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
15861	2024-10-19	Deep Learning in Hematology: From Molecules to Patients 2024, Clinical hematology international DOI:10.46989/001c.124131 PMID:39417017	综述	本文综述了深度学习在血液学中的应用，从分子层面到患者护理	深度学习在血液学中的应用涵盖了多组学数据分析、蛋白质结构预测、细胞形态学分析自动化、流式细胞术数据解读以及通过大型语言模型分析临床数据等方面	深度学习模型在血液学应用中的泛化性和可解释性仍存在挑战，且新型深度学习架构在血液学中的应用相对较慢	探讨深度学习在血液学中的应用及其局限性	深度学习在血液学中的应用，包括分子层面、细胞和组织层面以及患者层面的应用	机器学习	NA	深度学习	NA	多组学数据、蛋白质结构数据、细胞形态学数据、流式细胞术数据、临床数据	NA
15862	2024-10-19	Deep learning-based histological predictions of chromosomal instability in colorectal cancer 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/JYND6488 PMID:39417190	研究论文	本研究利用深度学习技术，基于全切片图像的组织学数据预测结直肠癌中的染色体不稳定	本研究首次结合卷积神经网络和形态学分析，从全切片图像中提取特征，用于预测结直肠癌中的染色体不稳定	本研究仅使用了TCGA数据库中的样本，未来需要验证其他数据集中的结果	预测结直肠癌中的染色体不稳定	结直肠癌样本的全切片图像	数字病理学	结直肠癌	卷积神经网络	CNN	图像	313名患者，315张全切片图像，包含超过35万张肿瘤切片和近270万个肿瘤细胞核
15863	2024-10-19	Research progress on machine algorithm prediction of liver cancer prognosis after intervention therapy 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/BEAO1926 PMID:39417194	review	本文综述了机器算法在肝癌介入治疗后预后预测中的应用和潜力	机器算法能够通过分析大量临床数据识别预后模式和趋势	整合多源临床数据以提高预测准确性、数据隐私和伦理问题、增强机器算法决策过程的透明度和可解释性	系统回顾和分析机器算法在肝癌介入治疗后预后预测中的应用和潜力	肝癌介入治疗后的患者预后	machine learning	liver cancer	NA	NA	clinical data	NA
15864	2024-10-19	Artificial Intelligence Application for Anti-tumor Drug Synergy Prediction 2024, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673290777240301071513 PMID:39420717	综述	本文综述了癌症药物协同治疗及人工智能技术在癌症药物协同预测中的应用	探讨了深度学习方法在癌症药物协同预测中的应用前景	未具体提及	提高对癌症药物协同作用的理解，为临床提供更有效的治疗方案和合理的药物使用策略	癌症药物协同治疗及人工智能技术在其中的应用	机器学习	癌症	人工智能 (AI)	深度学习	NA	NA
15865	2024-10-19	Deep Learning Pipeline for Automated Cell Profiling from Cyclic Imaging 2023-Dec-18, Research square DOI:10.21203/rs.3.rs-3745061/v1 PMID:38196620	研究论文	本文介绍了一种名为CycloNET的计算管道，用于分析通过循环免疫荧光获得的原始荧光图像，自动生成单细胞分子轮廓	CycloNET能够快速处理大规模数据集，提供单细胞分辨率的见解，并识别罕见的免疫细胞集群	NA	开发一种自动化工具，用于从循环成像中进行细胞轮廓分析，以加速生物数据分析	头颈部鳞状细胞癌患者的22个人类样本	计算机视觉	头颈部鳞状细胞癌	循环免疫荧光	神经网络	图像	22个人类样本
15866	2024-10-19	Identifying Lymph Nodes and Their Statuses from Pretreatment Computer Tomography Images of Patients with Head and Neck Cancer Using a Clinical-Data-Driven Deep Learning Algorithm 2023-Dec-18, Cancers IF:4.5Q1 DOI:10.3390/cancers15245890 PMID:38136434	研究论文	本文提出了一种基于临床数据驱动的深度学习算法，用于从头颈部癌症患者的术前计算机断层扫描图像中识别淋巴结及其状态	本文创新性地将深度学习模型与图像处理技术结合，用于分析临床图像中的淋巴结特征	模型的检测率在较大的淋巴结上表现更好，且需要进一步与临床医生合作进行评估和改进	开发一种能够准确识别头颈部癌症患者术前CT图像中淋巴结及其状态的算法	头颈部癌症患者的术前CT图像和手术病理报告	计算机视觉	头颈部癌症	深度学习	3D UNet	图像	271名头颈部癌症患者
15867	2024-10-19	Deep Learning-Inspired IoT-IDS Mechanism for Edge Computing Environments 2023-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s23249869 PMID:38139716	研究论文	提出了一种基于深度学习的物联网入侵检测系统，用于边缘计算环境	使用分布式处理将数据集分割为适合不同攻击类别的子集，并进行时间序列物联网数据的属性选择，训练了一个包含RNN和Bi-LSTM的攻击检测循环神经网络模型	NA	解决现有入侵检测系统在处理大量物联网数据和计算需求方面的不足，特别是在边缘设备上的部署问题	物联网环境中的网络攻击检测	机器学习	NA	深度学习	循环神经网络（RNN）和双向长短期记忆网络（Bi-LSTM）	时间序列数据	使用了高维度的BoT-IoT数据集，该数据集模拟了大量真实的物联网攻击流量
