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
1221	2024-09-13	Cartography of Genomic Interactions Enables Deep Analysis of Single-Cell Expression Data 2023-02-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-36383-6 PMID:36755047	研究论文	本文提出了一种基于熵的基因组相互作用图谱策略，将高维基因表达数据转化为配置图像格式，称为genomap，以显式整合基因组相互作用	本文的创新点在于开发了一种基于熵的图谱策略，将基因表达数据转化为图像格式，并整合基因组相互作用，从而提取深层基因组相互作用特征	NA	本文的研究目的是改进单细胞基因表达数据的分析方法，提高数据分析的准确性	本文的研究对象是单细胞基因表达数据及其相互作用	基因组学	NA	深度学习	NA	基因表达数据	NA
1222	2024-09-13	Datasets for learning of unknown characteristics of dynamical systems 2023-02-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-01978-7 PMID:36750577	研究论文	本文介绍了用于学习动态系统未知特征的数据集，包含33,000个时间序列，涵盖15种动态系统	提出了用于机器学习方法（特别是深度学习技术）分析未知动态系统特征的数据集	NA	通过分析时间序列来理解生成这些信号的生理系统	33,000个时间序列，涵盖15种动态系统（包括五种混沌系统和十种非混沌系统）	机器学习	NA	深度学习技术	LSTM和卷积神经网络	时间序列	33,000个时间序列，涵盖15种动态系统
1223	2024-09-13	Deep learning in economics: a systematic and critical review 2023-Feb-04, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-022-10272-8 PMID:36777109	综述	本文从历史回顾的角度，系统地探讨了深度学习在经济学中的应用，并提供了相关的批判性评论	本文系统地调查了深度学习在经济学中的应用，并提供了相关的批判性评论，填补了研究空白	NA	探讨深度学习在经济学中的应用及其未来挑战	深度学习模型在经济学中的应用及其在不同经济学子领域的应用	机器学习	NA	深度学习	NA	NA	NA
1224	2024-09-13	Deep Learning in Population Genetics 2023-02-03, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evad008 PMID:36683406	研究论文	本文探讨了深度学习在群体遗传学中的应用，特别是用于处理大规模基因组数据和复杂进化场景	本文设计了一种分支架构，用于从时间性单倍型数据中检测近期平衡选择的信号，并在模拟数据上展示了良好的预测性能	本文未详细讨论神经网络的可解释性、对不确定训练数据的鲁棒性以及群体遗传数据的创新表示方法	展示深度学习在群体遗传学中解决新挑战的可行性	群体遗传学中的大规模基因组数据和复杂进化场景	机器学习	NA	深度学习	卷积神经网络、循环神经网络	基因组数据	NA
1225	2024-09-13	At the Confluence of Artificial Intelligence and Edge Computing in IoT-Based Applications: A Review and New Perspectives 2023-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s23031639 PMID:36772680	综述	本文综述了人工智能与边缘计算在物联网应用中的融合现状，并探讨了新的研究方向	本文提出了人工智能与边缘计算融合的新视角，并探讨了其在多个应用领域中的潜力	本文主要关注现有研究的综述和未来方向的探讨，未涉及具体的技术实现细节	探讨人工智能与边缘计算在物联网应用中的融合现状，并提出新的研究方向	人工智能与边缘计算在智能农业、智能环境、智能电网、智能医疗、智能工业、智能教育、智能交通、安全和隐私等八个应用领域的融合	物联网	NA	机器学习、深度学习、群体智能	NA	大数据	NA
1226	2024-09-13	Determination of the stage and grade of periodontitis according to the current classification of periodontal and peri-implant diseases and conditions (2018) using machine learning algorithms 2023-Feb, Journal of periodontal & implant science DOI:10.5051/jpis.2201060053 PMID:36468476	研究论文	本文设计了一个基于机器学习算法的决策系统，用于根据2018年发布的牙周和种植体周围疾病和状况分类标准，确定牙周炎的阶段和等级	本文首次将机器学习算法应用于牙周炎的阶段和等级分类，并结合临床数据和放射影像进行深度学习处理	放射影像在牙周炎等级建模中的准确性较低，需要进一步优化算法以提高结果	设计一个基于机器学习算法的决策系统，以简化牙周炎的诊断过程	牙周炎的阶段和等级分类	机器学习	牙周疾病	机器学习算法	混合网络模型（ResNet50架构与支持向量机算法结合）	临床数据和放射影像	144名患者
1227	2024-09-13	Using machine learning to predict the effects and consequences of mutations in proteins 2023-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2022.102518 PMID:36603229	研究论文	本文探讨了利用机器学习和深度学习方法预测蛋白质突变效应及其后果	本文提出了一种利用大规模蛋白质序列、结构和突变效应数据集进行预测的方法，并通过无监督和自监督预训练结合混合或迁移学习进行优化	研究的主要限制在于数据可用性和质量，尤其是在实验数据有限的情况下	旨在利用机器学习技术预测蛋白质突变的影响	蛋白质突变及其效应	机器学习	NA	机器学习和深度学习	NA	蛋白质序列和结构数据	大规模数据集
