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
141	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
142	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
143	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
144	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
145	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
146	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
147	2024-10-05	3D multiplexed tissue imaging reconstruction and optimized region of interest (ROI) selection through deep learning model of channels embedding 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1275402 PMID:37928169	研究论文	本文提出了一种深度学习方法，用于从多通道图像中重建3D组织图像并优化感兴趣区域（ROI）的选择	本文的创新点在于使用生成模型重建3D CyCIF表示，并通过跨域翻译学习多模态映射，以实现最小代表性ROI的选择	本文的局限性在于处理大量组织切片时的高成本和时间消耗，以及ROI选择的定性和主观性	本文的研究目的是解决肿瘤异质性问题，通过深度学习方法优化组织图像的重建和感兴趣区域的选择	本文的研究对象是结直肠癌的组织图像和多通道图像	数字病理学	结直肠癌	深度学习	生成模型	图像	NA
148	2024-10-05	Applications of discriminative and deep learning feature extraction methods for whole slide image analysis: A survey 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100335 PMID:37928897	综述	本文综述了用于全切片图像分析的判别性和深度学习特征提取方法	深度学习特征提取方法在组织学相关任务中表现出优越的性能	NA	探讨数字病理学中特征提取方法的进展、挑战和机遇	全切片图像（WSI）的特征提取方法	数字病理学	NA	深度学习	NA	图像	NA
149	2024-10-04	Automatic deep learning method for third lumbar selection and body composition evaluation on CT scans of cancer patients 2023, Frontiers in nuclear medicine (Lausanne, Switzerland) DOI:10.3389/fnume.2023.1292676 PMID:39355015	研究论文	开发并验证了一种深度学习算法，用于自动选择和分割癌症患者CT扫描中的第三腰椎以及评估身体成分	首次使用深度学习算法自动选择第三腰椎并分割腹部肌肉、内脏脂肪和皮下脂肪，减少了手动操作的时间和复杂性	仅在两个癌症中心的352例CT扫描中进行了验证，可能需要进一步的多中心验证以确保广泛适用性	开发一种自动化的深度学习方法，用于癌症患者CT扫描中的第三腰椎选择和身体成分评估	癌症患者的CT扫描图像，特别是第三腰椎及其周围的身体成分	计算机视觉	NA	深度学习	NA	图像	352例CT扫描
150	2024-10-04	Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284167 PMID:37023117	研究论文	本研究使用深度学习算法分析了心率变异性与皮质觉醒之间的耦合关系	首次在多民族人群中研究了皮质觉醒与心率变异性的即时关联	研究仅限于多民族动脉粥样硬化研究数据集中的1069名受试者	探讨皮质觉醒与心率变异性之间的关联及其在不同性别和睡眠阶段中的差异	心率变异性与皮质觉醒的关联	心血管疾病	NA	深度学习	深度学习算法	心电信号	1069名受试者的整夜心电信号
151	2024-10-02	A systematic review of machine learning techniques for stance detection and its applications 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08285-7 PMID:36743664	综述	本文系统回顾了用于立场检测及其应用的机器学习技术	本文提出了一个六维分类法，用于分类和分析立场检测相关的研究，并指出了深度学习模型中自注意力机制的广泛应用	尽管机器学习模型在立场检测领域显示出潜力，但在现实世界中的应用仍然有限	回顾和分析用于立场检测的机器学习技术及其应用	立场检测及其相关应用	自然语言处理	NA	机器学习	深度学习模型	文本	96项主要研究
152	2024-10-02	Cross-sectional Ct distributions from qPCR tests can provide an early warning signal for the spread of COVID-19 in communities 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1185720 PMID:37841738	研究论文	本研究利用qPCR测试中的Ct值分布来改进COVID-19预测模型，以提前预警社区中的疫情传播	开发了一种基于Ct值的预测模型，能够比传统的基于病例数的模型更早地预测疫情波峰	需要进一步验证模型在不同地区和时间段的适用性	改进COVID-19预测模型，提前预警疫情波峰	COVID-19疫情传播的早期预警	机器学习	COVID-19	qPCR	深度学习模型	Ct值	2020年8月至2022年1月期间在Northeastern University收集的PCR数据
