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
261	2024-11-23	Speckle denoising based on Swin-UNet in digital holographic interferometry 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.533142 PMID:39573047	研究论文	本文提出了一种基于Swin-UNet的数字全息干涉测量中的散斑去噪方法	通过将模拟的高斯噪声和散斑噪声进行多路复用，模拟了复杂的噪声环境，并提出了基于Swin-UNet的去噪方法	本文的实验主要基于模拟数据，实际应用中的效果需要进一步验证	解决数字全息干涉测量中散斑噪声对相位图质量的影响问题	数字全息干涉测量中的散斑噪声	计算机视觉	NA	数字全息干涉测量	Swin-UNet	图像	1100张开放源代码的全息断层扫描噪声图像和25张来自DATABASE的散斑图像
262	2024-11-23	Multi-level efficient 3D image reconstruction model based on ViT 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.535211 PMID:39573080	研究论文	提出了一种基于视觉变换器（ViT）的多层次高效3D图像重建模型	利用ViT的自注意力机制捕捉全局和局部特征，并通过生成对抗网络（GAN）提高在高噪声和低光子环境下的重建质量和鲁棒性	NA	解决单光子激光雷达在高质量3D重建中面临的高噪声、低精度和长推理时间问题	单光子激光雷达的3D图像重建	计算机视觉	NA	视觉变换器（ViT）、生成对抗网络（GAN）	视觉变换器（ViT）、生成对抗网络（GAN）	图像	NA
263	2024-11-23	Interpreting forces as deep learning gradients improves quality of predicted protein structures 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.12.011 PMID:38104241	研究论文	本文提出了一种利用分子动力学力场训练深度学习蛋白质结构预测模型的新方法，以提高预测结构的质量和物理直观性	引入了一种名为OpenMM-Loss的自定义PyTorch损失函数，该函数表示预测结构的势能，并可应用于任何全原子蛋白质结构表示	NA	提高深度学习模型预测蛋白质结构的质量和物理直观性，使其更适合下游任务	蛋白质结构预测模型	机器学习	NA	分子动力学力场	深度学习模型	蛋白质结构	NA
264	2024-11-22	Deep learning automatic semantic segmentation of glioblastoma multiforme regions on multimodal magnetic resonance images 2024-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03205-z PMID:38849632	研究论文	本研究评估了深度学习算法在自动化分割多模态磁共振图像中胶质母细胞瘤区域的有效性	本研究采用了3D U-Net神经网络算法，并增加了残差块，以提高分割精度	本研究仅在BraTS2021数据集和PerProGlio队列中进行了验证，未来需要在更多数据集上进行验证	评估深度学习算法在自动化分割多模态磁共振图像中胶质母细胞瘤区域的有效性	胶质母细胞瘤的四个不同区域：增强肿瘤、瘤周水肿、非增强/坏死肿瘤和总肿瘤	计算机视觉	脑肿瘤	磁共振成像	3D U-Net	图像	训练集包含1251名患者的多模态磁共振图像，测试集包含50名胶质母细胞瘤患者
265	2024-11-20	Nmix: a hybrid deep learning model for precise prediction of 2'-O-methylation sites based on multi-feature fusion and ensemble learning 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae601 PMID:39550226	研究论文	介绍了一种名为Nmix的混合深度学习模型，用于精确预测RNA的2'-O-甲基化位点	采用了多特征融合和集成学习方法，结合一维/二维卷积神经网络、自注意力机制和残差连接，显著提高了预测性能	NA	开发一种精确预测RNA 2'-O-甲基化位点的计算工具	人类RNA的2'-O-甲基化位点	机器学习	NA	深度学习	混合深度学习模型	RNA序列	包含实验验证的Nm位点的最大低冗余数据集
266	2024-11-20	A topological deep learning framework for neural spike decoding 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.01.025 PMID:38402607	研究论文	本文提出了一种拓扑深度学习框架，用于神经尖峰解码，结合了单纯复数发现和深度学习	引入了一种新的单纯卷积循环神经网络架构，能够捕捉高阶连接性，超越传统图模型的局限	NA	开发一种能够解码头部方向和动物位置的拓扑深度学习框架	头部方向细胞和网格细胞的神经活动	机器学习	NA	拓扑深度学习	单纯卷积循环神经网络	神经尖峰数据	头部方向和网格细胞数据集
267	2024-11-20	3dDNAscoreA: A scoring function for evaluation of DNA 3D structures 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.02.018 PMID:38409781	研究论文	本文介绍了一种名为3dDNAscoreA的评分函数，用于评估DNA三维结构	提出了基于深度学习模型ARES的评分函数3dDNAscoreA，用于评估DNA三维结构，并采用了新的训练策略	NA	开发一种评分函数来评估和排序预测的DNA三维结构	DNA三维结构	生物信息学	NA	深度学习	ARES	结构数据	两个测试集
268	2024-11-20	VSG-GAN: A high-fidelity image synthesis method with semantic manipulation in retinal fundus image 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.02.019 PMID:38414236	研究论文	本文介绍了一种名为VSG-GAN的高保真图像合成方法，用于视网膜眼底图像的语义操作	提出了基于GAN的VSG-GAN算法，通过分离血管骨架和背景风格生成多样化的视网膜图像，并使用空间自适应归一化模块确保输入和生成图像的一致性	NA	解决视网膜图像分析中数据集多样性不足和样本不平衡的问题	视网膜眼底图像	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	使用了MESSIDOR和RITE数据集进行评估
