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
521	2024-08-07	A hands-on guide to use network video recorders, internet protocol cameras, and deep learning models for dynamic monitoring of trout and salmon in small streams 2024-May, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.11246 PMID:38803608	研究论文	本研究描述了一种使用监控摄像头和调用深度学习模型的算法来生成小溪中鲑鱼和鳟鱼视频片段的方法	自动化过程大大减少了视频监控中的人工干预，并提供了一套全面的指南来设置和配置监控设备以及训练针对特定需求的深度学习模型	尽管自动化过程减少了人工干预，但基于自然标记的手动识别个体鱼类仍需要人工努力和参与	开发一种自动化监控系统，用于动态监测小溪中的鲑鱼和鳟鱼，并提供一套指南来设置和配置相关设备	鲑鱼和鳟鱼	计算机视觉	NA	深度学习	深度学习模型	视频	小溪中的鲑鱼和鳟鱼
522	2024-08-07	AI model to detect contact relationship between maxillary sinus and posterior teeth 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31052 PMID:38799758	研究论文	本文提出了一种基于全景X光片的深度学习网络（MSF-MPTnet），用于自动评估上颌窦底与上颌后牙之间的关系，并比较了MSF-MPTnet与牙医和放射科医生识别接触关系的准确性	本文创新性地开发了MSF-MPTnet模型，提高了上颌窦底与上颌后牙之间关系的检测准确性，减少了伪接触关系的发生，并降低了CBCT的使用频率	NA	研究目的是建立一种新的深度学习网络，用于自动评估上颌窦底与上颌后牙之间的关系，并比较其与牙医和放射科医生的准确性	研究对象为上颌窦底与上颌后牙之间的关系	计算机视觉	NA	深度学习	深度学习网络（MSF-MPTnet）	图像	共收集了1035张全景X光片和1035张锥形束计算机断层扫描（CBCT）图像，其中350张全景X光片作为测试数据集
523	2024-08-07	Effective prediction of human skin cancer using stacking based ensemble deep learning algorithm 2024-May-28, Network (Bristol, England) DOI:10.1080/0954898X.2024.2346608 PMID:38804548	研究论文	本文提出了一种基于堆叠集成深度学习算法的皮肤癌诊断模型	采用堆叠集成深度学习方法，结合LSTM作为元分类器，提高了皮肤癌诊断的准确性	NA	开发一种自动化的皮肤癌诊断方法	皮肤癌的诊断	计算机视觉	皮肤癌	NA	CNN, DNN, LSTM	图像	NA
524	2024-08-07	OrganoIDNet: a deep learning tool for identification of therapeutic effects in PDAC organoid-PBMC co-cultures from time-resolved imaging data 2024-May-28, Cellular oncology (Dordrecht) DOI:10.1007/s13402-024-00958-2 PMID:38805131	研究论文	本文介绍了一种基于深度学习的工具OrganoIDNet，用于从时间解析的成像数据中识别PDAC类器官-PBMC共培养的治疗效果。	引入了一种基于深度学习的算法OrganoIDNet，能够分析来自活细胞成像的鼠和人类患者来源的PDAC类器官的明场图像，并能准确检测类器官对化疗药物的时间依赖性反应。	NA	评估治疗反应，开发基于PDAC类器官的临床前模型，并进行实时监控。	PDAC类器官和外周血单个核细胞（PBMCs）的共培养体系，以及对化疗药物吉西他滨和PD-L1抑制剂Atezolizumab的反应。	数字病理学	胰腺癌	深度学习	CNN	图像	涉及鼠和人类患者来源的PDAC类器官
525	2024-08-07	Seizure detection using nonlinear measures over EEG frequency bands and deep learning classifiers 2024-May-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2356634 PMID:38803055	研究论文	本文提出了一种基于从相关EEG频段计算非线性特征的新特征提取方法，并将其应用于机器学习和深度学习分类器进行癫痫检测	本文引入了一种新的特征提取方法，通过计算EEG信号的非线性特征，提高了癫痫检测的准确性	NA	旨在取代传统的时间消耗大且繁琐的癫痫检测方法，提高检测效率和准确性	癫痫患者的EEG信号	机器学习	癫痫	EEG	ML和DL分类器	EEG信号	使用了Bonn数据集和Hauz Khas数据集
526	2024-08-07	Meta learning based residual network for industrial production quality prediction with limited data 2024-May-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62174-0 PMID:38796529	研究论文	本文提出了一种基于元学习的残差网络模型（MLRN），用于在数据有限的情况下预测工业生产质量	引入了基于元学习的残差网络模型，并采用有效通道注意力（ECA）机制和多批次多任务数据输入方法，以提高模型在有限数据下的性能	NA	旨在解决在实际工业环境中收集大量生产质量数据困难的问题，并提高深度学习网络在训练过程中的模型性能	工业生产质量预测	机器学习	NA	元学习	残差网络（Residual Network）	数值和图形数据	有限数据
