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
321	2024-10-24	Dissection of core promoter syntax through single nucleotide resolution modeling of transcription initiation 2024-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.13.583868 PMID:38559255	研究论文	本文介绍了CLIPNET模型，通过单核苷酸分辨率建模转录起始，揭示了核心启动子区域的复杂调控语法	CLIPNET模型能够以单核苷酸分辨率更准确地预测转录起始的位置和数量，揭示了核心启动子区域的复杂调控语法	NA	研究DNA序列如何编码转录起始模式	核心启动子区域的DNA序列和转录起始模式	机器学习	NA	NA	深度学习模型	DNA序列	群体规模的PRO-cap数据
322	2024-10-24	Comparison of Explainable AI Models for MRI-based Alzheimer's Disease Classification 2024-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.17.613560 PMID:39345522	研究论文	本文比较了可解释AI模型在基于MRI的阿尔茨海默病分类中的应用	本文引入了遮挡敏感性分析（OSA）和梯度加权类激活映射（Grad-CAM）来提高深度学习模型的可解释性	研究主要基于北美和欧洲祖先的数据集，未充分考虑其他种族的数据	评估在不同数据集上训练的深度学习模型在阿尔茨海默病分类中的泛化能力和可解释性	基于3D T1加权脑部MRI扫描的阿尔茨海默病分类	计算机视觉	阿尔茨海默病	遮挡敏感性分析（OSA）、梯度加权类激活映射（Grad-CAM）	卷积神经网络（CNN）	MRI图像	包括来自阿尔茨海默病神经影像学倡议（ADNI）、国家阿尔茨海默病协调中心（NACC）和印度NIMHANS队列的数据集
323	2024-10-24	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	G2PDeep-v2 是一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和生物标志物发现	提供了一个交互式界面，用户可以通过该界面创建深度学习模型，并使用自动化超参数调优算法在高性能计算资源上训练这些模型	NA	开发一个基于深度学习的平台，用于从多组学数据中进行表型预测和生物标志物发现	人类、植物、动物和病毒的多组学数据	机器学习	NA	深度学习	深度学习模型	多组学数据	NA
324	2024-10-24	Robust Real-time Segmentation of Bio-Morphological Features in Human Cherenkov Imaging during Radiotherapy via Deep Learning 2024-Sep-09, ArXiv PMID:39314506	研究论文	本文提出了一种基于深度学习的实时生物形态特征分割框架，用于放射治疗期间的人体切伦科夫成像	首次将深度学习应用于切伦科夫成像中的生物形态特征分割，实现了视频帧率处理，并采用了迁移学习策略以解决标注数据有限的问题	研究样本量较小，仅包括19名乳腺癌患者的治疗数据	开发一种能够在放射治疗期间实时分割生物形态特征的深度学习框架	放射治疗期间切伦科夫成像中的生物形态特征，如血管、皮下静脉、疤痕和色素皮肤	计算机视觉	乳腺癌	深度学习	ResNet	图像	19名乳腺癌患者的1,483张切伦科夫图像
325	2024-10-24	Enhancing Vaxign-DL for Vaccine Candidate Prediction with added ESM-Generated Features 2024-Sep-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.04.611295 PMID:39282385	研究论文	本研究通过添加ESM生成的特征，改进了Vaxign-DL疫苗候选预测模型	首次展示了蛋白质折叠特征在疫苗抗原预测中的附加价值	NA	改进疫苗候选预测模型的性能	细菌保护性抗原的预测	机器学习	NA	深度学习	DL	蛋白质序列	10种细菌病原体
326	2024-10-24	Enhancing rural healthcare through internet-based remote collaborative outpatient services: A comprehensive evaluation in Changzhi, Shanxi Province 2024-Sep-06, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039614 PMID:39252255	研究论文	本文评估了基于互联网的远程协作门诊服务在山西省长治市农村地区的应用效果	通过整合云计算和移动健康技术，提出了基于互联网的协作门诊服务，以改善农村地区的医疗保健	NA	评估基于互联网的远程协作门诊服务在农村地区的可行性和效果	山西省长治市4个县的495个农村社区和5000多名农村居民	NA	NA	深度学习算法	深度学习	医疗数据	5000多名农村居民
327	2024-10-24	Study of obesity research using machine learning methods: A bibliometric and visualization analysis from 2004 to 2023 2024-Sep-06, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000039610 PMID:39252327	研究论文	本研究通过文献计量学和可视化分析，系统评估了2004年至2023年间使用机器学习方法进行肥胖研究的出版物	首次利用文献计量学工具揭示了机器学习在肥胖研究中的内在关系和发展模式	仅限于英文出版物，可能忽略了其他语言的重要研究	量化、可视化和分析使用机器学习方法进行肥胖研究的出版物	2004年至2023年间使用机器学习方法进行肥胖研究的出版物	机器学习	肥胖	文献计量学	NA	文本	3286篇符合条件的出版物
