深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
3961	2024-12-16	Representing Part-Whole Hierarchies in Foundation Models by Learning Localizability, Composability, and Decomposability from Anatomy via Self-Supervision 2024-Jun, Proceedings. IEEE Computer Society Conference on Computer Vision and Pattern Recognition DOI:10.1109/cvpr52733.2024.01071 PMID:39670210	研究论文	本文介绍了一种新的自监督学习框架Adam-v2，通过学习局部性、组合性和分解性来表示医学图像中的部分-整体层次结构	Adam-v2通过三个关键分支（局部性、组合性和分解性）显式地将部分-整体层次结构融入学习目标，从而提高了模型在医学图像处理中的通用性和鲁棒性	NA	克服深度学习在医学图像处理中缺乏显式部分-整体关系编码的局限性	医学图像中的解剖结构	计算机视觉	NA	自监督学习	Adam-v2	图像	未标注的医学图像	NA	NA	NA	NA
3962	2024-12-16	A generalization performance study on the boosting radiotherapy dose calculation engine based on super-resolution 2024-May, Zeitschrift fur medizinische Physik IF:2.4Q2 DOI:10.1016/j.zemedi.2022.10.006 PMID:36631314	研究论文	本研究开发了一种基于超分辨率的深度学习模型，用于在临床实践中快速准确地预测剂量分布	提出了多阶段剂量超分辨率网络（MDSR Net）架构，结合稀疏掩模模块和多阶段渐进剂量分布恢复方法，显著提高了剂量预测的准确性和泛化能力	未提及具体的局限性	开发一种高效准确的剂量计算方法，以促进在线自适应放射治疗技术（OLART）的广泛应用	不同疾病部位的VMAT计划中的剂量分布	机器学习	NA	深度学习	多阶段剂量超分辨率网络（MDSR Net）	图像	340个VMAT计划，其中240个用于模型训练，60个用于模型基准测试，40个用于模型泛化评估	NA	NA	NA	NA
3963	2024-12-16	Automated quantification of vacuole fusion and lipophagy in Saccharomyces cerevisiae from fluorescence and cryo-soft X-ray microscopy data using deep learning 2024-04, Autophagy IF:14.6Q1 DOI:10.1080/15548627.2023.2270378 PMID:37908116	研究论文	本文开发了一种基于深度学习的计算方法，结合软X射线断层扫描（SXT）和荧光显微镜，用于自动量化酵母细胞中的液泡融合和脂噬过程	本文首次开发了Deep Yeast Fusion Network（DYFNet）卷积神经网络模型，用于分类完全融合和部分融合的液泡，并实现了LipoSeg管道来自动化实例分割脂滴和液泡	NA	开发一种新方法，用于高分辨率和高通量地定量分析酵母细胞中的液泡融合和脂噬过程	酵母细胞中的液泡融合和脂噬过程，特别是NPC1和NPC2蛋白的功能	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA	NA	NA	NA	NA
3964	2024-12-16	Open-top Bessel beam two-photon light sheet microscopy for three-dimensional pathology 2024-Mar-15, eLife IF:6.4Q1 DOI:10.7554/eLife.92614 PMID:38488831	研究论文	本文开发了一种开放式双光子光片显微镜（OT-TP-LSM）用于术中三维病理学研究	首次采用开放式双光子光片显微镜结合贝塞尔光束进行深层组织的三维成像，并利用深度学习网络将OT-TP-LSM图像转换为虚拟H&E图像	NA	开发一种新型的三维光学显微镜技术，以补充传统的破坏性H&E染色病理学方法	人体癌症组织样本，包括皮肤、胰腺和前列腺	数字病理学	癌症	双光子光片显微镜（TP-LSM）	深度学习网络	图像	多种人体癌症组织样本	NA	NA	NA	NA
3965	2024-12-16	AutoTransOP: translating omics signatures without orthologue requirements using deep learning 2024-Jan-29, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00341-9 PMID:38287079	研究论文	本文开发了一种名为AutoTransOP的神经网络自编码器框架，用于将指定物种或细胞环境的组学数据映射到全局潜在空间，从而在不要求匹配直系同源物的情况下识别相关信息	创新点在于提出了AutoTransOP框架，能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间，并识别相关信息	NA	开发一种能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间的方法	不同物种或细胞环境的组学数据	机器学习	NA	深度学习	神经网络自编码器	组学数据	NA	NA	NA	NA	NA
