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
21	2024-09-30	Using Automatic Speech Recognition to Measure the Intelligibility of Speech Synthesized from Brain Signals 2023-Apr, International IEEE/EMBS Conference on Neural Engineering : [proceedings]. International IEEE EMBS Conference on Neural Engineering DOI:10.1109/ner52421.2023.10123751 PMID:39323876	研究论文	本文介绍了一种基于深度学习的AI听者，用于客观、快速、自动地评估脑机接口合成语音的可理解性	提出了一种新的深度学习模型AI听者，用于评估脑机接口合成语音的可理解性，并发现多个先前发布的脑机接口输出数据集不可理解	尚未提及	开发一种客观、快速、自动的方法来评估脑机接口合成语音的可理解性	脑机接口合成语音的可理解性	自然语言处理	NA	自动语音识别（ASR）	深度学习模型（Deepspeech, Wav2vec 2.0, Kaldi, XLSR-Wav2vec 2.0）	语音数据	包括健康语音、构音障碍者语音和脑机接口合成语音的多个语音数据集
22	2024-09-28	A Perspective on Explanations of Molecular Prediction Models 2023-Apr-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c01235 PMID:36972469	综述	本文综述了可解释人工智能（XAI）在化学领域的应用，特别是解释深度学习（DL）模型及其预测的方法	介绍了化学反事实和描述符解释等XAI方法，展示了这些方法在解释DL预测和揭示结构-性质关系方面的潜力	NA	探讨XAI在化学领域中的应用，特别是解释DL模型及其预测的方法	化学领域的深度学习模型及其预测的解释方法	机器学习	NA	深度学习（DL）	深度学习模型	分子数据	NA
23	2024-09-28	Retinal Disease Detection Using Deep Learning Techniques: A Comprehensive Review 2023-Apr-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9040084 PMID:37103235	综述	本文综述了使用深度学习技术进行视网膜疾病检测的研究进展	本文提出了未来研究方向，包括探索集成CNN架构在多类多标签任务中的潜力以及提高模型可解释性	本文未提供具体的研究数据或模型实现细节	评估当前深度学习技术在视网膜疾病检测和分级中的应用	视网膜疾病，包括青光眼、糖尿病视网膜病变、年龄相关性黄斑变性和多种视网膜疾病	计算机视觉	NA	深度卷积神经网络（DCNN）和视觉变换器（ViT）	CNN	图像	NA
24	2024-09-28	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文综述了Transformer模型在医学影像领域的应用现状，并探讨了其未来发展方向	本文通过对比Transformer和卷积神经网络（CNN）的关键特性，系统地组织了Transformer在医学影像中的应用，帮助读者更好地理解这些方法背后的原理	NA	探讨Transformer模型在医学影像领域的应用现状及未来发展方向	Transformer模型在医学影像中的应用，包括图像分割、识别、检测、配准、重建、增强等	计算机视觉	NA	Transformer	Transformer	图像	NA
25	2024-09-28	Applying a GAN-based classifier to improve transcriptome-based prognostication in breast cancer 2023-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011035 PMID:37011102	研究论文	本文提出了一种基于生成对抗网络（GAN）的分类器，用于改善乳腺癌患者的转录组学预后	本文创新性地使用了一种包含梯度惩罚的Wasserstein生成对抗网络（GAN）和嵌入式辅助分类器的数据增强管道，以克服omics数据集中变量数量远超患者数量的挑战	NA	开发一种能够基于全转录组数据对乳腺癌患者进行风险分层的稳健分类器	乳腺癌患者	机器学习	乳腺癌	生成对抗网络（GAN）	生成对抗网络（GAN）	转录组数据	1244名患者（METABRIC乳腺癌队列）
26	2024-09-23	A genome-wide optical pooled screen reveals regulators of cellular antiviral responses 2023-04-18, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2210623120 PMID:37043539	研究论文	本文通过大规模光学组合筛选技术，揭示了调控细胞抗病毒反应的基因	本文通过提高光学组合筛选技术的通量，实现了大规模CRISPR敲除筛选，并结合高分辨率多参数成像和原位cDNA合成测序，识别了80,408个单引导RNA，显著扩展了功能基因组学方法的应用范围	NA	揭示调控细胞抗病毒反应的基因	细胞对病毒感染的先天免疫反应	基因组学	NA	CRISPR敲除筛选、高分辨率多参数成像、原位cDNA合成测序	NA	图像	10,366,390个细胞中的80,408个单引导RNA
27	2024-09-23	Persistent topological Laplacian analysis of SARS-CoV-2 variants 2023-Apr-06, ArXiv PMID:36748007	研究论文	本文探讨了持久拓扑拉普拉斯（PTLs）在分析严重急性呼吸综合征冠状病毒2（SARS-CoV-2）刺突受体结合域（RBD）蛋白质结构变化中的建模和分析能力	提出了持久拓扑拉普拉斯（PTLs）作为一种新的拓扑数据分析工具，用于克服持久同调的局限性，特别是在处理异质信息和描述非拓扑变化方面	NA	研究持久拓扑拉普拉斯在分析SARS-CoV-2变种蛋白质结构变化中的应用	SARS-CoV-2刺突受体结合域（RBD）及其与血管紧张素转换酶2（ACE2）结合的结构变化	数据科学	NA	持久拓扑拉普拉斯（PTLs）	拓扑深度学习	蛋白质结构数据	多种SARS-CoV-2变种及其计算生成的RBD结构
