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
16621	2024-09-23	Deep learning-based integration of genetics with registry data for stratification of schizophrenia and depression 2022-07, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abi7293 PMID:35767618	研究论文	本文基于深度学习方法，整合遗传数据与注册数据，对抑郁症和精神分裂症患者进行分层	本文创新性地将深度学习应用于精神疾病的分层，并整合了多种数据类型进行分析	本文的样本主要来自iPSYCH2012病例队列，可能存在样本偏倚	旨在通过数据驱动的分层方法改进精神疾病的诊断和治疗	抑郁症和精神分裂症患者及其对照组	机器学习	精神疾病	深度学习	NA	遗传数据、注册数据	19,636名抑郁症和/或精神分裂症患者，22,467名对照组
16622	2024-09-23	Prostate cancer therapy personalization via multi-modal deep learning on randomized phase III clinical trials 2022-Jun-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00613-w PMID:35676445	研究论文	本文展示了通过多模态深度学习架构预测长期临床相关结果，从而实现前列腺癌治疗个性化	本文提出的模型在所有终点上均优于国家癌症中心网络（NCCN）的风险分层工具，相对改进范围为9.2%至14.6%	NA	开发一种基于人工智能的工具，以改进前列腺癌治疗的预测和个性化	前列腺癌患者的长期临床结果	数字病理学	前列腺癌	多模态深度学习	深度学习架构	临床数据和数字病理学图像	5654名随机化患者，中位随访时间为11.4年
16623	2024-09-23	A multi-task Gaussian process self-attention neural network for real-time prediction of the need for mechanical ventilators in COVID-19 patients 2022-06, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104079 PMID:35489596	研究论文	本文提出了一种多任务高斯过程自注意力神经网络模型，用于实时预测COVID-19患者是否需要机械通气	该模型结合了多任务高斯过程处理观测数据中的不规则采样率，并使用自注意力神经网络进行预测任务	NA	旨在提高对COVID-19患者机械通气需求的实时预测准确性	COVID-19患者在住院期间是否需要机械通气	机器学习	COVID-19	多任务高斯过程	自注意力神经网络	临床数据	9532名全国范围内的住院COVID-19患者
16624	2024-09-23	MusMorph, a database of standardized mouse morphology data for morphometric meta-analyses 2022-05-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01338-x PMID:35614082	研究论文	本文介绍了MusMorph数据库，该数据库包含标准化的小鼠形态数据，用于形态学元分析	创建了MusMorph数据库，通过图像配准、深度学习和形态测量技术相结合的图谱基础表型分析流程，实现了小鼠形态数据的标准化	NA	旨在为形态变异的元分析提供标准化的小鼠形态数据	小鼠的颅面复合体和大脑的形态变异	NA	NA	图像配准、深度学习、形态测量	NA	图像	10,056只小鼠样本，涵盖多个基因型和发育阶段
16625	2024-09-23	CancerVar: An artificial intelligence-empowered platform for clinical interpretation of somatic mutations in cancer 2022-05-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abj1624 PMID:35544644	研究论文	开发了一个名为CancerVar的人工智能平台，用于根据AMP/ASCO/CAP 2017指南自动化和标准化解释1300万个体细胞突变，并引入深度学习框架预测这些突变的致癌性	CancerVar整合了临床指南和深度学习框架，自动化和标准化解释体细胞突变，减少了人工工作，提高了变异分类的一致性	NA	开发一个自动化和标准化的平台，用于临床解释癌症中的体细胞突变	1300万个体细胞突变及其致癌性预测	机器学习	癌症	深度学习	深度学习框架	突变数据	1300万个体细胞突变
16626	2024-09-23	Chromatin interaction-aware gene regulatory modeling with graph attention networks 2022-05, Genome research IF:6.2Q1 DOI:10.1101/gr.275870.121 PMID:35396274	研究论文	本文介绍了一种新的深度学习方法GraphReg，利用染色质三维相互作用来预测基因表达	GraphReg通过使用图注意力网络，能够更准确地建模基因调控并预测基因表达水平，优于现有的深度学习方法	NA	解决调控基因组学中长期未解决的问题，即远端增强子与基因的关联及其对目标基因表达的影响	基因表达预测和功能增强子的识别	机器学习	NA	染色质构象捕获技术	图注意力网络	基因组数据	NA
