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
781	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
782	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
783	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
784	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
785	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
786	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
787	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
788	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
789	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
790	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
791	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
792	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
793	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
794	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
795	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
796	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
797	2024-10-10	Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs 2023-12-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.47692 PMID:38100107	研究论文	开发深度集成模型以使用视网膜照片筛查自闭症和症状严重程度	首次探索使用深度学习算法通过视网膜照片进行自闭症谱系障碍（ASD）及其症状严重程度的客观筛查	研究在单一医院进行，样本主要为男孩，可能影响结果的普适性	开发深度集成模型以区分ASD患者与典型发育（TD）个体的视网膜照片，并区分严重ASD与轻中度ASD	自闭症谱系障碍（ASD）患者和典型发育（TD）个体的视网膜照片	计算机视觉	自闭症	深度学习算法	深度集成模型	图像	1890只眼睛，958名参与者
798	2024-10-09	DeepPBS: Geometric deep learning for interpretable prediction of protein-DNA binding specificity 2023-Dec-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.15.571942 PMID:38293168	研究论文	本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性	DeepPBS模型能够基于蛋白质-DNA结构预测跨蛋白质家族的结合特异性，并提供可解释的蛋白质重原子级别的重要性评分	NA	开发一种可解释的深度学习模型，用于预测蛋白质-DNA结合特异性，并指导实验选择和复杂设计	蛋白质-DNA结合特异性	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-DNA结构	NA
799	2024-10-09	Large-scale annotation dataset for fetal head biometry in ultrasound images 2023-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109708 PMID:38020431	数据集	本文介绍了一个大规模的胎儿头部超声图像标注数据集	该数据集提供了多种格式的兼容性，适用于多种计算机视觉任务，并经过严格的验证过程	NA	为医学影像和计算机视觉领域的研究提供一个高质量的标注数据集	胎儿头部超声图像及其解剖区域的标注	计算机视觉	NA	NA	NA	图像	3832张高分辨率超声图像
800	2024-10-09	Multi-class deep learning architecture for classifying lung diseases from chest X-Ray and CT images 2023-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-46147-3 PMID:37938631	研究论文	本文提出了一种用于从胸部X光和CT图像中分类多种肺部疾病的自动化系统	本文提出了一种新的图像增强算法，使用k-符号Lerch超越函数模型，并结合定制的卷积神经网络（CNN）和两个预训练的深度学习模型（AlexNet和VGG16Net）进行图像分类	NA	开发一种自动化的系统，用于从胸部X光和CT图像中检测多种肺部疾病	胸部X光和CT图像中的肺部疾病	计算机视觉	肺部疾病	卷积神经网络（CNN）	CNN	图像	公开可用的图像数据集（CT和X光图像数据集）