28	2024-09-20	Efficient labelling for efficient deep learning: the benefit of a multiple-image-ranking method to generate high volume training data applied to ventricular slice level classification in cardiac MRI 2023-Apr, Journal of medical artificial intelligence DOI:10.21037/jmai-22-55 PMID:37346802	研究论文	本文介绍了一种利用多位临床专家对心脏磁共振成像（CMR）图像进行排序的新方法，以生成高质量的训练数据，并应用于左心室切片级别的分类	提出了一种基于多图像排序的标注方法，相比传统的单图像标注方法，能够更高效地生成高质量的训练数据	研究样本量较小，仅涉及300个随机扫描的图像，未来需要在大规模数据集上验证方法的有效性	探讨如何通过高效的标注方法提高深度学习模型在心脏磁共振成像中的分类性能	心脏磁共振成像（CMR）图像的左心室切片分类	计算机视觉	心血管疾病	深度学习	卷积神经网络（CNN）	图像	300个随机扫描的图像，共3552张个体图像
29	2024-09-20	Deep learning analysis of endometrial histology as a promising tool to predict the chance of pregnancy after frozen embryo transfers 2023-Apr, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-023-02745-8 PMID:36862259	研究论文	本研究利用深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会	本研究通过深度学习算法分析子宫内膜组织学，克服了传统Noyes法的主观性和与生育状态或妊娠结果相关性差的局限	本研究仅在特定人群中进行了初步验证，需要进一步在大规模和多样化的样本中验证其有效性	本研究旨在通过深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会	本研究的对象是自然月经周期中的健康志愿者和接受模拟人工周期的不孕患者	机器学习	NA	深度学习	二分类器	图像	自然月经周期中的健康志愿者24例，接受模拟人工周期的不孕患者37例
30	2024-09-20	Peanut leaf disease identification with deep learning algorithms 2023-Apr, Molecular breeding : new strategies in plant improvement IF:2.6Q2 DOI:10.1007/s11032-023-01370-8 PMID:37313521	研究论文	本文提出了一种新的深度学习模型用于花生叶病害识别	提出的模型结合了改进的Xception、部分激活特征融合模块和两个注意力增强分支，显著提高了识别准确率	NA	提高花生叶病害识别的准确性和泛化能力	花生叶病害	计算机视觉	NA	深度学习	Xception	图像	应用于黄瓜、苹果、水稻、玉米和小麦叶病害识别，平均准确率为99.61%
31	2024-09-19	hist2RNA: An Efficient Deep Learning Architecture to Predict Gene Expression from Breast Cancer Histopathology Images 2023-Apr-30, Cancers IF:4.5Q1 DOI:10.3390/cancers15092569 PMID:37174035	研究论文	提出了一种名为hist2RNA的高效深度学习架构，用于从乳腺癌病理图像中预测基因表达	hist2RNA方法借鉴了批量RNA测序技术，能够快速且经济地从HE染色全切片图像中预测138个基因的表达，包括管腔PAM50亚型	NA	开发一种高效的方法，从乳腺癌病理图像中预测基因表达，以替代昂贵且耗时的分子检测	乳腺癌患者的HE染色全切片图像和基因表达数据	数字病理学	乳腺癌	深度学习	深度学习架构	图像	训练集包含335个样本，测试集包含160个样本，外部TMA数据集包含498个样本
32	2024-09-19	Enhancing Intrusion Detection Systems for IoT and Cloud Environments Using a Growth Optimizer Algorithm and Conventional Neural Networks 2023-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s23094430 PMID:37177634	研究论文	本文提出了一种结合深度学习和优化算法的新型入侵检测系统模型，用于增强物联网和云环境的安全性	本文创新性地结合了深度学习和优化算法，特别是使用了一种改进的生长优化器（MGO）和鲸鱼优化算法（WOA）来提升特征选择和搜索过程	NA	提升物联网和云环境中入侵检测系统的准确性和效率	物联网和云环境的入侵检测系统	机器学习	NA	生长优化器（GO）、鲸鱼优化算法（WOA）	卷积神经网络（CNN）	数据集	使用了公开的云和物联网环境数据集
33	2024-09-19	Deep Learning Utilizing Suboptimal Spirometry Data to Improve Lung Function and Mortality Prediction in the UK Biobank 2023-Apr-29, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.28.23289178 PMID:37162978	研究论文	本文利用次优的肺功能测试数据，通过深度学习模型提高肺功能和全因死亡率的预测	提出了一种基于对比学习的模型，利用次优和质量控制失败的肺功能测试数据进行肺功能和全因死亡率的预测	NA	提高肺功能和全因死亡率的预测准确性	肺功能测试数据和全因死亡率	机器学习	NA	对比学习	对比学习框架（Spiro-CLF）	肺功能测试数据	940,705个肺功能测试曲线，来自352,684名UK Biobank参与者