269	2024-11-20	An artificial intelligence-enabled electrocardiogram algorithm for the prediction of left atrial low-voltage areas in persistent atrial fibrillation 2024-Sep, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16373 PMID:39054663	研究论文	本文构建了一种基于人工智能的心电图算法，用于预测持续性心房颤动患者左心房低电压区域	本文提出了一种基于深度学习和随机森林分类模型的心电图算法，相较于传统的DR-FLASH和APPLE风险评分，该算法在预测左心房低电压区域方面具有更高的准确性	NA	构建一种能够准确预测持续性心房颤动患者左心房低电压区域的人工智能心电图算法	持续性心房颤动患者及其心电图数据	机器学习	心血管疾病	深度学习	随机森林分类模型	图像	587名持续性心房颤动患者，942张12导联心电图图像
270	2024-11-20	Philosophy of cognitive science in the age of deep learning 2024 Sep-Oct, Wiley interdisciplinary reviews. Cognitive science DOI:10.1002/wcs.1684 PMID:38773731	研究论文	本文探讨了深度学习对认知科学哲学的影响	深度神经网络在克服旧连接主义模型的局限性方面取得了显著进展	深度神经网络的比较评估仍存在方法论挑战	探讨深度学习与认知科学哲学之间的关联	深度学习技术及其对认知科学哲学的影响	机器学习	NA	深度学习	深度神经网络	NA	NA
271	2024-11-18	Integrating genomics, phenomics, and deep learning improves the predictive ability for Fusarium head blight-related traits in winter wheat 2024-Sep, The plant genome DOI:10.1002/tpg2.20470 PMID:38853339	研究论文	本文研究了通过整合基因组学、表型组学和深度学习技术，提高冬小麦对赤霉病相关性状的预测能力	本文创新性地使用了人工智能（AI）和视觉平台，通过高光谱成像和深度学习直接预测赤霉病感染小麦中的脱氧雪腐镰刀菌烯醇（DON），显著提高了预测能力	本文未详细讨论所使用方法在实际育种中的应用成本和可行性	提高冬小麦对赤霉病相关性状的预测能力	冬小麦的赤霉病抗性性状、赤霉病损伤的麦粒（FDK）和脱氧雪腐镰刀菌烯醇（DON）	机器学习	农作物病害	高光谱成像	深度学习	图像	NA
272	2024-11-17	SpaDiT: diffusion transformer for spatial gene expression prediction using scRNA-seq 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae571 PMID:39508444	研究论文	开发了一种名为SpaDiT的深度学习框架，用于利用scRNA-seq数据进行空间基因表达预测	提出了SpaDiT框架，通过利用scRNA-seq数据和ST数据之间的共享基因作为潜在表示，提高了空间基因表达预测的准确性	NA	解决空间转录组学数据中未检测到的基因数量多，应用价值受限的问题	空间转录组学数据和单细胞RNA测序数据	机器学习	NA	scRNA-seq	Transformer	基因表达数据	NA
273	2024-11-17	Graph domain adaptation-based framework for gene expression enhancement and cell type identification in large-scale spatially resolved transcriptomics 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae576 PMID:39508445	研究论文	介绍了一种基于图域适应的深度学习框架SpaGDA，用于增强大规模空间转录组学中的基因表达和细胞类型识别	提出了一种新的深度学习框架SpaGDA，通过从参考单细胞RNA测序数据中无偏地转移知识，实现了基因表达插补和细胞类型识别	NA	克服当前空间转录组学技术在基因检测灵敏度和基因通量方面的限制，提高基因测量的精度和覆盖率	空间转录组学数据中的基因表达和细胞类型识别	机器学习	NA	深度学习	图域适应框架	空间转录组学数据	三个不同生物背景的空间转录组学数据集
274	2024-11-17	Adversarial regularized autoencoder graph neural network for microbe-disease associations prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae584 PMID:39528423	研究论文	提出了一种对抗正则化自编码器图神经网络算法，用于预测微生物与疾病之间的关联	引入了一种对抗正则化自编码器图神经网络嵌入模型，以解决传统GraphSAGE自编码器在捕捉全局信息方面的固有限制	NA	预测微生物与疾病之间的关联，以理解致病机制并指导预防和治疗策略	微生物与疾病之间的关联	机器学习	NA	图神经网络	对抗正则化自编码器	网络	在Human Microbe-Disease Association Database (HMDAD)和Disbiome数据库上进行了五折交叉验证
275	2024-11-17	SpaGIC: graph-informed clustering in spatial transcriptomics via self-supervised contrastive learning 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae578 PMID:39541189	研究论文	本文介绍了一种名为SpaGIC的新型图神经网络框架，结合图卷积网络和自监督对比学习技术，用于空间转录组学中的聚类分析	SpaGIC通过最大化图结构中边和局部邻域的互信息，以及最小化空间相邻点的嵌入距离，学习有意义的潜在嵌入	NA	开发一种能够有效利用空间信息进行空间转录组学分析的新方法	空间转录组学数据中的空间域识别、数据去噪、可视化和轨迹推断	机器学习	NA	图卷积网络、自监督对比学习	图神经网络	基因表达数据	七个空间转录组学数据集
276	2024-11-17	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-Sep-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	meta-analysis	本研究对6项研究和5269名患者进行了meta分析，评估了深度学习算法在AS-OCT图像中检测闭角与前房角镜检查的诊断性能	深度学习算法在AS-OCT图像中检测闭角具有优异的敏感性和特异性	NA	评估深度学习算法在AS-OCT图像中检测闭角的准确性，并与前房角镜检查进行比较	闭角检测	computer vision	NA	深度学习算法	NA	image	5269名患者
277	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
278	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
279	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
280	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