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
701	2024-11-20	Pneumonia Detection from Chest X-Ray Images Using Deep Learning and Transfer Learning for Imbalanced Datasets 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01334-0 PMID:39557737	研究论文	本文研究了使用深度学习和迁移学习技术从胸部X光图像中检测肺炎，特别关注处理不平衡数据集的挑战	本文探索了多种深度学习架构（如VGG、ResNet和ViT）以及迁移学习、零样本学习和少样本学习等策略，以提高肺炎检测的准确性	本文未详细讨论模型的泛化能力和在不同医疗环境中的适用性	研究如何利用深度学习技术提高肺炎检测的准确性和效率，特别是处理不平衡数据集的问题	胸部X光图像中的肺炎检测	计算机视觉	肺炎	深度学习	VGG、ResNet、ViT	图像	使用了多个公开数据集，包括Chest X-Ray Images (Pneumonia)、BRAX和CheXpert数据集
702	2024-11-20	Active Learning with Particle Swarm Optimization for Enhanced Skin Cancer Classification Utilizing Deep CNN Models 2024-Nov-18, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01327-z PMID:39557738	研究论文	本文提出了一种结合主动学习（AL）和粒子群优化（PSO）的皮肤癌分类框架，以提高深度卷积神经网络（CNN）模型的分类准确性和效率	本文的创新点在于将主动学习和粒子群优化结合，通过选择最具信息量的未标注实例进行专家标注，从而减少标注成本并优化分类器性能	本文的局限性在于实验仅在HAM10000皮肤病变数据集上进行，未来需要在更多数据集上验证方法的通用性	本文的研究目的是通过结合主动学习和粒子群优化，提高皮肤癌分类的准确性和效率	本文的研究对象是皮肤癌分类问题，特别是非黑色素瘤和黑色素瘤的早期检测	计算机视觉	皮肤癌	粒子群优化（PSO）	卷积神经网络（CNN）	图像	使用了HAM10000皮肤病变数据集，包含约10000个样本
703	2024-11-20	Progress in the Identification and Design of Novel Antimicrobial Peptides Against Pathogenic Microorganisms 2024-Nov-18, Probiotics and antimicrobial proteins IF:4.4Q2 DOI:10.1007/s12602-024-10402-4 PMID:39557756	综述	本文综述了抗菌肽（AMPs）在对抗病原微生物中的最新进展及其设计方法	本文介绍了计算机辅助策略（如机器学习和深度学习）在准确预测和设计新型抗菌肽中的应用	本文指出了在发现和应用抗菌肽时面临的重大挑战	评估抗菌肽在对抗广泛细菌病原体中的最新进展及其设计方法	抗菌肽及其对抗病原微生物的活性	NA	NA	机器学习（ML）和深度学习（DL）	NA	NA	NA
704	2024-11-20	Analysis of Microscopic Remaining Oil Based on the Fluorescence Image and Deep Learning 2024-Nov-18, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-024-04032-w PMID:39557795	研究论文	本文利用荧光图像和深度学习技术分析微观剩余油，以提高高含水油藏的采收率	本文创新性地应用了四种深度学习网络（U-Net、ResU-Net、ScSEU-Net和Unet++）进行荧光图像分割，显著提高了分析效率和准确性	本文主要关注于大孔径（大于60微米）的油藏，对于小孔径（小于50微米）的微观剩余油仍需进一步研究	提高高含水油藏的采收率	微观剩余油及其分布模式	计算机视觉	NA	深度学习	U-Net、ResU-Net、ScSEU-Net、Unet++	图像	油藏样本
