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
981	2024-09-25	Deformable image registration based on single or multi-atlas methods for automatic muscle segmentation and the generation of augmented imaging datasets 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0273446 PMID:36897869	研究论文	本文提出了一种基于单或多图谱方法的可变形图像配准技术，用于自动分割肌肉并生成增强的成像数据集	本文首次使用非线性可变形图像配准技术生成69个手动校验的3D人工数据集，为未来研究提供了大量可靠的参考数据	本文的研究对象仅限于下肢肌肉，且平均绝对相对体积误差为12.7%，仍有改进空间	开发一种自动化的肌肉分割方法，以减少手动劳动和操作员重复性问题	下肢骨骼肌肉	计算机视觉	NA	可变形图像配准	NA	图像	5名受试者的23块主要下肢骨骼肌肉
982	2024-09-25	Comparative evaluation and analysis of DNA N4-methylcytosine methylation sites using deep learning 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1254827 PMID:37671040	研究论文	本文比较了多种先进的深度学习模型在六个基准数据集上的表现，以评估其在4mC甲基化位点检测中的性能	本文首次系统地比较了多种深度学习模型在4mC甲基化位点检测中的应用，展示了深度学习在此领域的潜力	本文仅限于对现有深度学习模型的比较，未提出新的模型或方法	评估和分析深度学习模型在DNA N4-甲基胞嘧啶甲基化位点检测中的性能	DNA N4-甲基胞嘧啶甲基化位点	机器学习	NA	深度学习	多种深度学习模型	DNA序列数据	六个基准数据集
983	2024-09-25	Inferring the Effects of Protein Variants on Protein-Protein Interactions with Interpretable Transformer Representations 2023, Research (Washington, D.C.) DOI:10.34133/research.0219 PMID:37701056	研究论文	本文介绍了一种名为MIPPI的可解释Transformer模型，用于推断蛋白质变体对蛋白质-蛋白质相互作用的影响	MIPPI是一个端到端的深度学习模型，通过利用IMEx的相互作用数据直接从序列中学习特征，并能通过学习到的注意力权重进行解释	NA	旨在识别致病变体并推断其对蛋白质-蛋白质相互作用的影响，从而揭示其在疾病中的功能后果	蛋白质变体对蛋白质-蛋白质相互作用的影响	机器学习	神经发育障碍	Transformer	Transformer	序列	NA
984	2024-09-25	Sample-efficient multi-agent reinforcement learning with masked reconstruction 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291545 PMID:37708154	研究论文	本文提出了一种结合掩码重构任务的多智能体强化学习方法（M-QMIX），以提高样本效率	通过引入掩码重构任务作为辅助任务，旨在增强多智能体系统中强化学习的样本效率	本文未提及具体的局限性	提高多智能体强化学习中的样本效率	多智能体强化学习中的决策问题	机器学习	NA	强化学习	QMIX	游戏数据	使用了11个场景，包括5个简单、3个困难和3个非常困难的场景
985	2024-09-25	Local refinement mechanism for improved plant leaf segmentation in cluttered backgrounds 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1211075 PMID:37711291	研究论文	本文提出了一种基于深度学习的植物叶片实例分割方法，通过局部细化机制在杂乱背景下提高分割性能	引入了局部细化机制，使用高斯低通和高提升滤波器来增强目标实例，并可应用于训练或测试数据集	较大的高斯低通滤波器核尺寸会导致预测性能下降	旨在解决真实温室场景中的挑战，实现智能农业中表型数据的自动识别	番茄叶片的实例分割	计算机视觉	NA	深度学习	实例分割架构	图像	番茄叶片数据集
986	2024-09-25	EEG-based investigation of effects of mindfulness meditation training on state and trait by deep learning and traditional machine learning 2023, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2023.1033420 PMID:37719770	研究论文	本研究使用深度学习和传统机器学习方法，探讨短期正念减压训练对状态和特质的影响	本研究结合了深度学习和传统机器学习方法，评估短期正念减压训练对状态和特质的影响，并比较了不同分类策略的效果	本研究样本量较小，且仅包括11名初学者，可能影响结果的普适性	探讨短期正念减压训练对状态和特质的影响，并比较深度学习和传统机器学习方法的效果	短期正念减压训练对状态和特质的影响	机器学习	NA	卷积神经网络（CNN）、支持向量机（SVM）	卷积神经网络（CNN）	脑电图（EEG）	11名初学者正念减压训练者（6名男性，5名女性；平均年龄35.7岁；7名亚洲人，4名高加索人）
987	2024-09-25	Artificial intelligence assisted pterygium diagnosis: current status and perspectives 2023, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2023.09.04 PMID:37724272	综述	本文综述了人工智能辅助翼状胬肉诊断的现状和未来发展	探讨了人工智能在翼状胬肉诊断中的应用潜力	分析了人工智能辅助翼状胬肉诊断的优缺点和局限性	旨在提供关于人工智能在翼状胬肉诊断中的最新进展和潜在应用的见解	翼状胬肉诊断	计算机视觉	眼科疾病	机器学习、深度学习	NA	图像	NA
