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
641	2024-09-27	disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data 2023-Oct-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.30.551115 PMID:37577624	研究论文	本文介绍了一种名为disperseNN2的深度学习工具，用于从地理参考的多态性数据中估计每代平均扩散距离	disperseNN2通过使用样本的地理信息，在特征提取方面优于不使用显式空间信息的先进深度学习方法，平均相对绝对误差分别降低了33%和48%	NA	开发一种能够从地理参考的多态性数据中估计生物扩散距离的深度学习工具	生物的扩散距离	机器学习	NA	深度学习	神经网络	多态性数据	10和100个个体
642	2024-09-27	Preparing Data for Artificial Intelligence in Pathology with Clinical-Grade Performance 2023-Oct-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13193115 PMID:37835858	综述	本文回顾了2017年至2022年间在PubMed数据库中发表的与人工智能病理学（AIP）相关的研究，深入分析了数据准备方法，并探讨了提高AIP临床性能的有效策略	提出了基于全片图像（WSI）的弱监督学习方法和数据标准化技术，以克服AIP性能复现的障碍	未提及具体的研究局限性	探讨如何通过数据准备方法提高人工智能病理学在临床实践中的性能	病理组织切片的数据获取、清洗、筛选和数字化，以及模型训练和验证的数据集划分	数字病理学	NA	弱监督学习方法，数据标准化	NA	图像	118项研究
643	2024-09-27	Development and Validation of a Model to Quantify Injury Severity in Real Time 2023-10-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.36196 PMID:37812422	研究论文	开发并验证了一种实时量化损伤严重程度的模型	提出了一个实用的模型，通过有限数量的损伤模式实时量化损伤严重程度，并使用三个直观的输出结果	模型在预测住院死亡率时存在高估的情况，需要进一步研究以在大规模应用中评估其性能	开发和验证一个实用的模型，用于实时量化损伤严重程度	成人创伤性损伤患者	NA	NA	多任务深度学习	多任务深度学习模型	数据集	372,573例创伤性损伤患者
644	2024-09-27	MISPEL: A supervised deep learning harmonization method for multi-scanner neuroimaging data 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102926 PMID:37595405	研究论文	提出了一种名为MISPEL的监督式深度学习方法，用于多扫描器神经影像数据的标准化	MISPEL方法可以自然扩展到两个以上的扫描器，并且设计了一套标准来评估扫描器相关的技术变异性和标准化技术	NA	解决多扫描器神经影像数据中的技术变异性问题，提高数据分析的准确性和可靠性	多扫描器神经影像数据的标准化方法	计算机视觉	NA	深度学习	NA	图像	涉及四个扫描器的3T T1图像数据集
645	2024-09-27	Composition Based Oxidation State Prediction of Materials Using Deep Learning Language Models 2023-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202301011 PMID:37551059	研究论文	本文提出了一种基于深度学习的BERT变换器语言模型BERTOS，用于预测无机化合物中所有元素的氧化态	首次实现了基于化学组成的氧化态预测，并展示了其在材料发现中的应用潜力	NA	开发一种新的方法来预测无机化合物中所有元素的氧化态	无机化合物的氧化态	机器学习	NA	深度学习	BERT变换器	化学组成数据	基于ICSD数据集的清洁数据进行基准测试
646	2024-09-27	Considerations on brain age predictions from repeatedly sampled data across time 2023-Oct, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3219 PMID:37587620	研究论文	本文研究了从多次采样的时间数据中预测大脑年龄的表现，并通过年龄匹配的健康对照组验证了研究结果	本文首次探讨了大脑年龄预测在同一受试者不同时间点的表现，并验证了场强对大脑年龄的影响	本文样本量较小，且未完全排除数据采集过程中变异导致的偏差	研究大脑年龄预测在纵向数据中的表现及其影响因素	大脑年龄预测模型在同一受试者不同时间点的表现	计算机视觉	NA	磁共振成像 (MRI)	深度学习模型	图像	4名受试者（来自两个密集采样数据集），以及两个横断面数据集用于验证
647	2024-09-27	Anthropogenic fingerprints in daily precipitation revealed by deep learning 2023-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06474-x PMID:37648861	研究论文	本文利用深度学习技术在每日降水中检测出气候变化信号	首次使用深度学习方法在每日降水中检测出人为气候变化的信号	长期年均降水的变化仍难以从自然背景变率中区分出来	验证气候模型预测的全球变暖对降雨变率和极端事件的影响	每日降水量和全球平均地表气温数据	机器学习	NA	深度学习	卷积神经网络 (CNN)	气象数据	来自当前和未来气候模型模拟的每日降水量和年均全球地表气温数据
