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
721	2024-11-12	A Siamese ResNeXt network for predicting carotid intimal thickness of patients with T2DM from fundus images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1364519 PMID:38549767	研究论文	开发并验证基于眼底图像的人工智能诊断模型，用于预测2型糖尿病患者的颈动脉内膜厚度	提出了一种基于Siamese ResNeXt网络的深度学习模型，用于从眼底图像中预测2型糖尿病患者的颈动脉内膜厚度	研究仅限于单个医院的1236名患者，且年龄因素嵌入网络后分类性能下降	开发和验证基于眼底图像的人工智能模型，用于预测2型糖尿病患者的颈动脉内膜厚度	2型糖尿病患者的颈动脉内膜厚度和眼底图像	计算机视觉	糖尿病	深度学习	Siamese ResNeXt网络	图像	1236名2型糖尿病患者
722	2024-11-11	Artificial intelligence in forensic medicine and related sciences - selected issues 2024, Archiwum medycyny sadowej i kryminologii DOI:10.4467/16891716AMSIK.24.005.19650 PMID:39450596	综述	本文综述了人工智能在法医学及相关科学中的潜在应用，并探讨了在诊断和治疗中可能造成的伤害的法律责任问题	本文介绍了人工智能在法医学及相关科学中的多种应用，如法医病理学、法医创伤学、死后鉴定检查等	人工智能在医学中应被视为辅助工具，最终的诊断和治疗决策应由人类负责	探讨人工智能在法医学及相关科学中的应用及其法律责任问题	人工智能在法医学及相关科学中的应用	机器学习	NA	NA	NA	NA	NA
723	2024-11-11	Deep CANALs: a deep learning approach to refining the canalization theory of psychopathology 2024, Neuroscience of consciousness IF:3.1Q1 DOI:10.1093/nc/niae005 PMID:38533457	研究论文	本文利用深度学习理论对心理病理学的运河化理论进行改进	本文通过深度学习理论区分了大脑中信念表示的两个不同优化景观，并描述了每种景观运河化可能导致的独特病理	NA	改进心理病理学的运河化理论	心理病理学中的运河化现象	机器学习	NA	深度学习	深度神经网络	NA	NA
724	2024-11-10	The automated Greulich and Pyle: a coming-of-age for segmental methods? 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1326488 PMID:38533467	研究论文	本文回顾了自动化骨龄评估方法的成功与局限，并提出了一种新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别	提出了一个新的假设，即深度学习网络在预测骨龄时捕捉到了超出参考类别的细微差别，并建议使用基于特征骨组的评分来解释预测偏差	未具体提及	探讨自动化骨龄评估方法的进展及其潜在应用	骨龄评估方法及其自动化应用	计算机视觉	NA	深度学习	NA	图像	NA
725	2024-11-10	A review of mechanistic learning in mathematical oncology 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1363144 PMID:38533513	综述	本文综述了数学肿瘤学中机制学习的现状，并展望了其在肿瘤学领域的发展前景	本文提出了机制学习的四种分类（顺序、并行、外在、内在），并讨论了物理信息神经网络、代理模型学习和数字孪生等技术	本文未详细讨论机制学习在其他医学领域的应用	探讨机制学习在肿瘤学中的应用及其未来发展	机制学习在肿瘤学中的应用，包括纵向肿瘤反应预测和时间到事件建模	机器学习	肿瘤学	物理信息神经网络、代理模型学习、数字孪生	NA	NA	NA
726	2024-11-09	Protein-protein and protein-nucleic acid binding site prediction via interpretable hierarchical geometric deep learning 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae080 PMID:39484977	研究论文	本文设计了一种名为GraphRBF的分层几何深度学习模型，用于预测蛋白质-蛋白质和蛋白质-核酸的结合位点	GraphRBF通过增强图神经网络描述物理化学信息交互，并通过优先径向基函数神经网络表征残基的空间分布，从而学习残基的结合模式	NA	提高蛋白质-蛋白质和蛋白质-核酸结合位点的预测准确性，并为疾病诊断和药物设计提供技术指导	蛋白质-蛋白质和蛋白质-核酸的结合位点	机器学习	NA	分层几何深度学习	图神经网络	蛋白质结构数据	涉及SARS-CoV-2 omicron spike蛋白的已知表位和多个潜在结合区域
727	2024-11-09	Efficient differential privacy enabled federated learning model for detecting COVID-19 disease using chest X-ray images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1409314 PMID:38912338	研究论文	本文介绍了一种基于差分隐私的联邦学习模型，用于通过胸部X光图像检测COVID-19疾病	提出了一个自适应差分隐私的联邦学习模型，该模型能够根据实时数据敏感性分析动态调整隐私级别，提高了联邦学习在多样化医疗环境中的实用性	未明确提及	开发一种能够保护数据隐私和安全的COVID-19检测模型	COVID-19疾病的检测	机器学习	COVID-19	差分隐私、联邦学习	联邦学习模型	图像	未明确提及