3966	2024-12-14	A combined deep learning framework for mammalian m6A site prediction 2024-Dec-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文设计了一个结合Transformer架构和循环神经网络的深度学习框架deepSRAMP，用于预测哺乳动物m6A位点	deepSRAMP在性能上显著优于其前身SRAMP，并在多个基准数据集上超越了其他最先进的m6A预测器	NA	开发一种新的深度学习框架，用于精确预测哺乳动物mRNA中的m6A位点	哺乳动物mRNA中的m6A位点	机器学习	NA	深度学习	Transformer架构和循环神经网络	序列数据和基因组数据	多个基准数据集	NA	NA	NA	NA
3967	2024-12-15	Prediction of gene expression-based breast cancer proliferation scores from histopathology whole slide images using deep learning 2024-Dec-11, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13248-9 PMID:39663527	研究论文	本研究使用深度学习模型从全切片数字病理图像中预测乳腺癌的基因表达增殖评分	首次展示了使用深度卷积神经网络（CNN）从全切片数字病理图像中直接预测乳腺癌的基因表达增殖评分，并提供了临床预测信息	研究样本量有限，且仅限于侵袭性乳腺癌患者	评估是否可以从数字全切片图像中使用深度学习模型预测乳腺癌的分子增殖标志物	乳腺癌患者的全切片数字病理图像和RNA测序数据	数字病理学	乳腺癌	RNA测序	CNN	图像	819名侵袭性乳腺癌患者的训练数据，172例内部测试集和997例外部独立测试集	NA	NA	NA	NA
3968	2024-12-15	Diagnostic accuracy of deep learning in prediction of osteoporosis: a systematic review and meta-analysis 2024-Dec-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-024-08120-7 PMID:39633356	meta-analysis	本文系统回顾和荟萃分析了深度学习在骨质疏松预测中的诊断准确性	深度学习在骨质疏松诊断中的表现优于其他机器学习算法	需要进一步的临床试验来验证研究结果	研究深度学习在骨质疏松预测中的诊断准确性	深度学习算法在骨质疏松预测中的诊断性能	machine learning	代谢性疾病	深度学习	CNN	NA	10项研究	NA	NA	NA	NA
3969	2024-12-15	Hybrid similarity based feature selection and cascade deep maxout fuzzy network for Autism Spectrum Disorder detection using EEG signal 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108177 PMID:39226758	研究论文	本文提出了一种基于EEG信号的混合相似性特征选择和级联深度Maxout模糊网络用于自闭症谱系障碍检测	提出了级联深度Maxout模糊网络（Cascade DMFN）模型，并结合Canberra距离和Kumar-hassebrook混合相似性度量进行特征选择	未提及具体局限性	开发一种经济且简单的诊断模型，用于早期检测自闭症谱系障碍，以提供及时干预并降低医疗成本	自闭症谱系障碍的检测	机器学习	自闭症	深度学习	级联深度Maxout模糊网络（Cascade DMFN）	EEG信号	使用了EEG数据集和BCIAUT_P300数据集	NA	NA	NA	NA
3970	2024-12-15	AScirRNA: A novel computational approach to discover abiotic stress-responsive circular RNAs in plant genome 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108205 PMID:39265460	研究论文	本研究开发了一种基于机器学习的计算方法，用于预测植物基因组中响应非生物胁迫的环状RNA	首次提出了一种基于机器学习的模型，用于预测植物中响应非生物胁迫的环状RNA，并开发了一个在线预测工具AScirRNA	模型的准确性和性能仍有提升空间，且需要进一步验证其在不同植物物种中的适用性	探索植物中环状RNA在非生物胁迫响应中的功能，并开发预测工具以辅助作物育种	植物基因组中的环状RNA及其在非生物胁迫中的响应机制	机器学习	NA	机器学习算法	XGBoost, LightGBM	环状RNA序列	NA	NA	NA	NA	NA
