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
121	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
122	2024-10-17	Retracted: Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2023, Journal of healthcare engineering DOI:10.1155/2023/9851918 PMID:38094810	correction	该文章撤回了基于深度学习和多模态CT评估中风患者缺血性半暗带的论文	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
123	2024-10-17	Adversarial training improves model interpretability in single-cell RNA-seq analysis 2023, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbad166 PMID:38099262	研究论文	本文探讨了通过对抗训练提高单细胞RNA测序数据分析中模型鲁棒性和可解释性的方法	首次展示了对抗训练在提高深度学习模型鲁棒性的同时，也能提升模型的可解释性	研究仅限于单细胞RNA测序数据的细胞类型预测任务，未在其他任务上进行验证	研究如何通过对抗训练提高计算模型的鲁棒性和可解释性	单细胞RNA测序数据的细胞类型预测	机器学习	NA	对抗训练	深度学习模型	单细胞RNA测序数据	NA
124	2024-10-17	Transformer encoder with multiscale deep learning for pain classification using physiological signals 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1294577 PMID:38124717	研究论文	研究提出了一种名为PainAttnNet的新型深度学习模型，用于使用生理信号进行疼痛强度分类	引入了PainAttnNet模型，结合多尺度卷积网络、挤压激励残差网络和Transformer编码器块，以提取多时间窗口的鲁棒特征并增强时间依赖性分析	NA	开发一种能够准确分类疼痛强度的深度学习模型，以克服传统自我报告量表的局限性	疼痛强度分类	机器学习	NA	多尺度深度学习	Transformer编码器	生理信号	BioVid热疼痛数据集
125	2024-10-16	Accurate prediction of functional effect of single amino acid variants with deep learning 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2023.11.017 PMID:38074467	研究论文	本文介绍了一种名为Rep2Mut-V2的新型深度学习模型，用于准确预测蛋白质单氨基酸变体的功能效应	利用transformer模型的学习表示，显著提高了对蛋白质变体功能效应的预测准确性	NA	开发一种能够准确预测蛋白质单氨基酸变体功能效应的计算方法	蛋白质单氨基酸变体的功能效应	机器学习	NA	深度学习	transformer模型	蛋白质序列数据	38个蛋白质数据集，包含118,933个单氨基酸变体
126	2024-10-16	AMSF: attention-based multi-view slice fusion for early diagnosis of Alzheimer's disease 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1706 PMID:38077590	研究论文	本文提出了一种基于注意力机制的多视角切片融合方法（AMSF），用于阿尔茨海默病的早期诊断	本文创新性地结合了三维全局特征和多视角二维切片特征，并通过注意力机制引导切片特征的融合，生成全面的MRI图像表示	本文未提及具体的局限性	旨在提高阿尔茨海默病早期诊断的准确性	阿尔茨海默病	计算机视觉	神经退行性疾病	注意力机制	深度神经网络	MRI图像	使用了公开数据集进行实验
127	2024-10-16	Deep learning Binary/Multi classification for music's brainwave entrainment beats 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1642 PMID:38077584	研究论文	本文提出了一种基于深度学习的音乐脑波同步节拍分类方法，使用VGGish和YAMNET模型进行二分类和多分类	本文的创新点在于提出了一种基于音乐信号元素而非依赖EEG的分类方法，并开发了适用于移动设备的低功耗低延迟模型	本文的局限性在于需要生成新的数据集进行训练和测试，且未验证所有音乐数据集的EEG相关性	研究音乐脑波同步节拍对听众心理和生理影响的分类方法	音乐脑波同步节拍及其对人类脑波的影响	机器学习	NA	深度学习	CNN	音频	两个数据集，Brainwave Entrainment Beats (BWEB) 和 Brainwave Music Manipulation (BWMM)，用于分类训练和测试