705	2024-11-20	Laser-Induced Breakdown Spectroscopy and a Convolutional Neural Network Model for Predicting Total Iron Content in Iron Ores 2024-Nov-18, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028241294088 PMID:39558586	研究论文	本文利用激光诱导击穿光谱（LIBS）和卷积神经网络（CNN）模型预测铁矿石中的总铁含量	本文提出了一种基于CNN的LIBS方法，通过变量重要性随机森林（VI-RF）和变量重要性反向传播人工神经网络（VI-BP-ANN）与传统模型进行比较，展示了CNN在提高LIBS定量准确性和减少建模时间方面的优势	NA	提高激光诱导击穿光谱（LIBS）在铁矿石中总铁含量检测的准确性	铁矿石中的总铁含量	机器学习	NA	激光诱导击穿光谱（LIBS）	卷积神经网络（CNN）	光谱数据	339批次铁矿石样品，收集了2034个代表性光谱
706	2024-11-20	Predicting cell type-specific epigenomic profiles accounting for distal genetic effects 2024-Nov-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54441-5 PMID:39550354	研究论文	本文介绍了一种名为Enformer Celltyping的深度学习模型，用于预测细胞类型特异性的表观基因组特征，考虑了远端遗传效应	引入了一种新的深度学习模型Enformer Celltyping，能够预测未见过的细胞类型的表观遗传信号，并考虑了远端DNA相互作用的影响	尽管模型表现优异，但仍存在当前基因组深度学习模型的局限性	开发一种能够解释遗传变异对表观基因组影响的计算模型，以提高GWAS的解释能力	细胞类型特异性的表观基因组特征和远端遗传效应	机器学习	NA	深度学习	深度学习模型	DNA和染色质可及性数据	未具体说明样本数量
707	2024-11-20	Rotor angle stability of a microgrid generator through polynomial approximation based on RFID data collection and deep learning 2024-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80033-w PMID:39550455	研究论文	提出了一种基于RFID数据采集和深度学习的微电网发电机转子角稳定性评估新方法	通过结合RFID技术和混合CNN-LSTM模型，提高了故障检测效率和精度	NA	评估微电网中的转子角稳定性	微电网发电机的转子角稳定性	机器学习	NA	RFID技术	混合CNN-LSTM模型	振动或噪声信号	IEEE 3-机器9-母线系统
708	2024-11-20	Generalizable MRI-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps across Multiple Centers and Raters with Active Learning 2024-Nov-16, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.064 PMID:39557309	研究论文	本文提出了一种基于深度学习和主动学习的鼻咽癌肿瘤体积分割方法，旨在解决多中心和多评分者环境下模型部署的变异性和不准确性问题	本文创新性地结合了主动学习和无源域适应技术，以减少多中心和多评分者之间的差异，提高鼻咽癌肿瘤体积分割的准确性和通用性	本文的研究主要集中在鼻咽癌的肿瘤体积分割上，尚未扩展到其他类型的癌症或其他医学图像分析任务	开发一种能够在多中心和多评分者环境下准确分割鼻咽癌肿瘤体积的深度学习方法	鼻咽癌患者的MRI扫描图像	计算机视觉	鼻咽癌	深度学习	U-Net	图像	1057例鼻咽癌患者的MRI扫描图像，以及170例由四位独立专家标注的鼻咽癌患者数据
709	2024-11-20	Generative adversarial networks accurately reconstruct pan-cancer histology from pathologic, genomic, and radiographic latent features 2024-Nov-15, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adq0856 PMID:39546597	研究论文	本文介绍并验证了一种自定义的生成对抗网络HistoXGAN，能够利用常见特征提取器生成的特征向量重建代表性的癌症组织学图像	HistoXGAN能够从病理、基因组和放射影像的潜在特征中准确重建泛癌组织学图像，展示了其在肿瘤分级、组织学亚型和基因表达模式方面的信息保留能力	NA	研究如何利用生成对抗网络从多模态数据中重建癌症组织学图像，并探讨其生物学意义	29种癌症亚型的组织学图像及其相关的病理、基因组和放射影像特征	计算机视觉	癌症	生成对抗网络	GAN	图像	29种癌症亚型
