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
16061	2024-09-19	Association of collagen deep learning classifier with prognosis and chemotherapy benefits in stage II-III colon cancer 2023-May, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10526 PMID:37206212	研究论文	本文提出了一种基于50层残差网络模型的胶原蛋白深度学习分类器，用于预测II-III期结肠癌患者的无病生存期和总生存期，并评估其对辅助化疗的反应	本文首次将胶原蛋白深度学习分类器应用于结肠癌患者的预后和化疗效果预测	NA	研究胶原蛋白深度学习分类器在II-III期结肠癌患者中的预后和化疗效果预测能力	II-III期结肠癌患者	机器学习	结肠癌	深度学习	残差网络模型	图像	NA
16062	2024-09-19	Automated assessment of human engineered heart tissues using deep learning and template matching for segmentation and tracking 2023-May, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10513 PMID:37206226	研究论文	开发并验证了一种名为HAARTA的软件，用于自动分析人工程心脏组织的收缩特性	使用深度学习和模板匹配技术进行高精度分割和跟踪，提高了分析的鲁棒性、准确性和计算效率	NA	开发一种自动分析人工程心脏组织收缩特性的软件，以促进体外药物筛选和心脏功能的纵向测量	人工程心脏组织（EHTs）的收缩特性	计算机视觉	心血管疾病	深度学习、模板匹配	NA	视频	来自三个不同的人多能干细胞（hPSC）系的数据集
16063	2024-09-19	hist2RNA: An Efficient Deep Learning Architecture to Predict Gene Expression from Breast Cancer Histopathology Images 2023-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers15092569 PMID:37174035	研究论文	提出了一种名为hist2RNA的高效深度学习架构，用于从乳腺癌病理图像中预测基因表达	hist2RNA方法借鉴了批量RNA测序技术，能够快速且经济地从HE染色全切片图像中预测138个基因的表达，包括管腔PAM50亚型	NA	开发一种高效的方法，从乳腺癌病理图像中预测基因表达，以替代昂贵且耗时的分子检测	乳腺癌患者的HE染色全切片图像和基因表达数据	数字病理学	乳腺癌	深度学习	深度学习架构	图像	训练集包含335个样本，测试集包含160个样本，外部TMA数据集包含498个样本
16064	2024-09-19	Enhancing Intrusion Detection Systems for IoT and Cloud Environments Using a Growth Optimizer Algorithm and Conventional Neural Networks 2023-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s23094430 PMID:37177634	研究论文	本文提出了一种结合深度学习和优化算法的新型入侵检测系统模型，用于增强物联网和云环境的安全性	本文创新性地结合了深度学习和优化算法，特别是使用了一种改进的生长优化器（MGO）和鲸鱼优化算法（WOA）来提升特征选择和搜索过程	NA	提升物联网和云环境中入侵检测系统的准确性和效率	物联网和云环境的入侵检测系统	机器学习	NA	生长优化器（GO）、鲸鱼优化算法（WOA）	卷积神经网络（CNN）	数据集	使用了公开的云和物联网环境数据集
16065	2024-09-19	Deep Learning Utilizing Suboptimal Spirometry Data to Improve Lung Function and Mortality Prediction in the UK Biobank 2023-Apr-29, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.28.23289178 PMID:37162978	研究论文	本文利用次优的肺功能测试数据，通过深度学习模型提高肺功能和全因死亡率的预测	提出了一种基于对比学习的模型，利用次优和质量控制失败的肺功能测试数据进行肺功能和全因死亡率的预测	NA	提高肺功能和全因死亡率的预测准确性	肺功能测试数据和全因死亡率	机器学习	NA	对比学习	对比学习框架（Spiro-CLF）	肺功能测试数据	940,705个肺功能测试曲线，来自352,684名UK Biobank参与者
16066	2024-09-19	Rapid Synthesis of Cryo-ET Data for Training Deep Learning Models 2023-Apr-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.28.538636 PMID:37162972	研究论文	本文介绍了一种用于训练深度学习模型的快速合成冷冻电镜数据的方法	引入了cryo-TomoSim (CTS)软件包，能够模拟冷冻电镜数据，为深度学习模型提供训练数据	NA	开发一种能够快速合成冷冻电镜数据的方法，以解决深度学习模型训练数据不足的问题	冷冻电镜图像的恢复和分割任务	计算机视觉	NA	冷冻电镜	深度学习模型	图像	NA
16067	2024-09-19	BOUNTI: Brain vOlumetry and aUtomated parcellatioN for 3D feTal MRI 2023-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.18.537347 PMID:37131820	研究论文	本文提出了一种基于深度学习的3D胎儿MRI脑组织分割和自动分区的新方法	开发了一种新的基于深度学习的胎儿脑组织分割管道，使用半监督方法训练，减少了手动调整的需求	初步结果显示，在不到15%的病例中存在轻微错误，仍需进一步验证和优化	解决目前缺乏统一的胎儿脑分区协议的问题，实现自动化的脑组织分割和体积测量	3D T2加权运动校正的胎儿脑图像	计算机视觉	NA	深度学习	深度学习模型	图像	360个胎儿MRI数据集用于训练，390个正常参与者用于分析，65个脑室扩张胎儿和60个正常对照组用于比较