153	2024-10-02	Computational methods for in situ structural studies with cryogenic electron tomography 2023, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2023.1135013 PMID:37868346	综述	本文综述了低温电子断层扫描（cryo-ET）中用于原位结构研究的计算方法，包括数据处理流程、经典数学模型和深度学习方法	本文总结了经典数学模型和深度学习方法在cryo-ET重建过程中的应用，并讨论了当前的局限性和未来展望	低温电子断层扫描中的低信噪比和缺失楔形区域是重建过程中的主要挑战	提高cryo-ET数据集的三维高分辨率结构重建	低温电子断层扫描数据处理流程和重建方法	计算机视觉	NA	低温电子断层扫描（cryo-ET）	深度学习	图像	NA
154	2024-10-02	Prediction of transient and permanent protein interactions using AI methods 2023, Bioinformation DOI:10.6026/97320630019749 PMID:37885791	研究论文	本文利用人工智能方法预测蛋白质的瞬时和永久相互作用	本文开发了五种监督机器学习模型和一种人工神经网络深度学习方法来预测蛋白质的瞬时和永久相互作用，并分析了影响这些相互作用的关键物理化学和几何特征	本文未提及具体的局限性	理解蛋白质相互作用的细节，发现抑制剂，并了解蛋白质相互作用的性质和功能	蛋白质-蛋白质相互作用（PPIs）的瞬时和永久分类	机器学习	NA	监督机器学习，人工神经网络	k-NN，其他四种未明确提及的监督机器学习模型	蛋白质-蛋白质复合物的物理化学、几何和结构特征	402个蛋白质-蛋白质复合物
155	2024-10-02	Permafrost viremia and immune tweening 2023, Bioinformation DOI:10.6026/97320630019685 PMID:37885785	研究论文	本文探讨了深度学习模型在理解和管理由永久冻土融化释放的古老和新病毒物种引起的免疫反应中的作用	提出了深度学习模型在免疫监控中的新应用，特别是在处理由永久冻土融化释放的病毒物种方面	NA	研究深度学习模型在免疫监控中的应用，特别是在处理由永久冻土融化释放的病毒物种方面	免疫系统对永久冻土融化释放的病毒物种的反应	机器学习	NA	深度学习	深度学习模型	复杂数据	NA
156	2024-10-02	Mapping the landscape of artificial intelligence in skin cancer research: a bibliometric analysis 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1222426 PMID:37901316	研究论文	本文通过文献计量分析方法，探讨了人工智能在皮肤癌研究中的应用现状和发展趋势	本文首次采用文献计量分析方法，系统梳理了人工智能在皮肤癌诊断中的研究进展和热点领域	目前大多数人工智能在皮肤癌诊断领域的研究仍处于可行性研究阶段，尚未在临床实践中取得显著进展	揭示人工智能在皮肤癌诊断中的研究进展、关注领域和新兴趋势	人工智能在皮肤癌诊断中的应用	机器学习	皮肤癌	文献计量分析	NA	文献	512篇论文
157	2024-10-01	Integration of neuromorphic AI in event-driven distributed digitized systems: Concepts and research directions 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1074439 PMID:36875653	研究论文	本文探讨了在资源受限的边缘计算环境中，如何通过采用类脑计算和传感设备来提高人工智能能力，并提出了一个基于微服务的概念框架，以促进神经形态系统与现有分布式数字计算基础设施的集成	本文提出了一个基于微服务的概念框架，用于神经形态系统的集成，并引入了声明式编程方法来简化工程过程	本文主要提出了概念框架和研究方向，尚未实现具体的系统集成	探讨神经形态AI在事件驱动分布式数字化系统中的集成概念和研究方向	神经形态计算系统与传统冯·诺依曼计算机和时钟驱动传感系统的集成	机器学习	NA	神经形态计算	NA	NA	NA
158	2024-10-01	Sublinear information bottleneck based two-stage deep learning approach to genealogy layout recognition 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1230786 PMID:37457003	研究论文	本文提出了一种基于亚线性信息瓶颈和两阶段深度学习的家谱布局识别方法	引入了亚线性信息瓶颈（SIB）用于提取输入图像的相关特征，并结合两阶段深度学习方法进行家谱布局的识别和定位	NA	开发一种新的家谱布局识别方法，以促进家谱研究和保存	家谱布局图像	计算机视觉	NA	深度学习	CNN	图像	使用了家谱图像数据集进行评估
159	2024-10-01	Multiple Field-of-View Based Attention Driven Network for Weakly Supervised Common Bile Duct Stone Detection 2023, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3286423 PMID:37465459	研究论文	提出了一种基于多视野注意力驱动的深度学习网络MFADNet，用于从CT扫描图像中检测胆总管结石	创新性地结合了多视野编码器、注意力驱动解码器和分类网络，实现了弱监督下的胆总管结石检测	NA	开发一种弱监督的深度学习方法，用于从CT扫描图像中自动检测胆总管结石	胆总管结石	计算机视觉	胆道疾病	深度学习	MFADNet	图像	NA
160	2024-10-01	BIDL: a brain-inspired deep learning framework for spatiotemporal processing 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1213720 PMID:37564366	研究论文	本文介绍了一种名为BIDL的脑启发深度学习框架，用于时空处理	提出了一个通用的学习框架，能够处理多种时空模态数据，如视频片段和3D成像数据	NA	提供一个统一的时空处理设计流程，并研究通过脑启发神经动力学进行轻量级时空处理的能力	视频信息处理、DVS信息处理、3D医学影像分类和自然语言处理	机器学习	NA	深度尖峰神经网络（DSNN）	深度神经网络	视频、3D成像、自然语言	涉及多种类型的数据，具体样本数量未提及