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
5181	2024-10-19	Research progress on machine algorithm prediction of liver cancer prognosis after intervention therapy 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/BEAO1926 PMID:39417194	review	本文综述了机器算法在肝癌介入治疗后预后预测中的应用和潜力	机器算法能够通过分析大量临床数据识别预后模式和趋势	整合多源临床数据以提高预测准确性、数据隐私和伦理问题、增强机器算法决策过程的透明度和可解释性	系统回顾和分析机器算法在肝癌介入治疗后预后预测中的应用和潜力	肝癌介入治疗后的患者预后	machine learning	liver cancer	NA	NA	clinical data	NA
5182	2024-10-19	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	本文介绍了一种名为SAMPLER的无监督方法，用于快速生成全切片组织图像的表示，并应用于肿瘤亚型的分类	SAMPLER是一种无监督且快速的方法，通过编码多尺度瓦片级特征的累积分布函数生成切片级表示，显著提高了计算效率	NA	开发一种无监督且高效的深度学习方法，用于全切片组织图像的快速分析	乳腺癌、非小细胞肺癌和肾细胞癌的全切片图像	数字病理学	癌症	深度学习	无监督模型	图像	使用了来自The Cancer Genome Atlas (TCGA)的乳腺癌、非小细胞肺癌和肾细胞癌的全切片图像进行训练和验证
5183	2024-10-19	Artificial Intelligence Application for Anti-tumor Drug Synergy Prediction 2024, Current medicinal chemistry IF:3.5Q2 DOI:10.2174/0109298673290777240301071513 PMID:39420717	综述	本文综述了癌症药物协同治疗及人工智能技术在癌症药物协同预测中的应用	探讨了深度学习方法在癌症药物协同预测中的应用前景	未具体提及	提高对癌症药物协同作用的理解，为临床提供更有效的治疗方案和合理的药物使用策略	癌症药物协同治疗及人工智能技术在其中的应用	机器学习	癌症	人工智能 (AI)	深度学习	NA	NA
5184	2024-10-18	Deep learning-assisted inverse design of metasurfaces for active color image tuning 2024-Oct-17, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr02378a PMID:39301625	研究论文	本文提出了一种基于深度学习的超表面主动色彩图像调谐方法	通过多目标逆向伴随神经网络解决了逆向设计中的'一对多'问题，实现了在三种不同环境条件下的主动色彩图像调谐	NA	开发一种新的超表面逆向设计方法，实现主动色彩图像调谐	超表面及其在色彩调谐中的应用	计算机视觉	NA	深度学习	神经网络	图像	三种不同环境条件下的超表面
5185	2024-10-18	Exploring the phase change and structure of carbon using a deep learning interatomic potential 2024-Oct-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp02781g PMID:39364607	研究论文	本文利用深度学习原子间势函数研究碳的相变和结构	通过深度神经网络获得的机器学习势函数不仅展示了强大的可扩展性，还能有效研究非晶金刚石和多晶金刚石的形成机制	NA	研究碳在大规模系统中的相变	碳的相变和结构	机器学习	NA	分子动力学 (AIMD)，密度泛函理论 (DFT)	深度神经网络	结构数据	大量碳晶体和石墨烯的初始结构
5186	2024-10-18	Interpretable and Physicochemical-Intuitive Deep Learning Approach for the Design of Thermal Resistance of Energetic Compounds 2024-Oct-17, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c04849 PMID:39380131	研究论文	本文提出了一种名为EM-thermo的深度学习框架，用于预测高能化合物的热稳定性	EM-thermo通过分子图和直接消息传递神经网络捕捉结构特征，并利用迁移学习提高了预测准确性	NA	开发一种能够准确预测高能化合物热稳定性的深度学习模型	高能化合物的热稳定性	机器学习	NA	深度学习	直接消息传递神经网络	分子图	5029个CHNO化合物，其中包括976个高能化合物
5187	2024-10-18	Evaluating deep learning techniques for optimal neurons counting and characterization in complex neuronal cultures 2024-Oct-17, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03202-z PMID:39417963	研究论文	评估三种深度学习技术在复杂神经元培养中进行神经元计数和表征的最佳方法	提出并评估了三种深度学习技术（语义分割、目标检测和实例分割）在神经元计数和表征中的应用	未提及具体的局限性	确定哪种技术或技术组合能最优地实现神经元图像的自动计数和表征	神经元培养中的神经元计数和表征	计算机视觉	NA	深度学习	语义分割、目标检测、实例分割	图像	未提及具体的样本数量