16627	2024-09-23	Machine Learning to Predict Risk of Relapse Using Cytologic Image Markers in Patients With Acute Myeloid Leukemia Posthematopoietic Cell Transplantation 2022-05, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.21.00156 PMID:35522898	研究论文	本文研究了使用细胞学图像标记预测急性髓系白血病患者造血细胞移植后复发风险的方法	本文首次探索了从髓母细胞染色质模式中提取的形态和纹理特征是否有助于预测复发和预测无复发生存期	本文的局限性在于样本量较小，且仅限于急性髓系白血病和骨髓增生异常综合征患者	研究目的是探索计算机提取的髓母细胞染色质模式的形态和纹理特征是否能帮助预测造血细胞移植后的复发和无复发生存期	研究对象为急性髓系白血病和骨髓增生异常综合征患者	机器学习	急性髓系白血病	深度学习	CNN	图像	92名患者，分为训练集52名和验证集40名
16628	2024-09-23	Annotating functional effects of non-coding variants in neuropsychiatric cell types by deep transfer learning 2022-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010011 PMID:35576194	研究论文	本文开发了一种基于深度迁移学习的模型MetaChrom，用于注释神经精神细胞类型中非编码变异的功能效应	MetaChrom模型通过迁移学习利用公共表观基因组数据集的信息，提高了对神经发育相关细胞/组织类型中染色质可及性变异的预测准确性	NA	开发一种新的计算方法，用于优先考虑和解释与神经精神性状相关的非编码变异的分子机制	神经精神性状相关的非编码变异及其功能效应	机器学习	神经精神疾病	深度学习	卷积神经网络（ResNet）	DNA序列	大量神经发育相关的细胞/组织类型
16629	2024-09-23	Framework for denoising Monte Carlo photon transport simulations using deep learning 2022-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.8.083019 PMID:35614533	研究论文	本文提出了一种利用深度学习技术去噪蒙特卡罗光子传输模拟的框架	开发了一种结合DnCNN和UNet的级联网络，并扩展了多种图像去噪神经网络架构，用于处理三维蒙特卡罗数据	NA	开发一种有效的图像去噪技术，以显著提高低光子蒙特卡罗模拟结果的质量，从而加速蒙特卡罗方法	蒙特卡罗光子传输模拟中的噪声问题	计算机视觉	NA	深度学习	级联网络（DnCNN和UNet的结合）	三维蒙特卡罗数据	NA
16630	2024-09-23	Accurate prediction of molecular targets using a self-supervised image representation learning framework 2022-Apr-07, Research square DOI:10.21203/rs.3.rs-1477870/v1 PMID:35411337	研究论文	本文介绍了一种名为ImageMol的无监督预训练深度学习框架，用于从850万未标记的类药物分子中预测候选化合物的分子靶点	ImageMol框架通过从分子图像中预训练化学表示，基于分子的局部和全局结构特征，展示了在分子性质评估和分子靶点预测中的高性能	NA	开发一种无监督预训练的深度学习框架，用于准确预测药物的分子靶点	类药物分子及其分子靶点	计算机视觉	COVID-19	深度学习	NA	图像	850万未标记的类药物分子
16631	2024-09-23	Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-Apr, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00041-9 PMID:35464150	研究论文	开发了一种结合神经网络和生存分析的深度学习方法，用于从增强心脏磁共振图像和临床协变量中预测缺血性心脏病患者的个体化生存曲线	提出的深度学习方法在预测长达10年的生存曲线时表现优异，且能估计预测的不确定性，优于使用临床协变量的标准生存模型	NA	开发一种新的深度学习方法，用于预测心律失常导致的猝死患者的生存概率	缺血性心脏病患者	机器学习	心血管疾病	深度学习	神经网络	图像	多中心内部验证数据和独立测试集
16632	2024-09-23	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	本文介绍了一种名为SLEAP的深度学习系统，用于多动物姿态跟踪	SLEAP系统具有用户友好的图形界面、标准化的数据模型、可重复的配置系统，以及超过30种模型架构和两种部分分组与身份跟踪方法	NA	开发一种能够处理多动物姿态跟踪的深度学习系统，以支持社会行为或自然环境中动物行为的研究	苍蝇、蜜蜂、小鼠和沙鼠等多动物的姿态跟踪	计算机视觉	NA	深度学习	CNN	图像	涉及七个数据集，包括苍蝇、蜜蜂、小鼠和沙鼠
16633	2024-09-23	Deep learning for robust and flexible tracking in behavioral studies for C. elegans 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009942 PMID:35395006	研究论文	本文展示了使用Faster R-CNN进行秀丽隐杆线虫行为研究中的鲁棒和灵活跟踪	本文首次将Faster R-CNN应用于秀丽隐杆线虫的行为跟踪，展示了其在复杂环境中的速度、准确性和鲁棒性	NA	展示Faster R-CNN在不同实验条件下进行大规模行为研究的适用性	秀丽隐杆线虫在不同生命阶段的行为，包括发育过程中的速度、繁殖成体的生育率和空间分布，以及衰老群体的行为衰退	计算机视觉	NA	Faster R-CNN	CNN	视频	NA
