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
1721	2024-08-07	Res2Net-based multi-scale and multi-attention model for traffic scene image classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300017 PMID:38768119	研究论文	本文提出了一种基于Res2Net的多尺度多注意力模型，用于交通场景图像分类	引入了自适应特征细化金字塔模块（AFRPM）以增强多尺度特征提取，并整合了频域、空间和通道注意力机制	由于天气条件、时间、光照变化和标注成本，传统深度学习方法在提取复杂交通场景特征和实现更高识别准确性方面仍有局限	提高交通场景图像分类的准确性和鲁棒性	交通场景图像	计算机视觉	NA	NA	Res2Net	图像	使用了Traffic-Net数据集
1722	2024-08-07	A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293053 PMID:38768123	研究论文	本研究利用静息态功能网络连接（rs-FNC）数据，采用机器学习算法和深度学习模型对阿尔茨海默病（AD）、晚期轻度认知障碍（LMCI）和精神分裂症（SZ）患者进行分类分析	本研究首次采用混杂因素控制的rs-FNC数据，结合机器学习和深度学习模型，对AD和SZ患者进行直接比较，以识别两种疾病间的共同生物标志物	研究样本主要集中在AD和SZ患者，未涵盖其他类型的神经退行性疾病	旨在通过比较AD和SZ患者的静息态功能网络连接，识别两种疾病的共同生物标志物	阿尔茨海默病、晚期轻度认知障碍和精神分裂症患者	机器学习	阿尔茨海默病、精神分裂症	静息态功能磁共振成像（rs-fMRI）	支持向量机、逻辑回归、随机森林、k-最近邻、全连接神经网络	功能网络连接数据	162名AD和LMCI患者，181名精神分裂症患者，315名认知正常（CN）受试者
1723	2024-08-07	Human lineage mutations regulate RNA-protein binding of conserved genes NTRK2 and ITPR1 involved in human evolution 2024, General psychiatry IF:5.3Q1 DOI:10.1136/gpsych-2023-101425 PMID:38770356	研究论文	本文研究了人类谱系突变（HLMs）通过转录后修饰在人类进化中的作用	发现了一小部分人类特异性突变通过影响关键脑相关基因的转录后修饰，对人类物种形成做出了贡献	NA	探讨人类谱系突变对人类进化中转录后修饰的贡献	人类谱系突变对RNA结合蛋白亲和力的影响	机器学习	神经发育障碍	深度学习模型Seqweaver	深度学习模型	基因数据	涉及的突变数量为0.27%的人类常见变异
1724	2024-08-07	Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1348154 PMID:38770396	研究论文	本研究通过虚拟现实技术分析不同高度恐惧症水平下年轻成年人的脑电图（EEG）模式	本研究创新地使用脑电图信号实时精确评估高度恐惧症水平，并采用多种机器学习和深度学习技术进行分析	NA	研究的主要目的是开发一种实时精确的工具，用于评估高度恐惧症水平	研究对象为18名被诊断为高度恐惧症的年轻成年人	机器学习	心理疾病	脑电图（EEG）	卷积神经网络（CNN）和人工神经网络（ANN）	脑电图数据	18名高度恐惧症患者
1725	2024-08-07	CD-Loop: a chromatin loop detection method based on the diffusion model 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1393406 PMID:38770419	研究论文	本文提出了一种基于扩散模型的深度学习框架CD-Loop，用于预测染色质环	CD-Loop结合了扩散模型的去噪过程和预训练得到的先验概率，通过密度聚类算法预测染色质环，优于现有方法	NA	研究染色质的三维结构	染色质环的结构和功能	生物信息学	NA	Hi-C	扩散模型	接触图	不同细胞类型、物种和测序深度
1726	2024-08-07	MIFAM-DTI: a drug-target interactions predicting model based on multi-source information fusion and attention mechanism 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1381997 PMID:38770418	研究论文	本文提出了一种基于多源信息融合和注意力机制的药物-靶点相互作用预测模型MIFAM-DTI	MIFAM-DTI模型通过整合多源信息并利用图注意力网络和多头自注意力机制，自主学习注意力权重，更全面地捕捉序列数据中的信息	NA	提高药物-靶点相互作用预测的准确性和效率	药物-靶点相互作用的预测	机器学习	NA	图注意力网络，多头自注意力	MIFAM-DTI	特征向量，邻接矩阵	NA
1727	2024-08-07	Deep learning-assisted lesion segmentation in PET/CT imaging: A feasibility study for salvage radiation therapy in prostate cancer 2024, Oncoscience DOI:10.18632/oncoscience.603 PMID:38770445	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1728	2024-08-07	Ischemic stroke outcome prediction with diversity features from whole brain tissue using deep learning network 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1394879 PMID:38765270	研究论文	本研究提出了一种基于全脑多样性特征的缺血性中风结果预测方法，通过深度学习网络提高预测的准确性和效率	本研究不使用患者基本信息和病变图像特征，直接从动态磁敏感对比灌注加权成像中提取特征，结合机器和深度学习模型进行预测	NA	提高缺血性中风结果预测的准确性和效率	缺血性中风的结果预测	机器学习	中风	动态磁敏感对比灌注加权成像（DSC-PWI）	Resnet 18	图像	NA
