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
721	2024-08-07	Transformer fault diagnosis based on adversarial generative networks and deep stacked autoencoder 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30670 PMID:38765093	研究论文	本文采用条件Wasserstein生成对抗网络与梯度惩罚优化（CWGAN-GP）扩充变压器油色谱故障样本，并使用深度自编码器进行故障分类	提出了一种基于CWGAN-GP的样本扩充方法，提高了变压器故障诊断的准确性	需要大量的故障样本以避免过拟合和模型缺乏代表性	提高变压器故障诊断的准确性	变压器油色谱数据	机器学习	NA	CWGAN-GP	深度自编码器	油色谱数据	500组变压器油色谱数据，包含5种故障类型
722	2024-08-07	Multi-organ segmentation: a progressive exploration of learning paradigms under scarce annotation 2024-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b5 PMID:38479023	研究论文	本文探讨了在稀缺标注情况下，多器官分割任务中学习范式的渐进式探索	研究了利用外部数据集的迁移学习、包括未标注数据集的半监督学习和整合部分标注数据集的部分监督学习等标注效率高的学习范式	稀缺的标注数据限制了高性能多器官分割模型的发展	探索在稀缺标注情况下的自动分割方法，特别是基于深度学习的多器官分割方法	多器官分割任务	计算机视觉	NA	深度学习	NA	医学图像	NA
723	2024-08-07	An integrated technology for quantitative wide mutational scanning of human antibody Fab libraries 2024-May-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48072-z PMID:38730230	研究论文	本文介绍了一种名为MAGMA-seq的综合技术，用于定量分析人类抗体Fab库的广泛突变扫描	MAGMA-seq技术结合了多种抗原和抗体，并利用深度测序确定定量生物物理参数，能够快速且可扩展地进行多重抗体工程	NA	旨在通过深度学习方法学习抗体分子识别，以实现对几乎任何蛋白质表面的高亲和力结合剂的计算机设计	研究对象包括九种不同人类抗体的突变体，涵盖轻链基因使用、CDR H3长度和抗原目标	生物技术	NA	深度测序	NA	序列数据	两个混合库，包含九种不同人类抗体的突变体
724	2024-08-07	Leveraging machine learning models for peptide-protein interaction prediction 2024-May-08, RSC chemical biology IF:4.2Q2 DOI:10.1039/d3cb00208j PMID:38725911	综述	本文综述了近年来利用机器学习和深度学习模型预测肽-蛋白质相互作用的研究进展	机器学习模型提供了比传统计算方法更高效、准确、稳健和可解释的预测解决方案	NA	综述机器学习和深度学习模型在预测肽-蛋白质相互作用方面的应用	肽-蛋白质相互作用的预测	机器学习	NA	机器学习	机器学习和深度学习模型	生物数据	NA
725	2024-08-07	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2024-May-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2403384121 PMID:38691585	研究论文	本文展示了如何利用自动微分算法在深度学习中常用的质量作用动力学模型参数空间中搜索，以识别促进自组装的动力学协议类别	通过使用自动微分算法，探索了自组装的动力学参数空间，揭示了如何通过内部设计速率常数或外部控制子单元来有效避免动力学陷阱	内部设计速率常数的方法对相对速率的选择有严格限制，而外部控制方法虽然更灵活，但效率和鲁棒性较低	研究如何通过优化动力学协议来实现高效和高产的自组装	自组装过程中的动力学陷阱和子单元的控制	NA	NA	自动微分算法	质量作用动力学模型	NA	NA
726	2024-08-07	Assessing robustness to adversarial attacks in attention-based networks: Case of EEG-based motor imagery classification 2024-May-07, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100142 PMID:38723895	研究论文	本文研究了基于注意力的网络在对抗攻击下的鲁棒性，特别是在基于EEG的运动想象分类中的应用	本文首次探讨了基于注意力的网络在对抗攻击下的鲁棒性，并提出了一种高性能的注意力深度学习模型	研究发现注意力模型在对抗攻击下表现脆弱，需要进一步增强其鲁棒性	研究基于注意力的网络在对抗攻击下的鲁棒性	基于EEG的运动想象分类	机器学习	NA	EEG	注意力网络	脑电信号	使用了BCI竞赛2a数据集
727	2024-08-07	Cryo2StructData: A Large Labeled Cryo-EM Density Map Dataset for AI-based Modeling of Protein Structures 2024-May-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03299-9 PMID:38710720	研究论文	本文介绍了一个名为Cryo2StructData的大型标记冷冻电镜密度图数据集，用于训练和测试AI方法从冷冻电镜密度图构建蛋白质原子模型	Cryo2StructData数据集比现有的公开可用数据集更大，用于训练AI方法从冷冻电镜密度图构建蛋白质原子结构	当基于模板的模型不可用时，从高分辨率冷冻电镜密度图自动且准确地构建原子模型仍然耗时且具有挑战性	解决从冷冻电镜密度图自动构建原子模型的问题	冷冻电镜密度图及其对应的已知原子结构	结构生物学	NA	冷冻电镜	深度学习模型	密度图	7600个预处理的冷冻电镜密度图