988	2024-09-25	Guidelines for the application of artificial intelligence in the diagnosis of anterior segment diseases (2023) 2023, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2023.09.03 PMID:37724278	指南	本文详细阐述了人工智能在前段眼病诊断中的应用	本文介绍了人工智能从前段眼病诊断的理论应用到实际应用的转变	本文探讨了现有障碍并展望了未来发展方向	旨在帮助眼科医生优化将人工智能融入诊断决策并增强临床研究	前段眼病，包括角膜、结膜、晶状体和眼睑的病理	数字病理	眼科疾病	人工智能	深度学习	图像	NA
989	2024-09-25	Research progress in artificial intelligence assisted diabetic retinopathy diagnosis 2023, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2023.09.05 PMID:37724288	研究论文	总结了基于机器学习和深度学习算法的人工智能模型在糖尿病视网膜病变诊断中的研究进展，并讨论了人工智能研究中的一些局限性和挑战	人工智能模型在糖尿病视网膜病变的诊断、分级和病变识别与分割方面取得了良好的研究和应用成果	讨论了人工智能研究中的一些局限性和挑战	总结人工智能在糖尿病视网膜病变诊断中的研究进展	糖尿病视网膜病变	机器学习	糖尿病视网膜病变	机器学习和深度学习算法	NA	NA	NA
990	2024-09-23	AI Models for Protein Design are Driving Antibody Engineering 2023-Dec, Current opinion in biomedical engineering IF:4.7Q2 DOI:10.1016/j.cobme.2023.100473 PMID:37484815	综述	本文综述了基于深度学习的蛋白质结构预测和设计在抗体治疗研究中的进展	利用深度学习指导抗体生成方法，结合先验知识和实验成果，提升抗体工程过程	NA	探讨深度学习在抗体治疗中的应用	抗体序列及其与目标抗原的结合特性	机器学习	NA	深度学习	生成模型	结构数据	NA
991	2024-09-23	Deep learning-driven adaptive optics for single-molecule localization microscopy 2023-Nov, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02029-0 PMID:37770712	研究论文	本文开发了一种基于深度学习的自适应光学技术，用于单分子定位显微镜（SMLM），以解决生物组织引起的波前畸变问题	本文的创新点在于利用深度学习直接推断波前畸变并进行近实时补偿，避免了传统的迭代试错过程	NA	研究目的是提高单分子定位显微镜在生物组织中的分辨率和成像质量	研究对象是生物组织中的单分子发射模式及其波前畸变	计算机视觉	NA	自适应光学	深度神经网络	图像	超过130微米厚的脑组织样本
992	2024-09-23	Independent regulation of Z-lines and M-lines during sarcomere assembly in cardiac myocytes revealed by the automatic image analysis software sarcApp 2023-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.11.523681 PMID:36711995	研究论文	本文介绍了一种名为sarcApp的图像分析工具，用于量化心肌细胞中肌节及其组件的排列	开发了sarcApp工具，利用深度学习分割和实空间量化技术，自动分析肌节中的Z线和M线的组织结构	NA	研究肌节装配过程中Z线和M线的独立调控机制	心肌细胞中的肌节及其组件	计算机视觉	心血管疾病	深度学习	NA	图像	NA
993	2024-09-23	Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models 2023-09-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-41565-3 PMID:37752123	研究论文	本文介绍了一种名为GlowTrack的方法，用于生成大量训练数据，以提高无标记运动捕捉模型的泛化能力	开发了一种高吞吐量的方法，利用荧光标记生成隐藏标签，并使用多摄像头和多光源设置模拟多样化的视觉条件，同时实现了并行标记多个地标，从而实现密集跟踪	NA	提高无标记运动捕捉模型的泛化能力，使其能够适应不同的实验环境和视觉条件	动物行为研究中的运动捕捉模型	计算机视觉	NA	荧光标记	NA	图像	NA
994	2024-09-23	Automatic pavement texture recognition using lightweight few-shot learning 2023-Sep-04, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2022.0166 PMID:37454689	研究论文	本文提出了一种基于孪生网络的少样本学习模型，用于在有限数据集上进行路面纹理识别	本文创新性地使用孪生网络进行少样本学习，并结合全局平均池化和一维卷积，创建了轻量级模型，显著减少了存储和训练时间	尽管模型在减少存储和训练时间方面表现出色，但分类准确率有所下降	解决路面纹理识别中数据稀缺的问题，提高道路维护专业人员检测潜在安全隐患的能力	路面纹理，包括密级配沥青混凝土、微表面、开级配摩擦层和石材基质沥青	计算机视觉	NA	少样本学习	孪生网络	图像	四类五样本任务