3971	2024-12-15	ILYCROsite: Identification of lysine crotonylation sites based on FCM-GRNN undersampling technique 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108212 PMID:39277959	研究论文	本文提出了一种基于FCM-GRNN欠采样技术的深度学习模型ILYCROsite，用于识别赖氨酸巴豆酰化位点	本文创新性地采用了MLP-Attention模型，并结合FCM-GRNN欠采样算法来平衡数据集，显著提高了巴豆酰化位点识别的性能	NA	开发一种高效准确的模型来识别蛋白质中的赖氨酸巴豆酰化位点	赖氨酸巴豆酰化位点的识别	机器学习	NA	FCM-GRNN欠采样技术	MLP-Attention	序列	NA	NA	NA	NA	NA
3972	2024-12-15	Prediction of Crohn's disease based on deep feature recognition 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108231 PMID:39362115	研究论文	本文提出了一种基于深度学习的模型，利用顺序卷积注意力网络（SCAN）进行特征提取，结合自适应加性区间损失和支持向量机（SVM）进行分类，以预测克罗恩病	本文创新性地使用了顺序卷积注意力网络（SCAN）进行特征提取，并引入了自适应加性区间损失来增强特征，同时提出了一种随机噪声独热编码数据增强方法来处理样本不平衡问题	NA	利用深度学习技术分析基因信息，预测克罗恩病	克罗恩病患者的基因数据	机器学习	消化系统疾病	深度学习	顺序卷积注意力网络（SCAN）	基因数据	NA	NA	NA	NA	NA
3973	2024-12-15	A multi-class fundus disease classification system based on an adaptive scale discriminator and hybrid loss 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108241 PMID:39405777	研究论文	本文提出了一种基于自适应尺度判别器和混合损失的多类眼底疾病分类系统	创新性地设计了多维注意力模块和自适应尺度判别器，并提出了混合损失函数方法以提高不平衡数据的检测能力	未提及具体的局限性	解决眼底图像中多类眼科疾病的分类问题	眼底图像中的多类眼科疾病	计算机视觉	NA	深度学习	ResNet50	图像	ODRI-5K数据集	NA	NA	NA	NA
3974	2024-12-15	Comprehensive review of literature on Parkinson's disease diagnosis 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108228 PMID:39413446	综述	本文对帕金森病诊断领域的50篇文献进行了综合回顾，涵盖了多种模态和方法	本文系统性地总结了帕金森病诊断领域的研究进展，并指出了研究空白和障碍	本文主要基于已有文献的回顾，未提出新的诊断方法或技术	回顾帕金森病诊断领域的研究进展，识别研究空白和障碍	帕金森病诊断的相关文献和研究	机器学习	帕金森病	机器学习、深度学习	NA	图像、信号、数据	50篇文献	NA	NA	NA	NA
3975	2024-12-15	Federated learning and deep learning framework for MRI image and speech signal-based multi-modal depression detection 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108232 PMID:39423605	研究论文	本文提出了一种基于联邦学习和深度学习框架的多模态抑郁症检测方法，利用MRI图像和语音信号进行青少年抑郁症的检测	本文创新性地结合了联邦学习（FL）和深度学习（DL）模型，解决了传统深度学习模型在处理大数据时的挑战，并提出了基于指数非洲鹈鹕优化算法（ExpAPO）的深度卷积神经网络（DCNN）用于局部模块的抑郁症检测	本文未详细讨论联邦学习框架在实际应用中的隐私保护问题以及模型的可解释性	研究目的是通过多模态数据（MRI图像和语音信号）检测青少年抑郁症，并利用联邦学习框架解决数据规模问题	研究对象是青少年的抑郁症检测，使用MRI图像和语音信号作为输入数据	机器学习	精神健康问题	联邦学习（FL），深度学习（DL）	深度卷积神经网络（DCNN）	图像和语音	未明确提及具体样本数量	NA	NA	NA	NA