15868	2024-10-19	Non-Destructive Characterization of Cured-in-Place Pipe Defects 2023-Dec-08, Materials (Basel, Switzerland) DOI:10.3390/ma16247570 PMID:38138712	研究论文	研究介绍了三种创新方法用于非破坏性评估固化内衬管的缺陷	引入了冲击回波法、探地雷达和阻抗光谱法，提高了缺陷检测的准确性	需要进一步验证这些方法在实际应用中的效果	比较传统机器学习和深度学习方法在管道缺陷表征中的应用	固化内衬管的缺陷	NA	NA	冲击回波法、探地雷达、阻抗光谱法	机器学习算法、深度学习	图像	实验室测量数据
15869	2024-10-19	Probabilistic volumetric speckle suppression in OCT using deep learning 2023-Dec-07, ArXiv PMID:38106457	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习框架，用于光学相干断层扫描（OCT）中的体积分辨率降低	利用OCT数据的体积特性，通过cGAN实现高效的散斑抑制，同时保留组织结构，速度比传统方法快两个数量级	生成训练数据的过程计算量大	开发一种高效的深度学习方法，用于OCT中的体积分辨率降低	OCT图像中的散斑噪声	计算机视觉	NA	深度学习	条件生成对抗网络（cGAN）	体积数据	涉及三种不同OCT系统采集的不同组织类型数据
15870	2024-10-19	Improved Peptide Docking with Privileged Knowledge Distillation using Deep Learning 2023-Dec-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.01.569671 PMID:38106114	研究论文	本文提出了一种改进的蛋白质-肽对接方法DistPepFold，通过基于AlphaFold-Multimer架构的知识蒸馏技术，提高了蛋白质-肽复合物对接的准确性	DistPepFold利用教师模型在训练过程中使用本征相互作用信息，并通过教师-学生蒸馏过程将知识传递给学生模型，从而改进了蛋白质-肽复合物的对接性能	NA	改进蛋白质-肽复合物的对接方法，提高其结构预测的准确性	蛋白质-肽复合物的对接性能	机器学习	NA	深度学习	AlphaFold-Multimer	蛋白质-肽复合物数据	两个蛋白质-肽复合物数据集
15871	2024-10-19	Selective ensemble methods for deep learning segmentation of major vessels in invasive coronary angiography 2023-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.16554 PMID:37310802	研究论文	本文提出了一种基于排序的选择性集成方法，用于提高深度学习在侵入性冠状动脉造影中主要血管分割的性能	本文提出的选择性集成方法结合了加权集成和每张图像质量估计，通过排名机制减少了形态学错误，提高了分割性能	NA	提高侵入性冠状动脉造影中主要血管的分割性能，减少形态学错误，实现更自动化的定量冠状分析	侵入性冠状动脉造影图像中的主要血管	计算机视觉	心血管疾病	深度学习	CNN	图像	内部数据集包含7426张冠状动脉造影图像，来自2924名患者；外部验证集包含556张图像，来自226名患者
15872	2024-10-19	Image-Domain Material Decomposition for Dual-energy CT using Unsupervised Learning with Data-fidelity Loss 2023-Nov-17, ArXiv PMID:38013889	研究论文	本文提出了一种基于无监督学习的数据保真损失的图像域材料分解方法，用于双能CT	本文的创新点在于开发了一种无监督学习框架，利用数据测量一致性进行图像域材料分解，避免了传统方法中图像先验无法准确表示目标图像流形特征的问题	本文的局限性在于未提及具体的实验验证和临床应用效果	本研究旨在开发一种无监督学习框架，用于双能CT中的图像域材料分解	本研究的对象是双能CT图像中的材料分解	计算机视觉	NA	双能CT	无监督学习	图像	NA
15873	2024-10-19	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf1 PMID:37757838	研究论文	提出了一种无需参考的统计隐式神经表示框架，用于生物医学图像的超分辨率处理	该方法仅需要单张或多张低分辨率图像，通过最大似然估计和隐式神经网络生成高质量的超分辨率图像	NA	解决生物医学图像超分辨率处理中缺乏大量低分辨率和高分辨率图像对的问题	生物医学图像，包括CT、MRI、荧光显微镜和超声图像	计算机视觉	NA	隐式神经表示	多层感知机	图像	每种超分辨率任务使用有限数量的低分辨率图像
15874	2024-10-19	Levothyroxine use and longitudinal changes in thigh muscles in at-risk participants for knee osteoarthritis: preliminary analysis from Osteoarthritis Initiative cohort 2023-04-11, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-023-03012-y PMID:37041609	研究论文	研究了左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉纵向变化之间的关系	首次探讨了左甲状腺素使用与大腿肌肉质量和成分变化之间的关联，并评估了其在膝关节骨性关节炎发病中的中介作用	研究结果需考虑甲状腺功能作为潜在的混杂因素或效应修饰因子，未来研究需进一步探讨甲状腺功能生物标志物对大腿肌肉纵向变化的影响	探讨左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉质量和成分变化之间的关系及其在膝关节骨性关节炎发病中的作用	膝关节骨性关节炎高风险参与者的大腿肌肉质量和成分	NA	骨性关节炎	深度学习方法	NA	MRI数据	1043个匹配的大腿/膝盖样本（266个左甲状腺素使用者，777个非使用者）
