送	提出了高通量多孔局部电穿孔装置（LEPD），并结合深学习图像分析，实现了对电穿孔参数的快速优化	NA	优化细胞内分子递送的实验参数	细胞内分子递送的实验参数，包括脉冲电压、持续时间、缓冲液类型和货物浓度	生物工程	NA	电穿孔	深学习	图像	多种细胞类型和分子货物（DNA、RNA和蛋白质）
15602	2024-09-23	A multimodal deep learning tool for detection of junctional ectopic tachycardia in children with congenital heart disease 2024-Jul, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2024.04.014 PMID:39119021	研究论文	研究开发了一种多模态深度学习工具，用于检测先天性心脏病儿童中的结性异位心动过速	该研究开发了一种新的多模态自动心律失常检测工具，性能优于现有的结性异位心动过速检测工具	未来需要在更大规模的队列中验证模型的有效性	开发一种能够显著提高结性异位心动过速检测准确性的深度神经网络工具	先天性心脏病儿童中的结性异位心动过速	机器学习	心血管疾病	卷积神经网络	CNN	心电图和中心静脉压波形数据	40名先天性心脏病患者
15603	2024-09-23	Hybrid Deep Learning and Model-Based Needle Shape Prediction 2024-Jun, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2024.3386120 PMID:39301509	研究论文	本文提出并验证了一种混合深度学习和基于模型的方法，用于预测手术中针的形状	首次提出了一种结合深度学习和基于李群理论模型的方法来解决手术中针形状预测问题，并引入了一种新的自监督学习方法，在没有数据的情况下训练网络	仅在单层和双层均匀的仿真组织中进行了验证，未在真实人体组织中进行测试	提高前列腺癌手术中针插入的准确性，减少重新插入次数，改善患者舒适度和治疗效果	手术中针的轨迹预测	计算机视觉	前列腺癌	NA	混合深度学习模型	NA	约3000个预测样本，最大预测步长为110毫米
15604	2024-09-23	A novel methodology for emotion recognition through 62-lead EEG signals: multilevel heterogeneous recurrence analysis 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1425582 PMID:39119215	研究论文	本文提出了一种新的三阶段方法，通过62导脑电信号进行情绪识别，结合流形嵌入、多层次异质性复发分析和集成学习	引入了多层次异质性复发分析（MHRA）和集成学习方法，以捕捉脑电信号的复杂动态特性，并提高情绪识别的准确性和可解释性	NA	开发一种新的方法来提高基于脑电信号的情绪识别的准确性和可解释性	62导脑电信号和四种情绪（中性、悲伤、恐惧、快乐）	机器学习	NA	多层次异质性复发分析（MHRA）	集成学习	脑电信号	使用SJTU-SEED IV数据库进行评估
15605	2024-09-23	Fetal-BET: Brain Extraction Tool for Fetal MRI 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3426969 PMID:39157057	研究论文	本文提出了一种用于胎儿MRI脑部提取的机器学习方法	开发了一种基于U-Net架构和注意力机制的深度学习方法，用于从多种胎儿MRI序列中自动提取脑部	需要大量标注数据进行训练，且方法的泛化能力需要在更多不同中心的数据上进一步验证	解决胎儿MRI脑部提取的挑战，为胎儿脑发育研究提供技术支持	胎儿MRI图像中的脑部提取	计算机视觉	NA	深度学习	U-Net	图像	约72,000张2D胎儿脑部MRI图像
15606	2024-09-23	Classification of land lot shapes in real estate sector using a convolutional neural network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308788 PMID:39298502	研究论文	本文研究了使用卷积神经网络对房地产行业中的地块形状进行分类	首次尝试在微观空间尺度上使用深度学习算法进行土地管理	NA	填补传统地块分类方法的空白，解决其耗时、资源密集和主观偏差的问题	地块形状的自动分类	计算机视觉	NA	卷积神经网络	Xception神经网络	图像	研究区域内的地块图像数据
15607	2024-09-23	AI Models for Protein Design are Driving Antibody Engineering 2023-Dec, Current opinion in biomedical engineering IF:4.7Q2 DOI:10.1016/j.cobme.2023.100473 PMID:37484815	综述	本文综述了基于深度学习的蛋白质结构预测和设计在抗体治疗研究中的进展	利用深度学习指导抗体生成方法，结合先验知识和实验成果，提升抗体工程过程	NA	探讨深度学习在抗体治疗中的应用	抗体序列及其与目标抗原的结合特性	机器学习	NA	深度学习	生成模型	结构数据	NA
15608	2024-09-23	Deep learning-driven adaptive optics for single-molecule localization microscopy 2023-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02029-0 PMID:37770712	研究论文	本文开发了一种基于深度学习的自适应光学技术，用于单分子定位显微镜（SMLM），以解决生物组织引起的波前畸变问题	本文的创新点在于利用深度学习直接推断波前畸变并进行近实时补偿，避免了传统的迭代试错过程	NA	研究目的是提高单分子定位显微镜在生物组织中的分辨率和成像质量	研究对象是生物组织中的单分子发射模式及其波前畸变	计算机视觉	NA	自适应光学	深度神经网络	图像	超过130微米厚的脑组织样本
