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
801	2024-11-17	B cell epitope prediction by capturing spatial clustering property of the epitopes using graph attention network 2024-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78506-z PMID:39528630	研究论文	本文开发了一种名为EpiGraph的方法，通过图注意力网络捕捉B细胞表位的空间聚集特性，用于预测B细胞表位	结合了预训练的ESM-IF1和ESM-2模型的结构和序列特征嵌入，使用图注意力网络学习B细胞表位的空间接近性，并通过模型框架中的残差连接缓解图神经网络中的过平滑问题	NA	开发一种高效且准确的计算方法来预测B细胞表位，以支持疫苗设计、诊断和治疗	B细胞表位的预测	机器学习	NA	图注意力网络	图神经网络	序列数据	NA
802	2024-11-17	A model for suppressing stray light in astronomical images based on deep learning 2024-Nov-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78472-6 PMID:39528639	研究论文	本文提出了一种基于深度学习的天文图像散射光抑制模型	该模型通过金字塔结构扩展感受野，捕捉多尺度特征，并通过可变形大核注意力机制提高对散射光干扰区域的特征提取能力	NA	解决宽视场小孔径望远镜在观测过程中受到外部散射光干扰的问题	天文图像中的散射光干扰	计算机视觉	NA	深度学习	金字塔可变形大核注意力模型	图像	使用模拟天文图像对进行模型训练，并在真实散射光干扰的图像序列上进行测试
803	2024-11-17	Exploration of an intrinsically explainable self-attention based model for prototype generation on single-channel EEG sleep stage classification 2024-11-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79139-y PMID:39528813	研究论文	本研究探索了一种基于自注意力机制的可解释模型在单通道脑电图睡眠阶段分类中的应用	首次将基于自注意力机制的原型方法应用于脑电图数据，并在可解释性AI方面取得了进展	模型仅能提取和展示时域信息，限制了其性能	评估自注意力机制在脑电图睡眠阶段分类中的有效性	单通道脑电图信号的睡眠阶段分类	机器学习	NA	自注意力机制	自注意力机制模型	脑电图信号	NA
804	2024-11-17	DeepBP: Ensemble deep learning strategy for bioactive peptide prediction 2024-Nov-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05974-5 PMID:39528950	研究论文	本文提出了一种基于生成对抗胶囊网络（CapsuleGAN）、门控循环单元（GRU）和卷积神经网络（CNN）的集成深度学习策略，用于预测生物活性肽	本文创新性地使用了CapsuleGAN、GRU和CNN作为基础分类器，并通过投票方法实现集成学习，显著提高了对ACE抑制肽和抗肿瘤肽（ACP）的预测精度	NA	研究旨在开发一种高效准确的深度学习模型，用于预测生物活性肽，特别是ACE抑制肽和抗肿瘤肽	研究对象包括ACE抑制肽和抗肿瘤肽（ACP）	机器学习	NA	生成对抗胶囊网络（CapsuleGAN）、门控循环单元（GRU）、卷积神经网络（CNN）	CapsuleGAN、GRU、CNN	肽序列	ACE抑制肽数据集和抗肿瘤肽（ACP）数据集
805	2024-11-17	The utility of wearable electroencephalography combined with behavioral measures to establish a practical multi-domain model for facilitating the diagnosis of young children with attention-deficit/hyperactivity disorder 2024-Nov-11, Journal of neurodevelopmental disorders IF:4.1Q2 DOI:10.1186/s11689-024-09578-1 PMID:39528958	研究论文	研究开发了一种多模态AI检测系统，结合可穿戴脑电图和行为测量，用于辅助诊断幼儿注意力缺陷/多动障碍	首次将可穿戴脑电图与行为测量结合，开发多模态AI检测系统，用于幼儿注意力缺陷/多动障碍的诊断	样本量相对较小，且仅限于幼儿群体	开发一种可靠的多模态AI检测系统，以辅助幼儿注意力缺陷/多动障碍的诊断	78名幼儿，包括43名注意力缺陷/多动障碍患者和35名典型发育儿童	机器学习	注意力缺陷/多动障碍	脑电图（EEG）	集成模型	脑电图数据、行为测试评分、症状量表评分	78名幼儿