648	2024-09-27	Artificial intelligence (AI) and machine learning (ML) in precision oncology: a review on enhancing discoverability through multiomics integration 2023-Oct, The British journal of radiology DOI:10.1259/bjr.20230211 PMID:37660402	综述	本文综述了多组学数据在精准肿瘤学中的应用，特别是人工智能（AI）和机器学习（ML）技术如何通过多组学整合来增强发现能力	探讨了AI和ML技术在癌症亚型分类、风险分层、预后预测和临床决策中的潜力	讨论了数据异质性、组学数据可用性和研究验证等方面的挑战	探讨AI和ML技术在精准肿瘤学中的应用，特别是通过多组学整合来增强发现能力	多组学数据，包括影像放射组学和各种类型的分子生物标志物	精准肿瘤学	癌症	多组学数据整合	NA	多组学数据	NA
649	2024-09-27	Explainable machine learning for diffraction patterns 2023-Oct-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576723007446 PMID:37791364	研究论文	本文研究了如何通过可解释的机器学习方法来分析衍射图案数据，特别是使用卷积神经网络（CNN）进行图像分类	本文首次提供了关于CNN在衍射图案数据分类中内部工作机制的定性证据，通过可视化方法展示了影响分类结果的关键图像区域	本文主要关注于定性分析，未提供定量性能的进一步改进	揭示卷积神经网络在衍射图案数据分类中的内部工作机制，并通过可视化方法展示关键图像区域	衍射图案数据及其在X射线自由电子激光设施中的应用	机器学习	NA	卷积神经网络（CNN）	CNN	图像	NA
650	2024-09-27	Building deep learning and traditional chemometric models based on Fourier transform mid-infrared spectroscopy: Identification of wild and cultivated Gastrodia elata 2023-Oct, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.3565 PMID:37823161	研究论文	本研究首次将三维相关光谱图像与深度学习模型结合，用于快速准确地识别野生和栽培的天麻	首次将三维相关光谱图像与深度学习模型结合，用于识别野生和栽培的天麻，且模型无需预处理原始光谱数据	未提及具体限制	快速准确地识别野生和栽培的天麻	野生和栽培的天麻	机器学习	NA	傅里叶变换中红外光谱	深度学习模型	光谱图像	46个样本
651	2024-09-27	Spatial and Channel Aggregation Network for Lightweight Image Super-Resolution 2023-Oct-01, Sensors (Basel, Switzerland) DOI:10.3390/s23198213 PMID:37837043	研究论文	介绍了一种轻量级网络——空间和通道聚合网络（SCAN），用于图像超分辨率任务	首次在单图像超分辨率（SISR）方法中结合了大核卷积和特征减少操作，并引入了创新的9×9大核卷积以扩展感受野	未提及	解决现有SISR方法在性能和计算成本之间的平衡问题，提高图像超分辨率的效果和效率	图像超分辨率任务	计算机视觉	NA	大核卷积	空间和通道聚合网络（SCAN）	图像	使用了基准数据集和遥感数据集进行评估
652	2024-09-27	Generation of skin tone and pigmented region-modified images using a pigment discrimination model trained with an optical approach 2023-Oct, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13486 PMID:37881042	研究论文	本文介绍了一种结合光学方法和深度学习的混合技术，用于生成具有数值控制的皮肤色调和色素区域修改图像	本文的创新点在于引入了一种新的混合技术，结合光学方法和深度学习，实现了对皮肤色调和色素区域的精确数值控制	当前方法在数值控制和多功能性方面存在局限	研究目的是开发一种能够模拟多种色素沉着条件的技术，以扩展应用范围	研究对象是皮肤色调和色素区域，特别是与黑色素和血红蛋白相关的区域	计算机视觉	NA	深度学习	NA	图像	NA
653	2024-09-27	Use of a Novel Deep Learning Open-Source Model for Quantification of Ki-67 in Breast Cancer Patients in Pakistan: A Comparative Study between the Manual and Automated Methods 2023-Sep-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13193105 PMID:37835848	研究论文	本研究使用一种新颖的深度学习开源模型，对巴基斯坦乳腺癌患者的Ki-67进行定量分析，并与传统手动方法进行比较	首次使用深度学习模型对乳腺癌患者的Ki-67进行自动化定量分析，并与传统手动方法进行比较	样本量较小，需要更多研究以验证模型的广泛适用性	评估深度学习模型在乳腺癌Ki-67定量分析中的准确性和效率	乳腺癌患者的Ki-67表达	数字病理学	乳腺癌	深度学习	深度学习模型	图像	140张数字图像