15875	2024-10-19	An Investigation into Race Bias in Random Forest Models Based on Breast DCE-MRI Derived Radiomics Features 2023, Clinical image-based procedures, fairness of AI in medical imaging, and ethical and philosophical issues in medical imaging : 12th International Workshop, CLIP 2023 1st International Workshop, FAIMI 2023 and 2nd International Workshop, ... DOI:10.1007/978-3-031-45249-9_22 PMID:39404661	研究论文	研究了基于乳腺DCE-MRI衍生的放射组学特征的随机森林模型中存在的种族偏见	首次探讨了经典AI技术（如随机森林）在基于放射组学特征的模型中可能存在的种族偏见	研究仅限于乳腺DCE-MRI数据，且样本量较小	探讨随机森林模型在种族不平衡数据训练下可能产生的偏见	乳腺DCE-MRI衍生的放射组学特征	机器学习	乳腺癌	DCE-MRI	随机森林	图像	乳腺癌症患者的数据，具体数量未明确
15876	2024-10-18	Deep learning-assisted inverse design of metasurfaces for active color image tuning 2024-Oct-17, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr02378a PMID:39301625	研究论文	本文提出了一种基于深度学习的超表面主动色彩图像调谐方法	通过多目标逆向伴随神经网络解决了逆向设计中的'一对多'问题，实现了在三种不同环境条件下的主动色彩图像调谐	NA	开发一种新的超表面逆向设计方法，实现主动色彩图像调谐	超表面及其在色彩调谐中的应用	计算机视觉	NA	深度学习	神经网络	图像	三种不同环境条件下的超表面
15877	2024-10-18	Exploring the phase change and structure of carbon using a deep learning interatomic potential 2024-Oct-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp02781g PMID:39364607	研究论文	本文利用深度学习原子间势函数研究碳的相变和结构	通过深度神经网络获得的机器学习势函数不仅展示了强大的可扩展性，还能有效研究非晶金刚石和多晶金刚石的形成机制	NA	研究碳在大规模系统中的相变	碳的相变和结构	机器学习	NA	分子动力学 (AIMD)，密度泛函理论 (DFT)	深度神经网络	结构数据	大量碳晶体和石墨烯的初始结构
15878	2024-10-18	Interpretable and Physicochemical-Intuitive Deep Learning Approach for the Design of Thermal Resistance of Energetic Compounds 2024-Oct-17, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c04849 PMID:39380131	研究论文	本文提出了一种名为EM-thermo的深度学习框架，用于预测高能化合物的热稳定性	EM-thermo通过分子图和直接消息传递神经网络捕捉结构特征，并利用迁移学习提高了预测准确性	NA	开发一种能够准确预测高能化合物热稳定性的深度学习模型	高能化合物的热稳定性	机器学习	NA	深度学习	直接消息传递神经网络	分子图	5029个CHNO化合物，其中包括976个高能化合物
15879	2024-10-18	Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor 2024-Oct-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101785 PMID:39413732	研究论文	本文提出了一种基于病理图像和病理先验信息的深度学习模型，用于区分结直肠神经内分泌肿瘤和结直肠癌	利用病理先验信息生成鲁棒的切片级特征，并通过计算形态描述与补丁之间的相似性，仅选择2%的诊断相关补丁进行训练和推理	NA	开发一种成本效益高的方法，准确区分结直肠神经内分泌肿瘤和结直肠癌	结直肠神经内分泌肿瘤和结直肠癌	数字病理学	结直肠癌	深度学习	深度学习模型	图像	内部数据集和两个外部数据集
15880	2024-10-18	Acoustic leak localization for water distribution network through time-delay-based deep learning approach 2024-Oct-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122600 PMID:39413711	研究论文	本文介绍了一种基于深度学习的时间延迟估计方法，用于水分配网络中的声学泄漏定位	提出了一种利用深度学习技术估计时间延迟的新方法，在低信噪比条件下表现出更高的准确性和鲁棒性	在高信噪比条件下，Res1D-CNN模型的性能不如GCC-SCOT和BCC	提高水分配网络中泄漏定位的准确性和鲁棒性	水分配网络中的声学泄漏定位	机器学习	NA	深度学习	Res1D-CNN	声学信号	通过实地测量验证了方法的有效性