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
361	2024-10-13	The Impact of Artificial Intelligence on Optimizing Diagnosis and Treatment Plans for Rare Genetic Disorders 2023-Oct, Cureus DOI:10.7759/cureus.46860 PMID:37954711	研究论文	探讨人工智能和机器学习在优化罕见遗传病诊断和治疗方案中的变革性影响	强调人工智能在分析大数据集和加速诊断方面的能力，以及在个性化治疗方案和药物发现中的应用	讨论了人工智能在医疗中的挑战和局限性，包括伦理、法律、技术和人类方面的考虑	探索人工智能和机器学习在解决罕见遗传病诊断和治疗复杂性中的作用	罕见遗传病及其诊断和治疗方案	机器学习	罕见遗传病	人工智能、机器学习、深度学习	NA	数据集	NA
362	2024-10-13	Transcriptome-wide marker gene expression analysis of stress-responsive sulfate-reducing bacteria 2023-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-43089-8 PMID:37758719	研究论文	研究分析了硫酸盐还原菌在环境压力下的转录组标记基因表达	使用转录组标记基因面板映射和基因聚类分析方法，揭示了四种硫酸盐还原菌在压力下的基因调控机制	NA	分析硫酸盐还原菌在环境压力下的遗传机制	四种硫酸盐还原菌的转录组标记基因	基因组学	NA	RNA测序	深度学习	基因数据	4种硫酸盐还原菌的基因组
363	2024-10-13	Non-inferiority of deep learning ischemic stroke segmentation on non-contrast CT within 16-hours compared to expert neuroradiologists 2023-09-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-42961-x PMID:37752162	研究论文	研究使用卷积神经网络（CNN）深度学习模型在非对比CT上对急性缺血性卒中进行分割，并与神经放射科专家的分割结果进行比较	首次展示了深度学习模型在非对比CT上对急性缺血性卒中进行分割的非劣效性，与经验丰富的神经放射科专家相当	研究样本量较小，仅包括232例急性缺血性卒中患者，可能影响结果的普适性	验证深度学习模型在非对比CT上对急性缺血性卒中进行分割的准确性，并与神经放射科专家的分割结果进行比较	急性缺血性卒中患者的非对比CT图像	计算机视觉	中风	卷积神经网络（CNN）	CNN	图像	232例急性缺血性卒中患者
364	2024-10-13	Probabilistic generative transformer language models for generative design of molecules 2023-Sep-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-023-00759-z PMID:37749655	研究论文	本文提出了一种基于概率生成转换器的分子生成模型，用于有机分子的生成设计	该模型基于空白填充语言模型，具有高质量生成、可解释性和数据效率高的优势	NA	开发一种可解释且高效的分子生成模型	有机分子	自然语言处理	NA	NA	Transformer	文本	使用MOSES数据集进行基准测试
365	2024-10-13	A review of PET attenuation correction methods for PET-MR 2023-Sep-11, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00569-0 PMID:37695384	综述	本文综述了PET-MR系统中PET衰减校正方法的最新进展	本文将PET衰减校正方法分为四类：基于MR的、基于发射的、基于图谱的和基于机器学习的，并详细讨论了每种方法的优缺点	本文未提供具体的实验数据或结果，而是侧重于方法的分类和讨论	探讨PET-MR系统中PET衰减校正方法的现状和未来发展方向	PET-MR系统中的PET衰减校正方法	计算机视觉	NA	深度学习	深度学习模型	图像	NA
366	2024-10-13	Unsupervised representation learning improves genomic discovery and risk prediction for respiratory and circulatory functions and diseases 2023-Aug-29, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.28.23289285 PMID:37163049	研究论文	介绍了一种基于深度学习的框架REGLE，用于发现基因变异与高维临床数据之间的关联，并应用于呼吸和循环系统疾病的基因发现和风险预测	提出了REGLE框架，使用卷积变分自编码器计算数据的高可遗传性个体成分，并能生成准确的疾病特异性多基因风险评分	NA	利用高维临床数据进行基因发现和风险预测	呼吸和循环系统的功能和疾病	机器学习	呼吸系统疾病	卷积变分自编码器	卷积变分自编码器	高维临床数据	NA
