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
61	2024-12-22	Machine learning-based longitudinal prediction for GJB2-related sensorineural hearing loss 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108597 PMID:38763069	研究论文	本研究旨在利用机器学习构建一个预测GJB2相关感音神经性听力损失进展的模型，以实现个性化的医疗规划	首次利用机器学习技术构建了GJB2相关感音神经性听力损失的纵向预测模型，并展示了其在个性化医疗规划中的应用潜力	研究样本仅限于具有双等位GJB2变异的感音神经性听力损失患者，可能限制了模型的普适性	构建一个能够预测GJB2相关感音神经性听力损失进展的机器学习模型，以支持个性化的医疗干预	具有双等位GJB2变异的感音神经性听力损失患者	机器学习	感音神经性听力损失	机器学习	LSTM	音频图	449名患者，2184份音频图
62	2024-12-22	Multi-scale feature fusion and class weight loss for skin lesion classification 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108594 PMID:38761501	研究论文	本文提出了一种多尺度特征融合结构和类权重损失方法，用于皮肤病变分类	创新点包括多尺度特征融合结构、类权重、标签平滑和重采样方法，以及对HAM10000_RE数据集的头发特征去除实验	未提及具体局限性	提高皮肤病变图像分类的准确性	皮肤病变图像	计算机视觉	皮肤癌	深度学习	NA	图像	使用了HAM10000和ISIC2019数据集
63	2024-12-22	Linguistic-based Mild Cognitive Impairment detection using Informative Loss 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108606 PMID:38763068	研究论文	本文提出了一种基于自然语言处理技术的深度学习方法，用于区分老年人的轻度认知障碍和正常认知状态	提出了一个新的损失函数InfoLoss，通过观察每个句子序列的熵减少来提高分类准确性	NA	开发一种能够区分轻度认知障碍和正常认知状态的深度学习方法	老年人的轻度认知障碍和正常认知状态	自然语言处理	NA	自然语言处理技术	Transformer、多层感知器	文本	I-CONECT研究项目中的视频采访转录数据
64	2024-12-22	Exploring UMAP in hybrid models of entropy-based and representativeness sampling for active learning in biomedical segmentation 2024-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108605 PMID:38772054	研究论文	本文研究了在医学分割中基于主动学习的熵和代表性采样技术的混合模型，特别是探讨了UMAP在捕捉代表性方面的作用	本文提出了一种新的混合采样技术Entropy-UMAP，并在医学分割任务中取得了显著的Dice分数提升	本文仅在心脏和前列腺数据集上进行了验证，尚未在其他医学数据集上进行广泛测试	探索UMAP在基于主动学习的医学分割中的应用，并评估其与熵采样结合的效果	心脏和前列腺的医学分割任务	计算机视觉	NA	UMAP	NA	图像	心脏和前列腺数据集
65	2024-12-22	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-Apr-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.13.566842 PMID:38014263	研究论文	本文介绍了一种无监督的细胞及其核在复杂组织样本中分割的方法UNSEG	UNSEG在无需训练数据的情况下实现了深度学习级别的性能，并引入了新的扰动分水岭算法，提高了经典分水岭的准确性	文中提到分割准确性的量化可能存在偏差，且分割在组织样本中仍然是一个具有挑战性的问题	开发一种无需标签的无监督学习方法，用于复杂组织样本中细胞及其核的分割	复杂组织样本中的细胞及其核	计算机视觉	NA	无监督学习	UNSEG	图像	包括一个高质量的胃肠道组织（GIT）数据集和公开数据集
66	2024-12-22	Model Agnostic Semi-Supervised Meta-Learning Elucidates Understudied Out-of-distribution Molecular Interactions 2024-Mar-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.17.541172 PMID:37292680	研究论文	本文开发了一种半监督元学习框架MMAPLE，用于解决数据分布偏移和标签数据稀缺的问题，并在多个应用中展示了其有效性	提出了MMAPLE框架，通过有效利用分布外的未标记数据，在迁移学习失败时仍能取得显著的预测效果	NA	解决生物学问题中由于实验限制和人类偏见导致的未充分研究问题，特别是在数据分布偏移和标签数据稀缺的情况下	分布外的药物-靶点相互作用、隐藏的人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	半监督元学习	MMAPLE	分子相互作用数据	NA
67	2024-12-22	Accelerating antimicrobial peptide design: Leveraging deep learning for rapid discovery 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315477 PMID:39705302	研究论文	本文利用机器学习和深度学习技术加速抗菌肽的设计和发现	提出了两种方法：一种是基于预计算的物理化学属性进行机器学习分类，另一种是将基本肽特征转换为信号图像并输入深度学习神经网络，显著提高了预测准确率	目前仅针对单一微生物（革兰氏阴性大肠杆菌）进行研究，未来需要进一步验证以适应其他类型的抗菌、抗病毒和抗癌肽	克服传统实验方法的限制，加速抗菌肽的开发	评估1,360个具有抗大肠杆菌活性的肽序列及其最小抑制浓度与34个物理化学特性之间的关系	机器学习	NA	机器学习，深度学习	神经网络	序列，图像	1,360个肽序列
