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
9981	2024-12-25	Assessment of MGMT promoter methylation status in glioblastoma using deep learning features from multi-sequence MRI of intratumoral and peritumoral regions 2024-Dec-23, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00817-1 PMID:39716317	研究论文	本研究评估了从多序列磁共振成像（MRI）中提取的深度学习特征在确定胶质母细胞瘤患者O6-甲基鸟嘌呤-DNA甲基转移酶（MGMT）启动子甲基化状态中的有效性	本研究首次利用多序列MRI数据结合Transformer算法，开发了能够预测胶质母细胞瘤患者MGMT启动子甲基化状态的深度学习模型	研究使用了回顾性数据，且样本量相对较小，可能影响模型的泛化能力	评估深度学习特征在确定胶质母细胞瘤患者MGMT启动子甲基化状态中的有效性	胶质母细胞瘤患者的MGMT启动子甲基化状态	数字病理学	脑肿瘤	磁共振成像（MRI）	Transformer	图像	356名胶质母细胞瘤患者（251名甲基化，105名未甲基化）
9982	2024-12-25	Quantifying interpretation reproducibility in Vision Transformer models with TAVAC 2024-Dec-20, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abg0264 PMID:39705362	研究论文	本文提出了一种名为TAVAC的指标，用于评估Vision Transformer模型在生物医学图像分类任务中的过拟合情况，并量化解释的可重复性	引入了TAVAC指标，通过比较训练和测试阶段的高注意力区域，评估模型的过拟合情况，并区分目标与非目标注意力，测量解释的泛化能力	NA	解决Vision Transformer模型在有限标注的生物医学图像数据集上可能出现的过拟合问题，并提高解释的可重复性	Vision Transformer模型在生物医学图像分类任务中的表现	计算机视觉	乳腺癌	NA	Vision Transformer (ViT)	图像	四个公共图像分类数据集和两个独立的乳腺癌组织学图像数据集
9983	2024-12-25	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	开发了一种名为MMETHANE的开源软件包，用于从微生物组组成和代谢组数据中预测宿主状态	MMETHANE结合了生物学先验知识，并输出可解释的英语规则集，揭示了微生物、代谢物与疾病状态之间的生物学意义联系	NA	开发一种可解释的AI工具，用于从微生物组和代谢组数据中预测宿主状态	微生物组组成和代谢组数据	机器学习	NA	深度学习	深度学习模型	微生物组和代谢组数据	六个数据集，包含配对的微生物组组成和代谢组测量数据
9984	2024-12-25	Identification of apigenin as a multi-target inhibitor against SARS-CoV-2 by computational exploration 2024-Dec-13, FASEB journal : official publication of the Federation of American Societies for Experimental Biology IF:4.4Q2 DOI:10.1096/fj.202401972RRR PMID:39718442	研究论文	本文通过计算探索，识别出芹菜素作为SARS-CoV-2的多靶点抑制剂	本文首次通过网络算法、深度学习、分子对接、分子动力学模拟和正常模式分析，全面探索了芹菜素在SARS-CoV-2治疗中的潜在效果和机制	本文主要基于计算模型进行预测，尚未进行实验验证	研究芹菜素作为SARS-CoV-2多靶点抑制剂的潜力和机制	芹菜素与SARS-CoV-2多个靶点的结合能力及其稳定性	NA	NA	网络算法、深度学习、分子对接、分子动力学模拟、正常模式分析	卷积模型与自注意力机制	分子结构数据	NA
9985	2024-12-25	Modernizing histopathological analysis: a fully automated workflow for the digital image analysis of the intestinal microcolony survival assay 2024-Dec-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.09.627578 PMID:39713436	研究论文	本文介绍了一种全自动的工作流程，用于数字化图像分析肠道微菌落存活实验中的空肠隐窝计数，以量化辐射对胃肠道的损伤	本文的创新点在于开发了一种全自动的工作流程，通过深度学习进行语义图像分割来检测隐窝，并使用定制算法进行计数，从而减少了人为错误和主观评估的偏差	本文的局限性在于仅在特定实验条件下验证了该自动化工作流程的有效性，未来需要在更多样化的数据集上进行验证	本文的研究目的是解决传统人工分析组织病理学图像耗时且易出错的问题，提供一种自动化的解决方案	本文的研究对象是辐射对小鼠空肠隐窝的损伤，通过自动化流程进行隐窝计数	数字病理学	NA	深度学习	语义图像分割	图像	60只小鼠的样本图像数据集
