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
1021	2024-09-28	Deep Convolutional Neural Networks for Detecting COVID-19 Using Medical Images: A Survey 2023, New generation computing IF:2.0Q2 DOI:10.1007/s00354-023-00213-6 PMID:37229176	综述	本文综述了2020年1月至2022年9月期间使用深度学习模型进行COVID-19检测的研究	本文比较了不同深度学习方法在COVID-19检测中的应用，并提供了该领域的未来发展方向	NA	探讨深度学习在COVID-19检测中的应用	COVID-19检测	计算机视觉	COVID-19	深度学习	CNN	图像	NA
1022	2024-09-28	On the Analyses of Medical Images Using Traditional Machine Learning Techniques and Convolutional Neural Networks 2023, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-023-09899-9 PMID:37260910	综述	本文综述了卷积神经网络（CNN）在医学图像分析中的应用及其内部结构和挑战	本文介绍了深度学习中不同的激活函数、超参数优化、正则化、动量和损失函数对CNN性能的改进	NA	探讨CNN在医学图像分析中的应用及其内部结构和挑战	卷积神经网络及其在医学图像分析中的应用	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
1023	2024-09-28	Multi-modal medical image classification using deep residual network and genetic algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287786 PMID:37384779	研究论文	本文提出了一种基于深度残差网络和遗传算法的多模态医学图像分类方法	利用深度学习模型ResNet50结合遗传算法，提高了多模态医学图像分类的准确性	NA	旨在缩小语义鸿沟并提高多模态医学图像分类的性能	多模态医学图像	计算机视觉	NA	深度学习	ResNet50	图像	28378张多模态医学图像
1024	2024-09-28	Generic Interpretable Reaction Condition Predictions with Open Reaction Condition Datasets and Unsupervised Learning of Reaction Center 2023, Research (Washington, D.C.) DOI:10.34133/research.0231 PMID:37849643	研究论文	本文提出了一个基于Transformer的反应条件预测模型Parrot，并创建了两个标准化的反应条件数据集	提出了一个强大的、可解释的Transformer模型Parrot，用于反应条件预测，并创建了两个标准化的反应条件数据集	训练数据集的多样性可能仍然有限	解决深度学习辅助合成规划中反应条件预测的挑战	反应条件预测模型和标准化数据集	机器学习	NA	Transformer	Transformer	文本	两个标准化的反应条件数据集，涵盖广泛的反应类别
1025	2024-09-28	Deep learning-empowered crop breeding: intelligent, efficient and promising 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1260089 PMID:37860239	研究论文	本文探讨了深度学习在作物育种中的应用，旨在提高育种效率和作物品质	提出了基于深度学习的作物育种策略，以加速作物改良和提高育种效率	当前面临数据复杂性、数据获取困难和预测精度低等挑战	提高作物育种效率和作物品质	作物育种过程	机器学习	NA	深度学习	NA	NA	NA
1026	2024-09-28	Nucleotide-level prediction of CircRNA-protein binding based on fully convolutional neural network 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1283404 PMID:37867600	研究论文	本文提出了一种基于全卷积神经网络的CircRNA-蛋白质结合位点预测方法	将CircRNA-蛋白质结合位点预测视为核苷酸级别的二分类任务，并使用全卷积神经网络进行预测	现有方法在准确预测具有特殊功能的motif位点方面表现不佳	研究CircRNA-蛋白质结合位点的预测及其在基因表达调控中的作用	CircRNA-蛋白质结合位点及其motif功能	计算机视觉	NA	全卷积神经网络	全卷积神经网络	序列	NA
1027	2024-09-28	Stacked ensemble deep learning for pancreas cancer classification using extreme gradient boosting 2023, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2023.1232640 PMID:37876961	研究论文	本文介绍了一种用于胰腺CT图像分类的堆叠集成深度学习方法	提出了堆叠集成深度学习（SEDL）方法，结合Inception V3、VGG16和ResNet34作为弱学习器，并使用极端梯度提升（XGBoost）作为强学习器进行最终分类	未提及具体限制	提高胰腺CT图像分类的预测性能	胰腺CT医学图像	计算机视觉	胰腺癌	极端梯度提升（XGBoost）	堆叠集成模型	图像	222张图像，来自80个胰腺CT扫描，分辨率为512*512像素，包括53名男性和27名女性
1028	2024-09-28	Convolutional neural network model by deep learning and teaching robot in keyboard musical instrument teaching 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293411 PMID:37883500	研究论文	研究通过深度学习和教学机器人在键盘乐器教学中的应用，提出了一种卷积神经网络模型，以改进学前教育的键盘乐器教学	提出了将智能技术与键盘乐器教学相结合的方法，通过教学机器人和深度学习模型实现个性化教学	未详细说明教学机器人的具体设计和实现细节，以及深度学习模型的训练数据和评估方法	探讨当前学前教育中键盘乐器教学的现状，提出改进方案，并验证教学机器人在键盘乐器教学中的应用效果	学前教育中的键盘乐器教学	机器学习	NA	深度学习	卷积神经网络（CNN）	图像	参与键盘乐器教学的学生