728	2024-11-09	Few-shot learning for inference in medical imaging with subspace feature representations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309368 PMID:39504337	研究论文	本文探讨了在医学影像分析中使用子空间特征表示进行少样本学习的两种替代方法	提出了基于判别分析和非负矩阵分解的两种新方法，并在低维度下展示了它们相对于SVD的显著改进	文章未详细讨论在高维度下的性能表现	解决医学影像分析中由于数据量少而难以应用深度学习的问题	医学影像数据	计算机视觉	NA	判别分析（DA），非负矩阵分解（NMF）	NA	图像	14个不同数据集，涵盖11种不同疾病类型
729	2024-11-09	Non-small cell lung cancer detection through knowledge distillation approach with teaching assistant 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306441 PMID:39504338	研究论文	本文通过教学助手框架中的知识蒸馏技术，利用CT扫描图像进行非小细胞肺癌的分类	采用教学助手框架，通过知识蒸馏技术提高学生模型的性能，并在边缘设备上实现高效的训练和预测	未提及	提高非小细胞肺癌分类模型的性能和效率	非小细胞肺癌的分类	计算机视觉	肺癌	知识蒸馏	CNN, VGG19, ResNet152v2, Swin, CCT, ViT	图像	未提及
730	2024-11-08	Impact of log parsing on deep learning-based anomaly detection 2024, Empirical software engineering IF:3.5Q1 DOI:10.1007/s10664-024-10533-w PMID:39161930	研究论文	本文研究了日志解析对基于深度学习的异常检测准确性的影响	本文首次系统地研究了日志解析对异常检测准确性的影响，并发现区分性比解析准确性更重要	研究仅限于13种日志解析技术和7种异常检测技术，可能无法涵盖所有情况	探讨日志解析对基于深度学习的异常检测准确性的影响	日志解析技术和异常检测技术	机器学习	NA	深度学习	NA	日志数据	使用了三个公开的日志数据集
731	2024-11-08	Dinucleotide composition representation -based deep learning to predict scoliosis-associated Fibrillin-1 genotypes 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1492226 PMID:39502335	研究论文	本文提出了一种基于二核苷酸组成表示（DCR）的深度学习方法，用于预测与脊柱侧弯相关的Fibrillin-1基因型	本文创新性地使用二核苷酸组成表示（DCR）和卷积神经网络（CNN）来预测脊柱侧弯相关的高风险基因型	NA	研究目的是通过深度学习方法预测青少年特发性脊柱侧弯（AIS）相关的基因型	研究对象是ClinVar数据库中的AIS相关变异记录	机器学习	脊柱侧弯	深度学习	卷积神经网络（CNN）	基因数据	58,000条脊柱侧弯相关记录
732	2024-11-08	Multi-stage semi-supervised learning enhances white matter hyperintensity segmentation 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1487877 PMID:39502452	研究论文	本文提出了一种多阶段半监督学习方法，用于增强白质高信号区域的分割	本文创新性地采用了多阶段半监督学习（M3SL）方法，结合未标注数据和少量高质量标注数据，显著提升了白质高信号区域分割模型的性能	本文未详细讨论M3SL方法在不同数据集上的适用性和潜在的局限性	研究目的是开发一种能够有效利用未标注数据和少量高质量标注数据的白质高信号区域分割方法	研究对象是白质高信号区域（WMHs）的分割	计算机视觉	NA	半监督学习	U-Net	图像	使用了来自三个扫描仪供应商的超过五个扫描仪的数据，包括认知正常（CN）成人和患者（轻度认知障碍和阿尔茨海默病）的样本
733	2024-11-08	Progress and clinical translation in hepatocellular carcinoma of deep learning in hepatic vascular segmentation 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241293498 PMID:39502486	综述	本文综述了深度学习在肝血管分割中的进展及其在肝细胞癌（HCC）整体管理中的临床意义	深度学习方法，包括卷积神经网络等，显著提高了肝血管分割的准确性和速度	本文讨论了深度学习技术在增强HCC综合诊断和治疗中的挑战和未来前景	探讨深度学习在肝血管分割中的应用及其对HCC诊断和治疗的支持	肝血管分割及其在肝细胞癌诊断和治疗中的应用	计算机视觉	肝癌	深度学习	卷积神经网络	图像	30项研究
734	2024-11-08	Graph neural networks are promising for phenotypic virtual screening on cancer cell lines 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae065 PMID:39502795	研究论文	本文研究了图神经网络在癌症细胞系表型虚拟筛选中的应用	本文提出图神经网络（D-MPNN）在表型虚拟筛选中表现优于其他机器学习算法	研究受限于测试分子数量较少以及未采用合适的性能指标和不同分子分割方法	评估不同机器学习算法在表型虚拟筛选中的性能	60个包含约30,000-50,000个分子的数据集，用于测试其在NCI-60癌症细胞系中的生长抑制活性	机器学习	癌症	图神经网络	D-MPNN	分子数据	约14,440次训练运行