34	2024-09-19	Rapid Synthesis of Cryo-ET Data for Training Deep Learning Models 2023-Apr-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.28.538636 PMID:37162972	研究论文	本文介绍了一种用于训练深度学习模型的快速合成冷冻电镜数据的方法	引入了cryo-TomoSim (CTS)软件包，能够模拟冷冻电镜数据，为深度学习模型提供训练数据	NA	开发一种能够快速合成冷冻电镜数据的方法，以解决深度学习模型训练数据不足的问题	冷冻电镜图像的恢复和分割任务	计算机视觉	NA	冷冻电镜	深度学习模型	图像	NA
35	2024-09-19	BOUNTI: Brain vOlumetry and aUtomated parcellatioN for 3D feTal MRI 2023-Apr-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.18.537347 PMID:37131820	研究论文	本文提出了一种基于深度学习的3D胎儿MRI脑组织分割和自动分区的新方法	开发了一种新的基于深度学习的胎儿脑组织分割管道，使用半监督方法训练，减少了手动调整的需求	初步结果显示，在不到15%的病例中存在轻微错误，仍需进一步验证和优化	解决目前缺乏统一的胎儿脑分区协议的问题，实现自动化的脑组织分割和体积测量	3D T2加权运动校正的胎儿脑图像	计算机视觉	NA	深度学习	深度学习模型	图像	360个胎儿MRI数据集用于训练，390个正常参与者用于分析，65个脑室扩张胎儿和60个正常对照组用于比较
36	2024-09-19	Self-Supervised Contrastive Learning to Predict Alzheimer's Disease Progression with 3D Amyloid-PET 2023-Apr-26, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.20.23288886 PMID:37162842	研究论文	本文提出了一种自监督对比学习方法，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展	本文创新性地提出了一个自监督对比学习方法，利用未标记数据捕捉图像中的通用表示，并设计了一个损失函数在预训练中利用标签信息	NA	早期诊断阿尔茨海默病，预测其进展	3D淀粉样蛋白PET图像	计算机视觉	阿尔茨海默病	自监督对比学习	NA	图像	使用了阿尔茨海默病神经影像倡议（ADNI）数据集
37	2024-09-19	DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data 2023-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.537396 PMID:37163042	研究论文	提出了一种基于条件变分自编码器和ComBat模型的深度学习方法DeepComBat，用于神经影像数据的批次效应校正	DeepComBat通过考虑特征之间的多元关系来学习并去除受试者级别的批次效应，并且对超参数选择具有较强的鲁棒性	未提及	解决多批次神经影像数据中的批次效应问题，提高数据的可泛化性和可重复性	神经影像数据及其提取的放射组学特征	计算机视觉	NA	深度学习	条件变分自编码器	图像	一个大型认知老化队列的神经影像数据
38	2024-09-19	From Deep Mutational Mapping of Allosteric Protein Landscapes to Deep Learning of Allostery and Hidden Allosteric Sites: Zooming in on "Allosteric Intersection" of Biochemical and Big Data Approaches 2023-Apr-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24097747 PMID:37175454	综述	本文综述了通过数据密集型生物化学方法和基于人工智能的计算方法在别构研究中的最新进展	讨论了人工智能方法在蛋白质结构和动力学研究中的应用进展，并强调了开发人工智能增强的整合结构生物学的重要性	尽管人工智能方法在蛋白质研究中取得了显著进展，但别构调控与新兴结构生物学技术和人工智能方法之间的交叉领域仍未充分探索	探讨别构研究中数据密集型生物化学方法和人工智能计算方法的最新发展	蛋白质动力学和别构机制	机器学习	NA	机器学习	NA	蛋白质结构数据	NA
39	2024-09-19	Hierarchical multi-omics data integration and modeling predict cell-specific chemical proteomics and drug responses 2023-04-24, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100452 PMID:37159671	研究论文	开发了一种端到端的深度学习框架TransPro，用于预测未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和相应表型	提出了TransPro框架，通过分层整合多组学数据来预测蛋白质组学特征和药物反应，填补了蛋白质组学数据稀缺和缺失值问题的空白	NA	开发一种计算方法来推断药物诱导的蛋白质组学模式，以促进系统药理学的发展	未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和药物反应	机器学习	NA	深度学习	深度学习框架	多组学数据	NA
40	2024-09-19	Revolutionizing the Early Detection of Alzheimer's Disease through Non-Invasive Biomarkers: The Role of Artificial Intelligence and Deep Learning 2023-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s23094184 PMID:37177386	研究论文	本文探讨了通过非侵入性生物标志物结合人工智能和深度学习技术，实现阿尔茨海默病早期检测的潜力	本文提出了一种结合非侵入性技术和人工智能深度学习的方法，用于阿尔茨海默病的早期检测，这在当前研究中是一个创新点	本文未详细讨论具体的模型或技术细节，以及实际应用中的可行性和效果	研究目的是通过非侵入性方法和人工智能技术，实现阿尔茨海默病的早期检测	研究对象是阿尔茨海默病及其早期检测方法	机器学习	阿尔茨海默病	人工智能和深度学习	深度学习模型	生物数据	NA