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
41	2024-09-28	Ultrasound Frame-to-Volume Registration via Deep Learning for Interventional Guidance 2023-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2022.3229903 PMID:37015418	研究论文	本文提出了一种基于深度学习的超声帧到体积配准方法，用于介入引导	本文创新性地提出了一种新的超声帧到体积配准（FVReg）流程，通过深度神经网络实现了2D超声帧与3D超声体积之间的维度差距的桥接	本文未提及具体的局限性	开发一种自动化的图像配准系统，用于融合术中2D超声帧和术前3D磁共振图像，以指导前列腺癌活检	前列腺癌活检中的图像引导	计算机视觉	前列腺癌	深度学习	深度神经网络	图像	618个临床数据集
42	2024-09-27	Use of a Novel Deep Learning Open-Source Model for Quantification of Ki-67 in Breast Cancer Patients in Pakistan: A Comparative Study between the Manual and Automated Methods 2023-Sep-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13193105 PMID:37835848	研究论文	本研究使用一种新颖的深度学习开源模型，对巴基斯坦乳腺癌患者的Ki-67进行定量分析，并与传统手动方法进行比较	首次使用深度学习模型对乳腺癌患者的Ki-67进行自动化定量分析，并与传统手动方法进行比较	样本量较小，需要更多研究以验证模型的广泛适用性	评估深度学习模型在乳腺癌Ki-67定量分析中的准确性和效率	乳腺癌患者的Ki-67表达	数字病理学	乳腺癌	深度学习	深度学习模型	图像	140张数字图像
43	2024-09-27	Towards Building a Trustworthy Deep Learning Framework for Medical Image Analysis 2023-Sep-27, Sensors (Basel, Switzerland) DOI:10.3390/s23198122 PMID:37836952	研究论文	提出了一种可信的深度学习框架TRUDLMIA，用于医学图像分析，通过自监督学习和新的代理损失函数提高模型性能和可信度	提出了TRUDLMIA框架，结合自监督学习和新的代理损失函数，显著提高了模型性能和可信度	未提及具体限制	开发一种可信的深度学习框架，以提高医学图像分析的诊断准确性和可信度	肺炎、COVID-19和黑色素瘤的检测	计算机视觉	NA	自监督学习	深度学习	图像	三个基准数据集
44	2024-09-27	Elliptic PDE learning is provably data-efficient 2023-Sep-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2303904120 PMID:37722063	研究论文	本文研究了椭圆偏微分方程（PDE）学习的数据效率问题，并提供了理论保证	本文提出了一个基于随机数值线性代数和PDE理论的数据高效算法，能够从输入输出数据中恢复三维均匀椭圆PDE的解算子，并实现了指数级的误差收敛率	NA	研究PDE学习中的数据效率问题，并提供理论保证	三维均匀椭圆偏微分方程的解算子	机器学习	NA	随机数值线性代数	NA	输入输出数据	NA
45	2024-09-27	Combined prediction and design reveals the target recognition mechanism of an intrinsically disordered protein interaction domain 2023-09-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2305603120 PMID:37722056	研究论文	本文通过结合计算方法和实验，揭示了无序蛋白质相互作用域与其目标识别机制	本文创新性地结合了计算方法和实验，成功解析了无序蛋白质相互作用域与其目标的高分辨率结构	NA	揭示无序蛋白质相互作用域与其目标的识别机制	无序蛋白质相互作用域及其目标的结构	生物信息学	NA	计算方法、实验技术	AlphaFold2 (AF2)	蛋白质序列	NA
46	2024-09-27	Brain-inspired neural circuit evolution for spiking neural networks 2023-09-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2218173120 PMID:37729206	研究论文	本文提出了一种基于生物神经电路的进化空间，结合前馈和反馈连接以及兴奋性和抑制性神经元，用于构建脉冲神经网络	通过结合前馈和反馈连接以及兴奋性和抑制性神经元，提供了一个更符合生物学原理的进化空间，并利用局部脉冲行为自适应地进化神经电路	NA	将生物神经电路的丰富动态特性应用于当前脉冲神经网络的结构建模	脉冲神经网络的结构和性能	机器学习	NA	脉冲时序依赖可塑性	脉冲神经网络	图像	使用了CIFAR10、DVS-CIFAR10、DVS-Gesture和N-Caltech101数据集，并在ImageNet上进行了测试