1228	2024-09-13	Biologically informed deep learning to query gene programs in single-cell atlases 2023-02, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-022-01072-x PMID:36732632	研究论文	本文提出了一种生物学信息驱动的深度学习架构expiMap，用于单细胞参考图谱的映射	expiMap能够将细胞映射到生物学上可理解的基因程序组件，同时学习每个细胞的基因程序活性，并进行程序的优化和新程序的学习	NA	开发一种能够将新产生的查询数据快速映射到参考图谱的深度学习方法，并使其结果具有生物学解释性	单细胞数据及其在不同组织和物种中的扰动响应	机器学习	NA	深度学习	深度学习架构	单细胞数据	NA
1229	2024-09-13	Periodic-net: an end-to-end data driven framework for diffuse optical imaging of breast cancer from noisy boundary data 2023-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.2.026001 PMID:36761256	研究论文	本文提出了一种端到端的深度学习框架Periodic-net，用于从噪声边界数据中进行乳腺癌症的漫射光学成像	提出的Periodic-net算法在重建和评估不均匀性方面具有高精度，并且在图像重建中表现出对噪声的更强免疫力	NA	开发一种端到端的深度学习框架，用于早期检测乳腺癌并重建其光学特性	乳腺癌症的光学特性	机器学习	乳腺癌	漫射光学成像	深度学习算法	图像	包括16×15、20×19和36×35边界测量设置的多种组合
1230	2024-09-13	Computer-Aided Drug Design towards New Psychotropic and Neurological Drugs 2023-Jan-30, Molecules (Basel, Switzerland) DOI:10.3390/molecules28031324 PMID:36770990	综述	本文综述了计算机辅助药物设计（CADD）技术在中枢神经系统（CNS）药物发现中的应用	近年来，深度学习技术被应用于药物设计，为CADD工作流程增添了新的活力	尽管CADD技术有所进步，但CNS药物发现仍面临高失败率和临床试验成本高的问题	探讨CADD技术在CNS药物发现中的应用，并回顾2018年至2022年11月期间的相关进展	中枢神经系统疾病的新药物	计算机辅助药物设计	神经系统疾病	计算机辅助药物设计（CADD）	深度学习	NA	NA
1231	2024-09-13	Predicting CTS Diagnosis and Prognosis Based on Machine Learning Techniques 2023-Jan-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030492 PMID:36766597	研究论文	本研究开发了基于机器学习算法的分类模型，用于确定腕管综合征的严重程度，并预测患者在接受超声引导下正中神经水解术后改善的可能性	本研究首次提出了基于全面临床数据的机器学习模型，用于分类腕管综合征的严重程度，并预测患者在接受治疗后的改善概率	研究样本量相对较小，且仅包括了与腕管综合征症状重叠的其他疾病患者，可能影响模型的泛化能力	开发和验证用于预测腕管综合征诊断和预后的机器学习模型	腕管综合征患者及其他与腕管综合征症状重叠的疾病患者	机器学习	神经疾病	机器学习算法	分类模型	临床数据	160名患者，包括80名腕管综合征患者和80名其他疾病患者
1232	2024-09-13	Face Image Encryption Based on Feature with Optimization Using Secure Crypto General Adversarial Neural Network and Optical Chaotic Map 2023-Jan-27, Sensors (Basel, Switzerland) DOI:10.3390/s23031415 PMID:36772454	研究论文	本文提出了一种基于特征优化和安全加密通用对抗神经网络与光学混沌映射的面部图像加密技术	结合了图像优化、密码学和深度学习架构，使用光学混沌映射管理初始标准，并引入区域兴趣网络提取加密图像中的相关项目	未提及	提高面部图像加密技术的安全性和便利性	面部图像的加密与解密	计算机视觉	NA	光学混沌映射	通用对抗神经网络	图像	未提及
1233	2024-09-13	Uncertain-CAM: Uncertainty-Based Ensemble Machine Voting for Improved COVID-19 CXR Classification and Explainability 2023-Jan-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030441 PMID:36766546	研究论文	本文提出了一种基于不确定性集成的机器投票方法，用于改进COVID-19胸部X射线分类和解释性	本文引入了Uncertain-CAM技术，结合循环余弦退火方法和交叉验证，提高了深度学习模型的解释性和COVID-19分类系统的可靠性	NA	提高COVID-19胸部X射线分类的准确性和深度学习模型的解释性	COVID-19胸部X射线图像	计算机视觉	COVID-19	深度学习	深度学习模型	图像	NA
