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
181	2024-11-15	Constructing analogies: Developing critical thinking through a collaborative task 2024 Sep-Oct, Biochemistry and molecular biology education : a bimonthly publication of the International Union of Biochemistry and Molecular Biology IF:1.2Q3 DOI:10.1002/bmb.21843 PMID:38850246	研究论文	研究探讨了通过协作任务构建类比来促进大学生批判性思维发展的方法	提出了通过让学生构建复杂类比来促进内容知识和批判性思维整合的新方法	研究样本仅限于30名大学生，结果可能不具有广泛代表性	探讨通过构建复杂类比任务来促进大学生批判性思维发展的效果	30名大学生	NA	NA	NA	NA	NA	30名大学生
182	2024-11-09	Predicting disease-associated microbes based on similarity fusion and deep learning 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae550 PMID:39504483	研究论文	本文提出了一种基于深度学习的计算方法SGJMDA，用于预测微生物与疾病之间的关联	SGJMDA通过融合多种相似性和使用图卷积网络提取特征信息，构建异构网络并计算嵌入的线性相关系数，从而推断潜在的微生物-疾病关联	NA	提高对疾病发病机制和治疗的理解，为生物医学筛选提供指导	微生物与疾病之间的关联	生物信息学	NA	深度学习	图卷积网络	网络数据	NA
183	2024-11-09	Diagnostic Accuracy of AI Algorithms in Aortic Stenosis Screening: A Systematic Review and Meta-Analysis 2024-Sep, Clinical medicine & research IF:1.2Q2 DOI:10.3121/cmr.2024.1934 PMID:39438148	meta-analysis	本文系统综述和荟萃分析评估了人工智能算法在主动脉瓣狭窄筛查中的诊断准确性	本文首次系统综述和荟萃分析了多种数据源下的人工智能算法在主动脉瓣狭窄筛查中的诊断准确性，并展示了深度学习方法在识别中度或重度主动脉瓣狭窄患者中的高度敏感性、可行性和可扩展性	本文存在发表偏倚，且子组和元回归分析显示大陆、主动脉瓣狭窄类型、数据源和基于人工智能的方法类型是异质性的来源	评估人工智能算法在主动脉瓣狭窄筛查中的诊断准确性	主动脉瓣狭窄的筛查	machine learning	cardiovascular disease	NA	NA	NA	10项研究符合纳入标准
184	2024-11-07	A Novel Framework for Multimodal Brain Tumor Detection with Scarce Labels 2024-Sep-26, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3467343 PMID:39325615	研究论文	本文提出了一种新的无监督学习框架Double-SimCLR，用于多模态脑肿瘤检测，通过对比学习和多模态注意力机制提高检测精度	引入双分支结构和自适应权重掩码技术，增强CT特征提取，并采用多模态注意力机制提升模型对显著信息的聚焦能力	未提及具体局限性	解决多模态数据融合和标注数据稀缺的问题，提高脑肿瘤检测的精度和鲁棒性	脑肿瘤检测	计算机视觉	脑肿瘤	对比学习	Double-SimCLR	图像	未提及具体样本数量
185	2024-11-07	Deep learning model for protein multi-label subcellular localization and function prediction based on multi-task collaborative training 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae568 PMID:39489606	研究论文	提出了一种基于多任务协同训练的深度学习模型DeepMTC，用于蛋白质的多标签亚细胞定位和功能预测	DeepMTC通过多任务协同训练消除了对已知基因本体（GO）数据库的依赖，并利用预训练语言模型和图变换器模块提高了预测准确性	NA	解决现有计算模型在蛋白质亚细胞定位预测中的局限性，提高预测准确性和可解释性	蛋白质的亚细胞定位和功能	机器学习	NA	深度学习	多任务协同训练模型	蛋白质序列	NA
186	2024-11-07	Semi-supervised learning with pseudo-labeling compares favorably with large language models for regulatory sequence prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae560 PMID:39489607	研究论文	本文提出了一种基于伪标签的半监督学习方法，用于预测调控序列，并展示了其与大型语言模型相比的优势	提出了一种基于伪标签的半监督学习方法，结合Noisy Student算法提高了伪标签数据的置信度预测，适用于训练任何神经网络架构	未提及	缓解监督学习在预测分子过程中因功能数据有限而面临的限制	非编码单核苷酸多态性的分子过程预测	机器学习	NA	半监督学习	神经网络架构	DNA序列	未提及具体数量，但提到利用了来自众多基因组的无标签DNA序列