710	2024-11-20	Detection of microplastics in fish using computed tomography and deep learning 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39875 PMID:39553626	研究论文	本文提出了一种利用计算机断层扫描（CT扫描）和人工智能进行鱼类及其他物种中微塑料自动无损检测的新方法	结合密度和形状等因素，利用人工智能进行微塑料的自动检测，显著提高了检测的精度和效率	NA	开发一种新的方法来检测鱼类及其他物种中的微塑料	鱼类及其他物种中的微塑料	计算机视觉	NA	计算机断层扫描（CT扫描）	语义分割模型	图像	NA
711	2024-11-20	A benchmark for Rey-Osterrieth complex figure test automatic scoring 2024-Nov-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39883 PMID:39553666	研究论文	本文介绍了一个用于Rey-Osterrieth复杂图形测试自动评分的基准框架	首次提供了ROCFD528数据集，这是一个公开的ROCF线绘图数据集，并使用多种现代深度学习模型进行实验，为新方法提供比较基线	实验结果表明，在样本数量有限的情况下，专门设计的CNN模型表现优于其他现有CNN架构，但仍存在一定的误差（MAE = 3.448）	开发一个公平比较不同计算机视觉系统在ROCF测试自动评分中的性能的基准框架	Rey-Osterrieth复杂图形测试的自动评分	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	528个ROCF线绘图样本
712	2024-11-20	Application of Machine Learning to Osteoporosis and Osteopenia Screening Using Hand Radiographs 2024-Nov-15, The Journal of hand surgery DOI:10.1016/j.jhsa.2024.09.008 PMID:39556066	研究论文	本文开发并验证了一种基于标准手部X光片的深度学习算法，用于筛查骨质疏松症和骨质减少症	利用深度学习算法从手部X光片中筛查骨质疏松症和骨质减少症，提供了一种更便捷、成本效益更高的自动化诊断方法	研究样本量相对较小，且仅限于手部X光片，可能限制了算法的广泛应用	开发一种基于手部X光片的自动化筛查工具，用于诊断骨质疏松症和骨质减少症	手部X光片和相应的DXA扫描结果	机器学习	骨质疏松症	深度学习	ResNet-50	图像	总共1,424张图像，包括687张正常图像、607张骨质减少图像和130张骨质疏松图像
713	2024-11-20	Digital profiling of gene expression from histology images with linearized attention 2024-Nov-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54182-5 PMID:39543087	研究论文	本文介绍了一种名为SEQUOIA的线性化transformer模型，用于从全切片图像（WSIs）预测癌症转录组谱	提出了SEQUOIA模型，通过线性化transformer结构降低了模型复杂性，并在大规模数据集上验证了其泛化能力	NA	开发一种成本效益高的方法，从全切片图像中预测癌症的基因表达谱，以支持个性化癌症管理	癌症转录组谱的预测	数字病理学	癌症	深度学习	transformer	图像	7584个肿瘤样本，涵盖16种癌症类型，并在两个独立队列中验证了1368个肿瘤
714	2024-11-20	Deep learning-based models for preimplantation mouse and human embryos based on single-cell RNA sequencing 2024-Nov-14, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02511-3 PMID:39543284	研究论文	本文利用深度学习工具整合和分类多个单细胞RNA测序数据集，定义小鼠和人类胚胎细胞类型、谱系和状态	开发了一种基于深度学习的模型，能够无偏地分类细胞类型，并定义用于识别谱系、细胞类型和状态的基因集	NA	利用深度学习工具整合和分类单细胞RNA测序数据，定义小鼠和人类胚胎细胞类型、谱系和状态	小鼠和人类胚胎细胞类型、谱系和状态	机器学习	NA	单细胞RNA测序	深度学习模型	RNA测序数据	使用了公开可用的早期小鼠和人类发育阶段的数据
