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
201	2024-10-05	NPB-REC: A non-parametric Bayesian deep-learning approach for undersampled MRI reconstruction with uncertainty estimation 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102798 PMID:38462289	研究论文	本文介绍了一种非参数贝叶斯深度学习方法NPB-REC，用于从欠采样的MRI数据中重建高质量图像并估计不确定性	提出了NPB-REC框架，结合随机梯度Langevin动力学训练网络参数的后验分布，提高了图像重建质量和不确定性估计的准确性	未提及	提高MRI时间分辨率和减少采集时间，同时量化重建图像的不确定性	欠采样的MRI数据	计算机视觉	NA	随机梯度Langevin动力学	非参数贝叶斯框架	MRI图像	多线圈MRI数据集，来自fastMRI挑战赛
202	2024-10-05	DISCOVER: 2-D multiview summarization of Optical Coherence Tomography Angiography for automatic diabetic retinopathy diagnosis 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102803 PMID:38462293	研究论文	本文研究了使用光学相干断层扫描血管造影（OCTA）进行糖尿病视网膜病变（DR）自动诊断的方法	提出了两种互补的策略来优化OCTA体积的2D图像摘要：通过深度学习优化的参数化正面投影和基于梯度归因的横截面切片选择过程	NA	研究自动DR严重程度评估方法	糖尿病视网膜病变（DR）	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	神经网络	图像	NA
203	2024-10-05	Scalable Swin Transformer network for brain tumor segmentation from incomplete MRI modalities 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102788 PMID:38462288	研究论文	本文提出了一种名为IMS2Trans的新型轻量级可扩展Swin Transformer网络，用于从不完全的MRI模态中进行脑肿瘤分割	利用单一编码器从所有可用模态中提取潜在特征图，实现了模态间的高效信息共享和融合，即使在存在缺失模态的情况下也能保持分割性能	未提及	提高在不完全MRI模态下脑肿瘤分割的准确性和效率	脑肿瘤分割	计算机视觉	脑肿瘤	MRI	Swin Transformer	图像	BraTS 2018和BraTS 2020数据集
204	2024-10-05	Improving deep-learning electrocardiogram classification with an effective coloring method 2024-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102809 PMID:38462295	研究论文	本文提出了一种通过颜色化技术将患者病历中的临床信息整合到心电图分类中的创新方法	通过颜色化技术将人口统计信息映射到RGB颜色空间，增强了心电图分析的准确性	NA	提高心电图分类的准确性，支持精准医疗	心电图分类	机器学习	心血管疾病	颜色化技术	深度学习模型	心电图数据	PTB-XL数据集
205	2024-10-04	A visual-language foundation model for computational pathology 2024-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02856-4 PMID:38504017	研究论文	介绍了一种用于计算病理学的视觉-语言基础模型CONCH，通过对比学习从图像和文本中提取特征	CONCH模型通过任务无关的预训练，能够跨多种下游任务进行迁移，并在多个基准测试中达到最先进性能	NA	开发一种能够跨多种病理学任务进行迁移的视觉-语言基础模型	病理学图像和文本数据	数字病理学	NA	对比学习	视觉-语言基础模型	图像和文本	超过117万对图像-文本对
206	2024-10-04	Protocol: revolutionizing central nervous system tumour diagnosis in low- and middle-income countries: an innovative observational study on intraoperative smear and deep learning 2024-Mar, JPMA. The Journal of the Pakistan Medical Association DOI:10.47391/JPMA.S3.GNO-03 PMID:39262061	研究论文	评估在低收入和中等收入国家中，利用深度学习技术辅助术中脑涂片诊断的可行性和实施情况	引入了一种结合深度学习技术的创新方法，用于术中脑涂片诊断，旨在提高诊断效率和质量	研究仅在巴基斯坦的Aga Khan大学医院进行，样本量有限，可能影响结果的普适性	评估在手术室中使用深度学习技术辅助术中脑涂片诊断的可行性和实施情况	术中脑涂片诊断的准确性和效率	数字病理	神经系统肿瘤	深度学习技术	NA	图像	258例