128	2024-10-15	Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0115 PMID:38033720	研究论文	提出了一种基于密度互斥的半监督葡萄浆果田间计数方法	引入基于密度互斥的辅助任务，利用未标记数据的空间分布模式，并设计了密度差异损失以增强特征表示	未提及	解决葡萄浆果计数中的遮挡问题，提高计数准确性	葡萄浆果	计算机视觉	NA	深度学习	VGG16	图像	田间葡萄浆果数据集
129	2024-10-15	Hybrid transfer learning strategy for cross-subject EEG emotion recognition 2023, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2023.1280241 PMID:38034069	研究论文	本文提出了一种混合迁移学习策略，用于跨受试者的脑电图情绪识别	设计了一种名为Emo-DA的领域自适应学习模块，并结合少量样本微调网络（DFF-Net），显著提高了跨受试者脑电图情绪识别的准确性	未提及	解决跨受试者脑电图情绪识别中的性能下降问题	脑电图信号的情绪识别	机器学习	NA	迁移学习	DFF-Net	脑电图信号	在SEED数据集上达到93.37%的平均识别准确率，在SEED-IV数据集上达到82.32%的平均识别准确率
130	2024-10-15	Artificial intelligence-driven systems engineering for next-generation plant-derived biopharmaceuticals 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1252166 PMID:38034587	综述	本文综述了人工智能驱动的系统工程在植物源下一代生物制药中的应用	本文提出通过人工智能和合成生物学工具优化植物系统中重组蛋白的表达，以提高产量和稳定性	本文未详细讨论具体的实验验证和实际应用案例	探讨人工智能在植物分子制药中的应用，以提高重组蛋白的产量和稳定性	植物系统中的重组生物制药，包括抗原、抗体、激素、细胞因子、单链可变片段和肽	生物技术	NA	人工智能算法	神经网络、支持向量机、线性回归、高斯过程和回归器集成	蛋白质结构数据	NA
131	2024-10-15	Multi-level advances in databases related to systems pharmacology in traditional Chinese medicine: a 60-year review 2023, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2023.1289901 PMID:38035021	综述	本文回顾了60年来与中医药系统药理学相关的数据库的多层次进展	本文探讨了计算技术（包括深度学习和基础模型）在推动复杂系统探索和建模方面的新进展，预示着新时代的到来	本文指出了中医药计算药理学研究中的瓶颈问题	探讨中医药系统药理学相关数据库的进展，并展望计算研究的未来方向	中医药配方、草药、成分、靶点、表型等六个关键实体	NA	NA	网络分析、深度学习、基础模型	NA	NA	NA
132	2024-10-15	Instruction-Level Power Side-Channel Leakage Evaluation of Soft-Core CPUs on Shared FPGAs 2023, Journal of hardware and systems security DOI:10.1007/s41635-023-00135-1 PMID:38037617	研究论文	本文研究了在共享FPGA环境中，软核CPU在指令级别的功耗侧信道泄漏问题	本文首次在没有物理访问或昂贵测量设备的环境中分析了指令级别的功耗侧信道泄漏，并展示了在多租户FPGA场景中的泄漏情况	尽管在某些情况下可以识别指令的操作码，但泄漏同一类型指令之间的差异对深度学习模型来说是一个挑战	评估在共享FPGA环境中，软核CPU在指令级别的功耗侧信道泄漏情况	软核CPU在指令级别的功耗侧信道泄漏	计算机视觉	NA	功耗侧信道分析	深度学习模型	功耗侧信道数据	NA
133	2024-10-14	Computational single cell oncology: state of the art 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1256991 PMID:38028624	综述	本文综述了单细胞计算分析在肿瘤学领域的最新进展	本文介绍了单细胞计算分析在肿瘤学中的应用，包括识别新的细胞状态、表征肿瘤亚型、发现生物标志物和预测治疗反应	本文讨论了单细胞数据处理中的挑战，包括数据质量控制、归一化、降维、聚类和轨迹推断	本文旨在为研究人员提供利用计算方法解锁单细胞分析在理解癌症生物学中的全部潜力的路线图	单细胞计算分析在肿瘤学中的应用	数字病理学	NA	计算算法和生物信息学方法	机器学习和深度学习	单细胞数据	NA
134	2024-10-11	A computer vision image differential approach for automatic detection of aggressive behavior in pigs using deep learning 2023-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skad347 PMID:37813375	研究论文	本研究使用基于卷积神经网络和图像差分的深度学习方法，自动检测猪的攻击行为	本研究创新性地结合了图像差分技术和卷积神经网络，以提高检测猪攻击行为的准确性和效率	本研究仅在特定条件下（32对不熟悉的猪仔）进行了实验，结果可能不适用于所有情况	开发一种自动检测猪攻击行为的有效且计算效率高的方法	猪的攻击行为	计算机视觉	NA	深度学习	卷积神经网络	图像	32对不熟悉的猪仔，共16小时视频记录，其中1.25小时用于建模
