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
15641	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
15642	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
15643	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
15644	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
15645	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
15646	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
15647	2024-09-23	Modeling and design of heterogeneous hierarchical bioinspired spider web structures using deep learning and additive manufacturing 2023-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2305273120 PMID:37487072	研究论文	本文利用深度学习和增材制造技术，对异质分层仿生蜘蛛网结构进行建模和设计	本文提出了一种基于深度学习的生成模型，用于合成仿生3D蜘蛛网结构，并结合增材制造技术进行制造和测试	NA	研究如何利用深度学习和增材制造技术，对复杂的3D蜘蛛网结构进行建模和设计	异质分层仿生蜘蛛网结构	计算机视觉	NA	增材制造	生成模型	图结构	多个实验确定的蜘蛛网图结构
15648	2024-09-23	Applications of multi-omics analysis in human diseases 2023-Aug, MedComm IF:10.7Q1 DOI:10.1002/mco2.315 PMID:37533767	综述	本文综述了多组学技术在人类疾病研究中的应用	本文提供了多组学技术的全面系统介绍，特别是机器学习和深度学习在多组学数据整合中的应用及其相关工具	本文主要集中在多组学技术的综述和应用，未涉及具体实验数据或模型验证	探讨多组学技术在精准医学中的整合与应用及其未来发展方向	多组学技术及其在癌症、神经退行性疾病、衰老和药物靶点发现等医学研究中的应用	NA	NA	多组学技术	机器学习深度学习	多组学数据	NA
15649	2024-09-23	A comparative study of model-centric and data-centric approaches in the development of cardiovascular disease risk prediction models in the UK Biobank 2023-Aug, European heart journal. Digital health DOI:10.1093/ehjdh/ztad033 PMID:37538143	研究论文	本研究比较了模型中心和数据中心方法在英国生物银行心血管疾病风险预测模型开发中的应用	本研究首次系统地探讨了不同风险因素类别对心血管疾病发病预测的贡献，并强调了模型和数据中心方法的结合对提高预测性能的重要性	研究仅限于英国生物银行的数据，可能无法完全代表全球心血管疾病的风险因素	探讨不同风险因素类别对心血管疾病发病预测的贡献，并比较模型中心和数据中心方法的效果	心血管疾病的风险预测模型	机器学习	心血管疾病	NA	神经序列模型（BEHRT）	数据	405,257名37-73岁的参与者
15650	2024-09-23	On-chip label-free cell classification based directly on off-axis holograms and spatial-frequency-invariant deep learning 2023-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-38160-3 PMID:37524884	研究论文	本文提出了一种基于原始数字全息图的无标记成像流式细胞术和细胞分类方法	本文提出了一种新的无标记细胞分类方法，直接基于原始离轴全息图像，无需重建细胞的定量相位轮廓	NA	提高成像流式细胞术的速度和鲁棒性，实现实时无标记细胞分类	四种癌症细胞	计算机视觉	NA	离轴全息术	卷积神经网络	图像	四种癌症细胞
15651	2024-09-23	Transfer learning to leverage larger datasets for improved prediction of protein stability changes 2023-Jul-30, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550881 PMID:37547004	研究论文	本文介绍了一种名为ThermoMPNN的深度神经网络，用于预测蛋白质点突变对稳定性的影响，并展示了如何利用大规模数据集进行训练	本文引入了ThermoMPNN模型，并利用迁移学习技术结合两个不同数据集进行训练，以提高预测蛋白质稳定性变化的准确性	NA	开发一种能够准确预测蛋白质稳定性变化的计算方法	蛋白质点突变对稳定性的影响	机器学习	NA	深度学习	深度神经网络	蛋白质结构数据	使用了两个大规模数据集进行训练
15652	2024-09-23	An innovative ensemble model based on deep learning for predicting COVID-19 infection 2023-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-39408-8 PMID:37516796	研究论文	本文提出了一种基于深度学习的创新集成模型WOCLSA，用于预测COVID-19感染	WOCLSA模型结合了ANN、CNN和LSTM，并使用鲸鱼优化算法优化模型参数，提高了预测准确性	NA	提高COVID-19感染预测的准确性，并扩展医疗疾病预测模型的应用	COVID-19感染预测	机器学习	COVID-19	深度学习	WOCLSA（ANN、CNN、LSTM的集成模型）	患者指标	18个患者指标