9986	2024-12-25	DDI-GPT: Explainable Prediction of Drug-Drug Interactions using Large Language Models enhanced with Knowledge Graphs 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.06.627266 PMID:39713430	研究论文	本文提出了一种名为DDI-GPT的深度学习框架，通过结合知识图谱和预训练的大型语言模型来预测药物-药物相互作用	DDI-GPT通过捕捉生物医学实体之间的上下文依赖关系来推断潜在的药物相互作用，并使用特征归因方法增强了模型的可解释性	NA	开发一种能够早期检测潜在药物相互作用并提高患者安全性的深度学习工具	药物-药物相互作用（DDIs）的预测和解释	机器学习	NA	知识图谱（KGs）和预训练大型语言模型（LLMs）	深度学习模型	文本	9,480条药物相互作用记录，涵盖442种不同的药物
9987	2024-12-25	Assessing polyomic risk to predict Alzheimer's disease using a machine learning model 2024-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14319 PMID:39511865	研究论文	本文使用基于树和深度学习的方法，利用基因组、蛋白质组、代谢组和药物使用数据，开发了一个多组学模型来预测阿尔茨海默病（AD）的患病状态和发病年龄	本文首次结合多组学数据和药物使用数据，使用机器学习模型预测阿尔茨海默病，并发现GFAP和CXCL17蛋白是最强的预测因子	本文未能在增加“AD-by-proxy”病例后提高AD预测的准确性	开发一种有效的筛查工具，用于阿尔茨海默病的早期检测，以便进行早期干预	阿尔茨海默病的患病状态和发病年龄	机器学习	老年痴呆症	机器学习	基于树和深度学习模型	基因组、蛋白质组、代谢组和药物使用数据	来自UK Biobank的数据
9988	2024-12-25	Deep-GB: A novel deep learning model for globular protein prediction using CNN-BiLSTM architecture and enhanced PSSM with trisection strategy 2024-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.12108 PMID:39514139	研究论文	本文提出了一种名为Deep-GP的新型深度学习模型，用于球状蛋白预测，采用CNN-BiLSTM架构和增强的PSSM与三分策略	本文的创新点在于引入了一种基于共识序列的三分位置特异性评分矩阵（CST-PSSM）特征描述符，并结合CNN和BiLSTM进行集成学习，显著提高了球状蛋白预测的准确性	NA	本文的研究目的是开发一种精确的球状蛋白识别方法，以加速研究、简化药物发现并揭示新的治疗靶点	本文的研究对象是球状蛋白及其在生物过程中的重要作用	机器学习	NA	深度学习	CNN-BiLSTM	序列	两个基于初级序列的数据集
9989	2024-12-25	Human essential gene identification based on feature fusion and feature screening 2024-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.12105 PMID:39578676	研究论文	本研究开发了一种用于识别人类必需基因的预测模型，通过特征融合和特征筛选策略提高了模型性能	本研究通过特征融合和特征优化策略显著提高了模型性能，并提供了一种优于其他方法的必需基因识别方法	NA	开发一种强大的预测模型用于识别人类必需基因	人类必需基因	机器学习	NA	特征编码方法（如Kmer、Composition of K-spaced Nucleic Acid Pairs、Z-curve）	机器学习算法和深度学习模型	基因序列	人类癌细胞系中的必需基因数据
9990	2024-12-25	Advancements in automated diagnosis of autism spectrum disorder through deep learning and resting-state functional mri biomarkers: a systematic review 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10176-z PMID:39712105	综述	本文系统回顾了通过深度学习和静息态功能磁共振成像生物标志物进行自闭症谱系障碍自动化诊断的研究进展	本文通过系统回顾展示了深度学习和机器学习在自闭症谱系障碍自动化诊断中的应用，并比较了不同算法的准确性	本文为综述性文章，未提供新的实验数据或模型	探讨深度学习和机器学习在自闭症谱系障碍自动化诊断中的应用	自闭症谱系障碍的自动化诊断	机器学习	自闭症谱系障碍	静息态功能磁共振成像（rs-fMRI）	深度学习（DL）	图像	约26篇文章被回顾
