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
1	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-May-02, Research square DOI:10.21203/rs.3.rs-2768563/v1 PMID:37205427	研究论文	本文提出了一种基于对比学习和自注意力机制的跨组学嵌入方法CLCLSA，用于处理不完整的多组学数据集成	创新点在于结合了跨组学自编码器、多组学对比学习和自注意力机制，以最大化不同组学之间的互信息，并动态识别最具信息量的特征	NA	研究目的是解决多组学数据集成中由于仪器灵敏度和成本导致的未配对数据问题	研究对象是多组学数据，包括基因组学、转录组学、蛋白质组学等	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
2	2024-12-12	Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients 2023-05, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.01.015 PMID:36754100	研究论文	本文介绍了一种基于视频的深度学习算法EchoNet-Peds，用于自动评估儿科患者左心室射血分数	EchoNet-Peds是首个专门针对儿科患者设计的深度学习算法，能够在左心室分割和射血分数估计方面达到人类专家水平	NA	开发一种能够准确、快速自动化评估儿科患者左心室射血分数的人工智能算法	儿科患者的左心室射血分数	机器学习	心血管疾病	深度学习	深度学习算法	视频	4467个儿科超声心动图
3	2024-12-11	Deep learning-based protoacoustic signal denoising for proton range verification 2023-05-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acd257 PMID:37141867	研究论文	本文提出了一种基于深度学习的质子声学信号去噪技术，用于质子射程验证	本文提出了一种新颖的基于深度学习的技术，通过堆叠自编码器（SAE）对质子声学信号进行去噪，显著降低了质子射程验证所需的剂量	本文仅在特定实验条件下验证了该方法的有效性，尚未在临床环境中进行广泛测试	提高质子治疗中质子射程验证的准确性和效率	质子声学信号的去噪和质子射程验证	机器学习	NA	深度学习	堆叠自编码器（SAE）	声学信号	每个设备收集了512个原始信号，低NSA信号为1、2、4、8、16或24个原始信号的平均值，高NSA信号为192个原始信号的平均值
4	2024-12-08	Multimodal deep learning methods enhance genomic prediction of wheat breeding 2023-05-02, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad045 PMID:36869747	研究论文	本文比较了一种新的深度学习方法与传统基因组预测模型在小麦育种中的应用	本文首次将深度学习方法应用于基因组与表型组（成像）相结合的基因组预测中	深度学习方法在某些年份的基因组预测准确性略低于GBLUP模型	提高小麦育种中未观测表型的基因组预测准确性	小麦的基因组数据和表型数据	机器学习	NA	深度学习	深度学习神经网络	基因组数据和表型数据	两个小麦数据集（DS1和DS2），DS1包含基因组和表型数据，DS2包含3年、2个环境（干旱和灌溉）和2-4个性状的基因组数据
5	2024-12-08	Inverse design in quantum nanophotonics: combining local-density-of-states and deep learning 2023-May, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0746 PMID:39635698	研究论文	本文介绍了一种在量子纳米光子学中结合局部态密度和深度学习的逆向设计框架	本文首次将深度学习引入量子光学领域，用于推进量子器件设计，并提供了一个新的平台，用于在没有直接结构与功能特性联系的复杂问题中设计纳米光子结构	NA	推进量子器件设计	量子纳米光子学中的自发辐射和纠缠问题	量子光学	NA	深度学习	全连接神经网络	局部态密度	单个多层壳金属纳米粒子系统中的量子发射器
6	2024-10-30	Employing Deep Learning Model to Evaluate Speech Information in Vocoder Simulations of Auditory Implants 2023-May-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.23.541843 PMID:37292787	研究论文	本文提出了一种利用深度学习模型评估人工耳蜗编码器模拟中语音信息的新方法	本文的创新点在于使用OpenAI Whisper深度学习语音识别模型替代传统的人类参与者，评估编码器模拟对语音感知的影响	本文的局限性在于模型表现与人类表现的完全一致性尚未得到验证	本研究的目的是探索利用先进的深度学习语音识别模型在听觉假体研究中的潜力	本研究的对象是人工耳蜗编码器模拟对语音感知的影响	机器学习	NA	深度学习	Whisper	语音	NA
7	2024-10-21	Deep learning based synthetic CT from cone beam CT generation for abdominal paediatric radiotherapy 2023-05-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acc921 PMID:36996837	研究论文	本文提出了一种基于深度学习的循环一致生成对抗网络（cycleGANs）框架，用于从锥形束CT（CBCT）生成合成CT图像，以提高儿科腹部放射治疗中剂量计算的图像质量	引入了全局残差仅学习概念，并修改了cycleGAN损失函数以促进源图像和合成图像之间的结构一致性	由于儿科患者数据集较小，存在数据收集困难的问题	提高儿科腹部放射治疗中CBCT图像的质量，以进行剂量重新计算和优化	儿科腹部患者的CBCT图像	计算机视觉	NA	深度学习	生成对抗网络（GAN）	图像	涉及多种恶性肿瘤（胸腹盆腔）患者的扫描数据