16634	2024-09-23	Artificial Intelligence and Machine Learning: What You Always Wanted to Know but Were Afraid to Ask 2022, Gastro hep advances DOI:10.1016/j.gastha.2021.11.001 PMID:39129929	综述	本文综述了人工智能和机器学习在健康科学中的应用，特别是其在胃肠病学和肝病学领域的研究与临床实践中的影响	本文介绍了机器学习的基本原理及其在医学技术中的应用，特别是深度学习方法	NA	旨在为临床医生提供机器学习基础知识的指南，帮助他们理解和应用人工智能技术	人工智能和机器学习在健康科学中的应用，特别是其在胃肠病学和肝病学领域的研究与临床实践中的影响	机器学习	NA	机器学习	深度学习	NA	NA
16635	2024-09-23	Predicting biochemical recurrence of prostate cancer with artificial intelligence 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00126-3 PMID:35693032	研究论文	本文利用人工智能技术预测前列腺癌的生化复发	开发了一种基于卷积神经网络的形态学生物标志物，用于预测前列腺癌的生化复发，并使用概念性解释方法解释了学习到的组织模式	NA	探索利用人工智能发现额外的预后信息，以预测前列腺癌的生化复发	前列腺癌的生化复发	数字病理学	前列腺癌	卷积神经网络	CNN	组织	685名患者用于训练，204名患者用于验证
16636	2024-09-23	Deep learning models for COVID-19 chest x-ray classification: Preventing shortcut learning using feature disentanglement 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274098 PMID:36201483	研究论文	本文提出了一种使用特征解耦技术来防止深度学习模型在COVID-19胸片分类中出现捷径学习的方法	引入特征解耦技术，强制模型识别图像中的肺部特征，并惩罚其学习来自原始数据集的特征	未提及	提高深度学习模型在COVID-19胸片分类中的泛化性能	COVID-19患者的胸片	计算机视觉	COVID-19	特征解耦	深度学习模型	图像	未提及
16637	2024-09-23	Informative and Reliable Tract Segmentation for Preoperative Planning 2022, Frontiers in radiology DOI:10.3389/fradi.2022.866974 PMID:37492653	研究论文	本研究使用深度学习进行可靠的脑白质束分割，并结合不确定性量化来测量分割的不确定性，以辅助术前规划	本研究首次将深度学习和不确定性量化结合用于脑白质束分割，并提出了基于体积的校准方法来计算代表性的预测概率	本研究仅在特定数据集上进行了验证，尚未在临床环境中广泛应用	提高脑白质束分割的准确性和可靠性，以辅助术前规划和手术操作	脑白质束的分割和不确定性量化	计算机视觉	NA	深度学习	3D U-Net	图像	未明确提及具体样本数量
16638	2024-09-23	Improving disease classification performance and explainability of deep learning models in radiology with heatmap generators 2022, Frontiers in radiology DOI:10.3389/fradi.2022.991683 PMID:37492678	研究论文	研究通过在训练中引入热图生成器，改进深度学习模型在放射学中的疾病分类性能和可解释性	通过在训练过程中引入热图生成器和眼动数据，同时提高了疾病分类性能和模型的可解释性	NA	提高深度学习模型在放射学中的疾病分类性能和可解释性	胸部X光片及其相关标签（正常、充血性心力衰竭和肺炎）以及放射科医生的眼动坐标数据	计算机视觉	心血管疾病	NA	U-Net	图像	包含胸部X光片、相关标签和放射科医生眼动坐标的多个样本
16639	2024-09-23	Applications of machine learning in computer-aided drug discovery 2022, QRB discovery DOI:10.1017/qrd.2022.12 PMID:37529294	综述	本文综述了机器学习在基于结构的药物设计中的应用，特别是深度学习在从头药物设计、结合位点预测和结合亲和力预测方面的最新趋势	本文介绍了深度学习在基于结构的药物设计中的应用，特别是其在从头药物设计、结合位点预测和结合亲和力预测方面的创新应用	NA	总结机器学习在基于结构的药物设计中的最新趋势	基于结构的药物设计中的深度学习应用	计算机视觉	NA	机器学习	深度学习	实验数据	NA
16640	2024-09-23	Hyperspectral Microscopic Imaging for the Detection of Head and Neck Squamous Cell Carcinoma on Histologic Slides 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2581970 PMID:35783088	研究论文	研究使用高光谱显微成像和深度学习方法自动检测头颈部鳞状细胞癌	首次将高光谱显微成像与基于Inception的二维卷积神经网络结合用于头颈部鳞状细胞癌的自动检测	样本量较小，仅涉及18名患者	探索高光谱显微成像和深度学习方法在头颈部鳞状细胞癌自动检测中的应用	头颈部鳞状细胞癌的病理切片	数字病理学	头颈部鳞状细胞癌	高光谱成像	二维卷积神经网络	图像	18名患者