367	2024-10-13	Video reconstruction from a single motion blurred image using learned dynamic phase coding 2023-Aug-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-40297-0 PMID:37604842	研究论文	本文提出了一种混合光学-数字方法，通过在镜头光圈中使用学习到的动态相位编码来从单张运动模糊图像重建视频	本文的创新点在于提出了一种混合光学-数字方法，通过在图像采集过程中使用学习到的动态相位编码来编码运动轨迹，从而克服了传统数字方法的方向模糊性和噪声敏感性问题	本文的局限性在于需要对现有光学系统进行简单修改，并且依赖于图像到视频卷积神经网络	本文的研究目的是通过简单的光学系统修改，从单张运动模糊图像中重建视频，以增强现有相机的功能	本文的研究对象是运动模糊图像和视频重建	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	NA
368	2024-10-13	Convolutional neural network-based vocal cord tumor classification technique for home-based self-prescreening purpose 2023-Aug-18, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-023-01139-2 PMID:37596652	研究论文	本文提出了一种基于卷积神经网络的声带肿瘤分类技术，用于家庭自我筛查	本文创新性地提出了一个深度学习技术，能够同时检测声带良性肿瘤的可疑位置并分类肿瘤类型	实验结果表明，不同肿瘤类型的最低假阴性率模型不同，且嵌入式操作的Yolo V4模型与计算机操作的Yolo V4模型在F1-score上略有差异	研究目的是开发一种用于家庭自我筛查的声带肿瘤早期检测技术	研究对象是声带肿瘤，包括囊肿、肉芽肿、白斑、结节和息肉	计算机视觉	NA	卷积神经网络	CNN	图像	2183张喉镜图像
369	2024-10-13	A deep learning method for replicate-based analysis of chromosome conformation contacts using Siamese neural networks 2023-08-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40547-9 PMID:37591842	研究论文	本文介绍了一种基于深度学习的复制分析方法，用于分析染色体构象接触图，使用孪生神经网络区分技术噪声和生物变异	本文提出了一种基于孪生神经网络的深度学习方法，能够从染色体构象接触图中区分技术噪声和生物变异，并优于传统的图像相似度度量方法	NA	开发一种新的方法来分析染色体构象捕获数据，以揭示生物学上有意义的特征	染色体构象捕获数据，如Hi-C和Micro-C	机器学习	NA	深度学习	孪生神经网络	图像	涉及多种生物系统的Hi-C图谱
370	2024-10-13	Two sequence- and two structure-based ML models have learned different aspects of protein biochemistry 2023-08-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-40247-w PMID:37587128	研究论文	本文比较了两种基于序列和两种基于结构的机器学习模型在蛋白质生物化学预测中的表现	发现不同类型的模型在预测特定氨基酸类型时具有不同的优势，并提出了一种结合多个模型预测的组合模型，显著提高了整体预测准确性	未详细讨论模型在不同蛋白质类型或复杂突变情况下的表现	系统比较基于序列和基于结构的模型在蛋白质突变预测中的差异，并探讨其对蛋白质生物化学理解的贡献	两种基于序列的大型语言模型和两种基于结构的3D卷积神经网络	机器学习	NA	NA	大型语言模型（LLM）和3D卷积神经网络（CNN）	蛋白质序列和局部蛋白质结构的体素化表示	NA
371	2024-10-13	Universal linear intensity transformations using spatially incoherent diffractive processors 2023-Aug-15, Light, science & applications DOI:10.1038/s41377-023-01234-y PMID:37582771	研究论文	本文报道了一种空间非相干衍射光学处理器的设计，能够在时间平均强度下近似任意线性变换	本文首次设计了空间非相干衍射光学处理器，能够在非相干光下实现任意线性强度变换，并展示了其在多波长下的线性处理能力以及手写数字的全光学分类	本文主要通过数值模拟和深度学习进行验证，实际应用中的性能和稳定性需要进一步实验验证	研究如何在空间非相干光下设计衍射光学处理器，以实现任意线性强度变换	空间非相干衍射光学处理器及其在多波长下的线性处理能力和手写数字分类	计算机视觉	NA	衍射光学网络	深度学习	图像	NA
372	2024-10-13	Deep transfer learning for inter-chain contact predictions of transmembrane protein complexes 2023-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40426-3 PMID:37582780	研究论文	本文开发了一种深度迁移学习方法DeepTMP，用于预测跨膜蛋白复合物的链间接触	利用非跨膜蛋白的大数据集进行预训练，结合几何三角感知模块捕捉链间相互作用	NA	提高跨膜蛋白复合物链间接触预测的准确性和鲁棒性	跨膜蛋白复合物的链间接触	机器学习	NA	深度迁移学习	DeepTMP	蛋白质数据	52个自结合跨膜蛋白复合物