995	2024-09-23	Application of a 1H Brain MRS Benchmark Dataset to Deep Learning for Out-of-Voxel Artifacts 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.08.539813 PMID:37215030	研究论文	本文介绍了AGNOSTIC数据集，并将其应用于训练卷积神经网络（CNN）以处理磁共振波谱（MRS）数据中的体素外伪影	本文创建了AGNOSTIC数据集，包含259,200个合成1H MRS示例，用于训练和测试神经网络。此外，训练了两个CNN模型分别用于检测和重建体素外伪影	本文主要集中在合成数据上，尚未在真实数据上验证其有效性	开发和验证用于处理MRS数据中体素外伪影的深度学习方法	AGNOSTIC数据集和两个卷积神经网络模型	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	数据集	259,200个合成1H MRS示例
996	2024-09-23	Deep learning-based subtyping of gastric cancer histology predicts clinical outcome: a multi-institutional retrospective study 2023-09, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-023-01398-x PMID:37269416	研究论文	本研究利用深度学习技术对胃癌组织学亚型进行分类，并评估其对临床预后的预测能力	本研究首次系统评估了基于深度学习的胃癌组织学亚型分类方法，并展示了其相较于传统病理学家分类方法在患者生存分层方面的优势	尽管深度学习分类在生存分层方面表现更好，但其分类准确性仍需进一步提高，且其背后的生物学机制尚未完全理解	开发和验证一种基于深度学习的胃癌组织学亚型分类器，并评估其在临床预后预测中的潜力	胃腺癌患者的组织学亚型及其临床预后	数字病理	胃癌	深度学习	基于注意力机制的多实例学习	图像	TCGA队列中166例胃癌样本，欧洲队列322例，日本队列243例
997	2024-09-23	Whole Slide Imaging-Based Prediction of TP53 Mutations Identifies an Aggressive Disease Phenotype in Prostate Cancer 2023-09-01, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-22-3113 PMID:37352385	研究论文	本文开发了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并识别出一种具有侵袭性的疾病表型	本文首次提出了一种基于全切片图像的深度学习模型TiDo，用于预测前列腺癌中的TP53突变，并展示了其在独立多焦点队列中的成功泛化能力	模型无法完美预测单个TP53突变的空间存在，但可以通过描绘与侵袭性疾病生物标志物相关的下游表型来阐明肿瘤的预后	开发一种基于全切片图像的深度学习模型，用于预测前列腺癌中的TP53突变，并识别出具有侵袭性的疾病表型	前列腺癌中的TP53突变及其与侵袭性疾病表型的关系	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	独立多焦点队列中的前列腺肿瘤样本
998	2024-09-23	A ligand-receptor interactome atlas of the zebrafish 2023-Aug-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.107309 PMID:37539027	研究论文	本文构建了一个斑马鱼的配体-受体相互作用图谱，并提供了相关的R和Python脚本资源	本文的创新点在于结合了斑马鱼蛋白质组的物理相互作用数据和现有的人类配体-受体对数据库，构建了一个全面的斑马鱼配体-受体相互作用图谱	本文的局限性在于依赖于预测的细胞定位数据，可能存在一定的不确定性	本文的研究目的是填补斑马鱼蛋白质组注释的空白，揭示细胞间通信的功能，并识别新的靶向药物	本文的研究对象是斑马鱼的配体、受体及其相互作用网络	生物信息学	NA	深度学习算法	NA	蛋白质组数据	NA
999	2024-09-23	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2023-Aug-18, ArXiv PMID:37645038	研究论文	提出了一种基于机器学习的框架STINR-MR，用于从高度欠采样的数据中准确重建3D cine-MRI图像	STINR-MR通过联合重建和形变配准方法，解决了时空重建问题，并实现了高加速因子	NA	开发一种准确重建3D cine-MRI图像的机器学习框架	3D cine-MRI图像的重建	计算机视觉	NA	隐式神经表示学习	隐式神经表示网络	图像	使用4D扩展心脏-躯干(XCAT)数字幻影模拟数据和临床采集的健康人类受试者数据进行评估
1000	2024-09-23	Whole genome deconvolution unveils Alzheimer's resilient epigenetic signature 2023-08-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-40611-4 PMID:37587197	研究论文	开发了一种名为Cellformer的深度学习方法，用于将批量ATAC-seq数据解卷积为细胞类型特异性表达，揭示了阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	提出了Cellformer方法，能够将批量ATAC-seq数据解卷积为细胞类型特异性表达，从而揭示阿尔茨海默病中的细胞类型特异性基因调控机制	NA	揭示阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	阿尔茨海默病中具有抗性的细胞类型特异性基因调控机制	机器学习	阿尔茨海默病	ATAC-seq	深度学习	基因组数据	191个来自3个脑区的批量样本