735	2024-11-08	LT-DeepLab: an improved DeepLabV3+ cross-scale segmentation algorithm for Zanthoxylum bungeanum Maxim leaf-trunk diseases in real-world environments 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1423238 PMID:39502917	研究论文	本文提出了一种改进的DeepLabV3+算法LT-DeepLab，用于复杂环境中花椒叶和茎疾病的跨尺度语义分割	引入了创新的Fission Depth Separable with CRCC Atrous Spatial Pyramid Pooling模块，减少了Atrous Spatial Pyramid Pooling模块的结构参数并提高了跨尺度提取能力，结合Criss-Cross Attention和Convolutional Block Attention Module增强了通道特征提取，并使用可变形卷积和全卷积网络辅助头优化网络	NA	提高花椒叶和茎疾病在复杂环境中的分割准确性和效率	花椒叶和茎的疾病，包括叶斑、锈病、霜冻损伤和病叶茎	计算机视觉	NA	深度学习	DeepLabV3+	图像	NA
736	2024-11-08	Comparative Phylogenetic Analysis and Protein Prediction Reveal the Taxonomy and Diverse Distribution of Virulence Factors in Foodborne Clostridium Strains 2024, Evolutionary bioinformatics online DOI:10.1177/11769343241294153 PMID:39502941	研究论文	通过生物信息学预测方法研究了两种食源性梭菌基因组与毒力蛋白的分子进化关系，并比较分析了毒力蛋白的基因编码主要特征和结构特性	揭示了食源性梭菌毒力因子的系统发育特征、多样性和分布	NA	研究食源性梭菌基因组与毒力蛋白的分子进化关系	食源性梭菌（Clostridium botulinum和Clostridium perfringens）的毒力蛋白	生物信息学	NA	多重序列分析、同源建模、深度学习算法	NA	基因组数据	两种食源性梭菌菌株
737	2024-11-07	Alleviating tiling effect by random walk sliding window in high-resolution histological whole slide image synthesis 2024, Proceedings of machine learning research PMID:38993526	研究论文	本文提出了一种基于深度学习的高分辨率全切片图像合成方法，通过随机游走滑动窗口策略减少多重免疫荧光（MxIF）到苏木精和伊红（H&E）染色图像合成中的拼贴效应	本文通过在CycleGAN框架中添加同时的细胞核和粘液分割监督作为空间约束，并引入随机游走滑动窗口策略，显著减少了高分辨率全切片图像合成中的拼贴效应	本文未提及具体的局限性	研究目的是通过深度学习方法从多重免疫荧光（MxIF）图像中合成虚拟的苏木精和伊红（H&E）全切片图像，并减少拼贴效应	研究对象是多重免疫荧光（MxIF）和苏木精和伊红（H&E）染色的全切片图像	数字病理学	NA	深度学习	CycleGAN	图像	每个MxIF全切片图像包含27种标记/染色
738	2024-11-07	Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification 2024, F1000Research DOI:10.12688/f1000research.145950.2 PMID:39464781	综述	本文综述了深度学习在无线胶囊内窥镜图像中用于消化道疾病分类的性能	重点介绍了迁移学习、注意力机制、多模态学习、自动病变检测、可解释性和可解释性、数据增强以及边缘计算等最新进展	强调了当前深度学习方法的挑战和局限性，并讨论了该领域的潜在未来方向	综述深度学习在无线胶囊内窥镜图像分析中的当前趋势和未来方向	无线胶囊内窥镜图像及其在消化道疾病诊断和监测中的应用	计算机视觉	消化道疾病	深度学习	NA	图像	NA
739	2024-11-06	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本文比较了TrUE-Net与六种已建立的白质高信号（WMH）分割方法的准确性	TrUE-Net是一种基于深度学习的新型自动分割模型，具有低假阳性率和高可靠性	TrUE-Net尚未经过严格的独立验证	验证TrUE-Net在白质高信号分割中的准确性	白质高信号（WMH）的自动分割方法	计算机视觉	NA	深度学习	TrUE-Net	图像	NA
740	2024-11-07	Deep Learning Methods to Help Predict Properties of Molecules from SMILES 2024, Proceedings of the International Symposium on Intelligent Computing and Networking 2024 : (ISICN 2024). International Symposium on Intelligent Computing and Networking (1st : 2024 : San Juan, P.R.) DOI:10.1007/978-3-031-67447-1_9 PMID:39493535	研究论文	本文提出了一种基于SMILES数据预测分子性质的深度学习框架	本文方法基于1-D卷积网络，无需复杂的特征工程，可以直接从基础数据中学习分子性质	NA	开发一种无需复杂特征工程的分子性质预测方法	分子性质，包括分子重量和XLogP	机器学习	NA	1-D卷积网络	CNN	文本	NA