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
561	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
562	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
563	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
564	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
565	2024-10-14	An open-source dataset for arabic fine-grained emotion recognition of online content amid COVID-19 pandemic 2023-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109745 PMID:38020433	研究论文	本文介绍了一个名为ArPanEmo的开源数据集，用于在COVID-19疫情期间对阿拉伯语在线内容的细粒度情感识别	该数据集是首个专注于沙特方言并涵盖COVID-19相关话题的阿拉伯语情感识别数据集，包含11,128条手动标注的在线帖子	数据集仅涵盖沙特方言和COVID-19相关话题，可能不适用于其他方言或话题	旨在丰富阿拉伯语自然语言处理资源，并帮助开发机器学习和深度学习工具以识别文本中的情感	阿拉伯语在线内容的细粒度情感识别	自然语言处理	NA	NA	NA	文本	11,128条在线帖子
566	2024-10-14	SPACEL: deep learning-based characterization of spatial transcriptome architectures 2023-Nov-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43220-3 PMID:37990022	研究论文	本文介绍了一种基于深度学习的空间转录组学数据分析方法SPACEL，用于解析和整合多个空间转录组切片	SPACEL通过三个模块实现细胞类型反卷积、空间域识别和三维组织架构构建，显著优于现有方法	NA	开发一种能够有效分析和整合空间转录组学数据的方法	空间转录组学数据	机器学习	NA	深度学习	多层感知器、图卷积网络、对抗学习算法	空间转录组数据	多种组织和空间转录组技术数据
567	2024-10-14	Just-in-time deep learning for real-time X-ray computed tomography 2023-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-46028-9 PMID:37973801	研究论文	本文介绍了一种在实时X射线计算机断层扫描中使用深度学习进行即时学习的策略	开发了即时学习策略，利用连续重建的空间-时间连续性在实验期间训练和部署较小的深度神经网络	即时学习策略在科学环境中可能面临训练数据不足和实验设置不确定性的挑战	扩展实时重建功能，通过图像处理和分析组件增强实时X射线断层扫描	实时X射线断层扫描中的深度神经网络集成	计算机视觉	NA	深度神经网络	深度神经网络	图像	使用来自真实动态实验的X射线数据进行训练
568	2024-10-14	Ensemble classification of integrated CT scan datasets in detecting COVID-19 using feature fusion from contourlet transform and CNN 2023-11-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47183-9 PMID:37973820	研究论文	本文提出了一种基于机器学习和深度学习的自动化方法，用于通过融合轮廓变换和卷积神经网络的特征来检测COVID-19	本文创新性地使用了轮廓变换和卷积神经网络的特征融合方法，并结合二进制差分进化算法进行特征优化，最终通过集成学习方法提高了检测准确率	NA	开发一种自动化方法，通过CT扫描图像早期检测COVID-19，以降低死亡率	COVID-19的CT扫描图像	计算机视觉	COVID-19	轮廓变换、卷积神经网络、二进制差分进化算法	集成学习	图像	11,407张CT扫描图像，其中7397张为COVID-19图像，4010张为正常图像
569	2024-10-14	Deep learning workflow for the inverse design of molecules with specific optoelectronic properties 2023-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45385-9 PMID:37973879	研究论文	本文介绍了一种用于设计具有特定光电特性的分子的深度学习工作流程	提出了结合密度泛函紧束缚方法、图卷积神经网络和掩码语言模型的迭代深度学习工作流程，以加速分子设计	NA	开发一种加速具有特定光电特性的分子设计的计算方法	具有特定光电特性的新型分子	机器学习	NA	密度泛函紧束缚方法	图卷积神经网络	分子数据	NA