1029	2024-09-28	Revealing the impact of psychiatric comorbidities on treatment outcome in early psychosis using counterfactual model explanation 2023, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2023.1237490 PMID:37900290	研究论文	研究利用多模态深度学习架构和反事实模型解释技术，探讨精神共病对早期精神病治疗结果的影响	引入反事实模型解释技术，分析MINI评分对缓解概率的影响，并识别出对缓解概率影响最大的特定共病	研究结果主要基于OPTiMiSE研究的多中心样本，可能存在样本偏倚	探讨精神共病对早期精神病治疗结果的影响，并改进个体化预测模型	早期精神病患者及其精神共病	机器学习	精神病	多模态深度学习	深度学习模型	文本	来自OPTiMiSE研究的多中心早期精神病患者样本
1030	2024-09-27	An alternatively spliced PD-L1 isoform PD-L1∆3, and PD-L2 expression in breast cancers: implications for eligibility scoring and immunotherapy response 2023-Dec, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-023-03543-y PMID:37768345	研究论文	研究探讨了乳腺癌中PD-L1的剪接变体PD-L1∆3和PD-L2的表达，及其对免疫治疗反应的影响	首次发现PD-L1的剪接变体PD-L1∆3在乳腺癌中的表达，并揭示了PD-L2与PD-L1水平的相关性及其对免疫逃逸的影响	需要进一步验证PD-L1∆3和PD-L2在不同肿瘤类型中的表达及其对免疫治疗的具体影响	探索PD-L1和PD-L2在乳腺癌中的表达及其对免疫治疗反应的影响	PD-L1的剪接变体PD-L1∆3和PD-L2在乳腺癌中的表达	数字病理学	乳腺癌	转录组分析、结构建模、免疫组化	AlphaFold2	蛋白质模型	涉及TCGA数据库中的乳腺癌和其他肿瘤样本
1031	2024-09-27	Adapting model-based deep learning to multiple acquisition conditions: Ada-MoDL 2023-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29750 PMID:37332189	研究论文	本文介绍了一种基于模型的深度学习网络，能够在多种采集条件下从欠采样的并行MRI数据中提供高质量的重建	提出了一种单一的展开架构，通过调整卷积神经网络（CNN）特征和正则化参数的权重，适应不同的采集设置	NA	开发一种能够在多种采集条件下提供高质量重建的单一模型	欠采样的并行MRI数据	计算机视觉	NA	卷积神经网络（CNN）	多层感知器模型	图像	使用来自多种采集设置的数据进行训练，包括不同的场强、加速和对比度
1032	2024-09-27	When will RNA get its AlphaFold moment? 2023-Oct-13, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad726 PMID:37702120	研究论文	本文讨论了在短期内开发基于深度学习的RNA结构预测方法（如AlphaFold）所面临的挑战，并提出了改进建议	本文首次详细讨论了RNA结构预测中数据质量和数量问题，并提出了可能的解决方案	本文主要集中在讨论现有数据和方法的局限性，未提供具体的解决方案或实验验证	探讨RNA结构预测中深度学习方法的挑战并提出改进建议	RNA的3D结构预测	机器学习	NA	深度学习	AlphaFold	序列数据	有限数量的结构和比对数据
1033	2024-09-27	3D Ultrasonic Brain Imaging with Deep Learning Based on Fully Convolutional Networks 2023-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s23198341 PMID:37837171	研究论文	本文介绍了一种基于全卷积网络的3D超声脑成像深度学习算法	提出了Brain Imaging Full Convolution Network (BIFCN)算法，结合波形建模和深度学习进行精确的脑超声重建	实验结果在实验室中略低于模拟实验，且需要纯水作为初始模型	开发一种安全、快速且广泛适用的脑成像技术	成人颅内脑组织的3D超声成像	计算机视觉	NA	超声成像	全卷积网络 (FCN)	图像	10个样本
1034	2024-09-27	Go with the flow: deep learning methods for autonomous viscosity estimations 2023-Oct-09, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00109a PMID:38013903	研究论文	本文提出了一种使用卷积神经网络（CNN）进行自主粘度估计的方法，通过非侵入性地提取流体流动的时空特征来替代传统的粘度测量方法	本文的创新点在于使用3D卷积神经网络（3D-CNN）进行粘度估计，并通过实验证明其性能优于人类观察者	本文的局限性在于仅在实验室条件下进行了验证，尚未在实际工业应用中进行测试	本文的研究目的是开发一种快速、非侵入性的粘度测量方法，以加速材料发现和过程控制	本文的研究对象是流体的粘度及其在流体流动中的时空特征	机器学习	NA	卷积神经网络（CNN）	3D卷积神经网络（3D-CNN）	视频	本文使用了少于50个视频样本进行训练，每个液体类别约50个视频
1035	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
1036	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
1037	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
1038	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
1039	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
1040	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