47	2024-09-27	Inferring single-cell transcriptomic dynamics with structured latent gene expression dynamics 2023-09-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100581 PMID:37708894	研究论文	本文提出了一种名为LatentVelo的方法，利用深度学习技术计算单细胞RNA测序数据的基因表达动力学的低维表示	LatentVelo通过变分自编码器将细胞嵌入潜在空间，并使用神经常微分方程在基于动力学的潜在空间中建模分化动力学，从而推断潜在的调控状态以模拟多条细胞谱系	NA	开发一种新的方法来推断单细胞RNA测序数据中的基因表达动力学	单细胞RNA测序数据中的基因表达动力学	机器学习	NA	深度学习	变分自编码器	RNA测序数据	NA
48	2024-09-27	Machine learning for cross-scale microscopy of viruses 2023-09-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100557 PMID:37751685	研究论文	本文讨论了人工智能如何增强显微镜技术，以推进病毒学研究	本文展示了人工智能在图像去噪、目标分割、跟踪、分类和超分辨率方面的应用，并展示了这些技术如何改进显微镜数据的获取和分析	NA	探讨人工智能如何增强显微镜技术，以推进病毒学研究	病毒感染机制、抗病毒药物开发和病毒载体改进	计算机视觉	NA	机器学习	深度学习	图像	NA
49	2024-09-27	Neural Data Transformer 2: Multi-context Pretraining for Neural Spiking Activity 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.18.558113 PMID:37781630	研究论文	本文开发了Neural Data Transformer 2 (NDT2)，一个用于神经尖峰活动的时空Transformer模型，并通过预训练展示了其在跨会话、跨受试者和跨实验任务的电机BCI数据集上的应用	提出了NDT2模型，通过预训练能够跨不同上下文快速适应下游解码任务，为iBCI控制中的预训练DNN部署开辟了道路	NA	开发一种能够跨不同上下文快速适应的神经尖峰活动模型，以提高脑机接口的效率	神经尖峰活动数据	机器学习	NA	Transformer模型	Transformer	神经尖峰活动数据	跨会话、跨受试者和跨实验任务的电机BCI数据集
50	2024-09-27	Bering: joint cell segmentation and annotation for spatial transcriptomics with transferred graph embeddings 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.19.558548 PMID:37786667	研究论文	本文提出了一种基于图深度学习模型的方法，用于空间转录组学数据的细胞分割和分子注释	利用转录共定位关系进行细胞分割和分子注释，并通过多模态输入丰富基因关系	NA	解决空间转录组学数据中细胞分割和注释的挑战	空间转录组学数据的细胞分割和分子注释	机器学习	NA	图深度学习	图深度学习模型	空间转录组学数据	涉及多种空间技术和组织类型
51	2024-09-27	NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation 2023-Sep-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.20.558715 PMID:37790488	研究论文	提出了一种新的RNA三级结构预测方法NuFold，利用深度学习技术结合灵活的核苷酸中心表示	引入了NuFold方法，使用核苷酸中心表示来准确预测RNA的三级结构	NA	开发一种成本效益高且高效的计算方法来预测RNA的三级结构	RNA的三级结构	机器学习	NA	深度学习	NuFold	RNA序列	NA
52	2024-09-27	Remote Sensing Image Scene Classification in Hybrid Classical-Quantum Transferring CNN with Small Samples 2023-Sep-21, Sensors (Basel, Switzerland) DOI:10.3390/s23188010 PMID:37766063	研究论文	本文研究了在混合经典-量子迁移卷积神经网络中对小样本遥感图像场景分类的应用	提出了一个由经典和量子元素组成的改进混合经典-量子迁移学习卷积神经网络，用于分类开源遥感图像数据集	NA	提高在小样本情况下遥感图像场景分类的准确性	遥感图像场景分类	计算机视觉	NA	卷积神经网络 (CNN) 和量子卷积神经网络 (QCNN)	混合经典-量子迁移卷积神经网络	图像	小样本遥感图像数据集
53	2024-09-27	Deep Learning Technology to Recognize American Sign Language Alphabet 2023-Sep-19, Sensors (Basel, Switzerland) DOI:10.3390/s23187970 PMID:37766026	研究论文	本文研究了使用五种不同的深度学习模型来识别美国手语字母的手势	本文通过实验比较了五种深度学习模型在识别美国手语字母手势上的性能，发现ResNet-50模型达到了最高的识别准确率	VisionTransformer模型的识别准确率相对较低，可能是由于其架构设计参数的调整不足	利用现代技术缩小听障人士与非听障人士之间的沟通障碍	美国手语字母的手势识别	计算机视觉	NA	深度学习	AlexNet, ConvNeXt, EfficientNet, ResNet-50, VisionTransformer	图像	超过87,000张美国手语字母手势图像