715	2024-11-20	MVGNet: Prediction of PI3K Inhibitors Using Multitask Learning and Multiview Frameworks 2024-Nov-12, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c06224 PMID:39554430	研究论文	提出了一种多视图深度学习框架MVGNet，用于预测PI3K抑制剂的抑制活性	整合了基于片段的药效团信息，并利用多任务学习捕捉子任务之间的相关信息	NA	探索PI3K抑制剂的结构-活性关系	PI3K抑制剂对四种PI3K同工酶（PI3Kα、PI3Kβ、PI3Kγ和PI3Kδ）的抑制活性	机器学习	NA	多任务学习	深度学习框架	分子数据	NA
716	2024-11-20	EvoAI enables extreme compression and reconstruction of the protein sequence space 2024-Nov-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02504-2 PMID:39528677	研究论文	本文介绍了一种名为EvoAI的方法，用于极端压缩和重建蛋白质序列空间	提出了EvoScan方法来全面分割和扫描高适应度序列空间，并开发了深度学习和大型语言模型来从这些锚点中准确重建空间	NA	设计具有改进功能的蛋白质，并深入理解序列与功能之间的关系	蛋白质序列空间的高适应度区域	机器学习	NA	深度学习	大型语言模型	蛋白质序列	82个锚点
717	2024-11-20	Time series-based machine learning for forecasting multivariate water quality in full-scale drinking water treatment with various reagent dosages 2024-Nov-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122777 PMID:39556984	研究论文	研究提出了一种优化的基于时间序列的机器学习方法，用于预测多元饮用水质量，特别考虑了试剂投加的时间依赖效应	研究通过特征工程构建了包含进水水质参数、试剂投加量和出水水质特征的时间序列数据集，并开发了七种预测模型进行评估，发现传统机器学习模型在时间特征工程的增强下，性能与深度学习模型相当，甚至优于深度学习模型	研究未详细说明模型的泛化能力和在不同水处理厂的适用性	旨在提高饮用水质量预测的准确性，以优化水处理过程和智能供水管理	研究对象为饮用水处理过程中的多元水质参数	机器学习	NA	机器学习	XGBoost	时间序列数据	来自全规模水处理厂的数据
718	2024-11-20	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3494022 PMID:39514352	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于改进肿瘤生长逆向建模	该方法利用深度学习进行初始参数估计，并通过进化采样进一步优化，显著提高了计算效率和模型精度	NA	改进个体化疾病治疗方案的生物物理建模	脑肿瘤细胞浓度	机器学习	脑肿瘤	深度学习	DL-Prior	磁共振图像	NA
719	2024-11-20	Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-77582-5 PMID:39516256	研究论文	本文研究了在分层相衬断层扫描（HiP-CT）中使用深度学习进行3D血管分割，并以肾脏为例进行案例研究	引入了经过双注释者验证的精心策划的训练数据集，并利用nnU-Net框架评估模型性能，为高分辨率器官成像中的机器学习模型评估设定了新标准	DSC评分主要评估体素与体素的一致性，忽略了血管的多个关键特征；由于缺乏静水压力，大血管的分割效果较差；细小血管的连接性降低和血管边界的高分割错误	提供一个基础并确定一个用于血管分割的鲁棒基线模型，使用新的成像模式HiP-CT	肾脏的血管结构	计算机视觉	NA	分层相衬断层扫描（HiP-CT）	nnU-Net	3D图像	三个肾脏的血管数据
720	2024-11-20	A Learnable Prior Improves Inverse Tumor Growth Modeling 2024-Nov-06, ArXiv PMID:38495563	研究论文	本文提出了一种结合深度学习和进化策略的新框架，用于改进肿瘤生长逆向建模	本文的创新点在于将深度学习方法与进化策略相结合，通过深度学习模型提供初始参数估计，从而加速进化采样过程	NA	本文的研究目的是改进肿瘤生长逆向建模的效率和准确性	本文的研究对象是脑肿瘤细胞浓度	机器学习	脑肿瘤	深度学习	DL ensemble	图像	NA