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
16241	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
16242	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
16243	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
16244	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
16245	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
16246	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
16247	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
16248	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
16249	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
16250	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
16251	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
16252	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
16253	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
16254	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
16255	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
16256	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
16257	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
16258	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
16259	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
16260	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