527	2024-08-07	Autophagy and machine learning: Unanswered questions 2024-May-25, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2024.167263 PMID:38801963	review	本文综述了自噬与机器学习技术在生物学过程中的应用	讨论了深度学习领域的新进展为跨学科合作带来的新机遇	未提及具体的研究限制	促进自噬研究与计算机科学的联合努力	自噬在细胞生存、生物能量稳态、生物体发育和细胞死亡调控中的作用	machine learning	cancers, neurodegenerative diseases	machine learning (ML)	NA	NA	NA
528	2024-08-07	FDDSeg: Unleashing the power of scribble annotation for cardiac MRI images through feature decomposition distillation 2024-May-24, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3404884 PMID:38787661	研究论文	本文提出了一种名为FDDSeg的特征分解蒸馏深度学习方法，用于笔迹监督的心脏MRI图像分割	FDDSeg采用笔迹标注重用策略和伪标签分割中间特征，通过特征分解捕获有效知识，提高了分割性能	NA	开发一种新的深度学习方法，用于提高心脏MRI图像分割的准确性和效率	心脏MRI图像的分割	计算机视觉	心血管疾病	深度学习	FDDSeg	图像	使用了公共的ACDC和MSCMR心脏MRI数据集
529	2024-08-07	Personalized Stress Detection Using Biosignals from Wearables: A Scoping Review 2024-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s24103221 PMID:38794074	综述	本文通过综述个性化压力检测模型使用可穿戴技术，系统分析了相关文献	综述展示了生物信号，特别是EDA和PPG，在多模态设置中用于压力检测的潜在可靠性，并发现了深度学习模型的趋势	文献中对深度学习模型与传统方法的比较有限，需要进一步研究；同时存在数据集代表性和实际部署可穿戴技术的挑战	探讨使用可穿戴技术进行个性化压力检测的方法和挑战	生物信号、人工智能方法、数据集、可穿戴设备及实际应用中的挑战	NA	NA	深度学习	深度学习模型	生物信号数据	NA
530	2024-08-07	Estimate and compensate head motion in non-contrast head CT scans using partial angle reconstruction and deep learning 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.17047 PMID:38569143	研究论文	本文开发了一种深度学习模型，能够直接从头部CT扫描的部分角度重建（PAR）图像中估计头部运动，并将估计的运动整合到迭代重建过程中以补偿运动	本文首次探索了部分角度重建技术在头部CT扫描中减少运动伪影的潜力，并提出了一种新的深度学习模型来实现头部运动的精确估计和补偿	NA	开发一种深度学习模型，能够直接从头部CT扫描的PAR图像中估计头部运动，并将其整合到迭代重建过程中以补偿运动	头部CT扫描中的患者头部运动	计算机视觉	NA	部分角度重建（PAR）	卷积神经网络（CNN）	图像	模拟研究和实体模型研究
531	2024-08-07	Deep learning-powered enzyme efficiency boosting with evolutionary information 2024-May-30, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.03.034 PMID:38531716	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
532	2024-08-07	TIST-Net: style transfer in dynamic contrast enhanced MRI using spatial and temporal information 2024-May-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4193 PMID:38648788	研究论文	本文提出了一种结合空间和时间信息的风格转换方法TIST-Net，用于动态对比增强MRI图像的处理	TIST-Net通过自动编码器与卷积长短期记忆网络的结合，实现了时间序列数据的内容和风格潜在空间的解耦，并使用可变形和自适应卷积生成新图像	NA	开发一种结合空间和时间信息的风格转换方法，用于动态对比增强MRI图像的处理	动态对比增强MRI图像	计算机视觉	NA	自动编码器，卷积长短期记忆网络，可变形和自适应卷积	TIST-Net	图像	三个数据集（肾脏、前列腺和子宫），分别达到SSIM为0.91 ± 0.03、0.73 ± 0.04、0.88 ± 0.04
533	2024-08-07	MolLoG: A Molecular Level Interpretability Model Bridging Local to Global for Predicting Drug Target Interactions 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00171 PMID:38709146	研究论文	本文提出了一种名为MolLoG的深度学习网络结构，用于预测药物与蛋白质之间的相互作用，并通过局部特征编码器和全局交互学习模块提供分子级别的解释	MolLoG模型通过局部特征编码器和全局交互学习模块，有效地平衡了局部特征提取与全局特征交互，为药物开发提供了分子级别的深入见解	NA	旨在解决药物研究中药物与蛋白质相互作用预测的挑战，提供分子级别的解释	药物与蛋白质分子及其相互作用	计算机科学	NA	深度学习	深度学习网络结构	分子数据	涉及四个数据集