135	2024-10-11	SEA-Net: Structure-Enhanced Attention Network for Limited-Angle CBCT Reconstruction of Clinical Projection Data 2023, IEEE transactions on instrumentation and measurement IF:5.6Q1 DOI:10.1109/tim.2023.3318712 PMID:38957474	研究论文	本文旨在通过开发深度学习方法，利用临床CBCT投影数据改进有限角度锥束CT重建	首次利用临床投影数据进行有限角度CBCT重建的可行性研究	NA	改进有限角度锥束CT重建技术，减少扫描时间和辐射剂量	临床CBCT投影数据	计算机视觉	NA	深度学习	结构增强注意力网络（SEA-Net）	图像	NA
136	2024-10-11	Validation of deep learning techniques for quality augmentation in diffusion MRI for clinical studies 2023, NeuroImage. Clinical DOI:10.1016/j.nicl.2023.103483 PMID:37572514	研究论文	本研究评估了深度学习技术在临床应用中提高扩散MRI数据质量的有效性	本研究首次探讨了深度学习技术在扩散MRI数据质量增强中的应用，并评估了其在临床研究中的效果	研究结果显示，深度学习技术在提高检测统计差异能力的同时，也增加了假阳性率，且在处理异质性数据时存在信息被篡改的风险	评估深度学习技术在临床应用中提高扩散MRI数据质量的有效性	扩散MRI数据的质量增强，特别是偏头痛患者的临床试验	计算机视觉	偏头痛	深度学习	NA	图像	14个不同机构的团队使用21个梯度方向和b值为1000 s/mm的数据进行研究
137	2024-10-08	AI-based multi-PRS models outperform classical single-PRS models 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1217860 PMID:37441549	研究论文	本文研究了基于AI的多PRS模型是否能超越传统的单一PRS模型	本文创新性地将其他疾病的PRS添加到预测模型中，并使用机器学习模型替代回归模型，显著提高了预测性能	NA	研究如何通过添加其他疾病的PRS和使用机器学习模型来提高疾病风险的预测性能	多PRS模型与单一PRS模型的比较，以及回归模型与机器学习模型的比较	机器学习	多种复杂疾病	机器学习	深度学习	基因数据	NA
138	2024-10-07	Performance comparison of TCR-pMHC prediction tools reveals a strong data dependency 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1128326 PMID:37143667	研究论文	本文比较了五种最先进的深度学习模型在TCR-pMHC预测工具中的性能，揭示了数据依赖性	提供了数据收集、预处理、分割和生成负样本的通用方法，并使用综合数据集比较了TCR-pMHC预测模型的性能	模型在未见过的肽段上泛化能力较差，且性能受数据平衡和大小影响较大	评估和比较不同TCR-pMHC预测模型的性能	TCR-pMHC结合预测模型	机器学习	NA	深度学习	深度学习模型（TITAN, NetTCR-2.0, ERGO, DLpTCR, ImRex）	TCR-pMHC结合数据	收集并整合了所有主要的公开可用TCR-pMHC结合数据
139	2024-10-06	Transformer-based deep learning for predicting protein properties in the life sciences 2023-01-18, eLife IF:6.4Q1 DOI:10.7554/eLife.82819 PMID:36651724	综述	本文综述了基于Transformer模型的深度学习在生命科学中预测蛋白质特性的应用	Transformer模型在蛋白质特性预测中的应用带来了新的计算革命，显著改进了旧的预测结果	NA	探讨Transformer模型在蛋白质特性预测中的应用及其潜力	蛋白质特性预测，特别是后翻译修饰的预测	自然语言处理	NA	深度学习	Transformer	蛋白质序列	NA
140	2024-10-06	From sequence to function through structure: Deep learning for protein design 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.014 PMID:36544476	研究论文	本文综述了深度学习在蛋白质设计中的最新进展，并提出了一种从生成序列到预测属性和网络可视化的实用流程	利用自然语言处理和计算机视觉技术，结合计算硬件的进步，从生物数据库中学习模式，用于蛋白质设计	蛋白质设计工具的实际应用复杂，需要进一步简化	探讨深度学习在蛋白质设计中的应用，提出实用流程并讨论挑战和机遇	蛋白质设计工具和流程	计算机视觉	NA	深度学习	NA	生物数据库	NA