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
161	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
162	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
163	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
164	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
165	2024-09-26	mmPose-FK: A Forward Kinematics Approach to Dynamic Skeletal Pose Estimation Using mmWave Radars 2024-Mar, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3348199 PMID:39309301	研究论文	本文提出了一种基于毫米波雷达的动态骨骼姿态估计方法mmPose-FK，通过前向运动学（FK）方法解决毫米波雷达低分辨率、镜面反射和噪声等问题	本文创新地将前向运动学机制整合到深度学习模型中，开发了一种端到端的解决方案，显著提高了姿态估计的准确性和稳定性	NA	解决毫米波雷达在姿态估计中的低分辨率、镜面反射和噪声问题	动态骨骼姿态估计	计算机视觉	NA	毫米波雷达	深度学习模型	雷达数据	NA
166	2024-09-23	Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke 2024-Mar-21, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2024-021536 PMID:38514189	研究论文	研究便携式光学血流监测仪在疑似中风患者中检测大血管闭塞的能力	开发了一种便携式光学血流监测仪，用于检测大血管闭塞，并使用深度学习模型进行数据分析，显示出比现有院前中风评分更高的敏感性和特异性	研究结果需要在独立的测试集和院前环境中进行验证	评估便携式光学血流监测仪在急性中风评估中检测大血管闭塞的能力	疑似中风患者	数字病理学	中风	光学血流监测	深度学习模型	血流波形数据	135名患者
167	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
168	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）
169	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
170	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
171	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
172	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
173	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
174	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
175	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
176	2024-09-14	EvoAug-TF: extending evolution-inspired data augmentations for genomic deep learning to TensorFlow 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae092 PMID:38366935	研究论文	本文介绍了EvoAug-TF，一个将进化启发式数据增强扩展到TensorFlow的工具包，用于基因组深度学习	EvoAug-TF将EvoAug的功能扩展到TensorFlow，使得更多基于TensorFlow的基因组深度学习模型能够应用进化启发式数据增强	NA	扩展EvoAug的功能至TensorFlow，以提高基因组深度学习模型的泛化能力和可解释性	基因组深度学习模型	机器学习	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	基因组数据	NA
177	2024-09-14	ViTAL: Vision TrAnsformer based Low coverage SARS-CoV-2 lineage assignment 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae093 PMID:38374486	研究论文	本文介绍了一种基于Vision Transformer的深度学习算法ViTAL，用于低覆盖度SARS-CoV-2基因组的谱系分配	ViTAL结合了MinHash和Vision Transformer，能够在低覆盖度下实现高精度的谱系分配，显著优于现有的工具	NA	开发一种高效、廉价且准确的病毒谱系分配方法，以应对快速传播的病毒疾病	低覆盖度全基因组测序的SARS-CoV-2基因组	机器学习	COVID-19	低覆盖度全基因组测序（LC-WGS）	Vision Transformer	基因组数据	NA
178	2024-09-14	pyM2aia: Python interface for mass spectrometry imaging with focus on deep learning 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae133 PMID:38445753	研究论文	本文介绍了一个名为pyM2aia的Python包，专注于质谱成像（MSI）数据的深度学习任务	pyM2aia优化了MSI数据的内存处理和访问，便于深度学习应用	NA	开发一个适用于质谱成像数据深度学习任务的Python接口	质谱成像数据及其在深度学习中的应用	机器学习	NA	质谱成像	深度学习模型	图像	NA
179	2024-09-14	iNGNN-DTI: prediction of drug-target interaction with interpretable nested graph neural network and pretrained molecule models 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae135 PMID:38449285	研究论文	提出了一种可解释的嵌套图神经网络iNGNN-DTI，用于药物-靶点相互作用预测，并结合了预训练的分子和蛋白质模型	使用预训练的分子和蛋白质模型，通过交叉注意力模块捕捉药物和靶点子结构之间的相互作用信息，提高了特征表示能力	未提及	预测药物与蛋白质靶点之间的相互作用	药物和蛋白质靶点	机器学习	NA	图神经网络	嵌套图神经网络	图数据	三个基准数据集
180	2024-09-14	AACFlow: an end-to-end model based on attention augmented convolutional neural network and flow-attention mechanism for identification of anticancer peptides 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae142 PMID:38452348	研究论文	本文提出了一种基于注意力增强卷积神经网络和流注意力机制的端到端模型AACFlow，用于识别抗癌肽	本文创新性地结合了注意力增强卷积神经网络和多层卷积神经网络，形成深度表示学习模块，并引入基于流网络的多头流注意力机制，以挖掘序列的深层特征，提高模型效率	NA	开发一种高效的端到端模型，用于识别抗癌肽	抗癌肽的识别	机器学习	NA	卷积神经网络	CNN	序列	独立测试数据集