68	2024-12-21	Optical coherence tomography: implications for neurology 2024-Dec-23, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001340 PMID:39704153	综述	本文探讨了光学相干断层扫描（OCT）在神经病学实践中的作用，特别是在诊断和监测视乳头水肿、视神经炎和视网膜动脉阻塞等疾病中的应用	OCT作为一种成像方式，继续展示其在量化视神经和视网膜变化方面的实用性，包括视网膜神经纤维层（pRNFL）厚度和黄斑神经节细胞层厚度（或体积），并结合深度学习算法提高了诊断准确性和预测能力	NA	探讨OCT在神经病学中的应用及其在诊断、监测和量化治疗反应中的作用	视乳头水肿、视神经炎和视网膜动脉阻塞患者	NA	NA	光学相干断层扫描（OCT）	深度学习算法	图像	NA
69	2024-12-21	Utilizing deep learning to investigate the impacts of climate change on groundwater dynamics and pumping variability 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177784 PMID:39631335	研究论文	本研究利用深度学习模型探讨气候变化对台湾中部农业地区地下水动态和抽水用电量的影响	采用CNN-LSTM混合深度学习模型预测未来地下水位和抽水电量的变化，并结合CMIP6气候模型和SSP情景进行未来15年的预测	研究仅基于特定地区的数据，结果的普适性可能有限	探讨气候变化对地下水位和抽水电量的影响，并预测未来趋势	台湾中部农业地区的地下水位和抽水电量的变化	机器学习	NA	深度学习	CNN-LSTM	数值数据	2007年至2021年的月降水量和平均温度数据，以及2022年至2036年的CMIP6气候模型预测数据
70	2024-12-21	Assessing and improving the high uncertainty of global gross primary productivity products based on deep learning under extreme climatic conditions 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177344 PMID:39521074	研究论文	本研究评估了八种全球总初级生产力（GPP）产品在极端气候条件下的表现，并利用卷积神经网络（CNN）提高了GPP在极端气候条件下的估算精度	本研究首次利用卷积神经网络（CNN）基于ECMWF-Reanalysis-5th-Generation（ERA5）气象数据，显著提高了GPP在极端气候条件下的估算精度	研究主要集中在极端气候条件下的GPP估算，未涵盖所有气候条件下的表现	评估全球GPP产品在极端气候条件下的表现，并提出改进方法	八种全球GPP产品在极端气候条件下的表现	生态与环境科学	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	气象数据	2003年至2014年的通量塔数据和20个独立验证站点
71	2024-12-21	Wetland classification based on depth-adaptive convolutional neural networks using leaf-off SAR imagery 2024-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.177768 PMID:39615179	研究论文	本文开发了一种基于深度自适应卷积神经网络的湿地分类方法，使用落叶期的Sentinel-1 SAR影像和辅助数据	提出了基于U-Net架构的深度自适应卷积神经网络，结合多土地覆盖邻近信息和基于CNN的自监督SAR去噪方法，提高了湿地分类的准确性和效率	NA	评估深度学习技术在雷达数据上对大规模湿地分类的准确性和效率	湿地分类，包括沼泽湿地、灌木湿地、森林湿地和开阔水域	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	NA
72	2024-12-21	Evaluating inter- and intra-rater reliability in assessing upper limb compensatory movements post-stroke: creating a ground truth through video analysis? 2024-Dec-20, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01506-7 PMID:39702329	研究论文	本研究评估了职业治疗师和物理治疗师在视频分析基础上对中风后上肢代偿性运动的视觉评估的评分者间和评分者内可靠性	本研究利用深度学习方法评估运动质量，并使用广义线性混合效应模型和零膨胀贝塔回归分析数据，以评估代偿性运动的可靠性	研究结果显示评分者间和评分者内可靠性存在较大可信区间，表明这些结果可能偶然发生，因此不能仅基于治疗师的评分建立代偿性运动的自动评估基准	评估中风后上肢代偿性运动的视觉评估的评分者间和评分者内可靠性	职业治疗师和物理治疗师对中风后上肢代偿性运动的视觉评估	NA	中风	广义线性混合效应模型，零膨胀贝塔回归	NA	视频	7名轻度至中度上肢运动障碍的中风患者
73	2024-12-21	Deep Learning-Enabled STEM Imaging for Precise Single-Molecule Identification in Zeolite Structures 2024-Dec-20, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408629 PMID:39703985	研究论文	本文开发了一种深度学习框架，用于在低剂量条件下通过iDPC-STEM成像精确识别沸石结构中的单分子行为	本文提出了一个专门为iDPC-STEM成像设计的深度学习框架，利用DIVAESR模型有效减少噪声，提高图像质量，并结合对象检测和DFT配置匹配进行精确的分子分析	本文主要使用合成数据集进行测试，其实际应用到真实iDPC-STEM图像的适用性和效果仍需进一步验证	解决在沸石等复杂结构中精确捕捉单分子行为的问题	沸石结构中的单分子行为	计算机视觉	NA	iDPC-STEM成像	DIVAESR	图像	使用合成数据集进行测试