806	2024-11-17	Image-based deep learning in diagnosing mycoplasma pneumonia on pediatric chest X-rays 2024-Nov-11, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-024-05204-0 PMID:39529076	研究论文	本研究利用深度学习模型对儿童胸片进行分析，以诊断支原体肺炎	本研究首次使用深度卷积神经网络（ResNet50, DenseNet121, EfficientNetv2-S）对儿童胸片进行分析，以区分支原体肺炎和病毒性肺炎	本研究仅使用了有限的样本量，且未涵盖所有可能的肺炎类型	研究目的是开发一种基于胸片的深度学习模型，用于诊断儿童支原体肺炎	研究对象为患有支原体感染和病毒感染的儿童	计算机视觉	儿科疾病	深度学习	深度卷积神经网络（ResNet50, DenseNet121, EfficientNetv2-S）	图像	共收集了578例支原体感染儿童和191例病毒感染儿童的胸片数据
807	2024-11-17	A bibliometrics analysis based on the application of artificial intelligence in the field of radiotherapy from 2003 to 2023 2024-Nov-11, Radiation oncology (London, England) DOI:10.1186/s13014-024-02551-1 PMID:39529129	研究论文	本文通过文献计量分析方法，探讨了2003年至2023年间人工智能在放射治疗领域的应用	首次进行了人工智能与放射治疗之间关联的文献计量研究	研究仅基于Web of Science Core Collection数据库的数据，可能存在数据偏差	全面概述人工智能与放射治疗之间的知识结构和研究热点	人工智能在放射治疗中的应用	机器学习	NA	文献计量分析	NA	文本	615篇出版物，来自64个国家
808	2024-11-17	A deep learning model of dorsal and ventral visual streams for DVSD 2024-11-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78304-7 PMID:39523365	研究论文	本文提出了一种名为VeDo-Net的深度学习模型，该模型包含背侧和腹侧视觉流分支，用于模拟视觉系统的行为	首次提出了一种结合背侧和腹侧视觉流的深度学习模型，能够同时识别物体并估计物体之间的距离	研究主要集中在模拟视觉障碍和自闭症谱系障碍，未涉及其他应用场景	开发一种能够模拟背侧和腹侧视觉流的深度学习模型，用于研究视觉障碍和自闭症谱系障碍	背侧和腹侧视觉流的功能及其在自闭症谱系障碍和脑视觉障碍中的作用	机器学习	自闭症谱系障碍	卷积神经网络 (CNN)	VeDo-Net	图像	NA
809	2024-11-17	Glioma subtype prediction based on radiomics of tumor and peritumoral edema under automatic segmentation 2024-11-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-79344-9 PMID:39523433	研究论文	本文利用深度学习方法自动分割脑胶质瘤及其周围水肿区域，并基于提取的放射组学特征开发了胶质瘤亚型预测模型	本文创新性地使用3D U-Nets模型进行自动分割，并基于分割结果提取放射组学特征进行胶质瘤亚型预测	本文仅使用了BraTS2021数据集中的424例胶质瘤影像数据，样本量有限	开发一种基于放射组学的胶质瘤亚型预测模型，以实现非侵入性的术前分子诊断	成人型弥漫性胶质瘤的亚型预测	计算机视觉	脑肿瘤	MRI	3D U-Nets	影像	424例胶质瘤影像数据