328	2024-10-24	Machine learning-based estimation of patient body weight from radiation dose metrics in computed tomography 2024-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14467 PMID:39042480	研究论文	本研究开发并评估了基于机器学习的体重预测模型，使用从计算机断层扫描（CT）中获得的11个辐射剂量特征	本研究提出的机器学习方法在体重预测方面优于现有方法，具有高精度和实用性	NA	开发和评估基于机器学习的体重预测模型，以改善辐射剂量管理	从CT扫描中获得的辐射剂量特征	机器学习	NA	计算机断层扫描（CT）	梯度提升机	图像	3996名患者
329	2024-10-24	A quantitative analysis of the improvement provided by comprehensive annotation on CT lesion detection using deep learning 2024-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14434 PMID:39078867	研究论文	本文研究了在CT图像中使用深度学习进行病变检测时，全面注释对性能提升的影响	本文通过创建不同注释程度的DeepLesion数据集，量化了注释比例对病变检测算法性能的影响	本文仅研究了注释比例对性能的影响，未探讨其他可能影响性能的因素	量化分析CT图像中注释比例对通用病变检测算法性能的影响	CT图像中的病变检测	计算机视觉	NA	深度学习	多视图特征金字塔网络（MVP-Net）	图像	使用了包含32,735个病变（原始数据集）、34,317个病变（增强数据集）和54,510个病变（联合数据集）的CT图像
330	2024-10-24	Single-detector multiplex imaging flow cytometry for cancer cell classification with deep learning 2024-Sep, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24890 PMID:39101554	研究论文	开发了一种单探测器多重成像流式细胞术（mIFC），结合深度学习方法用于癌症细胞分类	采用空间波长分割多路复用技术，实现了单探测器同时获取明场和多色荧光图像，并设计了三种深度学习网络进行多重图像处理	NA	开发一种新的成像流式细胞术技术，并结合深度学习方法提高癌症细胞分类的准确性	卵巢细胞系（IOSE80正常细胞、A2780和OVCAR3癌细胞）的分类	数字病理学	卵巢癌	成像流式细胞术	U-net、非常深度超分辨率和视觉几何组19	图像	三种类型的卵巢细胞系（IOSE80、A2780和OVCAR3）
331	2024-10-24	Clinical evaluation of deep learning-enhanced lymphoma pet imaging with accelerated acquisition 2024-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14390 PMID:38812107	研究论文	本研究评估了一种深度学习增强的两倍加速PET成像方法在淋巴瘤患者中的临床表现	提出了一种结合U2Net和注意力机制的SAU2Net模型，用于增强PET图像质量，并实现了50%的成像时间减少	仅评估了39例淋巴瘤患者的临床表现，样本量相对较小	评估深度学习增强的PET成像方法在淋巴瘤患者中的临床性能	淋巴瘤患者和PET成像方法	计算机视觉	淋巴瘤	深度学习	SAU2Net	图像	123例无淋巴瘤患者和39例确诊淋巴瘤患者
332	2024-10-24	The impacts of positive selection on genomic variation in Drosophila serrata: Insights from a deep learning approach 2024-Sep, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17499 PMID:39188068	研究论文	本研究通过深度学习算法分析了澳大利亚东部Drosophila serrata种群的110个全基因组序列，探讨了正选择对基因组变异的影响	本研究首次使用深度学习算法partialS/HIC来识别基因组中的选择性清除，并发现软清除比硬清除更常见	算法在区分中性区域与部分清除以及在人口统计学假设错误时区分相关区域方面存在挑战	探讨正选择对Drosophila serrata种群基因组变异的影响	澳大利亚东部Drosophila serrata种群的基因组变异	基因组学	NA	深度学习算法	partialS/HIC	基因组序列	110个Drosophila serrata种群的全基因组序列
333	2024-10-21	Image-domain material decomposition for dual-energy CT using unsupervised learning with data-fidelity loss 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17255 PMID:38865687	研究论文	本文提出了一种基于无监督学习框架的双能CT图像域材料分解方法，通过数据保真度损失来实现噪声抑制	本文的创新点在于提出了一种无监督学习框架，结合生成对抗网络（GAN）架构，通过数据保真度损失来实现双能CT图像域材料分解，无需配对数据进行模型训练	本文未提及具体的局限性	开发一种无监督学习框架，通过数据测量一致性实现双能CT图像域材料分解	双能CT图像域材料分解中的噪声抑制	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	头和肺部数字体模以及临床头和肺部患者研究