5188	2024-10-18	Attention-guided 3D CNN With Lesion Feature Selection for Early Alzheimer's Disease Prediction Using Longitudinal sMRI 2024-Oct-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3482001 PMID:39412975	研究论文	本文提出了一种新的轻量级3D卷积神经网络，用于捕捉脑部疾病的演变，以建模MCI的进展	引入了纵向病变特征选择策略和疾病趋势注意力机制，以提高模型对病变特征的关注度	仅使用了两个随访sMRI扫描来预测MCI患者的疾病状态，可能需要更多数据以提高预测准确性	预测从轻度认知障碍（MCI）到阿尔茨海默病（AD）的进展，以便进行早期干预	MCI患者的脑部结构变化	计算机视觉	阿尔茨海默病	sMRI	3D CNN	图像	使用了两个随访sMRI扫描
5189	2024-10-18	Prior Visual-guided Self-supervised Learning Enables Color Vignetting Correction for High-throughput Microscopic Imaging 2024-Oct-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3471907 PMID:39412976	研究论文	本文提出了一种基于自监督深度学习算法的颜色渐晕校正方法，用于高吞吐量显微成像	利用显微图像的同质性和渐晕的径向衰减特性，开发了一种自监督深度学习算法，实现了复杂渐晕的去除	NA	开发一种鲁棒且高效的渐晕校正方法，以提高生物医学显微图像的质量	多通道显微图像中的渐晕校正	计算机视觉	NA	自监督深度学习	对抗学习	图像	五个不同的生物样本数据集
5190	2024-10-18	Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias 2024-10-16, AJR. American journal of roentgenology DOI:10.2214/AJR.24.31963 PMID:39413236	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5191	2024-10-18	AI in Psoriatic Disease: Scoping Review 2024-Oct-16, JMIR dermatology DOI:10.2196/50451 PMID:39413371	综述	本文综述了人工智能在银屑病疾病中的应用，包括诊断和临床管理	探讨了人工智能在银屑病疾病管理中的潜在应用，如通过机器学习和深度学习技术进行诊断、监测和治疗结果预测	需要关注人工智能在特定人群中的验证和标准化问题，如深肤色患者	提供关于人工智能在银屑病疾病中应用的最新文献综述	银屑病及其相关疾病	机器学习	皮肤疾病	机器学习	NA	图像	NA
5192	2024-10-18	Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor 2024-Oct-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101785 PMID:39413732	研究论文	本文提出了一种基于病理图像和病理先验信息的深度学习模型，用于区分结直肠神经内分泌肿瘤和结直肠癌	利用病理先验信息生成鲁棒的切片级特征，并通过计算形态描述与补丁之间的相似性，仅选择2%的诊断相关补丁进行训练和推理	NA	开发一种成本效益高的方法，准确区分结直肠神经内分泌肿瘤和结直肠癌	结直肠神经内分泌肿瘤和结直肠癌	数字病理学	结直肠癌	深度学习	深度学习模型	图像	内部数据集和两个外部数据集
5193	2024-10-18	Acoustic leak localization for water distribution network through time-delay-based deep learning approach 2024-Oct-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122600 PMID:39413711	研究论文	本文介绍了一种基于深度学习的时间延迟估计方法，用于水分配网络中的声学泄漏定位	提出了一种利用深度学习技术估计时间延迟的新方法，在低信噪比条件下表现出更高的准确性和鲁棒性	在高信噪比条件下，Res1D-CNN模型的性能不如GCC-SCOT和BCC	提高水分配网络中泄漏定位的准确性和鲁棒性	水分配网络中的声学泄漏定位	机器学习	NA	深度学习	Res1D-CNN	声学信号	通过实地测量验证了方法的有效性
5194	2024-10-18	Machine/deep learning-assisted hemoglobin level prediction using palpebral conjunctival images 2024-Oct, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19621 PMID:39024119	研究论文	本研究利用智能手机拍摄的150张眼睑结膜图像，构建了机器/深度学习模型来预测血红蛋白水平	首次使用眼睑结膜图像进行血红蛋白水平的定量预测，并比较了非卷积神经网络和卷积神经网络模型的性能	卷积神经网络模型的性能提升有限，且对贫血样本的预测准确性有待提高	开发一种非侵入性的方法来预测血红蛋白水平	眼睑结膜图像和血红蛋白水平	计算机视觉	NA	卷积神经网络	CNN	图像	150张眼睑结膜图像，包括10名血红蛋白水平低于11 g/dL的患者