534	2024-08-07	CNSMolGen: A Bidirectional Recurrent Neural Network-Based Generative Model for De Novo Central Nervous System Drug Design 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00504 PMID:38739718	研究论文	本研究开发了一种基于双向循环神经网络的生成模型CNSMolGen，用于中枢神经系统药物的从头分子设计	CNSMolGen模型利用双向循环神经网络框架，能够生成具有中枢神经系统药物特性和可合成性的全新分子结构，并通过迁移学习在小数据集上进行中枢神经系统药物优化评估	NA	加速中枢神经系统药物发现并提高其疗效	中枢神经系统药物的分子设计与优化	机器学习	神经退行性疾病	双向循环神经网络	Bi-RNN	分子结构	使用针对血清素转运体（SERT）的药物作为微调数据集
535	2024-08-07	Predicting Antimicrobial Peptides Using ESMFold-Predicted Structures and ESM-2-Based Amino Acid Features with Graph Deep Learning 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c02061 PMID:38739853	研究论文	本文提出了一种基于图深度学习的框架，利用ESMFold预测的肽结构和ESM-2模型衍生的氨基酸水平进化信息来预测抗菌肽	该方法无需多序列比对，且结合了最新的三维结构预测技术和图注意力网络，提高了模型的泛化能力	NA	开发一种新的结构依赖且无需比对的方法，用于抗菌肽的分类和其他肽及蛋白质活性的建模	抗菌肽的分类	机器学习	NA	图深度学习	图注意力网络 (GAT)	肽序列	67,058个肽
536	2024-08-07	Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning 2024-May-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00047 PMID:38798191	研究论文	本研究提出了一种基于深度学习的无创方法，用于预测细胞游离DNA上的转录因子结合位点	利用卷积神经网络结合长短期记忆模型，从已知的转录因子结合位点学习序列信息，实现对细胞游离DNA上转录因子结合位点的非侵入性预测	NA	探索基因调控机制，为临床实践中疾病的动态监测提供技术指导	细胞游离DNA上的转录因子结合位点	机器学习	NA	深度学习	卷积神经网络结合长短期记忆模型	序列信息	NA
537	2024-08-07	DTDO: Driving Training Development Optimization enabled deep learning approach for brain tumour classification using MRI 2024-May-27, Network (Bristol, England) DOI:10.1080/0954898X.2024.2351159 PMID:38801074	研究论文	本文提出了一种名为DTDO-ZFNet的深度学习方法，用于通过MRI图像进行脑肿瘤分类	引入了DTDO-ZFNet模型，结合DTBO和CDDO技术，提高了脑肿瘤检测的准确性	NA	提高脑肿瘤检测的准确性	脑肿瘤	机器学习	脑肿瘤	MRI	ZFNet	图像	NA
538	2024-08-07	Enhanced reliability and time efficiency of deep learning-based posterior tibial slope measurement over manual techniques 2024-May-26, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.12241 PMID:38796728	研究论文	本研究通过机器学习和人工智能技术，开发了一种基于深度学习的方法来测量磁共振成像中的胫骨后倾角，以提高前交叉韧带重建手术后的风险分层、诊断洞察、干预预后和手术规划的效率	本研究引入了机器学习和人工智能技术，通过YOLOv8算法实现了对胫骨后倾角的自动测量，提高了测量的准确性和效率	NA	提高前交叉韧带重建手术后的风险分层、诊断洞察、干预预后和手术规划的效率	胫骨后倾角的测量	机器学习	NA	YOLOv8算法	YOLOv8	图像	120名接受前交叉韧带重建手术的患者
539	2024-08-07	Multispecies deep learning using citizen science data produces more informative plant community models 2024-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48559-9 PMID:38789424	研究论文	本文利用深度神经网络（DNNs）和公民科学数据，对瑞士的2477种植物物种及其集合的分布进行了联合建模，以提高物种分布和群落组成的预测准确性。	本文采用了多物种深度学习方法，相较于传统方法，能更准确地预测物种分布和群落组成，并能研究生态学中较少探讨的方面。	NA	旨在利用大数据和深度学习技术提高植物物种分布和群落组成的预测准确性。	研究对象包括2477种植物物种及其在瑞士的分布。	机器学习	NA	深度神经网络（DNNs）	DNN	数据	670万条观测数据
540	2024-08-07	Biochemical-free enrichment or depletion of RNA classes in real-time during direct RNA sequencing with RISER 2024-May-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48673-8 PMID:38789440	研究论文	介绍了一种名为RISER的无生物化学技术，用于实时富集或消耗RNA类别，通过直接RNA测序中的分子选择性排斥实现	RISER技术通过深度学习直接从纳米孔信号中识别RNA类别，并与测序硬件实时通信，实现了对特定RNA类别的实时富集或消耗	NA	开发一种无需生物化学处理的技术，以解决细胞转录组异质性带来的挑战，特别是检测低表达RNA类别的问题	细胞转录组中的RNA类别，特别是低表达的RNA类别	NA	NA	直接RNA测序	深度学习	RNA序列数据	NA