54	2024-09-27	Limitations of Out-of-Distribution Detection in 3D Medical Image Segmentation 2023-Sep-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9090191 PMID:37754955	研究论文	本文探讨了在3D医学图像分割中分布外检测方法的有效性，并提出了改进方向	提出了Intensity Histogram Features (IHF)方法，在分布外检测挑战中表现优于现有方法	现有分布外检测方法在3D医学图像分割中的表现不佳，无法达到可接受的性能	研究分布外检测方法在3D医学图像分割中的局限性，并提出改进方案	3D医学图像分割中的分布外检测方法	计算机视觉	NA	分布外检测	NA	3D医学图像	NA
55	2024-09-27	Deep Learning of Speech Data for Early Detection of Alzheimer's Disease in the Elderly 2023-Sep-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10091093 PMID:37760195	研究论文	本研究利用深度学习技术分析语音数据，以实现阿尔茨海默病的早期检测	本研究首次将语音数据转换为MFCC频谱图，并使用多种深度学习模型进行训练和验证，提高了阿尔茨海默病早期检测的准确性	本研究的数据主要来自韩国公共卫生中心，可能存在地域和文化差异，影响模型的普适性	通过分析语言特征，实现阿尔茨海默病的快速检测	阿尔茨海默病患者和对照组的语音数据	机器学习	老年病	深度学习	Densenet121	语音	NA
56	2024-09-27	Evaluation of Molecular Simulations and Deep Learning Prediction of Antibodies' Recognition of TRBC1 and TRBC2 2023-Sep-17, Antibodies (Basel, Switzerland) DOI:10.3390/antib12030058 PMID:37753972	研究论文	本文评估了分子模拟和深度学习预测抗体对TRBC1和TRBC2识别的研究	结合分子模拟和人工智能方法量化抗体对TRBC1和TRBC2的亲和力差异	NA	开发针对TRBC1或TRBC2的靶向抗体疗法	抗体对TRBC1和TRBC2的识别机制	机器学习	NA	分子动力学模拟	深度学习	蛋白质结构	多种突变抗体
57	2024-09-27	PorcineAI-Enhancer: Prediction of Pig Enhancer Sequences Using Convolutional Neural Networks 2023-Sep-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani13182935 PMID:37760334	研究论文	研究构建了一个高质量的猪增强子数据库，并开发了一种基于卷积神经网络的深度学习预测框架PorcineAI-enhancer，用于预测猪的增强子序列	开发了一种新的深度学习预测框架PorcineAI-enhancer，用于预测猪的增强子序列，并在独立测试数据集上验证了其优异的性能	未提及具体的局限性	理解基因表达调控机制，特别是在动物育种中的应用	猪的增强子序列	机器学习	NA	卷积神经网络	CNN	DNA序列	未提及具体的样本数量
58	2024-09-27	Performance of Deep-Learning Solutions on Lung Nodule Malignancy Classification: A Systematic Review 2023-Sep-14, Life (Basel, Switzerland) DOI:10.3390/life13091911 PMID:37763314	综述	本文系统回顾了深度学习方法在肺结节恶性分类中的表现	深度学习方法通过避免繁琐的图像预处理步骤，提高了肺结节诊断的准确性	深度学习模型在肺结节检测中虽有显著优势，但也存在显著缺陷，需要进一步研究	研究深度学习方法在肺结节恶性分类中的表现	肺结节的恶性分类	计算机视觉	肺癌	深度学习	卷积神经网络 (CNN), 自编码器 (AE), 深度信念网络 (DBN)	图像	16项研究
59	2024-09-27	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	本文提出了一种基于图卷积网络和深度聚类的功能性网络连接（FNC）方法，用于识别注意力缺陷多动障碍（ADHD）的生物类型，以指导个性化药物治疗	本文首次使用图卷积网络结合深度聚类技术，通过功能性网络连接数据识别ADHD的生物类型，并验证了其在独立样本中的有效性	研究样本主要来自青少年，且药物治疗效果的验证仅限于两种药物，可能限制了结果的普适性	通过识别ADHD的生物类型，指导个性化药物治疗，提高治疗效果	ADHD患者的功能性网络连接数据及其药物治疗效果	机器学习	精神疾病	图卷积网络	图卷积网络	功能性网络连接数据	1069名ADHD患者和130名接受纵向药物治疗的独立ADHD青少年
60	2024-09-27	Shaping the Future of Older Adult Care: ChatGPT, Advanced AI, and the Transformation of Clinical Practice 2023-Sep-13, JMIR aging IF:5.0Q1 DOI:10.2196/51776 PMID:37703085	评论	探讨了深度学习和生成式人工智能在老年护理中的应用潜力及其局限性	提出了深度学习和生成式人工智能在老年护理中的应用潜力	讨论了这些技术的局限性	探索如何利用先进技术改善老年护理	老年护理中的临床实践	机器学习	老年病	深度学习	生成式人工智能	NA	NA