810	2024-11-17	An open codebase for enhancing transparency in deep learning-based breast cancer diagnosis utilizing CBIS-DDSM data 2024-11-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78648-0 PMID:39516557	研究论文	本文提供了一个开源代码库，涵盖从图像预处理到模型开发和评估的整个流程，以提高基于深度学习的乳腺癌诊断的透明度	本文的创新点在于提供了一个开源代码库，解决了私有数据集的不透明性和模型训练测试中图像子集选择的模糊性问题	本文的局限性在于仅使用了CBIS-DDSM数据集，可能无法完全代表所有乳腺癌病例	本文的研究目的是提高基于深度学习的乳腺癌诊断的透明度和可重复性	本文的研究对象是基于CBIS-DDSM数据集的乳腺癌诊断模型	计算机视觉	乳腺癌	深度学习	NA	图像	使用了CBIS-DDSM数据集的全部图像和感兴趣区域（ROIs）
811	2024-11-17	Hyperspectral imaging and deep learning for parasite detection in white fish under industrial conditions 2024-11-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76808-w PMID:39521834	研究论文	本文研究了在工业条件下使用高光谱成像和深度学习技术检测白鱼中的寄生虫	开发了一种新的解决方案，利用深度神经网络同时分析高光谱成像数据的空间和光谱信息，提高了检测率	检测率仍有提升空间，目前为73%	提高海鲜行业中寄生虫检测的效率和准确性	白鱼中的寄生虫	计算机视觉	NA	高光谱成像	深度神经网络	图像	未明确提及具体样本数量
812	2024-11-17	Gas adsorption meets geometric deep learning: points, set and match 2024-Nov-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76319-8 PMID:39521816	研究论文	本文提出了一种名为AIdsorb的无描述符框架，用于直接处理原始结构信息以预测气体吸附性能	AIdsorb框架直接处理原始结构信息，避免了传统方法中将结构粗粒化为1D指纹的步骤，从而更好地利用了3D结构信息	NA	开发一种能够直接处理原始结构信息以预测气体吸附性能的新方法	金属有机框架（MOFs）和共价有机框架（COFs）的气体吸附性能	机器学习	NA	深度学习	点云分析	结构信息	NA
813	2024-11-17	Enhancing the diagnostic capacity of [18F]PSMA-1007 PET/MRI in primary prostate cancer staging with artificial intelligence and semi-quantitative DCE: an exploratory study 2024-Nov-08, EJNMMI reports DOI:10.1186/s41824-024-00225-5 PMID:39510993	研究论文	研究利用人工智能和半定量动态对比增强多参数MRI在[18F]PSMA-1007 PET/MRI中区分前列腺癌与良性前列腺组织的能力	首次结合人工智能和半定量动态对比增强多参数MRI，评估其在前列腺癌诊断中的应用	样本量较小，仅涉及7名患者	探讨人工智能和半定量动态对比增强多参数MRI在前列腺癌诊断中的应用	前列腺癌与良性前列腺组织的区分	计算机视觉	前列腺癌	动态对比增强多参数MRI	深度学习	图像	7名患者
814	2024-11-17	Spatially varying nanophotonic neural networks 2024-Nov-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adp0391 PMID:39514662	研究论文	本文提出了一种将并行光学计算嵌入平面相机光学系统的方法，以实现低延迟和高能效的光学神经网络	通过在相机镜头中集成纳米光子阵列，实现了空间变化卷积网络，并利用低维重参数化进行学习，从而提高了光学神经网络的识别精度	NA	探索替代传统电子处理器的计算模式，以应对人工智能计算和能耗的快速增长	光学神经网络的计算性能和识别精度	计算机视觉	NA	纳米光子技术	卷积神经网络	图像	CIFAR-10数据集
815	2024-11-17	The backpropagation algorithm implemented on spiking neuromorphic hardware 2024-Nov-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-53827-9 PMID:39516210	研究论文	本文介绍了在Intel的Loihi神经形态研究处理器上实现的基于突触火控动态信息协调和处理的神经形态脉冲反向传播算法	首次展示了在芯片上完全实现的脉冲神经网络反向传播算法，无需计算机介入，且在准确性和能效方面具有竞争力	NA	探索在神经形态硬件上实现现代深度学习算法的可行性	脉冲神经网络的反向传播算法及其在神经形态硬件上的实现	机器学习	NA	神经形态计算	脉冲神经网络（SNN）	图像	NA
816	2024-11-17	Deep learning method for detecting fluorescence spots in cancer diagnostics via fluorescence in situ hybridization 2024-11-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78571-4 PMID:39516673	研究论文	本文提出了一种基于深度学习的荧光原位杂交（FISH）图像中荧光点自动检测方法	本文提出的方法在检测FISH图像中的荧光点方面优于传统的YOLO系列模型，具有更高的准确性	NA	开发一种自动化的FISH图像荧光点检测系统，以提高癌症诊断中细胞特征评估的效率和准确性	FISH图像中的荧光点	计算机视觉	NA	荧光原位杂交（FISH）	深度学习模型	图像	NA
817	2024-11-17	An explainable deep learning model to predict partial anomalous pulmonary venous connection for patients with atrial septal defect 2024-Nov-08, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-024-05193-0 PMID:39516757	研究论文	本研究旨在利用深度学习模型预测房间隔缺损患者中部分肺静脉异位连接的存在	构建了一个可解释的深度学习预测模型，用于识别房间隔缺损患者中的部分肺静脉异位连接	研究样本仅来自青岛大学附属妇女儿童医院，可能存在地域局限性	探索房间隔缺损患者中部分肺静脉异位连接的预测变量，并构建一个基于深度学习的可解释预测模型	房间隔缺损患者及其部分肺静脉异位连接的诊断	机器学习	心血管疾病	NA	LightGBM	数值数据	834名房间隔缺损住院患者
818	2024-11-17	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-Nov-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	研究论文	使用深度学习方法AF2Complex预测关键激酶Lck的蛋白质相互作用，揭示其在T细胞调节中的重要作用	首次使用AF2Complex方法预测Lck与约1000种与免疫反应相关的蛋白质的相互作用，并揭示了Lck与CD45和LAG3的关键相互作用及其分子机制	NA	研究Lck激酶在T细胞调节中的蛋白质相互作用及其分子机制	Lck激酶及其与免疫反应相关蛋白质的相互作用	生物信息学	NA	深度学习	AF2Complex	蛋白质结构数据	约1000种与免疫反应相关的蛋白质
819	2024-11-17	Deep learning-assisted object recognition with hybrid triboelectric-capacitive tactile sensor 2024-Nov-07, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00813-2 PMID:39511152	研究论文	本文提出了一种结合摩擦电传感单元和电容传感单元的混合触觉传感器，并通过深度学习辅助实现物体识别	创新点在于将摩擦电传感单元和电容传感单元集成在多孔PDMS基底上，结合两种传感单元的信号实现对物体表面材料、纹理和硬度的识别，并通过深度学习提高识别准确率	NA	研究目的是开发一种能够识别物体表面材料、纹理和硬度的混合触觉传感器，并应用于机器人感知和触觉智能	研究对象是混合触觉传感器及其在物体识别中的应用	机器人学	NA	深度学习	NA	传感器信号	12个样本
820	2024-11-17	Reliable and easy-to-use calculating tool for the Nail Psoriasis Severity Index using deep learning 2024-Nov-07, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00458-x PMID:39511184	研究论文	开发了一种基于深度学习的可靠且易于使用的Nail Psoriasis Severity Index (NAPSI)计算工具	利用深度学习技术开发了一种新的NAPSI评分工具，显著提高了评分的准确性和一致性	NA	开发一种可靠且准确的NAPSI评分工具，以减少观察者间变异性	指甲银屑病患者的NAPSI评分	计算机视觉	银屑病	深度学习	NA	图像	138个指甲样本，由9名专业皮肤科医生进行标注