9991	2024-12-25	Brain-inspired multisensory integration neural network for cross-modal recognition through spatiotemporal dynamics and deep learning 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09932-4 PMID:39712112	研究论文	本文提出了一种受大脑启发的多感官整合神经网络（MINN），用于跨模态识别	该模型结合了并行的卷积神经网络（CNN）和循环神经网络（RNN），能够有效提取视觉和音频输入的时空特征，并进行多模态信息的整合与交互	实验使用了合成训练数据，未来需要在真实数据上验证其性能	研究大脑中多感官整合的计算原理，并开发一种用于跨模态识别的神经网络模型	视觉和音频输入的多模态信息整合与识别	机器学习	NA	深度学习	卷积神经网络（CNN）、循环神经网络（RNN）	图像、音频	合成训练数据
9992	2024-12-25	Deep source transfer learning for the estimation of internal brain dynamics using scalp EEG 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10149-2 PMID:39712104	研究论文	本文提出了一种基于深度学习的脑电图数据驱动源成像方案，用于精确高效地估计大脑内部动态	本文创新性地设计了卷积-循环神经网络框架，并结合迁移学习算法，以减少合成数据与真实脑电图之间的动态差异	NA	提高脑电图的空间分辨率，增强神经解码和脑机交互的可靠性	大脑内部动态，特别是丘脑和皮层区域的宏观时空动态	机器学习	NA	脑电图	卷积-循环神经网络	脑电图数据	基于人类脑连接组建立了包括210个皮层区域和16个丘脑核的脑模型
9993	2024-12-25	Adaptive learning rate in dynamical binary environments: the signature of adaptive information processing 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10128-7 PMID:39712114	研究论文	本文构建了一个具有自适应学习率的层次贝叶斯模型，用于在动态二元环境中推断隐藏概率，并在合成数据上分析模型的自适应行为	提出了一个扩展的Rescorla-Wagner方程作为模型状态的更新规则，并展示了自适应学习率在高效和准确推断中的机制作用	NA	研究学习模型在动态二元环境中的自适应行为	自适应学习率在推断隐藏概率中的作用	机器学习	NA	层次贝叶斯模型	贝叶斯模型	合成数据	NA
9994	2024-12-25	MSHANet: a multi-scale residual network with hybrid attention for motor imagery EEG decoding 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10127-8 PMID:39712122	研究论文	本文提出了一种多尺度残差网络与混合注意力机制结合的模型（MSHANet），用于解码运动想象脑电信号	MSHANet结合了多头注意力和挤压激励注意力机制，专注于脑电特征的重要信息，并应用多尺度残差块提取丰富的脑电特征，共享部分块参数以提取共同特征	NA	提高运动想象脑机接口中脑电信号解码的准确性和稳定性	运动想象脑电信号的解码	机器学习	NA	深度学习	多尺度残差网络与混合注意力机制	脑电信号	BCI Competition IV 2a数据集中的四类运动想象任务
9995	2024-12-25	Advances in brain-computer interface for decoding speech imagery from EEG signals: a systematic review 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10167-0 PMID:39712121	综述	本文综述了利用脑机接口从脑电信号中解码语音想象的研究进展	本文整合了最新的研究成果，探讨了利用深度学习和机器学习方法进行预处理、特征提取和分类的技术，并提出了未来研究的方向	本文主要为综述性质，未提供具体的研究数据或实验结果	旨在帮助研究人员有效应对解码脑电信号以实现语音想象交流的复杂挑战	脑电信号中的语音想象解码	脑机接口	NA	脑电图（EEG）	深度学习、机器学习	脑电信号	NA