16068	2024-09-19	Self-Supervised Contrastive Learning to Predict Alzheimer's Disease Progression with 3D Amyloid-PET 2023-Apr-26, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.20.23288886 PMID:37162842	研究论文	本文提出了一种自监督对比学习方法，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展	本文创新性地提出了一个自监督对比学习方法，利用未标记数据捕捉图像中的通用表示，并设计了一个损失函数在预训练中利用标签信息	NA	早期诊断阿尔茨海默病，预测其进展	3D淀粉样蛋白PET图像	计算机视觉	阿尔茨海默病	自监督对比学习	NA	图像	使用了阿尔茨海默病神经影像倡议（ADNI）数据集
16069	2024-09-19	DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data 2023-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.537396 PMID:37163042	研究论文	提出了一种基于条件变分自编码器和ComBat模型的深度学习方法DeepComBat，用于神经影像数据的批次效应校正	DeepComBat通过考虑特征之间的多元关系来学习并去除受试者级别的批次效应，并且对超参数选择具有较强的鲁棒性	未提及	解决多批次神经影像数据中的批次效应问题，提高数据的可泛化性和可重复性	神经影像数据及其提取的放射组学特征	计算机视觉	NA	深度学习	条件变分自编码器	图像	一个大型认知老化队列的神经影像数据
16070	2024-09-19	From Deep Mutational Mapping of Allosteric Protein Landscapes to Deep Learning of Allostery and Hidden Allosteric Sites: Zooming in on "Allosteric Intersection" of Biochemical and Big Data Approaches 2023-Apr-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24097747 PMID:37175454	综述	本文综述了通过数据密集型生物化学方法和基于人工智能的计算方法在别构研究中的最新进展	讨论了人工智能方法在蛋白质结构和动力学研究中的应用进展，并强调了开发人工智能增强的整合结构生物学的重要性	尽管人工智能方法在蛋白质研究中取得了显著进展，但别构调控与新兴结构生物学技术和人工智能方法之间的交叉领域仍未充分探索	探讨别构研究中数据密集型生物化学方法和人工智能计算方法的最新发展	蛋白质动力学和别构机制	机器学习	NA	机器学习	NA	蛋白质结构数据	NA
16071	2024-09-19	Hierarchical multi-omics data integration and modeling predict cell-specific chemical proteomics and drug responses 2023-04-24, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100452 PMID:37159671	研究论文	开发了一种端到端的深度学习框架TransPro，用于预测未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和相应表型	提出了TransPro框架，通过分层整合多组学数据来预测蛋白质组学特征和药物反应，填补了蛋白质组学数据稀缺和缺失值问题的空白	NA	开发一种计算方法来推断药物诱导的蛋白质组学模式，以促进系统药理学的发展	未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和药物反应	机器学习	NA	深度学习	深度学习框架	多组学数据	NA
16072	2024-09-19	Revolutionizing the Early Detection of Alzheimer's Disease through Non-Invasive Biomarkers: The Role of Artificial Intelligence and Deep Learning 2023-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s23094184 PMID:37177386	研究论文	本文探讨了通过非侵入性生物标志物结合人工智能和深度学习技术，实现阿尔茨海默病早期检测的潜力	本文提出了一种结合非侵入性技术和人工智能深度学习的方法，用于阿尔茨海默病的早期检测，这在当前研究中是一个创新点	本文未详细讨论具体的模型或技术细节，以及实际应用中的可行性和效果	研究目的是通过非侵入性方法和人工智能技术，实现阿尔茨海默病的早期检测	研究对象是阿尔茨海默病及其早期检测方法	机器学习	阿尔茨海默病	人工智能和深度学习	深度学习模型	生物数据	NA
16073	2024-09-19	Deployment of Real-time Natural Language Processing and Deep Learning Clinical Decision Support in the Electronic Health Record: Pipeline Implementation for an Opioid Misuse Screener in Hospitalized Adults 2023-Apr-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/44977 PMID:37079367	研究论文	本文详细介绍了一个医院范围内实时自然语言处理和深度学习临床决策支持工具的部署流程，并描述了一个以用户为中心的设计框架	本文首次在临床环境中实施了实时自然语言处理管道，用于医疗保健交付	网络安全审批和保护健康信息交换是管道开发中最长的延迟原因	旨在详细描述一个医院范围内的实时自然语言处理驱动的临床决策支持工具的实施流程，并提供一个实施框架	医院范围内的实时自然语言处理驱动的临床决策支持工具	自然语言处理	NA	自然语言处理	卷积神经网络	文本	100名成年患者