1729	2024-08-07	Data leakage in deep learning studies of translational EEG 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1373515 PMID:38765672	研究论文	本文探讨了在应用深度神经网络（DNNs）于人类脑电图（EEG）记录以识别多种疾病时，由于数据分割方式导致的数据泄露问题	通过比较基于片段和基于受试者的保留方法，揭示了现有研究中普遍存在的数据泄露问题	仅限于分析两种数据集（阿尔茨海默病和癫痫发作），可能需要更多数据集来验证结论的普遍性	评估和揭示在EEG数据分析中使用深度学习模型时可能存在的数据泄露问题	脑电图记录和深度神经网络分类器的性能	机器学习	NA	深度神经网络（DNNs）	DNN分类器	脑电图（EEG）记录	涉及两个数据集（一个用于阿尔茨海默病分类，另一个用于癫痫发作分类）
1730	2024-08-07	Fusion inception and transformer network for continuous estimation of finger kinematics from surface electromyography 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1305605 PMID:38765870	研究论文	本文提出了一种名为融合初始和变换器网络（FIT）的新型深度学习模型，用于从表面肌电图（sEMG）连续估计手指运动学	FIT模型结合了Inception和Transformer网络的优势，有效处理序列数据的局部和全局信息	NA	实现稳定、自然和一致的人机交互（HCI）控制	从表面肌电图信号中预测手部关节角度的值	机器学习	NA	深度学习	融合初始和变换器网络（FIT）	表面肌电图信号	10名受试者的六种典型手部抓握动作
1731	2024-08-07	FetSAM: Advanced Segmentation Techniques for Fetal Head Biometrics in Ultrasound Imagery 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3382487 PMID:38766538	研究论文	FetSAM是一种先进的深度学习模型，旨在通过改进胎儿头部超声图像分割来提高产前诊断的精确度	FetSAM采用了基于提示的学习方法和双损失机制（结合加权DiceLoss和加权Lovasz Loss），并通过AdamW优化和类别权重调整来实现更好的分割平衡	NA	提高胎儿头部超声图像分割的准确性，从而提升产前诊断的精确度	胎儿头部超声图像	计算机视觉	NA	深度学习	深度学习模型	图像	最大的胎儿头部指标数据集
1732	2024-08-07	An integrated technology for quantitative wide mutational scanning of human antibody Fab libraries 2024-Jan-16, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.16.575852 PMID:38293170	research paper	本文介绍了一种名为MAGMA-seq的综合技术，用于定量分析人类抗体Fab库的广泛突变扫描	MAGMA-seq技术结合了多种抗原和抗体，并使用深度测序确定定量生物物理参数，能够在一个实验中测量多个给定亲本抗体突变体的结合情况	NA	旨在通过学习抗体分子识别，设计高亲和力结合物，以对抗几乎任何蛋白质表面	研究对象包括人类抗体的Fab库，以及多种抗原和抗体的序列-功能关系	NA	NA	深度测序	NA	序列数据	两个汇集库，包含十个不同人类抗体的突变体
1733	2024-08-07	CylinGCN: Cylindrical structures segmentation in 3D biomedical optical imaging by a contour-based graph convolutional network 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102316 PMID:38039866	研究论文	本文提出了一种基于轮廓的图卷积网络CylinGCN，用于生物医学光学成像中的三维圆柱结构分割	将圆柱结构视为三维图，引入了一种新的基于轮廓的图神经网络，能够提取语义特征和复杂拓扑关系，实现连续有效的三维分割	NA	开发一种新的方法用于生物医学光学成像中的三维圆柱结构分割	生物医学光学成像中的圆柱结构，如血管、气道和肠道	计算机视觉	NA	图卷积网络(GCN)	图神经网络	三维体积数据	两种光学断层成像数据，小动物全身光声断层成像(PAT)和内窥镜气道光学相干断层成像(OCT)
1734	2024-08-07	Deep learning for report generation on chest X-ray images 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102320 PMID:38134726	综述	本文综述了深度学习技术在胸部X光图像分析中的应用，特别是使用卷积神经网络（CNN）进行放射报告生成的进展和挑战	深度学习技术在胸部X光图像分析中的应用显示出超越人类放射科医生的潜力	NA	探讨深度学习技术在胸部X光图像分析中的应用，特别是放射报告生成的进展和挑战	胸部X光图像分析	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