187	2024-11-07	Leveraging camera traps and artificial intelligence to explore thermoregulation behaviour 2024-Sep, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.14139 PMID:39039745	研究论文	研究利用相机陷阱和人工智能技术自动检测和分类动物的体温调节行为	开发了一种深度学习框架，用于自动检测和分类动物的体温调节行为，并评估了不同光照条件和标记颜色对分类效果的影响	研究仅使用了蜥蜴作为模型动物，未来研究可以扩展到其他物种	探索利用人工智能技术自动化监测动物的体温调节行为	蜥蜴的体温调节行为	计算机视觉	NA	深度学习	对象检测模型和图像分类模型	图像	使用了多种颜色标记的蜥蜴图像数据集
188	2024-11-04	GGN-GO: geometric graph networks for predicting protein function by multi-scale structure features 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae559 PMID:39487084	研究论文	提出了一种几何图网络（GGN-GO）用于通过多尺度结构特征预测蛋白质功能	通过几何向量感知器将原子和残基级别的多尺度几何结构特征转换为向量表示，并引入图注意力池化层和对比学习增强图表示的判别能力	未提及	解决传统方法在蛋白质功能注释中的成本和时间问题，以及现有深度学习方法在捕捉细粒度几何结构特征和长程依赖性方面的不足	蛋白质功能预测	机器学习	NA	几何图网络（GGN-GO）	图卷积网络（GCN）	蛋白质结构数据	未提及
189	2024-11-04	Graph contrastive learning as a versatile foundation for advanced scRNA-seq data analysis 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae558 PMID:39487083	研究论文	本文提出了一种基于图对比学习的新框架scSimGCL，用于单细胞RNA测序数据的细胞聚类分析	scSimGCL结合了细胞-细胞图结构和对比学习，显著提升了细胞聚类的性能	NA	开发一种简单而有效的框架，用于生成高质量的表示，以支持稳健的细胞聚类	单细胞RNA测序数据中的细胞聚类	机器学习	NA	图对比学习	图神经网络	单细胞RNA测序数据	涉及模拟和真实单细胞RNA测序数据集
190	2024-11-04	Radiomics in breast cancer: Current advances and future directions 2024-Sep-17, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101719 PMID:39293402	综述	本文综述了放射组学在乳腺癌中的应用现状及未来发展方向	本文探讨了放射组学在乳腺癌研究中的创新应用，特别是放射多组学研究如何弥合表型和微观尺度信息之间的差距	本文指出了当前放射组学模型在临床应用中存在的不足，并讨论了其原因	总结放射组学在预测临床病理指标和临床结果中的应用，并提出未来研究方向	乳腺癌及其临床应用中的放射组学模型	机器学习	乳腺癌	放射组学	NA	图像	NA
191	2024-11-02	MicroHDF: predicting host phenotypes with metagenomic data using a deep forest-based framework 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae530 PMID:39446191	研究论文	提出了一种基于深度森林框架的MicroHDF方法，用于利用宏基因组数据预测宿主表型	设计了一种级联深度森林单元，用于处理样本类别不平衡和高维特征问题	NA	提高利用宏基因组数据预测宿主表型的准确性和可靠性	炎症性肠病和肝硬化等六种不同疾病	机器学习	炎症性肠病	深度森林	深度森林	宏基因组数据	13个公开数据集
192	2024-10-30	Coati optimization algorithm based Deep Convolutional Forest method for prediction of atmospheric and oceanic parameters 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73811-z PMID:39333748	研究论文	提出了一种基于Coati优化算法的深度卷积森林方法，用于预测大气和海洋参数	引入Coati优化算法训练深度卷积森林分类器，以提高海洋表面温度异常预测的精度	NA	提高海洋表面温度预测的精度，特别是在高精度区域	海洋表面温度异常及相关变量	机器学习	NA	深度卷积森林	深度卷积森林	数值数据	历史数据范围为1到10天，涉及六个不同地点
193	2024-10-30	Forecasting dominance of SARS-CoV-2 lineages by anomaly detection using deep AutoEncoders 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.24.563721 PMID:37961168	研究论文	提出了一种基于深度自动编码器的异常检测系统DeepAutoCoV，用于预测SARS-CoV-2未来主导的变异株	使用深度学习方法进行无监督异常检测，能够提前数周预测SARS-CoV-2的主导变异株，并提供可解释的结果	NA	预测SARS-CoV-2未来主导的变异株，优化公共卫生干预策略	SARS-CoV-2的变异株及其在GISAID数据库中的频率	机器学习	COVID-19	深度学习	自动编码器	序列数据	超过1600万条Spike蛋白序列，采样时间约为4年
194	2024-10-30	Forecasting dominance of SARS-CoV-2 lineages by anomaly detection using deep AutoEncoders 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae535 PMID:39446192	研究论文	本文提出了一种基于深度自动编码器的异常检测系统DeepAutoCoV，用于预测SARS-CoV-2未来主导的变异株	DeepAutoCoV能够以极低的频率（0.01%-3%）成功标记未来主导的变异株，并提供4-17周的中位数提前时间，预测效果比基线方法好5到25倍	NA	预测SARS-CoV-2未来主导的变异株	SARS-CoV-2的变异株及其主导趋势	机器学习	COVID-19	深度学习	自动编码器	基因序列	超过1600万条Spike蛋白序列，采样时间约为4年