15653	2024-09-23	Improved delineation model of a standard 12-lead electrocardiogram based on a deep learning algorithm 2023-07-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02233-0 PMID:37507698	研究论文	本文提出了一种基于深度学习算法的12导联心电图信号分割模型	采用卷积神经网络和双向长短期记忆网络相结合的方法，实现了对心电图波形和边界的自动分类	NA	提高12导联心电图信号分割的自动化程度，以辅助心脏病临床实践	12导联心电图信号的P波、QRS波群和T波的分割	机器学习	心血管疾病	深度学习算法	卷积神经网络和双向长短期记忆网络	心电图信号	共14,588个心电图信号
15654	2024-09-23	MSBooster: improving peptide identification rates using deep learning-based features 2023-07-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40129-9 PMID:37500632	研究论文	本文介绍了一种名为MSBooster的新工具，通过深度学习特征提升液相色谱-串联质谱（LC-MS/MS）实验中的肽段鉴定率	MSBooster利用深度学习预测的肽段特性（如LC保留时间、离子迁移率和MS/MS谱图）来重新评分肽段与谱图的匹配	NA	提升LC-MS/MS实验中的肽段鉴定率	肽段与谱图的匹配	机器学习	NA	液相色谱-串联质谱（LC-MS/MS）	深度学习	谱图数据	NA
15655	2024-09-23	A transfer learning-based multimodal neural network combining metadata and multiple medical images for glaucoma type diagnosis 2023-07-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-27045-6 PMID:37495578	研究论文	本文提出了一种基于迁移学习的多模态神经网络，结合元数据和多种医学图像用于青光眼类型诊断	构建了新的多模态青光眼数据集，并提出了新的多模态神经网络GMNNnet，用于解决单模态方法的不准确性和数据标注困难的问题	NA	解决青光眼类型诊断中的数据标注困难和单模态方法的不准确性问题	青光眼类型诊断	计算机视觉	青光眼	迁移学习	CNN	图像	包含五种最重要的青光眼标签、电子病历和四种高分辨率医学图像的多模态数据集
15656	2024-09-23	Super High-Throughput Screening of Enzyme Variants by Spectral Graph Convolutional Neural Networks 2023-Jul-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c01227 PMID:36961994	研究论文	本文展示了使用图卷积神经网络（GCN）预测酶变体结合能的方法	利用GCN模型仅使用序列信息预测酶变体的结合能，并通过预训练的语言模块提高预测准确性	NA	开发一种高效筛选酶变体的方法	酶变体的结合能预测	机器学习	NA	图卷积神经网络（GCN）	图卷积神经网络（GCN）	序列信息	20-20个变体作为训练数据
15657	2024-09-23	Deep Learning-Based Prediction of Contact Maps and Crystal Structures of Inorganic Materials 2023-Jul-25, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.3c02115 PMID:37521616	研究论文	本文提出了一种基于深度学习的无机材料接触图和晶体结构预测算法AlphaCrystal	受AlphaFold算法启发，AlphaCrystal结合深度残差神经网络模型和遗传算法进行三维结构重建，显著加速了晶体结构预测	NA	解决材料科学中晶体结构预测的主要难题	无机材料的晶体结构	机器学习	NA	深度残差神经网络	深度残差神经网络	结构数据	20个基准结构
15658	2024-09-23	Validation of bone mineral density measurement using quantitative CBCT image based on deep learning 2023-07-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-38943-8 PMID:37488135	研究论文	本研究验证了基于深度学习的定量锥束CT（CBCT）图像在骨密度（BMD）测量中的准确性和可靠性	本研究开发了一种基于深度学习的定量CBCT图像方法，用于骨密度测量，相比传统CBCT图像，显示出更高的准确性、线性和均匀性	本研究仅在30名患者的临床数据上进行了验证，样本量相对较小	验证基于深度学习的定量CBCT图像在骨密度测量中的准确性和可靠性	骨密度测量在牙科植入手术前的骨质量评估	计算机视觉	NA	深度学习	QCBCT-NET	图像	30名患者，包含7500对CT和CBCT轴向切片图像
15659	2024-09-23	Unique Hyperspectral Response Design in High-Speed Photodetectors Enabled by Periodic Surface Textures 2023-Jul-21, Research square DOI:10.21203/rs.3.rs-3140578/v1 PMID:37503247	研究论文	本文介绍了一种利用光子陷阱表面纹理（PTSTs）设计高速光电探测器的光谱响应方法，实现了系统的小型化和高性能	通过集成PTSTs，消除了对外部衍射光学器件的需求，实现了高性价比的硅光电探测器，适用于宽带多/高光谱成像系统	NA	开发一种新型的光谱响应设计方法，以实现高性能、小型化的光电探测器	光子陷阱表面纹理（PTSTs）和硅光电探测器	计算机视觉	NA	光子陷阱表面纹理（PTSTs）	NA	光谱数据	NA
15660	2024-09-23	A Deep Learning Approach for Atrial Fibrillation Classification Using Multi-Feature Time Series Data from ECG and PPG 2023-Jul-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13142442 PMID:37510187	研究论文	本文提出了一种利用多特征时间序列数据（来自ECG和PPG）进行房颤分类的深度学习方法	本文首次将深度学习方法应用于PPG信号，并结合ECG信号进行房颤分类	NA	开发一种非侵入性方法，利用ECG和PPG信号进行房颤检测	房颤和非房颤的分类	机器学习	心血管疾病	深度学习	1D CNN和BiLSTM	时间序列数据	NA