15609	2024-09-23	Independent regulation of Z-lines and M-lines during sarcomere assembly in cardiac myocytes revealed by the automatic image analysis software sarcApp 2023-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.11.523681 PMID:36711995	研究论文	本文介绍了一种名为sarcApp的图像分析工具，用于量化心肌细胞中肌节及其组件的排列	开发了sarcApp工具，利用深度学习分割和实空间量化技术，自动分析肌节中的Z线和M线的组织结构	NA	研究肌节装配过程中Z线和M线的独立调控机制	心肌细胞中的肌节及其组件	计算机视觉	心血管疾病	深度学习	NA	图像	NA
15610	2024-09-23	Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models 2023-09-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41565-3 PMID:37752123	研究论文	本文介绍了一种名为GlowTrack的方法，用于生成大量训练数据，以提高无标记运动捕捉模型的泛化能力	开发了一种高吞吐量的方法，利用荧光标记生成隐藏标签，并使用多摄像头和多光源设置模拟多样化的视觉条件，同时实现了并行标记多个地标，从而实现密集跟踪	NA	提高无标记运动捕捉模型的泛化能力，使其能够适应不同的实验环境和视觉条件	动物行为研究中的运动捕捉模型	计算机视觉	NA	荧光标记	NA	图像	NA
15611	2024-09-23	Automatic pavement texture recognition using lightweight few-shot learning 2023-Sep-04, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2022.0166 PMID:37454689	研究论文	本文提出了一种基于孪生网络的少样本学习模型，用于在有限数据集上进行路面纹理识别	本文创新性地使用孪生网络进行少样本学习，并结合全局平均池化和一维卷积，创建了轻量级模型，显著减少了存储和训练时间	尽管模型在减少存储和训练时间方面表现出色，但分类准确率有所下降	解决路面纹理识别中数据稀缺的问题，提高道路维护专业人员检测潜在安全隐患的能力	路面纹理，包括密级配沥青混凝土、微表面、开级配摩擦层和石材基质沥青	计算机视觉	NA	少样本学习	孪生网络	图像	四类五样本任务
15612	2024-09-23	Application of a 1H Brain MRS Benchmark Dataset to Deep Learning for Out-of-Voxel Artifacts 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.08.539813 PMID:37215030	研究论文	本文介绍了AGNOSTIC数据集，并将其应用于训练卷积神经网络（CNN）以处理磁共振波谱（MRS）数据中的体素外伪影	本文创建了AGNOSTIC数据集，包含259,200个合成1H MRS示例，用于训练和测试神经网络。此外，训练了两个CNN模型分别用于检测和重建体素外伪影	本文主要集中在合成数据上，尚未在真实数据上验证其有效性	开发和验证用于处理MRS数据中体素外伪影的深度学习方法	AGNOSTIC数据集和两个卷积神经网络模型	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	数据集	259,200个合成1H MRS示例
15613	2024-09-23	Deep learning-based subtyping of gastric cancer histology predicts clinical outcome: a multi-institutional retrospective study 2023-09, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01398-x PMID:37269416	研究论文	本研究利用深度学习技术对胃癌组织学亚型进行分类，并评估其对临床预后的预测能力	本研究首次系统评估了基于深度学习的胃癌组织学亚型分类方法，并展示了其相较于传统病理学家分类方法在患者生存分层方面的优势	尽管深度学习分类在生存分层方面表现更好，但其分类准确性仍需进一步提高，且其背后的生物学机制尚未完全理解	开发和验证一种基于深度学习的胃癌组织学亚型分类器，并评估其在临床预后预测中的潜力	胃腺癌患者的组织学亚型及其临床预后	数字病理	胃癌	深度学习	基于注意力机制的多实例学习	图像	TCGA队列中166例胃癌样本，欧洲队列322例，日本队列243例
15614	2024-09-23	Whole Slide Imaging-Based Prediction of TP53 Mutations Identifies an Aggressive Disease Phenotype in Prostate Cancer 2023-09-01, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-22-3113 PMID:37352385	研究论文	本文开发了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并识别出一种具有侵袭性的疾病表型	本文首次提出了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并展示了其在独立多焦点队列中的成功泛化能力	模型无法完美预测单个TP53突变的空间存在，但可以通过描绘与侵袭性疾病生物标志物相关的下游表型来阐明肿瘤的预后	开发一种基于全切片图像的深度学习模型，用于预测前列腺癌中的TP53突变，并识别出具有侵袭性的疾病表型	前列腺癌中的TP53突变及其与侵袭性疾病表型的关系	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	独立多焦点队列中的前列腺肿瘤样本