195	2024-10-30	Biotechnological studies towards improvement of finger millet using multi-omics approaches 2024-Sep-02, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-024-01438-4 PMID:39218842	研究论文	本文探讨了利用多组学方法改进手指谷子的生物技术研究	本文首次系统性地结合多组学技术和人工智能技术，以加速对手指谷子的研究	目前对手指谷子的多组学研究仍然有限，缺乏现代工具	旨在通过多组学方法改进手指谷子的遗传资源，以应对全球饥饿和环境挑战	手指谷子	NA	NA	多组学技术	NA	基因组数据	NA
196	2024-10-30	Ultra-low dose chest CT with silver filter and deep learning reconstruction significantly reduces radiation dose and retains quantitative information in the investigation and monitoring of lymphangioleiomyomatosis (LAM) 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10649-z PMID:38388717	研究论文	研究银滤波器和深度学习重建算法在淋巴管平滑肌瘤病（LAM）患者胸部CT扫描中降低辐射剂量的效果	使用银滤波器和深度学习重建算法显著降低了胸部CT扫描的辐射剂量，同时保持了量化信息的准确性	研究样本量较小，仅在一个中心进行，且仅针对LAM患者	探讨银滤波器和深度学习重建算法在LAM患者胸部CT扫描中降低辐射剂量的可行性	LAM患者的胸部CT扫描图像	计算机视觉	肺部疾病	深度学习重建	深度学习模型	图像	60名LAM患者
197	2024-10-30	Automated inversion time selection for late gadolinium-enhanced cardiac magnetic resonance imaging 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10630-w PMID:38337070	研究论文	开发并分享一种深度学习方法，用于从多厂商、多机构和多场强的反转扫描序列中准确识别最佳反转时间	开发了一种结合卷积神经网络和长短期记忆网络的深度学习模型，能够在多厂商数据上高精度地识别最佳反转时间，并应用于未见过的外部数据	模型在训练数据中占比较高的厂商数据上表现最佳，不同厂商的性能存在差异	开发一种自动选择最佳反转时间的工具，以提高晚期钆增强心脏磁共振成像的效率和一致性	多厂商、多机构和多场强的反转扫描序列	计算机视觉	NA	深度学习	卷积神经网络和长短期记忆网络	图像	1136例1.5-T和3-T心脏MRI检查
198	2024-10-30	Knee landmarks detection via deep learning for automatic imaging evaluation of trochlear dysplasia and patellar height 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10596-9 PMID:38337072	研究论文	本文开发并验证了一种基于深度学习的自动测量膝关节磁共振成像中髌股不稳定指数的方法	提出了一种基于U-Net网络的自动检测膝关节标志点的方法，用于评估髌骨高度和滑车发育不良	NA	开发和验证一种基于深度学习的自动测量髌股不稳定指数的方法	膝关节磁共振成像中的髌骨高度和滑车发育不良	计算机视觉	膝关节疾病	深度学习	U-Net	图像	763个膝关节MRI切片，来自95名患者，标注了3393个解剖标志点
199	2024-10-30	Utilizing fully-automated 3D organ segmentation for hepatic steatosis assessment with CT attenuation-based parameters 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10660-4 PMID:38393403	研究论文	研究利用全自动3D器官分割技术评估肝脂肪变性，通过CT衰减参数进行分析	本文创新性地使用全自动3D器官分割技术来提取CT衰减参数，用于评估肝脂肪变性	研究为回顾性分析，样本量有限，且未涵盖所有可能的临床情况	探讨全自动3D器官分割技术在评估肝脂肪变性中的临床应用	研究对象为362名成年潜在活体肝移植供体，分析其腹部CT扫描和磁共振波谱-质子密度脂肪分数（MRS-PDFF）	数字病理学	肝病	CT扫描	深度学习	图像	362名成年潜在活体肝移植供体
200	2024-10-30	Artificial intelligence-assisted double reading of chest radiographs to detect clinically relevant missed findings: a two-centre evaluation 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10676-w PMID:38466390	研究论文	评估一种人工智能辅助的双重读片系统，用于检测常规胸部X光片中临床相关的遗漏发现	使用人工智能软件作为报告授权后的二次读片，以减少诊断错误，同时不中断放射科医生的读片流程	人工智能检测到的差异数量较多，需要放射科医生进行相关性评估	评估人工智能辅助的双重读片系统在检测常规胸部X光片中临床相关遗漏发现的有效性	胸部X光片及其放射科报告	计算机视觉	NA	深度学习和自然语言处理算法	深度学习	图像	25,104张胸部X光片，涉及21,039名患者（平均年龄61.1岁，标准差16.2，其中10,436名为男性）