16074	2024-09-19	Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training 2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI53787.2023.10230515 PMID:39253557	研究论文	本文探讨了通过证据神经网络和不确定性感知训练来改善深度学习模型校准的方法	本文结合了不确定性感知训练和证据神经网络两种方法，展示了它们在复杂任务中改善模型校准的潜力	实验结果表明，当任务变得足够复杂时，模型校准可能会受到影响，即使使用高容量模型	研究如何通过不确定性感知训练和证据神经网络来改善深度学习模型的校准	MNIST数字分类任务和使用相位对比心脏磁共振图像的复杂医学影像伪影检测任务	计算机视觉	NA	深度学习	证据神经网络	图像	涉及MNIST数据集和相位对比心脏磁共振图像的医学影像伪影检测任务
16075	2024-09-19	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537196 PMID:37131600	研究论文	本文介绍了一个名为mEMbrain的交互式深度学习MATLAB工具，用于在普通台式机上进行连接组分割	提出了mEMbrain工具，集成了多种功能，包括地面真值生成、图像预处理、深度神经网络训练和实时预测，旨在加速手动标注工作并提供半自动实例分割方法	NA	开发一个用户友好的工具，帮助神经科学和图像处理领域的研究人员进行高级分析	电子显微镜（EM）数据集的标注和分割	计算机视觉	NA	深度学习	深度神经网络	图像	涉及4种不同动物和5个数据集，总计约180小时的专家标注，产生超过1.2 GB的标注EM图像
16076	2024-09-19	Methods and considerations for estimating parameters in biophysically detailed neural models with simulation based inference 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537118 PMID:37131818	研究论文	本文探讨了如何使用基于模拟的推断（SBI）方法在生物物理学详细神经模型中估计参数，并提供了相关的指导和考虑因素	提出了使用基于模拟的推断（SBI）方法来克服传统方法中无法访问似然函数的挑战，并利用深度学习进行密度估计	在大规模生物物理学详细模型中应用SBI仍然具有挑战性，尤其是当需要估计时间序列波形参数时	为在生物物理学详细神经模型中应用基于模拟的推断（SBI）方法提供指导和考虑因素	生物物理学详细神经模型中的参数估计	神经科学	NA	基于模拟的推断（SBI）	深度学习	时间序列波形	NA
16077	2024-09-19	Self-supervised attention-based deep learning for pan-cancer mutation prediction from histopathology 2023-Mar-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00365-0 PMID:36977919	研究论文	本文研究了基于自监督注意力的深度学习方法在泛癌变异预测中的应用	本文提出了一种结合自监督特征提取和基于注意力的多实例学习的分析流程，提高了预测的鲁棒性和泛化能力	文章未提及具体的局限性	研究深度学习方法在病理切片中预测基因突变的泛化能力	研究对象为多种肿瘤类型的病理切片	数字病理学	泛癌	深度学习	基于注意力的多实例学习	图像	涉及两个大型多肿瘤类型数据集
16078	2024-09-19	A feasibility study of enhanced prompt gamma imaging for range verification in proton therapy using deep learning 2023-03-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acbf9a PMID:36848674	研究论文	本文研究了使用深度学习增强提示伽马成像在质子治疗中进行范围验证的可行性	提出了一种两层深度学习方法，结合新颖的加权轴投影损失，生成精确的3D提示伽马图像，以实现准确的质子范围验证	本文仅进行了初步研究，尚未在临床环境中验证该方法的有效性	研究深度学习在质子治疗中增强提示伽马成像以进行范围验证的可行性	质子治疗中的提示伽马成像	计算机视觉	NA	深度学习	两层深度学习模型	图像	模拟了54个质子笔束（能量范围：75-125 MeV，剂量水平：1 × 10^10质子/束和3 × 10^10质子/束）
16079	2024-09-19	Unassisted Clinicians Versus Deep Learning-Assisted Clinicians in Image-Based Cancer Diagnostics: Systematic Review With Meta-analysis 2023-03-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/43832 PMID:36862499	系统综述与荟萃分析	本文系统地量化了在图像辅助癌症诊断中，临床医生在有无深度学习辅助下的诊断准确性	首次系统地量化了深度学习辅助临床医生在图像辅助癌症诊断中的诊断准确性	研究结果未涵盖临床实践中涉及的所有细节，需要进一步研究以改进深度学习辅助实践	量化临床医生在有无深度学习辅助下的诊断准确性	临床医生在图像辅助癌症诊断中的诊断准确性	机器学习	NA	深度学习	NA	图像	共分析了48项研究，其中25项提供了足够的统计数据进行荟萃分析
16080	2024-09-19	Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays 2023-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3217218 PMID:36288235	研究论文	提出了一种基于放射组学的全局-局部Transformer模型，用于胸部X光片中病理定位和分类	创新性地融合了全局图像信息与局部放射组学引导的辅助信息，无需边界框标注即可实现准确的病理定位和分类	NA	开发一种无需边界框标注的病理定位和分类方法	胸部X光片中的病理定位和分类	数字病理学	NA	Transformer	Transformer	图像	使用了NIH ChestXRay数据集