728	2024-08-07	Exploring the Association Between Structural Racism and Mental Health: Geospatial and Machine Learning Analysis 2024-May-03, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52691 PMID:38701436	研究论文	本研究探讨了结构性种族主义与心理健康之间的关联，采用地理空间和机器学习技术分析了密尔沃基县的数据	本研究采用地理空间分析和深度学习相结合的多方面方法，揭示了结构性种族主义对心理健康差异的影响	研究主要集中在密尔沃基县，可能限制了结果的普遍性	旨在阐明结构性种族主义与密尔沃基县心理健康差异之间的关联	研究对象为密尔沃基县的不同社区及其居民的心理健康状况	机器学习	NA	地理空间分析，深度学习	随机森林，地理加权随机森林，自组织映射，K-means聚类	地理参考数据	217个地理参考解释变量，涵盖多个领域
729	2024-08-07	External Validation of the Effect of the Combined Use of Object Detection for the Classification of the C-Shaped Canal Configuration of the Mandibular Second Molar in Panoramic Radiographs: A Multicenter Study 2024-May, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2024.01.022 PMID:38336338	研究论文	本研究评估了结合对象检测技术在全景X光片中对下颌第二磨牙C形根管解剖结构分类的效果，并在多中心数据集上进行了外部验证	采用了三种不同的工作流程，包括手动裁剪和自动图像块形成，以及直接从全景X光片中分类根管解剖结构	研究仅限于下颌第二磨牙的C形根管分类，未涉及其他类型的根管结构	评估和验证结合对象检测技术在全景X光片中对下颌第二磨牙C形根管分类的准确性	下颌第二磨牙的C形根管解剖结构	计算机视觉	NA	对象检测	EfficientNet, YOLOv7	图像	805名患者的全景X光片和CBCT数据
730	2024-08-07	Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy 2024-May-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48575-9 PMID:38755148	研究论文	本文开发了一种零样本去卷积网络（ZS-DeconvNet），能够在无监督方式下即时提高光学荧光显微镜图像的分辨率	ZS-DeconvNet无需真实标签或额外数据采集，即可在多种成像模式下实现超分辨率成像	NA	开发一种无需大量高质量训练数据的计算超分辨率方法	光学荧光显微镜图像的分辨率增强	计算机视觉	NA	零样本学习	去卷积网络	图像	多种成像模式，包括全内反射荧光显微镜、三维宽场显微镜、共聚焦显微镜、双光子显微镜、光片显微镜和多模态结构光照明显微镜
731	2024-08-07	Single-cell classification based on label-free high-resolution optical data of cell adhesion kinetics 2024-05-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61257-2 PMID:38755203	研究论文	本文介绍了一种基于无标记高分辨率光学数据的细胞粘附动力学单细胞分类方法	首次提出了一种基于无标记光学传感器的单细胞分类方法，无需标记或侵入性步骤，不影响细胞功能	NA	开发一种无标记的单细胞分类方法，并探索其在癌症研究和再生医学中的应用	健康细胞和多种癌细胞类型	数字病理学	癌症	光学传感器	深度神经网络	单细胞粘附动力学信号	约4500个单细胞粘附测量数据，包括正常前成骨细胞（MC3T3-E1）和多种癌细胞（HeLa，LCLC-103H，MDA-MB-231，MCF-7）
732	2024-08-07	BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning 2024-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02529-9 PMID:38755563	研究论文	本研究通过开发一种名为BarlowTwins-CXR的自监督学习策略，旨在解决跨域转移学习中的域不一致问题，并提高异质胸部X光图像异常定位的性能	BarlowTwins-CXR方法通过自监督预训练和监督微调的两阶段训练过程，显著提高了模型在胸部X光图像异常定位的准确性和效率	NA	解决跨域转移学习中的域不一致问题，提高胸部X光图像异常定位的性能	异质胸部X光图像的异常定位	计算机视觉	NA	自监督学习	Resnet50, Faster R-CNN with Feature Pyramid Network (FPN)	图像	112,120张来自NIH数据集的图像和18,000张来自VinDr-CXR数据集的图像
733	2024-08-07	A multi-view fusion lightweight network for CRSwNPs prediction on CT images 2024-May-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01296-3 PMID:38755567	研究论文	本文提出了一种用于CT图像上慢性鼻窦炎伴鼻息肉（CRSwNP）预测的多视图融合轻量级网络	开发了一种包含10层网络的迷你架构的多视图融合模型，通过修改深度残差神经网络实现	NA	旨在提高慢性鼻窦炎（CRS）的术前区分准确性，预测术后结果并进行个性化治疗	慢性鼻窦炎伴鼻息肉（CRSwNP）患者的CT扫描数据和病理活检结果	计算机视觉	慢性鼻窦炎	深度学习	CNN	图像	192名患者