1234	2024-09-13	A Study on the Impact of Integrating Reinforcement Learning for Channel Prediction and Power Allocation Scheme in MISO-NOMA System 2023-Jan-26, Sensors (Basel, Switzerland) DOI:10.3390/s23031383 PMID:36772422	研究论文	研究了在MISO-NOMA系统中集成强化学习进行信道预测和功率分配方案的影响	开发了基于Q-learning算法的信道预测模型，并将其应用于MISO-NOMA系统中，以提高下行链路总速率和减少估计损失	NA	研究强化学习在MISO-NOMA系统中信道预测和功率分配中的应用	MISO-NOMA系统中的信道参数预测和功率分配	机器学习	NA	强化学习	Q-learning	信道参数	多个用户设备
1235	2024-09-13	Using Ultrasound Image Augmentation and Ensemble Predictions to Prevent Machine-Learning Model Overfitting 2023-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030417 PMID:36766522	研究论文	本文探讨了使用超声图像增强和集成预测来防止机器学习模型过拟合的方法	引入了仿射变换和MixUp方法进行图像增强，并通过集成多个LOSO保留集的预测结果来提高模型性能	仅在组织幻影图像集上进行了验证，尚未在临床实际数据上进行测试	提高深度学习模型在超声图像分析中的泛化能力，以简化医疗影像诊断	超声图像中的弹片识别	计算机视觉	NA	NA	神经网络	图像	使用了多个组织幻影图像集进行训练和测试
1236	2024-09-13	Blind Assessment of Monomeric AlphaFold2 Protein Structure Models with Experimental NMR Data 2023-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.22.525096 PMID:36712039	研究论文	本文评估了AlphaFold2在预测小分子单体蛋白质结构模型时与实验NMR数据的拟合程度	首次系统性地评估了AlphaFold2在未用于训练的NMR结构数据上的表现，并发现其在大多数情况下与NMR数据拟合良好	研究仅限于小分子单体蛋白质，未涉及更大或更复杂的蛋白质结构	评估AlphaFold2在预测未用于训练的NMR结构数据上的准确性	小分子单体蛋白质的NMR结构数据	结构生物学	NA	NMR	AlphaFold2	蛋白质结构数据	9个小分子单体蛋白质
1237	2024-09-13	Lightweight and Energy-Efficient Deep Learning Accelerator for Real-Time Object Detection on Edge Devices 2023-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s23031185 PMID:36772225	研究论文	本文提出了一种轻量级且节能的深度学习加速器，用于边缘设备上的实时目标检测	通过模型简化和压缩优化网络模型，并设计了一种轻量级且节能的硬件架构	未提及	开发适用于资源受限的边缘设备的深度学习加速器，以实现实时目标检测	边缘设备上的实时目标检测	计算机视觉	NA	深度学习	深度学习模型	图像	未提及
1238	2024-09-13	Light-Dermo: A Lightweight Pretrained Convolution Neural Network for the Diagnosis of Multiclass Skin Lesions 2023-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030385 PMID:36766490	研究论文	本文提出了一种基于轻量级预训练卷积神经网络的计算机辅助诊断系统，用于多类皮肤病变诊断	开发了一种名为Light-Dermo的新方法，该方法基于轻量级CNN模型，并应用了通道注意力机制，旨在提高计算效率	NA	开发一种高效的计算机辅助诊断系统，用于早期识别多类皮肤病变	多类色素性皮肤病变	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	使用了14,000张图像进行初始验证，并通过数据增强技术扩展到28,000张图像
1239	2024-09-13	Thin-Slice Prostate MRI Enabled by Deep Learning Image Reconstruction 2023-Jan-18, Cancers IF:4.5Q1 DOI:10.3390/cancers15030578 PMID:36765539	研究论文	研究通过深度学习图像重建技术实现薄切片前列腺MRI，以提高前列腺癌诊断的图像质量	采用深度学习加速的T2加权薄切片成像序列（T2DLR），相比传统T2加权TSE成像（T2S），显著提高了图像锐度和病变检测能力	T2DLR在图像噪声方面表现较差	探讨深度学习加速的薄切片MRI在前列腺癌诊断中的应用效果	前列腺癌诊断中的图像质量和成像时间	计算机视觉	前列腺癌	深度学习图像重建	NA	图像	30名患者
1240	2024-09-13	Scalable Causal Structure Learning: Scoping Review of Traditional and Deep Learning Algorithms and New Opportunities in Biomedicine 2023-Jan-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38266 PMID:36649070	综述	本文综述了可扩展因果结构学习模型的传统和深度学习算法，并探讨了其在生物医学领域的新机遇	本文介绍了新的深度学习方法在因果结构学习中的应用，这些方法在处理大规模多变量数据时具有优势	本文未详细讨论深度学习方法在因果结构学习中的局限性	帮助医疗领域的读者理解和应用可扩展的因果结构学习模型	综述传统和机器学习方法在因果结构发现中的应用，并评估其在生物医学领域的潜力	机器学习	NA	深度学习	图神经网络	数据集	使用了线性、非线性和基准Sachs数据进行实验