334	2024-10-21	Diffeomorphic transformer-based abdomen MRI-CT deformable image registration 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17235 PMID:38820286	研究论文	本文提出了一种基于微分同胚变换器的腹部MRI-CT可变形图像配准方法	本文创新性地将Swin变换器集成到卷积神经网络中，用于变形特征提取，并假设微分同胚变形	本文未详细讨论该方法在其他疾病或器官上的适用性	开发一种新的深度学习模型，用于直接注册腹部MRI-CT图像的变形矢量场估计	腹部MRI-CT图像的变形矢量场估计	计算机视觉	NA	深度学习	卷积神经网络 (CNN) 和 Swin变换器	图像	50例肝脏病例
335	2024-10-21	Three-Dimensional Gravity Inversion Based on Attention Feature Fusion 2024-Sep-01, Sensors (Basel, Switzerland) DOI:10.3390/s24175697 PMID:39275607	研究论文	本文提出了一种基于注意力特征融合机制的三维重力反演方法	引入注意力特征融合模块，避免了网络训练过程中的特征损失，提高了垂直分辨率和预测精度	未提及具体局限性	改进三维重力反演的垂直分辨率和抗噪能力	地下异常源的位置、形状和物理属性参数	计算机视觉	NA	深度学习 (DL)	U-Net	重力异常数据	未提及具体样本数量
336	2024-10-20	Fuzzy Petri Nets for Traffic Node Reliability 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196337 PMID:39409377	研究论文	本文探讨了使用模糊Petri网分析交通节点可靠性的方法	提出了使用模糊Petri网作为解决自动驾驶汽车在处理大量传感器数据和验证问题上的替代方案	未提及具体限制	研究交通节点的可靠性，以支持自动驾驶汽车的感知模型	交通节点及其可靠性	机器学习	NA	模糊Petri网	模糊Petri网	数据	涉及超过70,000个交通节点
337	2024-10-20	Performance Evaluation of an Object Detection Model Using Drone Imagery in Urban Areas for Semi-Automatic Artificial Intelligence Dataset Construction 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196347 PMID:39409383	研究论文	本文评估了在城市区域使用无人机图像进行半自动人工智能数据集构建的对象检测模型的性能	提出了使用现有AI对象检测模型构建AI训练数据集的性能评估方法，并发现F分数可以减少26.5%的努力来提高数据集的完整性	未提及具体限制	评估和改进基于深度学习的对象检测模型在城市环境中使用无人机图像进行半自动数据集构建的性能	城市区域中的移动对象检测	计算机视觉	NA	深度学习	对象检测模型	图像	未提及具体样本数量
338	2024-10-20	Mechanism-Based Fault Diagnosis Deep Learning Method for Permanent Magnet Synchronous Motor 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196349 PMID:39409386	研究论文	研究提出了一种基于连续小波变换和卷积神经网络的永磁同步电机故障诊断方法	结合连续小波变换和卷积神经网络进行故障诊断，实现了高精度的故障识别	未提及具体限制	开发一种高精度的永磁同步电机故障诊断方法	永磁同步电机的匝间短路和退磁故障	机器学习	NA	连续小波变换 (CWT)	卷积神经网络 (CNN)	时间-频率图像	涉及多种严重程度的永磁同步电机故障样本
339	2024-10-20	EnNet: Enhanced Interactive Information Network with Zero-Order Optimization 2024-Sep-30, Sensors (Basel, Switzerland) DOI:10.3390/s24196361 PMID:39409398	研究论文	本文提出了一种增强的交互式信息网络EnNet，通过引入注意力机制和零阶优化方法，解决了交互式图像分割中的信息不足和高计算成本问题	提出了EnNet网络，通过注意力机制整合用户交互信息，并在优化过程中采用零阶优化方法，减少了计算开销	NA	解决交互式图像分割中的信息不足和高计算成本问题	交互式图像分割中的网络架构和优化过程	计算机视觉	NA	注意力机制	EnNet	图像	GrabCut、Berkeley、DAVIS和SBD数据集
340	2024-10-20	Reproducible and Interpretable Machine Learning-Based Radiomic Analysis for Overall Survival Prediction in Glioblastoma Multiforme 2024-Sep-30, Cancers IF:4.5Q1 DOI:10.3390/cancers16193351 PMID:39409970	研究论文	开发并验证了一种基于MRI的放射组学模型，用于预测胶质母细胞瘤（GBM）患者的总生存期（OS）	结合临床变量和放射组学特征，开发了一种具有高解释性的预测模型，并在多中心回顾性数据集上进行了验证	未来工作将集中在使用基于深度学习的特征和标准化的卷积滤波器	开发和验证一种基于MRI的放射组学模型，用于预测胶质母细胞瘤患者的总生存期	胶质母细胞瘤患者的总生存期预测	机器学习	脑癌	放射组学分析	NA	图像	289名胶质母细胞瘤患者