74	2024-12-21	Classifying Alzheimer's Disease Using a Finite Basis Physics Neural Network 2024-Dec-20, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24727 PMID:39704389	研究论文	本文提出了一种基于有限基物理神经网络（CAD-FBPINN）的阿尔茨海默病分类方法	本文创新性地使用了有限基物理神经网络（FBPINN）结合海马优化算法（SHOA）来优化阿尔茨海默病的分类，并采用了逆对数正态卡尔曼滤波器（RLKF）和牛顿时间提取小波变换（NTEWT）进行图像预处理和特征提取	本文未详细讨论数据集的质量问题、伦理整合问题以及图像标准化问题	开发一种可靠且实用的深度学习方法，用于功能性磁共振成像（MRI）的阿尔茨海默病分类	阿尔茨海默病（AD）及其不同阶段，包括早期轻度认知障碍（EMCI）、轻度认知障碍（MCI）、晚期轻度认知障碍（LMCI）、正常对照（NC）和主观记忆抱怨（SMCs）	机器学习	阿尔茨海默病	功能性磁共振成像（MRI）	有限基物理神经网络（FBPINN）	图像	使用了来自阿尔茨海默病神经影像倡议（ADNI）数据集的图像
75	2024-12-21	Improved deep learning-based IVIM parameter estimation via the use of more "realistic" simulated brain data 2024-Dec-20, Medical physics IF:3.2Q1 DOI:10.1002/mp.17583 PMID:39704604	研究论文	本文提出了一种基于合成数据驱动的监督学习方法（SDD-IVIM），用于提高IVIM参数估计的精度和抗噪性	本文创新性地使用了一种基于模型的方法生成合成人类脑部IVIM数据，并通过U-Net模型进行参数映射，不依赖于真实世界数据进行神经网络训练	本文主要依赖于合成数据进行训练和评估，未充分验证其在真实世界数据中的泛化能力	提高IVIM参数估计的精度和抗噪性	脑部IVIM成像参数估计	计算机视觉	NA	IVIM成像	U-Net	图像	数值仿真数据和20名胶质瘤患者
76	2024-12-21	Artificial intelligence guided search for van der Waals materials with high optical anisotropy 2024-Dec-20, Materials horizons IF:12.2Q1 DOI:10.1039/d4mh01332h PMID:39704611	研究论文	本文利用几何和机器学习方法加速寻找具有高光学各向异性的范德华材料	本文首次采用深度学习架构（如原子线图神经网络）来预测范德华材料的光学各向异性，并通过实验验证了其预测能力	本文仅验证了两种材料（2H-MoTe和CdPS），未来需要进一步扩展验证范围	加速寻找具有高光学各向异性的范德华材料，以推动先进光子学应用	范德华材料的光学各向异性	机器学习	NA	机器学习	图神经网络	数值数据	两种材料（2H-MoTe和CdPS）
77	2024-12-21	Correction to: A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding 2024-Dec-20, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae200 PMID:39704758	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
78	2024-12-21	Deep learning model for low-dose CT late iodine enhancement imaging and extracellular volume quantification 2024-Dec-20, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11288-0 PMID:39704803	研究论文	本文开发并验证了两种深度学习模型（RDN和cGAN）用于低剂量CT晚期碘增强成像和细胞外体积定量	本文提出的RDN模型在图像质量和信号噪声比方面显著优于cGAN模型和原始图像，提高了视觉分析的可识别性	NA	开发和验证深度学习模型，以去噪晚期碘增强图像并实现准确的细胞外体积定量	晚期碘增强图像和细胞外体积定量	计算机视觉	心血管疾病	深度学习	RDN, cGAN	图像	423名患者，分为训练组（182名）、调优组（48名）、内部验证组（92名）和外部验证组（101名）
79	2024-12-21	BioStructNet: Structure-Based Network with Transfer Learning for Predicting Biocatalyst Functions 2024-Dec-20, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01391 PMID:39705058	研究论文	本文开发了一种基于结构的深度学习网络BioStructNet，用于预测生物催化剂的功能	BioStructNet结合了蛋白质和配体的结构数据，通过迁移学习在小数据集上优化预测精度	本文未提及具体的局限性	加速工业用功能酶的发现	生物催化剂的功能预测	机器学习	NA	深度学习	NA	结构数据	使用CalB数据集进行案例研究
80	2024-12-21	Spatiotemporal Profiling Defines Persistence and Resistance Dynamics During Targeted Treatment of Melanoma 2024-Dec-19, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-0690 PMID:39700408	研究论文	本研究通过空间转录组学分析患者来源的异种移植模型，揭示了黑色素瘤在靶向治疗期间持久性和抗性动态的时空特征	首次结合空间转录组学和深度学习分析病理切片，揭示了黑色素瘤在靶向治疗中的持久状态及其相关的分子机制和形态特征	研究基于患者来源的异种移植模型，可能与临床实际情况存在差异	探讨黑色素瘤在靶向治疗中的持久性和抗性动态，寻找预防治疗失败的新策略	BRAF突变型黑色素瘤细胞在靶向治疗中的持久状态及其抗性机制	数字病理学	黑色素瘤	空间转录组学	深度学习	图像	患者来源的异种移植模型