3976	2024-12-15	Integrating (deep) machine learning and cheminformatics for predicting human intestinal absorption of small molecules 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108270 PMID:39481232	研究论文	本文研究了通过整合机器学习和化学信息学方法预测小分子在人体肠道的吸收情况	本文创新性地结合了传统机器学习算法和深度学习模型（如图卷积神经网络和图注意力网络）来预测药物的肠道吸收	本文的局限性在于所使用的数据集主要来自早期和近期的一些研究，可能无法完全代表所有药物的肠道吸收情况	研究目的是预测药物在人体肠道的吸收情况，以评估其口服生物利用度	研究对象是2648种化合物的分子描述符及其在人体肠道的吸收情况	机器学习	NA	机器学习算法（如随机森林和LightGBM）和深度学习模型（如图卷积神经网络和图注意力网络）	随机森林、LightGBM、图卷积神经网络（GCNN）和图注意力网络（GAT）	分子描述符	2648种化合物	NA	NA	NA	NA
3977	2024-12-15	Optimization and correction of breast dynamic optical imaging projection data based on deep learning 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108259 PMID:39486356	研究论文	本文提出了一种基于深度学习的乳腺动态光学成像（DOI）投影数据优化与校正方法	利用卷积神经网络（CNN）提取原始图像特征，并通过生成对抗网络（GAN）增强图像质量，同时开发了一种新的校正算法来解决投影数据失真问题	NA	提高乳腺动态光学成像的图像质量和投影数据准确性，为乳腺癌的早期筛查和诊断提供新的方法	乳腺动态光学成像的投影数据	计算机视觉	乳腺癌	深度学习	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA	NA	NA	NA	NA
3978	2024-12-15	MuSE: A deep learning model based on multi-feature fusion for super-enhancer prediction 2024-Dec, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108282 PMID:39561516	研究论文	提出了一种基于多特征融合的深度学习模型MuSE，用于超级增强子预测	MuSE模型通过结合one-hot编码和DNA2Vec的k-mer表示，能够自动提取DNA序列的关键特征，并在跨物种预测中表现出色	基于DNA2Vec的k-mer表示在捕捉物种个体性方面存在不足，影响了模型的泛化能力	改进超级增强子的识别方法	DNA序列的特征提取和超级增强子的预测	生物信息学	NA	深度学习	神经网络	序列	人类和鼠类物种数据集	NA	NA	NA	NA
3979	2024-12-15	Transformer-based deep learning model for the diagnosis of suspected lung cancer in primary care based on electronic health record data 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105442 PMID:39536394	研究论文	本文提出了一种基于Transformer的深度学习模型，用于在初级医疗中通过电子健康记录数据诊断疑似肺癌	该模型利用了电子健康记录中的时间序列数据，捕捉了癌症与非癌症路径之间的时序关系，从而提高了诊断的准确性	本文仅在英国的数据集上进行了验证，未来需要在外部数据集上进行验证	构建一个用于肺癌早期检测的模型，以提高诊断的准确性	疑似肺癌患者	机器学习	肺癌	ALBERT	Transformer	文本	3,303,992名患者，其中11,847例肺癌病例	NA	NA	NA	NA
3980	2024-12-15	Deep learning-based body composition analysis from whole-body magnetic resonance imaging to predict all-cause mortality in a large western population 2024-Dec, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2024.105467 PMID:39622188	研究论文	本文开发并测试了一种基于深度学习的框架，用于从全身磁共振成像（MRI）中自动量化体积身体成分测量，并研究其在预测西方大人群全因死亡率中的预后价值	本文首次使用深度学习技术自动量化全身MRI中的体积身体成分测量，并验证其在预测全因死亡率中的预后价值	本文仅在西方人群中进行了验证，尚未在其他人群中进行测试	开发一种基于深度学习的框架，用于自动量化全身MRI中的体积身体成分测量，并评估其在预测全因死亡率中的预后价值	全身MRI中的体积身体成分测量，包括皮下脂肪组织（SAT）、内脏脂肪组织（VAT）、骨骼肌（SM）、骨骼肌脂肪分数（SMFF）和肌内脂肪组织（IMAT）	计算机视觉	NA	深度学习	深度学习框架	图像	36,317名UKBB参与者（平均年龄65.1±7.8岁，年龄范围45-84岁；51.7%为女性；1.7%全因死亡率；中位随访4.8年）和23,725名NAKO参与者（平均年龄53.9±8.3岁，年龄范围40-75；44.9%为女性）	NA	NA	NA	NA