9996	2024-12-25	A bimodal deep learning network based on CNN for fine motor imagery 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10159-0 PMID:39712133	研究论文	本文提出了一种基于卷积神经网络（CNN）的双模态深度学习网络，用于提高精细运动想象（fine MI）任务的解码性能	本文创新性地提出了双模态融合网络，通过分别提取脑电图（EEG）和功能近红外光谱（fNIRS）的特征，显著提高了精细运动想象任务的识别性能	本文仅在12名受试者上进行了实验，样本量较小，可能影响结果的普适性	研究旨在提高精细运动想象任务的解码性能，支持基于精细运动想象的脑机接口系统	研究对象为精细运动想象任务中的脑电图（EEG）和功能近红外光谱（fNIRS）信号	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	脑电图（EEG）和功能近红外光谱（fNIRS）信号	12名受试者
9997	2024-12-25	On hyper-parameter selection for guaranteed convergence of RMSProp 2024-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-022-09845-8 PMID:39712127	研究论文	本文提出了一种时间变化的超参数选择方法，以确保RMSProp算法在深度学习中的收敛性	提出了时间变化的RMSProp版本，并提供了严格的证明，表明该方法在平滑和非凸目标上可以收敛到临界点	NA	解决RMSProp算法在简单凸设置下可能不收敛的问题	RMSProp算法的收敛性	机器学习	NA	RMSProp算法	RMSProp	数据集	基准数据集
9998	2024-12-25	New approach methodologies for risk assessment using deep learning 2024-Dec, EFSA journal. European Food Safety Authority DOI:10.2903/j.efsa.2024.e221105 PMID:39712912	研究论文	本文探讨了利用深度学习技术开发新的风险评估方法，旨在减少动物实验的需求	本文提出了基于人工智能的新方法学（NAMs），用于替代动物实验进行风险评估，并计划开发一个AI决策工具，利用已知的化学物质毒性数据和其与人类蛋白质的相互作用数据来支持多重应激源的风险评估研究	本文尚未详细描述具体的深度学习模型或实验验证结果，且未提及样本量和数据集的具体信息	开发基于人工智能的新方法学，用于替代动物实验进行风险评估	研究对象包括与神经和生殖功能相关的人类蛋白质，以及与蜜蜂免疫系统相关的蛋白质	机器学习	NA	深度学习	NA	文本	NA
9999	2024-12-25	Engineered feature embeddings meet deep learning: A novel strategy to improve bone marrow cell classification and model transparency 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100390 PMID:39712979	研究论文	本文提出了一种新的策略，通过工程化的特征嵌入和深度学习网络（Xception和ResNet50）来改进骨髓细胞分类并提高模型的透明度	引入了区域注意力嵌入（region-attention embedding），通过特定组织的细胞学特征矩阵来表示细胞图像，保留了空间/区域关系，并结合深度学习网络提供图像区域的局部相关性，增加了预测的可解释性	在未见数据集上的f1分数为0.56，表明模型在处理未见数据时仍存在一定的局限性	自动化骨髓细胞评估，提高分类性能并增加模型的透明度	21种骨髓细胞亚型	计算机视觉	血液疾病	深度学习	Xception, ResNet50	图像	训练集包含89,484张图像，测试集包含22,371张图像
10000	2024-12-25	Hybrid of Deep Feature Extraction and Machine Learning Ensembles for Imbalanced Skin Cancer Datasets 2024-Dec, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.70020 PMID:39716023	研究论文	本研究提出了一种结合深度特征提取和机器学习集成方法的独特方法，用于分类不平衡的皮肤癌数据集	本研究的创新点在于结合了深度学习模型和机器学习算法，并通过集成技术提高了分类的鲁棒性和准确性	NA	提高在不平衡数据集上的皮肤癌分类性能	皮肤癌数据集的分类	机器学习	皮肤癌	深度学习（DenseNet201, Xception, Mobilenet）和机器学习（集成技术）	混合模型（深度学习特征提取与机器学习集成）	图像	HAM10000和ISIC数据集