1735	2024-08-07	SMILE: Siamese Multi-scale Interactive-representation LEarning for Hierarchical Diffeomorphic Deformable image registration 2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102322 PMID:38157671	研究论文	本文提出了一种新的卷积神经网络（CNN），包含孪生多尺度交互表示学习（SMILE）编码器和层次化微分形变（HDD）解码器，用于可变形医学图像配准	本文创新性地引入了SMILE编码器和HDD解码器，以及一种新的局部可逆损失（LIL），以促进拓扑保持和局部可逆性，同时保持高配准精度	现有深度学习方法存在以下局限：(a) 由于感受野有限，常忽略特征对应关系的显式建模；(b) 对于具有大空间位移的图像对，性能仍然有限；(c) 常忽略拓扑保持和变换的可逆性	旨在改进可变形医学图像配准方法，特别是在特征对应关系建模、处理大空间位移图像对以及拓扑保持和变换可逆性方面	可变形医学图像配准	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	在两个公开的大脑图像数据集上进行了大量实验
1736	2024-08-07	Model-Based Explainable Deep Learning for Light-Field Microscopy Imaging 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3387297 PMID:38656840	研究论文	本文提出了一种基于模型的可解释深度学习方法，用于光场显微镜成像，以观察神经元网络的信息处理	该方法结合了波动光学理论、稀疏表示和非线性优化与人工神经网络，设计了遵循精确信号和优化模型的神经网络架构，并采用了一种结合逐层训练和定制知识蒸馏的新颖训练策略	NA	开发一种新的计算方法，充分利用嵌入在物理和光学模型中的领域知识，同时实现高解释性和透明度	神经元网络的信息处理	计算机视觉	NA	光场显微镜成像	人工神经网络	图像	从散射的哺乳动物脑组织中获得的结构和功能光场显微镜数据
1737	2024-08-07	ET-Network: A novel efficient transformer deep learning model for automated Urdu handwritten text recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302590 PMID:38758731	研究论文	本文提出了一种名为ET-Network的新型高效Transformer深度学习模型，用于自动识别乌尔都语手写文本	ET-Network模型结合了EfficientNet的特征提取能力和Transformer的语言建模能力，通过自注意力层提取全局和局部特征，以捕捉长距离依赖关系	NA	提高乌尔都语手写文本的自动识别准确率	乌尔都语手写文本	自然语言处理	NA	Transformer	ET-Network	文本	使用了NUST-UHWR、UPTI2.0和MMU-OCR-21三个数据集进行训练和测试
1738	2024-08-07	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	研究论文	本文提出了一种新的深度学习模型MoFNet，用于整合多组学数据和先前的功能交互，以揭示阿尔茨海默病（AD）的分子机制及其上游遗传贡献者	首次模型化了从DNA到RNA和蛋白质的动态信息流，并整合了多组学数据与先前的功能交互	NA	旨在通过新颖的多组学数据整合和先前的功能交互，发现功能上连接的多组学特征	阿尔茨海默病的分子机制及其上游遗传贡献者	机器学习	阿尔茨海默病	深度学习	MoFNet	多组学数据	使用了ROS/MAP队列进行评估
1739	2024-08-07	High-precision tracking and positioning for monitoring Holstein cattle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302277 PMID:38743665	研究论文	本文提出了一种基于深度学习的跟踪算法，用于在复杂实际场景中进行多目标跟踪，以提高对荷斯坦牛的监测和定位精度	提出的多目标跟踪算法在多个性能指标上优于现有顶级跟踪算法，特别是在多目标跟踪准确性、精确性和IDF1方面	算法在实际多变的牧场条件下仍面临挑战，如规模变化、不可预测的运动和遮挡问题	提高在复杂牧场环境中对荷斯坦牛的监测和定位精度	荷斯坦牛的监测和定位	计算机视觉	NA	深度学习	CenterTrack算法	图像	NA
1740	2024-08-07	Predicting hotspots for disease-causing single nucleotide variants using sequences-based coevolution, network analysis, and machine learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302504 PMID:38743747	研究论文	本文开发了一种基于蛋白质残基接触网络的序列分析方法，结合共进化分析工具和机器学习算法，用于预测疾病相关单核苷酸变异的热点	本文创新地整合了多种共进化分析工具和机器学习算法，通过蛋白质残基网络来预测疾病突变的热点，克服了以往方法依赖已知蛋白质结构或未充分考虑残基间相互作用的局限	NA	旨在通过高吞吐量准确预测目标蛋白质中的疾病相关突变，以支持个性化医疗	疾病相关的单核苷酸变异热点	机器学习	NA	NA	随机森林、梯度提升和极端梯度提升	蛋白质序列	107种富含疾病突变的蛋白质