570	2024-10-14	Automated crystal system identification from electron diffraction patterns using multiview opinion fusion machine learning 2023-Nov-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2309240120 PMID:37943836	研究论文	本文开发了一种基于多视角意见融合机器学习的框架，用于从任意方向的电子衍射图案中自动识别晶体系统	提出了一个基于卷积神经网络和证据深度学习的框架，通过量化和融合多视角预测的不确定性，实现了对任意方向电子衍射图案的晶体系统分类	NA	加速高吞吐量材料数据分析实验	电子衍射图案中的晶体系统识别	机器学习	NA	卷积神经网络	CNN	图像	NA
571	2024-10-14	Integrated Molecular Modeling and Machine Learning for Drug Design 2023-Nov-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00814 PMID:37883810	研究论文	本文总结了将分子建模与机器学习相结合以开发计算工具用于调节剂设计的最新努力	提出了基于AlphaSpace的口袋引导理性设计方法，用于靶向蛋白质-蛋白质相互作用，以及用于蛋白质-配体对接和虚拟筛选的delta机器学习评分函数，并使用最先进的深度学习模型预测基于分子力学优化几何结构的计算和实验分子性质	讨论了当前方法的局限性，并指出了未来发展的有前景的方向	开发计算工具以加速新药的研发过程	蛋白质-蛋白质相互作用、蛋白质-配体对接、虚拟筛选以及分子性质预测	机器学习	NA	分子建模、机器学习	深度学习模型	分子几何结构	NA
572	2024-10-14	A Deep Learning Approach for Automatic and Objective Grading of the Motor Impairment Severity in Parkinson's Disease for Use in Tele-Assessments 2023-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s23219004 PMID:37960703	研究论文	研究使用深度学习方法通过低成本可穿戴传感器自动客观评估帕金森病患者的运动障碍严重程度	通过扩展训练数据集和使用无监督预训练权重，提高了运动障碍分类的准确性	研究结果仅限于特定的运动任务，未涵盖所有可能的运动障碍评估	探索深度学习在远程评估帕金森病患者运动障碍严重程度中的应用	帕金森病患者的运动障碍严重程度	机器学习	神经退行性疾病	深度学习	XceptionTime	运动数据	包括帕金森病患者和健康老年人的运动数据
573	2024-10-14	Unsupervised deep learning registration model for multimodal brain images 2023-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14177 PMID:37823748	研究论文	本文提出了一种基于卷积神经网络的无监督深度学习模型，用于多模态脑图像的配准	本文的创新点在于使用无监督学习方法进行多模态脑图像的配准，避免了传统监督学习方法对大量标注数据的依赖和可能的偏差	本文的局限性在于仅使用了CT和MR图像进行实验，未来可以扩展到更多模态的图像	本文的研究目的是开发一种高效且准确的多模态脑图像配准方法，以支持临床图像引导的干预	本文的研究对象是脑部CT和MR图像的配准	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1100对CT/MR切片，来自110名有/无肿瘤的神经心理患者
574	2024-10-14	Deep Learning for Genomics: From Early Neural Nets to Modern Large Language Models 2023-Nov-01, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms242115858 PMID:37958843	review	本文从基因组学角度简要讨论了不同深度学习模型的优势，以便为每个特定任务选择合适的基于深度学习的架构，并强调了开发基因组学深度学习架构的实际考虑	本文回顾了深度学习在基因组学研究各个方面的应用，并指出了当前的挑战和未来基因组学应用的潜在研究方向	NA	探讨深度学习在基因组学中的应用及其未来发展方向	不同深度学习模型在基因组学任务中的适用性	machine learning	NA	high-throughput sequencing	NA	genomic data	NA