5195	2024-10-18	Deep learning for quantifying spatial patterning and formation process of early differentiated human-induced pluripotent stem cells with micropattern images 2024-Oct, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13346 PMID:38994744	研究论文	本文提出了一种深度学习方法，用于量化早期分化阶段人类诱导多能干细胞（hiPSCs）的空间模式和形成过程	本文创新性地使用U-net结构和算法，通过解码和编码Hoechst（DNA染色）hiPSC区域，以及比较荧光图像的强度来提取各胚层细胞区域，从而量化hiPSCs的干性	本文未详细讨论该方法在不同实验条件下的泛化能力和鲁棒性	研究目的是开发一种深度学习方法，用于量化早期分化阶段hiPSCs的空间模式和形成过程	研究对象是早期分化阶段的人类诱导多能干细胞（hiPSCs）及其在微图案上的空间模式	计算机视觉	NA	深度学习	U-net	图像	多个hiPSC系、不同微图案尺寸、不同标记组、活细胞和固定细胞的微图案图像
5196	2024-10-18	Applying machine learning to primate bioacoustics: Review and perspectives 2024-Oct, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.23666 PMID:39120066	综述	本文全面回顾了计算生物声学以及信号和语音处理技术在灵长类动物语音通信分析中的应用	探讨了从简单的监督算法到最新的自监督模型等机器学习和深度学习方法在处理和分析大规模数据集中的潜力	讨论了数据收集和注释方面的挑战，并提供了潜在解决方案的见解	探讨机器学习方法在灵长类动物语音通信分析中的应用和未来研究机会	灵长类动物的语音通信	机器学习	NA	机器学习、深度学习	监督学习、自监督学习	音频	大规模数据集
5197	2024-10-18	Image cropping for malaria parasite detection on heterogeneous data 2024-10, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.107022 PMID:39173888	研究论文	本文提出了一种基于深度学习的图像裁剪方法，用于在异质数据上早期和更准确地检测疟原虫	本文提出了一种图像预处理方法，以缓解由于患者多样性和数据中存在的其他伪影导致的红细胞特征多样性带来的挑战	NA	早期和更准确地检测疟原虫	疟原虫的检测	计算机视觉	疟疾	深度学习	卷积神经网络	图像	65,970张显微图像，来自876名不同患者，形成33,007张图像的数据集
5198	2024-10-18	Protein interactions in human pathogens revealed through deep learning 2024-Oct, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-024-01791-x PMID:39294458	研究论文	本文开发了一种名为RoseTTAFold2-Lite的快速深度学习模型，用于系统地识别和结构化表征人类病原体中的蛋白质相互作用	本文创新性地利用深度学习模型RoseTTAFold2-Lite，结合残基-残基共进化和蛋白质结构预测，实现了对蛋白质相互作用的大规模系统识别和结构表征	本文仅实验验证了12个预测的相互作用，且仅有一半得到验证，表明模型在实际应用中的准确性仍需进一步验证	本文旨在通过识别细菌蛋白质相互作用及其结构预测，帮助理解病原性机制并开发传染病治疗方案	本文主要研究对象为19种人类细菌病原体中的蛋白质相互作用及其结构	机器学习	传染病	深度学习	RoseTTAFold2-Lite	蛋白质	涉及19种人类细菌病原体中的7800万对蛋白质，识别出1923个涉及必需基因的复杂相互作用和256个涉及毒力因子的相互作用
5199	2024-10-18	Mpox outbreak: Time series analysis with multifractal and deep learning network 2024-Oct-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0236082 PMID:39413265	研究论文	本文分析了非洲、美洲和欧洲等受影响最严重的地区的mpox流行病学情况，并使用多重分形插值进行预处理，以揭示mpox传播趋势中的不规则和分形模式	本文利用多重分形测度探索mpox病例的异质性，并使用双向长短期记忆神经网络预测未来的mpox传播	NA	研究mpox的传播趋势并预测未来的爆发	mpox病例的传播趋势	机器学习	NA	多重分形插值	双向长短期记忆神经网络	时间序列数据	涉及非洲、美洲和欧洲的mpox病例数据
5200	2024-10-18	Leveraging artificial intelligence in vaccine development: A narrative review 2024-09, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.106998 PMID:39019262	综述	本文综述了人工智能在疫苗开发中的应用，重点关注抗原选择、表位预测、佐剂识别和优化策略	人工智能算法利用基因组数据、蛋白质结构和免疫系统相互作用来预测抗原表位、评估免疫原性并优先进行实验	数据异质性、模型可解释性和监管考虑是实现人工智能在疫苗开发中全部潜力的挑战	探讨人工智能在疫苗开发中的作用，加速安全有效疫苗的交付	疫苗开发中的抗原选择、表位预测、佐剂识别和优化策略	机器学习	NA	机器学习和深度学习	NA	基因组数据、蛋白质结构	NA