207	2024-10-03	PNAbind: Structure-based prediction of protein-nucleic acid binding using graph neural networks 2024-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.27.582387 PMID:38529493	研究论文	本文介绍了一种基于图神经网络的深度学习方法PNAbind，用于预测蛋白质与核酸的结合	利用图神经网络编码蛋白质分子表面的物理化学和几何特性，预测核酸结合功能，并区分DNA或RNA的特异性结合	NA	开发一种新的方法来预测蛋白质与核酸的结合，并理解决定核酸识别的化学和结构特征	蛋白质与核酸的结合	机器学习	NA	图神经网络	图神经网络	蛋白质结构	NA
208	2024-10-03	Data-driven coordinated attention deep learning for high-fidelity brain imaging denoising and inpainting 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300390 PMID:38168132	研究论文	本文提出了一种基于数据驱动的协同注意力深度学习方法，用于高保真脑部图像去噪和修复	本文创新性地结合了信号增强、去噪和修复技术，开发了一种新的深度脑部坐标注意力修复网络（DeepCAR），能够快速准确地恢复深度皮质图像，并保留小尺度组织结构	NA	提升低质量图像的质量，特别是在活体小鼠深部脑成像中	活体小鼠深部脑皮质荧光图像	计算机视觉	NA	深度学习	CNN	图像	一个深度脑皮质图像数据集
209	2024-10-03	Identification of individuals using functional near-infrared spectroscopy based on a one-dimensional convolutional neural network 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300453 PMID:38282446	研究论文	本研究利用功能性近红外光谱（fNIRS）和一维卷积神经网络（Conv1D）进行个人识别	创新性地将深度学习框架与fNIRS数据结合用于个人识别	NA	探索利用fNIRS和深度学习技术进行个人识别的可行性	成年人的静息态fNIRS信号	机器学习	NA	功能性近红外光谱（fNIRS）	一维卷积神经网络（Conv1D）	信号	56名成年参与者
210	2024-10-03	Implementation of a portable diffraction phase microscope for digital histopathology 2024-03, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300496 PMID:38358045	研究论文	本文介绍了一种便携式衍射相位显微镜（DPM）系统，用于数字病理学中的定量相位成像	开发了一种便携式DPM系统，无需染色即可区分生物组织结构和细胞，并应用深度学习技术进行虚拟染色	NA	开发一种便携式系统，使定量相位成像在病理学中的应用更加普及	小鼠各种器官的细胞和组织结构	数字病理学	NA	衍射相位显微镜（DPM）	深度学习	图像	小鼠各种器官
211	2024-09-30	Machine Learning for Sequence and Structure-Based Protein-Ligand Interaction Prediction 2024-03-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01841 PMID:38385768	研究论文	本文探讨了基于序列和结构的计算方法在蛋白质-配体相互作用预测中的应用	本文总结了经典机器学习模型和深度学习模型在蛋白质-配体相互作用研究中的应用，并提出了模型评估方法和可解释性	本文未详细讨论具体模型的性能和比较	研究如何利用机器学习方法准确预测蛋白质-配体相互作用，以加速药物发现过程	蛋白质-配体相互作用	机器学习	NA	机器学习	经典机器学习模型和深度学习模型	序列和结构数据	NA
212	2024-09-20	ChildAugment: Data augmentation methods for zero-resource children's speaker verification 2024-03-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025178 PMID:38530014	研究论文	本文提出了一种名为ChildAugment的数据增强方法，用于零资源儿童说话人验证，通过调整成人语音的共振峰频率和带宽来模拟儿童语音	创新点在于通过儿童特定的数据增强方法，将成人语音数据转化为儿童语音数据，以提高儿童说话人验证系统的准确性	NA	研究目的是探索更有效的方法来利用成人语音数据，以提高儿童说话人验证系统的准确性	研究对象是儿童说话人验证系统及其数据增强方法	机器学习	NA	数据增强	时间延迟神经网络识别器	语音	使用了CSLU kids语料库进行评估
213	2024-09-14	phylaGAN: data augmentation through conditional GANs and autoencoders for improving disease prediction accuracy using microbiome data 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae161 PMID:38569898	研究论文	本文提出了一种基于条件生成对抗网络（C-GAN）和自动编码器的深度学习框架phylaGAN，用于通过数据增强提高微生物组数据疾病预测的准确性	本文创新性地结合了条件生成对抗网络和自动编码器，生成模拟的微生物组数据，以解决现有机器学习方法在微生物组数据预测中面临的样本量小、样本不平衡和高成本等问题	本文未详细讨论生成的合成数据在实际临床应用中的潜在风险和伦理问题	提高微生物组数据疾病预测的准确性	微生物组数据	机器学习	NA	条件生成对抗网络（C-GAN）、自动编码器	C-GAN、自动编码器	微生物组数据	涉及两个数据集（T2D研究和肝硬化研究）以及一个外部验证队列（肥胖和瘦弱受试者分类）