8	2024-10-08	Deep Learning for Human Activity Recognition on 3D Human Skeleton: Survey and Comparative Study 2023-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s23115121 PMID:37299848	综述	本文对基于三维人体骨架数据的人类活动识别（HAR）的深度学习方法进行了全面的调查和比较研究	本文首次对基于三维人体骨架数据的人类活动识别的深度学习方法进行了系统的分类和比较研究	本文的比较研究仅限于KLHA3D 102和KLYOGA3D数据集，可能无法全面反映所有深度学习方法的性能	评估和比较基于三维人体骨架数据的人类活动识别的深度学习方法	基于三维人体骨架数据的人类活动识别	计算机视觉	NA	深度学习	RNN, CNN, GCN, Hybrid-DNN	三维人体骨架数据	KLHA3D 102和KLYOGA3D数据集
9	2024-10-08	Denoising digital breast tomosynthesis projections using deep learning with synthetic data as training set 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034001 PMID:37223635	研究论文	本文研究了使用深度学习技术对数字乳腺断层合成（DBT）投影图像进行去噪，并提出使用合成数据进行训练	提出使用软件生成的合成数据来训练深度神经网络（DNN）进行DBT图像去噪，解决了实际数据集获取困难的问题	仅限于DBT图像去噪，未涉及其他类型的医学图像处理	研究如何在没有大量实际数据的情况下，使用合成数据训练深度神经网络进行DBT图像去噪	数字乳腺断层合成（DBT）投影图像的去噪	计算机视觉	NA	深度神经网络（DNN）	深度神经网络（DNN）	图像	合成数据集包含噪声和原始图像，具体样本数量未提及
10	2024-10-01	Electroencephalography-Based Depression Detection Using Multiple Machine Learning Techniques 2023-May-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101779 PMID:37238263	研究论文	研究通过分析脑电图（EEG）数据，利用多种机器学习和深度学习技术进行抑郁症检测	结合了脑电图信号和人口统计数据（如性别和年龄）进行抑郁症检测，提高了检测系统的泛化能力	脑电图信号的复杂性和非平稳性，以及个体差异对检测系统泛化能力的影响	开发一种能够通过分析脑电图数据识别抑郁症模式的算法	脑电图数据和人口统计数据	机器学习	精神疾病	机器学习和深度学习技术	卷积神经网络（CNN）	脑电图信号	使用了来自MODMA多模态开放数据集的脑电图数据，包括128通道的静息脑电图读数
11	2024-10-01	Prediction of heart transplant rejection from routine pathology slides with self-supervised deep learning 2023-May, European heart journal. Digital health DOI:10.1093/ehjdh/ztad016 PMID:37265858	研究论文	本文评估了使用自监督深度学习从常规病理切片预测心脏移植排斥反应的可行性	首次使用自监督深度学习模型预测心脏移植排斥反应，并展示了其在小样本训练中的有效性	研究样本量相对较小，且仅限于德国的三家移植中心	评估深度学习在预测心脏移植排斥反应中的可行性	心脏移植排斥反应的病理切片	数字病理	心血管疾病	深度学习	基于注意力的深度神经网络	图像	1079张病理切片，来自325名患者
12	2024-09-30	A systematic review of biologically-informed deep learning models for cancer: fundamental trends for encoding and interpreting oncology data 2023-May-15, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05262-8 PMID:37189058	综述	本文系统回顾了生物学启发的深度学习模型在癌症研究中的应用，重点关注多组学分析和模型的可解释性	提出了生物中心可解释性的概念，并讨论了其在深度学习模型中的应用	文章主要集中在现有模型的回顾和分析，未提出具体的创新模型或方法	探讨深度学习模型在癌症生物学中的应用，特别是如何整合先验生物学知识和提高模型的可解释性	深度学习模型在癌症研究中的应用，特别是多组学分析和模型的可解释性	机器学习	癌症	深度学习	NA	多组学数据	42项研究
13	2024-09-30	When Machine Learning and Deep Learning Come to the Big Data in Food Chemistry 2023-May-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c07722 PMID:37179635	综述	本文综述了食品化学领域中大数据与人工智能方法的应用	探讨了机器学习和深度学习在食品数据库分析中的应用	NA	展示食品数据库与人工智能结合在食品科学和化学中的潜力	食品成分、风味和化学化合物数据库	机器学习	NA	机器学习、深度学习	NA	数据库	NA