654	2024-09-27	Towards Building a Trustworthy Deep Learning Framework for Medical Image Analysis 2023-Sep-27, Sensors (Basel, Switzerland) DOI:10.3390/s23198122 PMID:37836952	研究论文	提出了一种可信的深度学习框架TRUDLMIA，用于医学图像分析，通过自监督学习和新的代理损失函数提高模型性能和可信度	提出了TRUDLMIA框架，结合自监督学习和新的代理损失函数，显著提高了模型性能和可信度	未提及具体限制	开发一种可信的深度学习框架，以提高医学图像分析的诊断准确性和可信度	肺炎、COVID-19和黑色素瘤的检测	计算机视觉	NA	自监督学习	深度学习	图像	三个基准数据集
655	2024-09-27	Elliptic PDE learning is provably data-efficient 2023-Sep-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2303904120 PMID:37722063	研究论文	本文研究了椭圆偏微分方程（PDE）学习的数据效率问题，并提供了理论保证	本文提出了一个基于随机数值线性代数和PDE理论的数据高效算法，能够从输入输出数据中恢复三维均匀椭圆PDE的解算子，并实现了指数级的误差收敛率	NA	研究PDE学习中的数据效率问题，并提供理论保证	三维均匀椭圆偏微分方程的解算子	机器学习	NA	随机数值线性代数	NA	输入输出数据	NA
656	2024-09-27	Combined prediction and design reveals the target recognition mechanism of an intrinsically disordered protein interaction domain 2023-09-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2305603120 PMID:37722056	研究论文	本文通过结合计算方法和实验，揭示了无序蛋白质相互作用域与其目标识别机制	本文创新性地结合了计算方法和实验，成功解析了无序蛋白质相互作用域与其目标的高分辨率结构	NA	揭示无序蛋白质相互作用域与其目标的识别机制	无序蛋白质相互作用域及其目标的结构	生物信息学	NA	计算方法、实验技术	AlphaFold2 (AF2)	蛋白质序列	NA
657	2024-09-27	Brain-inspired neural circuit evolution for spiking neural networks 2023-09-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2218173120 PMID:37729206	研究论文	本文提出了一种基于生物神经电路的进化空间，结合前馈和反馈连接以及兴奋性和抑制性神经元，用于构建脉冲神经网络	通过结合前馈和反馈连接以及兴奋性和抑制性神经元，提供了一个更符合生物学原理的进化空间，并利用局部脉冲行为自适应地进化神经电路	NA	将生物神经电路的丰富动态特性应用于当前脉冲神经网络的结构建模	脉冲神经网络的结构和性能	机器学习	NA	脉冲时序依赖可塑性	脉冲神经网络	图像	使用了CIFAR10、DVS-CIFAR10、DVS-Gesture和N-Caltech101数据集，并在ImageNet上进行了测试
658	2024-09-27	Inferring single-cell transcriptomic dynamics with structured latent gene expression dynamics 2023-09-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100581 PMID:37708894	研究论文	本文提出了一种名为LatentVelo的方法，利用深度学习技术计算单细胞RNA测序数据的基因表达动力学的低维表示	LatentVelo通过变分自编码器将细胞嵌入潜在空间，并使用神经常微分方程在基于动力学的潜在空间中建模分化动力学，从而推断潜在的调控状态以模拟多条细胞谱系	NA	开发一种新的方法来推断单细胞RNA测序数据中的基因表达动力学	单细胞RNA测序数据中的基因表达动力学	机器学习	NA	深度学习	变分自编码器	RNA测序数据	NA
659	2024-09-27	Machine learning for cross-scale microscopy of viruses 2023-09-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100557 PMID:37751685	研究论文	本文讨论了人工智能如何增强显微镜技术，以推进病毒学研究	本文展示了人工智能在图像去噪、目标分割、跟踪、分类和超分辨率方面的应用，并展示了这些技术如何改进显微镜数据的获取和分析	NA	探讨人工智能如何增强显微镜技术，以推进病毒学研究	病毒感染机制、抗病毒药物开发和病毒载体改进	计算机视觉	NA	机器学习	深度学习	图像	NA
660	2024-09-27	Neural Data Transformer 2: Multi-context Pretraining for Neural Spiking Activity 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.18.558113 PMID:37781630	研究论文	本文开发了Neural Data Transformer 2 (NDT2)，一个用于神经尖峰活动的时空Transformer模型，并通过预训练展示了其在跨会话、跨受试者和跨实验任务的电机BCI数据集上的应用	提出了NDT2模型，通过预训练能够跨不同上下文快速适应下游解码任务，为iBCI控制中的预训练DNN部署开辟了道路	NA	开发一种能够跨不同上下文快速适应的神经尖峰活动模型，以提高脑机接口的效率	神经尖峰活动数据	机器学习	NA	Transformer模型	Transformer	神经尖峰活动数据	跨会话、跨受试者和跨实验任务的电机BCI数据集