373	2024-10-12	Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model 2023-10-27, Journal of visualized experiments : JoVE DOI:10.3791/65557 PMID:37955392	研究论文	本文介绍了一种利用混合深度学习模型自动识别锥虫寄生虫的方法	引入了一种基于混合深度学习技术的AI程序，能够从油浸显微图像中识别和分类三种锥虫物种	NA	开发一种自动化的诊断工具，以提高锥虫病的监测和控制效率	锥虫物种Trypanosoma cruzi, T. brucei, 和 T. evansi	计算机视觉	NA	混合深度学习技术	混合深度学习模型	图像	NA
374	2024-10-12	A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports 2023-10-13, Journal of visualized experiments : JoVE DOI:10.3791/65084 PMID:37902366	研究论文	本文介绍了一种名为CaseOLAP LIFT的计算管道，用于通过提取用户选择的文本数据集中的信息来研究细胞成分及其与疾病的关联	提出了CaseOLAP LIFT计算管道，通过知识图谱自动构建和深度学习模型预测蛋白质与疾病之间的未报告关系	NA	揭示细胞途径在疾病中的作用	细胞成分及其与疾病的关联	自然语言处理	心血管疾病	知识图谱构建	深度学习模型	文本	约3400万篇文本文档
375	2024-10-12	Patient Graph Deep Learning to Predict Breast Cancer Molecular Subtype 2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3290394 PMID:37379184	研究论文	研究利用深度图学习预测乳腺癌分子亚型	提出了一种基于多关系有向图的深度学习方法，结合多种诊断学科的患者信息，以更好地表示乳腺癌患者数据并预测分子亚型	未提及具体局限性	研究如何利用深度图学习方法提高乳腺癌分子亚型的预测准确性	乳腺癌患者及其分子亚型	机器学习	乳腺癌	深度图学习	关系图卷积网络	图像和基因数据	未提及具体样本数量
376	2024-10-12	Towards in silico CLIP-seq: predicting protein-RNA interaction via sequence-to-signal learning 2023-08-04, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03015-7 PMID:37542318	研究论文	本文介绍了一种名为RBPNet的新型深度学习方法，用于预测RNA序列在单核苷酸分辨率下的CLIP-seq交联计数分布	RBPNet通过训练多达百万个区域，在eCLIP、iCLIP和miCLIP测定中实现了高泛化能力，并超越了现有最先进的分类器	NA	开发一种能够预测蛋白质-RNA相互作用的深度学习方法	RNA序列及其与蛋白质的交联计数分布	机器学习	NA	深度学习	深度学习模型	序列数据	多达百万个区域
377	2024-10-12	Boosting variant-calling performance with multi-platform sequencing data using Clair3-MP 2023-Aug-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05434-6 PMID:37537536	研究论文	研究了利用多平台测序数据提升变异检测性能的方法	首次探讨了整合Oxford Nanopore和Illumina测序数据以优化变异检测性能的可能性	未详细讨论多平台数据整合的具体技术细节	探讨多平台测序数据对变异检测性能的影响	Oxford Nanopore和Illumina测序数据	基因组学	NA	第三代测序技术、下一代测序技术	深度学习模型	测序数据	未具体说明样本数量
378	2024-10-11	An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies 2023-Sep-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.11.557288 PMID:37745338	研究论文	本研究通过挖掘研究出版物和专利，整理了超过5000个流感血凝素（HA）抗体的数据集，并开发了一种轻量级的记忆B细胞语言模型（mBLM）用于基于序列的抗体特异性预测	本研究创新性地开发了一种轻量级的记忆B细胞语言模型（mBLM），并成功应用于流感血凝素抗体的特异性预测	本研究的主要局限在于数据集的获取和模型的解释性分析	本研究的目的是开发一种可解释的语言模型，用于预测抗体的特异性	本研究主要研究对象是流感血凝素（HA）抗体	机器学习	NA	NA	记忆B细胞语言模型（mBLM）	序列	超过5000个流感血凝素（HA）抗体
379	2024-10-11	Uncovering Footprints of Natural Selection Through Spectral Analysis of Genomic Summary Statistics 2023-07-05, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msad157 PMID:37433019	研究论文	本文通过频谱分析基因组汇总统计数据，揭示自然选择的痕迹	本文采用小波变换、多锥谱分析和S变换等方法，将一维汇总统计数组转换为二维频谱分析图像，并使用卷积神经网络进行分析，提高了特征提取的准确性	NA	通过频谱分析基因组汇总统计数据，区分自然选择与中性模式，揭示自然选择的细微特征	基因组汇总统计数据的空间分布	机器学习	NA	小波变换、多锥谱分析、S变换	卷积神经网络	基因组数据	NA
380	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