14	2024-09-30	A Deep Learning-Driven Self-Conscious Distributed Cyber-Physical System for Renewable Energy Communities 2023-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s23094549 PMID:37177753	研究论文	研究了基于深度学习的自感知分布式信息物理系统，用于可再生能源社区的能源管理	提出了能量感知的边缘到云架构模型和技术，创新了机器学习算法用于动态重新分配和重新配置能源资源	NA	开发能量感知的架构模型和边缘/云计算技术，设计下一代AI驱动的自感知物联网扩展DCPS	可再生能源社区的能量感知DCPS	机器学习	NA	深度学习	NA	NA	NA
15	2024-09-30	Identification of medicinal plant-based phytochemicals as a potential inhibitor for SARS-CoV-2 main protease (Mpro) using molecular docking and deep learning methods 2023-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106785 PMID:36931201	研究论文	本文利用分子对接和深度学习方法，筛选出基于韩国药用植物的植物化学物质作为SARS-CoV-2主蛋白酶（Mpro）的潜在抑制剂	开发了一个包含2431种植物化学物质的库，并通过分子对接和深度学习方法重新筛选，使用RNN计算系统开发了抑制预测模型	NA	寻找SARS-CoV-2主蛋白酶的潜在抑制剂，以开发治疗COVID-19的有效药物	SARS-CoV-2主蛋白酶（Mpro）及其潜在抑制剂	机器学习	COVID-19	分子对接、分子动力学模拟	RNN	化合物	2431种植物化学物质
16	2024-09-28	Evidence-driven spatiotemporal COVID-19 hospitalization prediction with Ising dynamics 2023-05-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38756-3 PMID:37248229	研究论文	本文开发了一种基于Ising动力学的深度学习模型HOIST，用于预测COVID-19疫情期间的住院人数	提出了一种基于Ising动力学的深度学习模型HOIST，用于提取和利用空间关系，并模拟现实世界临床证据的复杂影响	NA	准确预测COVID-19疫情期间的住院人数	COVID-19疫情期间的住院人数	机器学习	COVID-19	Ising动力学	深度学习模型	保险索赔数据、人口普查信息、医院资源使用数据	2299个美国县
17	2024-09-28	Dispersal inference from population genetic variation using a convolutional neural network 2023-05-26, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyad068 PMID:37052957	研究论文	本文介绍了一种利用地理分布的基因型数据和卷积神经网络来推断种群参数（即每代平均扩散距离）的工具	本文提出的方法在样本量较小的情况下表现优于现有方法，并且不依赖于地理坐标或局部种群密度信息	本文方法在某些物种中估计的扩散距离比标记重捕法计算的结果更大，可能是由于标记重捕研究覆盖的地理采样区域有限	开发一种新的工具，用于从基因变异数据中推断扩散距离	12种具有公开数据的物种的扩散距离	机器学习	NA	卷积神经网络	CNN	基因型数据	12种物种的公开数据
18	2024-09-28	Using traditional machine learning and deep learning methods for on- and off-target prediction in CRISPR/Cas9: a review 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad131 PMID:37080758	综述	本文综述了传统机器学习和深度学习方法在CRISPR/Cas9系统中靶向和非靶向预测的应用	本文总结了当前在CRISPR/Cas9靶向和非靶向预测中使用的传统机器学习和深度学习模型的最新进展，并讨论了未来研究方向	本文未提供具体的实验数据或模型性能比较，主要集中在现有方法的综述和未来研究方向的讨论	探讨CRISPR/Cas9系统中靶向和非靶向预测的研究挑战和未来方向	CRISPR/Cas9系统的靶向和非靶向预测	机器学习	NA	CRISPR/Cas9	传统机器学习模型和深度学习神经网络	sgRNA-DNA序列	NA
19	2024-09-28	EDLM: Ensemble Deep Learning Model to Detect Mutation for the Early Detection of Cholangiocarcinoma 2023-05-18, Genes IF:2.8Q2 DOI:10.3390/genes14051104 PMID:37239464	研究论文	开发了一种集成深度学习模型（EDLM）用于早期检测胆管癌	提出了一个由三种深度学习算法（LSTM、GRU和BLSTM）组成的集成深度学习模型，用于早期检测胆管癌	NA	早期检测胆管癌	胆管癌基因突变	机器学习	胆管癌	深度学习	集成模型（LSTM、GRU、BLSTM）	基因突变数据	516个人类样本，包含45个胆管癌基因中的672个突变
20	2024-09-28	High-throughput deep learning variant effect prediction with Sequence UNET 2023-05-09, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02948-3 PMID:37161576	研究论文	本文介绍了一种名为Sequence UNET的高通量深度学习架构，用于从序列中分类和预测变异频率	提出了Sequence UNET，一种高度可扩展的深度学习架构，使用全卷积压缩/扩展架构的多尺度表示	未提及	开发一种可扩展的深度学习模型来预测变异效应	变异频率和致病性预测	机器学习	NA	深度学习	UNET	序列	分析了83亿个变异在904,134个蛋白质中