575	2024-10-14	Deep Learning Framework for Liver Segmentation from T1-Weighted MRI Images 2023-Nov-01, Sensors (Basel, Switzerland) DOI:10.3390/s23218890 PMID:37960589	研究论文	研究提出了一种用于从T1加权MRI图像中分割肝脏的深度学习框架	提出了一种新的级联网络，用于分割轴向肝脏切片，并在肝脏分割任务中表现优于现有方法	研究仅使用了20名患者的647张MR切片数据，样本量较小	开发一种自动分割肝脏的深度学习框架，以辅助临床诊断	肝脏在T1加权MRI图像中的分割	计算机视觉	NA	MRI	CNN	图像	20名患者，647张MR切片
576	2024-10-14	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.30.563998 PMID:37961180	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的语义分割，并探索了半监督学习方法	引入了半监督学习方法Cross Pseudo Supervision，并比较了多种先进模型在稀疏标注数据上的表现	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁	计算机视觉	癌症	电子显微镜	UNet++, FracTALResNet, SenFormer, CEECNet	图像	三个完全标注的内部数据集
577	2024-10-14	Deep learning-based multimodal fusion network for segmentation and classification of breast cancers using B-mode and elastography ultrasound images 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10480 PMID:38023698	研究论文	本文提出了一种基于深度学习的乳腺肿瘤分割与分类方法，利用B模式和弹性成像超声图像进行多模态融合	本文提出了一种加权多模态U-Net模型和多模态融合框架，能够同时从B模式和弹性成像超声图像中学习互补信息，并在实际临床数据上表现优异	NA	开发一种能够提高乳腺肿瘤分类准确性的计算机辅助诊断系统	乳腺肿瘤的分割与分类	计算机视觉	乳腺癌	深度学习	U-Net、CNN	图像	NA
578	2024-10-14	4D-CT deformable image registration using unsupervised recursive cascaded full-resolution residual networks 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10587 PMID:38023695	研究论文	提出了一种用于腹部四维计算机断层扫描（4D-CT）图像配准的新型递归级联全分辨率残差网络（RCFRR-Net）	该网络采用无监督学习方法，无需变形向量场的真实值，通过级联三个不同架构的全分辨率残差子网络实现渐进式配准	NA	开发一种在医学图像配准中表现优越且具有广泛应用前景的新方法	腹部四维计算机断层扫描（4D-CT）图像的配准	计算机视觉	NA	递归级联全分辨率残差网络（RCFRR-Net）	递归级联全分辨率残差网络（RCFRR-Net）	图像	使用了内部4D-CT数据集、公开的DIRLAB 4D-CT数据集和4D锥束CT（4D-CBCT）数据集进行广泛的网络测试
579	2024-10-14	Virtual differential phase-contrast and dark-field imaging of x-ray absorption images via deep learning 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10494 PMID:38023711	研究论文	本文展示了使用深度卷积神经网络将X射线吸收图像转换为差分相衬和暗场图像的方法	通过生成对抗网络训练的深度卷积神经网络，能够直接将X射线吸收图像转换为差分相衬和暗场图像，效果可与同步辐射光源和实验室设备获得的图像相媲美	NA	解决生物组织中弱吸收对比度问题，扩展X射线图像对比度生成的方法	X射线吸收图像转换为差分相衬和暗场图像	计算机视觉	NA	深度学习	深度卷积神经网络	图像	NA
580	2024-10-14	Updates in Diagnostic Imaging for Infectious Keratitis: A Review 2023-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13213358 PMID:37958254	综述	本文综述了感染性角膜炎诊断成像技术的最新进展	介绍了深度学习模型在感染性角膜炎诊断中的应用潜力，并探讨了生成对抗网络等新技术在克服现有模型局限性方面的可能性	深度学习模型需要大量图像数据进行训练，且在识别不同类型感染性角膜炎的特殊特征、模型训练不平衡、缺乏图像协议和分类偏差等方面存在挑战	探讨感染性角膜炎诊断成像技术的最新进展及其在临床应用中的潜力	感染性角膜炎的诊断成像技术，包括裂隙灯显微镜、光学相干断层扫描、体内共聚焦显微镜和深度学习模型	计算机视觉	眼科疾病	光学相干断层扫描（OCT）、体内共聚焦显微镜（IVCM）、深度学习（DL）	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA