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
9741	2024-12-29	Annotating protein functions via fusing multiple biological modalities 2024-Dec-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07411-y PMID:39730886	研究论文	本文提出了一种多步骤方法MIF2GO，用于融合多种生物模态并注释蛋白质功能	MIF2GO方法首次在三个步骤中融合了多达六种不同生物层次的生物模态，从而生成强大的蛋白质表示	现有方法未能有效融合不同生物模态，导致蛋白质表示质量低，且稀疏标签表示导致次优解的收敛问题	揭示疾病发病机制和发现新靶点，通过融合多种生物模态来注释蛋白质功能	蛋白质功能	生物信息学	NA	深度学习	MIF2GO	多模态生物数据	七个基准数据集
9742	2024-12-29	EDCLoc: a prediction model for mRNA subcellular localization using improved focal loss to address multi-label class imbalance 2024-Dec-27, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-11173-6 PMID:39731012	研究论文	本文提出了一种名为EDCLoc的多标签分类器，用于预测mRNA的亚细胞定位，通过改进的焦点损失函数解决多标签分类中的类别不平衡问题	EDCLoc通过逐步池化策略减少训练压力，采用不同尺度的分组卷积块结合残差连接实现高效特征提取和梯度传播，并改进了焦点损失函数以增强对少数类别的关注	深度学习方法在处理复杂序列时可能面临硬件性能和训练时间的挑战，且可能存在维度灾难和过拟合问题	开发更高效和准确的mRNA亚细胞定位预测模型	mRNA的亚细胞定位	自然语言处理	NA	多尺度CNN滤波器	多标签分类器	序列数据	NA
9743	2024-12-29	AEGAN-Pathifier: a data augmentation method to improve cancer classification for imbalanced gene expression data 2024-Dec-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-06013-z PMID:39731019	研究论文	本文提出了一种名为AEGAN-Pathifier的数据增强方法，用于改善不平衡基因表达数据中的癌症分类	结合AutoEncoder和生成对抗网络（GAN）生成少数类样本，并整合通路先验知识，提出AEGAN-Pathifier方法	未提及具体的数据集规模限制或模型泛化能力的详细评估	解决癌症分类中高维数据和不平衡样本的问题	基因表达数据	机器学习	癌症	AutoEncoder, GAN, 通路评分算法	AEGAN	基因表达数据	GSE25066, GSE20194, BRCA和Liver24数据集
9744	2024-12-29	Survival prediction of glioblastoma patients using machine learning and deep learning: a systematic review 2024-Dec-27, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-13320-4 PMID:39731064	系统综述	本文系统综述了使用机器学习和深度学习预测胶质母细胞瘤患者生存率的最新方法	总结了2015年至2024年间107篇相关文章，分析了数据来源、方法、性能指标和研究结果，发现随机森林是最常用的方法，而放射组学和临床数据的结合是最常见的输入数据	仅涵盖了2015年至2024年的文献，可能遗漏了早期的重要研究	预测胶质母细胞瘤患者的生存率，以优化个性化治疗计划和支持患者及其家属做出知情决策	胶质母细胞瘤患者	机器学习	脑癌	机器学习和深度学习	随机森林	临床特征、分子标记、影像特征、放射组学特征、组学数据或其组合	107篇文章
9745	2024-12-29	Deep regression analysis for enhanced thermal control in photovoltaic energy systems 2024-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81101-x PMID:39715782	研究论文	本文提出了一种利用深度学习技术提高光伏系统冷却效率的新方法	采用U-Net架构从热成像视频中分割太阳能板，并开发了CNN模型用于估计冷却效率，相比传统方法具有更高的预测能力	讨论了如何解决局限性、提高预测准确性以及扩展到更大数据集的策略	提高光伏系统冷却效率的精确性和可靠性	光伏太阳能板的冷却系统	计算机视觉	NA	深度学习	U-Net, CNN, FNN	热成像视频	NA
9746	2024-12-29	Automated Measurement of Effective Radiation Dose by 18F-Fluorodeoxyglucose Positron Emission Tomography/Computed Tomography 2024-Dec-23, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120151 PMID:39728913	研究论文	本研究开发了一种基于深度学习的自动化程序，用于标准化测量18F-PET/CT检查中的辐射剂量	通过集成深度学习模型，该程序有效消除了操作者间的变异性	样本量较小（n=30和n=42），可能影响结果的普遍性	开发一种自动化程序，用于标准化测量18F-PET/CT检查中的辐射剂量	18F-PET/CT检查中的辐射剂量	数字病理	NA	深度学习	NA	CT图像	30例用于验证自动化程序，42例用于比较新旧PET/CT扫描仪
9747	2024-12-29	[Identification of osteoid and chondroid matrix mineralization in primary bone tumors using a deep learning fusion model based on CT and clinical features: a multi-center retrospective study] 2024-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2024.12.18 PMID:39725631	研究论文	本研究利用基于CT和临床特征的深度学习融合模型，识别原发性骨肿瘤中的骨样和软骨样基质矿化	通过多中心CT图像和临床特征构建的深度学习融合模型（SC-Net），在识别骨样和软骨样基质矿化方面表现出色，并超越了放射科医生的诊断性能	研究为回顾性研究，可能存在数据偏差，且样本量相对有限	提高原发性骨肿瘤中骨样和软骨样基质矿化的分类准确性	276例经病理证实的原发性骨肿瘤患者的CT扫描数据	数字病理	骨肿瘤	CT扫描	CNN, 深度学习融合模型（SC-Net）	图像, 临床特征	276例患者
9748	2024-12-29	Noise Reduction in Brain CT: A Comparative Study of Deep Learning and Hybrid Iterative Reconstruction Using Multiple Parameters 2024-Dec-18, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120147 PMID:39728909	研究论文	本文比较了深度学习重建（DLR）和混合迭代重建（HIR）在脑部CT中的降噪效果	首次系统比较了DLR和HIR在不同切片厚度、管电流和成像对象下的降噪效果，并提出了DLR在薄片成像中的潜在优势	研究样本量较小，仅包括11名患者，且未对不同疾病类型进行细分	评估DLR和HIR在脑部CT中的降噪效果	16 cm剂量学模型、头部模型和11名患者的脑部CT图像	数字病理	NA	CT成像	深度学习	图像	11名患者
9749	2024-12-29	A non-local dual-stream fusion network for laryngoscope recognition 2024-Dec-17, American journal of otolaryngology IF:1.8Q2 DOI:10.1016/j.amjoto.2024.104565 PMID:39729791	研究论文	本文提出了一种基于深度学习的喉镜图像自动分类模型，用于辅助医生诊断喉部疾病	通过整合ResNet和Transformer的输出特征，实现了对八种喉部疾病的准确分类	NA	设计和实现一个能够自动分类喉镜图像的模型，以辅助医生诊断喉部疾病	喉镜图像	计算机视觉	喉部疾病	深度学习	ResNet, Transformer	图像	3057张喉镜图像
9750	2024-12-29	Artificial intelligence and machine learning in disorders of consciousness 2024-Dec-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001322 PMID:39498844	综述	本文回顾了人工智能和机器学习在意识障碍领域的应用，特别是在诊断、预后和治疗方面的作用	利用人工智能和机器学习技术分析功能神经影像和脑电图数据，以区分无反应性觉醒综合征和最小意识状态，并预测治疗效果	大多数研究仍依赖于传统机器学习算法，而非深度学习技术，可能限制了模型的性能	提高对意识障碍患者的诊断和预后准确性，并评估新型治疗干预的效果	因获得性脑损伤导致的严重意识障碍患者	机器学习	意识障碍	功能神经影像、脑电图	传统机器学习算法	神经影像数据、脑电图数据	NA
9751	2024-12-29	Human-multimodal deep learning collaboration in 'precise' diagnosis of lupus erythematosus subtypes and similar skin diseases 2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.20031 PMID:38619440	研究论文	本文开发了一种多模态深度学习系统（MMDLS），用于人类与AI协作诊断红斑狼疮（LE）亚型及类似皮肤病	提出了一个多模态深度学习系统，结合了临床皮肤图像、多色免疫组化图像和临床数据，显著提高了诊断准确率	研究样本量相对较小，且仅在中国多中心进行，可能限制了结果的普适性	开发一种多模态深度学习系统，用于协助医生诊断红斑狼疮亚型及类似皮肤病	红斑狼疮亚型、八种类似皮肤病及健康受试者	数字病理学	红斑狼疮	多色免疫组化（multi-IHC）	EfficientNet-B3, ResNet-18	图像, 临床数据	446例病例，800张临床皮肤图像，3786张多色免疫组化图像
9752	2024-12-29	AI-Driven Discovery of Amorphous Fluorinated Polymer Electret with Improved Charge Stability for Energy Harvesting 2024-Dec, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202303827 PMID:37452693	研究论文	本文利用AI技术发现了一种具有改进电荷稳定性的无定形氟化聚合物驻极体，用于能量收集	首次将电离势作为量化无定形氟化聚合物驻极体充电性能的描述符，并通过高通量计算和图神经网络模型筛选出3种有前景的驻极体	NA	提高驻极体材料的电荷稳定性，以增强其在振动能量收集器中的应用	无定形氟化聚合物驻极体	材料科学	NA	高通量计算，图神经网络模型	图神经网络	化学结构数据	1,176,591个功能基团
9753	2024-12-29	Three-Dimensional Thermal Tomography with Physics-Informed Neural Networks 2024-Nov-30, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120140 PMID:39728902	研究论文	本文利用物理信息神经网络进行三维热成像，旨在从表面温度数据中准确重建内部温度场	结合物理约束的损失函数和统计不确定性，提高了模型在噪声环境下的鲁棒性，特别是在传统CNN难以处理的深层区域	在较大区域，特别是在远离表面的区域，网络的预测能力下降	研究非侵入性热成像中的内部温度场重建	表面温度数据	计算机视觉	NA	3D卷积神经网络	CNN	温度数据	小体模（如直径10厘米）
9754	2024-12-29	STANet: A Novel Spatio-Temporal Aggregation Network for Depression Classification with Small and Unbalanced FMRI Data 2024-Nov-28, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10120138 PMID:39728900	研究论文	本文提出了一种新的时空聚合网络（STANet），用于处理小样本和不平衡的fMRI数据以进行抑郁症分类	STANet通过结合卷积神经网络（CNN）和循环神经网络（RNN）来捕捉大脑活动的时空特征，并引入合成少数类过采样技术（SMOTE）和注意力-傅里叶门控循环单元（AFGRU）分类器以提高模型性能	研究依赖于小样本和不平衡的fMRI数据，可能影响模型的泛化能力	提高抑郁症的早期诊断准确性	抑郁症患者	数字病理学	抑郁症	fMRI	CNN, RNN, AFGRU	fMRI图像	小样本和不平衡的fMRI数据
9755	2024-12-29	Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation 2024-Nov-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/60334 PMID:39622697	研究论文	本文提出了一种基于邻近词计算的数据集增强算法，用于解决临床命名实体识别任务中的数据稀缺和标注困难问题	提出了一种基于邻近词汇的分段同义句合成（SSSS）算法，无需手动扩展专业领域词典，通过词汇分段从自然语言数据中重新组合新同义词，实现数据集的邻近扩展表达	算法依赖于现有的公共知识，可能在某些特定领域的应用中表现有限	解决临床命名实体识别任务中的数据稀缺和标注困难问题	电子病历文本中的命名实体	自然语言处理	NA	邻近词计算	RoBERTa + CRF, RoBERTa + BiLSTM + CRF	文本	CCKS-2017和CCKS-2019数据集
9756	2024-12-29	Hierarchical Graph Convolutional Network Built by Multiscale Atlases for Brain Disorder Diagnosis Using Functional Connectivity 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3282961 PMID:37339027	研究论文	本文提出了一种基于多尺度图谱的层次图卷积网络（MAHGCN），用于脑部疾病的诊断	首次利用多尺度图谱进行功能性连接网络（FCN）分析，并提出Atlas-guided Pooling（AP）方法，结合图卷积层进行多层次信息提取	研究主要依赖于静息态fMRI数据，未涉及其他类型的脑成像数据	开发一种新的深度学习框架，用于脑部疾病的诊断	阿尔茨海默病（AD）、轻度认知障碍（MCI）和自闭症谱系障碍（ASD）患者	数字病理学	老年疾病	功能性磁共振成像（fMRI）	层次图卷积网络（MAHGCN）	图像	1792名受试者
9757	2024-12-29	The Impact of Multi-Institution Datasets on the Generalizability of Machine Learning Prediction Models in the ICU 2024-Nov-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006359 PMID:38958568	研究论文	本文评估了深度学习模型在ICU中早期检测不良事件的跨医院可转移性	通过使用来自多个机构的公共数据集，系统评估了深度学习模型在不同医院间的可转移性，并探讨了多数据集训练对模型性能的影响	尽管使用了多数据集训练，但模型在新医院的表现仍依赖于训练数据中包含的兼容医院，且专门提升泛化性的方法在实验中未显著改善性能	评估深度学习模型在ICU中早期检测不良事件的跨医院可转移性	ICU中的成年患者	机器学习	NA	深度学习	深度学习模型	ICU数据	334,812次ICU住院记录
9758	2024-12-29	Dual Attention Relation Network With Fine-Tuning for Few-Shot EEG Motor Imagery Classification 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3287181 PMID:37379192	研究论文	本文提出了一种新颖的双向少样本网络，用于改进未见受试者的运动想象（MI）脑电图（EEG）分类	提出了一种包含嵌入模块、时间注意力模块、聚合注意力模块和关系模块的双向少样本网络，能够有效学习未见受试者类别的代表性特征并进行分类	未见受试者数据的标签稀缺性和低信噪比（SNR）仍然是挑战	提高未见受试者的运动想象脑电图分类准确率	运动想象（MI）脑电图（EEG）数据	机器学习	NA	深度学习	双向少样本网络	脑电图（EEG）信号	使用BCI竞赛IV 2a、2b和GIST数据集进行跨受试者和跨数据集分类任务评估
9759	2024-12-29	DiamondNet: A Neural-Network-Based Heterogeneous Sensor Attentive Fusion for Human Activity Recognition 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3285547 PMID:37402195	研究论文	本文提出了一种基于神经网络的异质传感器注意力融合框架DiamondNet，用于细粒度的人类活动识别	DiamondNet框架通过多传感器模态的创建、去噪、特征提取和融合，引入注意力机制和图卷积网络，显著提升了人类活动识别的性能	NA	提升基于轻量传感器的人类活动识别性能	人类活动识别	机器学习	NA	NA	1-D卷积去噪自编码器（1-D-CDAEs）、注意力机制、图卷积网络	传感器数据	三个公共数据集
9760	2024-12-29	Emotion-Semantic-Aware Dual Contrastive Learning for Epistemic Emotion Identification of Learner-Generated Reviews in MOOCs 2024-11, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3294636 PMID:37486839	研究论文	本文提出了一种情感语义感知的双重对比学习方法（ES-DCL），用于识别大规模开放在线课程（MOOCs）中学习者生成评论的认知情感	通过从两个不同视角提取隐式语义特征和人类可解释的情感特征，形成互补的情感语义特征，并设计两种对比损失（标签对比损失和特征对比损失）来训练情感语义特征在样本空间中的判别分布，解决不同类别认知情感之间的各向异性问题	未明确提及具体局限性	提高MOOCs中学习者生成评论的认知情感识别性能	MOOCs中学习者生成的评论	自然语言处理	NA	双重对比学习	ES-DCL	文本	四个不同学科的MOOCs评论数据集