15615	2024-09-23	A ligand-receptor interactome atlas of the zebrafish 2023-Aug-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.107309 PMID:37539027	研究论文	本文构建了一个斑马鱼的配体-受体相互作用图谱，并提供了相关的R和Python脚本资源	本文的创新点在于结合了斑马鱼蛋白质组的物理相互作用数据和现有的人类配体-受体对数据库，构建了一个全面的斑马鱼配体-受体相互作用图谱	本文的局限性在于依赖于预测的细胞定位数据，可能存在一定的不确定性	本文的研究目的是填补斑马鱼蛋白质组注释的空白，揭示细胞间通信的功能，并识别新的靶向药物	本文的研究对象是斑马鱼的配体、受体及其相互作用网络	生物信息学	NA	深度学习算法	NA	蛋白质组数据	NA
15616	2024-09-23	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2023-Aug-18, ArXiv PMID:37645038	研究论文	提出了一种基于机器学习的框架STINR-MR，用于从高度欠采样的数据中准确重建3D cine-MRI图像	STINR-MR通过联合重建和形变配准方法，解决了时空重建问题，并实现了高加速因子	NA	开发一种准确重建3D cine-MRI图像的机器学习框架	3D cine-MRI图像的重建	计算机视觉	NA	隐式神经表示学习	隐式神经表示网络	图像	使用4D扩展心脏-躯干(XCAT)数字幻影模拟数据和临床采集的健康人类受试者数据进行评估
15617	2024-09-23	Whole genome deconvolution unveils Alzheimer's resilient epigenetic signature 2023-08-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40611-4 PMID:37587197	研究论文	开发了一种名为Cellformer的深度学习方法，用于将批量ATAC-seq数据解卷积为细胞类型特异性表达，揭示了阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	提出了Cellformer方法，能够将批量ATAC-seq数据解卷积为细胞类型特异性表达，从而揭示阿尔茨海默病中的细胞类型特异性基因调控机制	NA	揭示阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	机器学习	阿尔茨海默病	ATAC-seq	深度学习	基因组数据	191个来自3个脑区的批量样本
15618	2024-09-23	Deep learning for obstructive sleep apnea diagnosis based on single channel oximetry 2023-08-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40604-3 PMID:37573327	研究论文	本文开发并评估了一种基于单通道血氧仪信号的深度学习模型OxiNet，用于阻塞性睡眠呼吸暂停（OSA）的诊断	OxiNet模型在诊断OSA方面表现优异，漏诊率仅为0.2%，远低于最佳基准的21%	研究为回顾性研究，且未提及模型的泛化能力和长期性能	开发一种基于单通道血氧仪信号的深度学习模型，用于提高OSA的诊断准确性	阻塞性睡眠呼吸暂停（OSA）的诊断	机器学习	呼吸系统疾病	深度学习	OxiNet	信号	12,923个多导睡眠图记录
15619	2024-09-23	Toward MR protocol-agnostic, bias-corrected brain age predicted from clinical-grade MRIs 2023-Aug-11, Research square DOI:10.21203/rs.3.rs-3229072/v1 PMID:37609150	研究论文	本文提出了一种不受磁共振成像协议限制、能够从临床级MRI中预测大脑年龄并进行偏差校正的方法	采用双重迁移学习方法，开发了一种对模态、分辨率或切片方向不敏感的大脑年龄模型，并引入了偏差校正层	NA	开发一种适用于临床级MRI的大脑年龄预测模型，以促进个性化医学	大脑年龄预测及其偏差校正	计算机视觉	NA	磁共振成像 (MRI)	卷积神经网络 (CNN)	图像	6224例临床MRI，来自1540名患者，使用8台扫描仪，分布在15个以上设施中
15620	2024-09-23	Prediction of Ovarian Cancer Response to Therapy Based on Deep Learning Analysis of Histopathology Images 2023-Aug-10, Cancers IF:4.5Q1 DOI:10.3390/cancers15164044 PMID:37627071	研究论文	本研究利用深度学习神经网络框架分析病理图像，预测卵巢癌对化疗的敏感性	开发了一种基于Inception V3深度学习算法的方法，用于预测卵巢癌对标准铂类治疗的反应	需要进一步研究以验证初步结果，并扩展到其他癌症类型和成像模式	通过深度学习分析病理图像，预测卵巢癌对化疗的敏感性，以实现精准医学研究的目标	高级别浆液性卵巢癌的病理图像	数字病理学	卵巢癌	深度学习	Inception V3卷积神经网络	图像	248名患有2至4期浆液性卵巢癌的患者