214	2024-09-14	MINDG: a drug-target interaction prediction method based on an integrated learning algorithm 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae147 PMID:38483285	研究论文	提出了一种基于集成学习算法的药物-靶点相互作用预测方法MINDG	结合了深度学习和图学习的优势，通过混合深度网络提取序列特征，并提出高阶图注意力卷积网络来捕捉结构特征，最终通过多视角自适应集成决策模块提升预测性能	NA	解决现有药物-靶点相互作用预测方法的局限性，提升预测性能	药物-靶点相互作用	机器学习	NA	深度学习，图学习	混合深度网络，高阶图注意力卷积网络	序列数据，结构数据	两个数据集
215	2024-09-14	TemStaPro: protein thermostability prediction using sequence representations from protein language models 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae157 PMID:38507682	研究论文	本文介绍了一种基于蛋白质语言模型嵌入的蛋白质热稳定性预测方法	利用预训练的蛋白质语言模型生成嵌入，通过迁移学习高效训练和验证高性能预测模型	NA	开发一种可靠的蛋白质热稳定性预测方法	蛋白质序列及其热稳定性	机器学习	NA	蛋白质语言模型	NA	序列	超过一百万个序列
216	2024-09-14	Contrastive pre-training and 3D convolution neural network for RNA and small molecule binding affinity prediction 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae155 PMID:38507691	研究论文	本文介绍了一种名为RLaffinity的新型深度学习模型，用于预测RNA与小分子的结合亲和力，基于3D结构	首次提出基于3D卷积神经网络和对比学习预训练模型的RNA与小分子结合亲和力预测方法	NA	开发一种计算模型，有效提取相关特征并准确预测RNA与小分子的结合亲和力	RNA与小分子的结合亲和力	机器学习	NA	3D卷积神经网络	3D-CNN	3D结构	NA
217	2024-09-14	Integrating physics in deep learning algorithms: a force field as a PyTorch module 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae160 PMID:38514422	研究论文	本文介绍了一种将物理力场集成到深度学习算法中的方法，通过实现一个可微分的PyTorch模块MadraX，使得深度学习算法能够与物理力场进行端到端的交互	本文的创新点在于将物理力场实现为一个可微分的PyTorch模块，使得深度学习算法能够直接利用物理规则进行训练和预测	本文未提及具体的局限性	研究目的是解决深度学习算法在结构生物学中由于数据有限而难以收敛到有意义解的问题	研究对象是深度学习算法与物理力场的集成	机器学习	NA	深度学习	PyTorch模块	NA	NA
218	2024-09-14	MotGen: a closed-loop bacterial motility control framework using generative adversarial networks 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae170 PMID:38552318	研究论文	本文提出了一种基于生成对抗网络的闭环细菌运动控制框架，用于实时调节细菌运动动态	首次提出了一种基于生成对抗网络的闭环控制框架，能够实时调节细菌运动动态，填补了现有研究中对细菌运动动态系统探索的空白	NA	开发一种能够实时调节细菌运动动态的新方法，以应用于生物医学领域	细菌的运动性能和运动模式	机器学习	NA	生成对抗网络	生成对抗网络	图像	NA
219	2024-09-14	ViNe-Seg: deep-learning-assisted segmentation of visible neurons and subsequent analysis embedded in a graphical user interface 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae177 PMID:38569889	研究论文	本文介绍了一种基于深度学习的半自动神经元分割工具ViNe-Seg，旨在提高光学功能成像中神经元细胞体的分割速度和准确性	ViNe-Seg提供了一种新的半自动分割方法，能够在实验进行中进行分割，并具有用户友好的图形界面，支持专家监督和自定义模型训练	尽管ViNe-Seg在低信噪比数据集上的表现有所提升，但仍可能需要手动校正以确保准确性	开发一种能够提高神经元细胞体分割速度和准确性的工具	神经元细胞体的分割	计算机视觉	NA	深度学习	NA	图像	NA
220	2024-09-14	Hi-GeoMVP: a hierarchical geometry-enhanced deep learning model for drug response prediction 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae204 PMID:38614131	研究论文	提出了一种名为Hi-GeoMVP的新型深度学习方法，用于药物反应预测	结合了分层药物表示和多组学数据，利用图神经网络和变分自编码器进行详细的药物和细胞系表示，并采用多任务学习方法	NA	提高药物反应预测的准确性，以支持个性化癌症治疗	药物反应预测	机器学习	NA	图神经网络，变分自编码器	深度学习模型	多组学数据	GDSC数据集