734	2024-08-07	Improving the Prognostic Evaluation Precision of Hospital Outcomes for Heart Failure Using Admission Notes and Clinical Tabular Data: Multimodal Deep Learning Model 2024-May-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54363 PMID:38696251	研究论文	本研究旨在利用入院临床记录和易获取的表格数据，通过多模态深度学习模型提高心力衰竭（HF）患者医院结局评估的精确度。	本研究开发的多模态深度学习模型在所有测试集中表现优于单模态模型，表格数据有助于提高区分度，且病史和体格检查在早期评估中更为有用。	NA	设计一种多模态深度学习方法，以提高心力衰竭患者医院结局评估的精确度。	心力衰竭患者的医院结局评估。	机器学习	心血管疾病	深度学习	多模态深度学习模型	文本和表格数据	开发集包含9989名患者，内部验证集包含2497名患者，前瞻性验证集包含1896名患者，外部验证集包含7432名患者。
735	2024-08-07	DeepFDR: A Deep Learning-based False Discovery Rate Control Method for Neuroimaging Data 2024-May, Proceedings of machine learning research PMID:38741695	研究论文	提出了一种基于深度学习的空间FDR控制方法DeepFDR，用于解决神经影像数据中的体素级多重检验问题	利用无监督深度学习图像分割技术，有效处理了脑部复杂的空间依赖性，提高了检验效能	NA	开发一种新的空间FDR控制方法，以提高神经影像数据分析的准确性和效率	神经影像数据中的体素级多重检验问题	计算机视觉	NA	深度学习	NA	图像	包括模拟数据和阿尔茨海默病FDG-PET图像分析
736	2024-08-07	An efficient densenet-based deep learning model for Big-4 snake species classification 2024-May-28, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3 DOI:10.1016/j.toxicon.2024.107744 PMID:38701904	研究论文	本文提出了一种基于DenseNet的深度学习模型，用于自动分类四大毒蛇种类，旨在通过图像识别技术预防蛇咬伤事件	采用DenseNet进行图像分类，实现了86%的高准确率，并计划将其集成到基于AI的蛇捕捉设备中	NA	开发一种基于迁移学习的图像分类算法，用于自动识别毒蛇和非毒蛇	四大毒蛇种类的分类	计算机视觉	NA	迁移学习	DenseNet	图像	NA
737	2024-08-07	Prediction of electrical properties of GAAFET based on integrated learning model 2024-May-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad2c52 PMID:38387100	研究论文	本文提出了一种结合深度学习和机器学习优势的集成学习模型，用于预测GAAFET的电特性	该集成学习模型在预测GAAFET的直流特性、电容特性和电气参数方面优于单独使用深度学习或机器学习方法	NA	开发一种快速且准确的预测GAAFET电特性的方法，为微电子器件和电路仿真及特性预测提供新思路	GAAFET的电特性	机器学习	NA	集成学习	集成学习模型	电气参数	NA
738	2024-08-07	Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60781-5 PMID:38750084	研究论文	开发人工智能模型，利用纵向磁共振成像（MRI）数据预测脑转移瘤（BM）在接受立体定向放射手术（SRS）后的治疗反应，并评估随着连续MRI扫描次数增加的预测准确性变化	使用2D Conv-GRU模型在预测SRS后BM治疗反应方面优于其他模型，且随着随访研究次数的增加，预测准确性提高	NA	预测脑转移瘤在接受立体定向放射手术后的治疗反应	脑转移瘤的治疗反应	机器学习	脑转移瘤	MRI	Conv-GRU	图像	开发数据集包括194名患者的4次连续MRI扫描，共369个目标病灶；外部验证数据集包括43名患者的172次MRI扫描，共62个目标病灶
739	2024-08-07	Learning peptide properties with positive examples only 2024-May-15, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00218g PMID:38756224	研究论文	本文利用半监督学习方法，仅使用已知的阳性样本，通过正未标记学习（PU）策略来预测多肽的多种性质	本文创新地仅使用阳性样本进行半监督学习，通过调整基础分类器和可靠负样本识别两种学习策略，构建深度学习模型	文章未提及具体的局限性	研究目的是通过仅使用阳性数据来预测多肽的溶解性、溶血性、SHP-2结合能力和非污损活性	研究对象是多肽序列及其相关性质	机器学习	NA	深度学习	深度学习模型	序列数据	文章未提及具体的样本数量
740	2024-08-07	Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm 2024-May-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3dba PMID:38604190	研究论文	本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部模型，评估了深度学习重建（DLR）算法在不同辐射剂量水平下的临床成像性能	本研究采用基于患者的3D打印PixelPrint肺部模型，相比传统几何CT模型，能更真实地模拟组织结构，实现基于结构的图像质量评估	NA	评估深度学习重建算法在不同辐射剂量下的临床成像性能	深度学习重建算法在不同辐射剂量下的图像质量	计算机视觉	肺部疾病	深度学习重建（DLR）	NA	图像	使用了两种不同尺寸的扩展环来模拟小和中型患者，并在0.5至20 mGy的曝光范围内进行扫描