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
10361	2024-12-19	Fault-tolerant neural networks from biological error correction codes 2024-Nov, Physical review. E DOI:10.1103/PhysRevE.110.054303 PMID:39690671	研究论文	本文探讨了在深度学习中是否可以通过不可靠的神经元实现容错计算，并基于生物错误纠正码开发了一种通用的容错神经网络	本文首次基于生物错误纠正码开发了一种通用的容错神经网络，并发现了从故障到容错神经计算的相变机制	本文仅在理论层面探讨了容错神经网络的可能性，尚未进行实际应用验证	探讨在深度学习中是否可以通过不可靠的神经元实现容错计算，并为人工智能和神经形态计算提供新的理解路径	生物错误纠正码在信息处理中的作用以及其在构建容错神经网络中的应用	机器学习	NA	NA	神经网络	NA	NA
10362	2024-12-19	Artificial intelligence methods available for cancer research 2024-Oct, Frontiers of medicine IF:3.9Q2 DOI:10.1007/s11684-024-1085-3 PMID:39115792	综述	本文综述了人工智能方法在癌症研究中的应用，探讨了其优势和局限性	本文介绍了人工智能技术在癌症研究中的多样化应用，包括机器学习方法和大型语言模型的使用	本文指出在临床环境中利用人工智能的主要障碍是缺乏使用现有报告指南，阻碍了已发表研究的 reproducibility	探讨人工智能方法在癌症研究中的应用及其对未来研究方向的影响	人工智能方法在癌症研究中的应用	机器学习	癌症	NA	NA	NA	NA
10363	2024-12-19	Explainable fNIRS-based pain decoding under pharmacological conditions via deep transfer learning approach 2024-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.11.4.045015 PMID:39691581	研究论文	本文提出了一种基于深度迁移学习的可解释fNIRS疼痛解码方法，用于在药物条件下对疼痛和非疼痛刺激进行分类	本文创新性地使用深度迁移学习方法，将药物前模型的知识迁移到药物后不同时间点的模型中，并使用DeepSHAP方法揭示不同脑区对分类性能的贡献	本文未详细讨论药物对不同个体的影响差异，以及在实际临床应用中的可行性	提出一种基于深度学习的迁移学习方法，用于在药物条件下对fNIRS数据进行客观分类	fNIRS数据，药物前后的疼痛和非疼痛刺激	机器学习	NA	fNIRS	深度学习模型	fNIRS数据	公开的fNIRS数据集，包括药物前和药物后不同时间点的扫描数据
10364	2024-12-19	Protein-Protein Interaction Prediction Model Based on ProtBert-BiGRU-Attention 2024-09, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0297 PMID:39069885	研究论文	本文提出了一种基于ProtBert-BiGRU-Attention的蛋白质-蛋白质相互作用预测模型	利用预训练的蛋白质序列模型ProtBert结合双向门控循环单元（BiGRU）和注意力机制，仅使用蛋白质序列信息进行预测，提升了蛋白质序列特征的表达能力	未提及具体的局限性	研究蛋白质相互作用，提升蛋白质-蛋白质相互作用（PPI）预测的准确性	蛋白质序列及其相互作用	机器学习	NA	NA	BiGRU，注意力机制	蛋白质序列	未提及具体样本数量
10365	2024-12-19	Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy 2024-Aug-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.4c01205 PMID:39138903	研究论文	本文开发了一种基于深度学习的多通道表面增强拉曼散射（SERS）传感器阵列，用于快速识别化疗药物的作用机制	通过使用自组装单层（SAMs）促进界面上的异质物理化学相互作用，生成多样化的SERS特征，并结合卷积神经网络模型实现高精度的药物机制识别	NA	开发一种快速识别化疗药物作用机制的方法，以促进药物开发和有效使用	化疗药物的作用机制	机器学习	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN）	光谱数据	多种化疗药物的分子变化数据
10366	2024-12-19	Automatic detection and visualization of temporomandibular joint effusion with deep neural network 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69848-9 PMID:39143180	研究论文	本研究探讨了基于深度学习的颞下颌关节（TMJ）积液自动检测方法在磁共振成像（MRI）中的应用，并比较了不同卷积神经网络模型与人类专家的诊断性能	提出了使用深度神经网络进行颞下颌关节积液的自动检测和可视化，并展示了在提供患者临床信息的情况下，模型的诊断准确性有所提高	人类专家在敏感性方面优于模型，且模型在不同年龄和性别组中的表现存在差异	研究深度学习模型在颞下颌关节积液检测中的应用及其诊断性能	颞下颌关节积液的自动检测和可视化	机器学习	颞下颌关节疾病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	2948个颞下颌关节样本，来自1017名女性和457名男性，平均年龄37.19 ± 18.64岁
10367	2024-12-19	A foundational large language model for edible plant genomes 2024-07-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06465-2 PMID:38982288	研究论文	本文介绍了AgroNT，一个基于48种植物基因组训练的大型语言模型，主要关注作物物种，并展示了其在基因组学研究中的应用	AgroNT模型在监管注释、启动子/终止子强度、组织特异性基因表达和功能变异优先级方面取得了最先进的预测结果，并提出了植物基因组基准（PGB）	NA	利用大型语言模型在作物基因组改良中进行准确预测	48种植物基因组，特别是作物物种	机器学习	NA	NA	大型语言模型	基因组数据	48种植物物种
10368	2024-12-19	A Fusion Learning Model Based on Deep Learning for Single-Cell RNA Sequencing Data Clustering 2024-06, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2024.0512 PMID:38758925	研究论文	本文提出了一种基于深度学习的融合学习模型，用于单细胞RNA测序数据的聚类	创新点在于将深度学习技术应用于单细胞RNA测序数据的聚类任务，并提出了一个融合学习模型	NA	旨在提高单细胞RNA测序数据聚类的准确性和效率	单细胞RNA测序数据	机器学习	NA	RNA-seq	深度学习模型	测序数据	NA
10369	2024-12-19	Automated entry of paper-based patient-reported outcomes: Applying deep learning to the Japanese orthopaedic association back pain evaluation questionnaire 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108197 PMID:38452472	研究论文	本研究开发了一种深度学习模型，用于自动读取日本骨科协会下腰痛评估问卷的纸质表格	首次应用深度学习技术自动读取纸质患者报告结局，减轻了数据收集者的负担	仅限于特定问卷和特定语言（日语），未提及模型在其他语言或问卷上的适用性	开发一种自动读取纸质患者报告结局的深度学习模型，以提高数据收集效率	日本骨科协会下腰痛评估问卷的纸质表格	机器学习	下腰痛	深度学习	深度学习模型	文本	训练集1305份，测试集483份
10370	2024-12-19	A bidirectional interpretable compound-protein interaction prediction framework based on cross attention 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108239 PMID:38460309	研究论文	提出了一种基于交叉注意力的双向可解释化合物-蛋白质相互作用预测框架CmhAttCPI	引入交叉多头注意力机制，提供从化学和生物学角度的双向可解释性，并展示了模型的实际应用性	未提及具体的局限性	开发一种新型的化合物-蛋白质相互作用预测方法，以降低实验成本和劳动强度	化合物-蛋白质相互作用	机器学习	NA	交叉多头注意力机制	CNN	分子图和蛋白质序列	使用了平衡和不平衡的数据集进行评估
10371	2024-12-19	Transcriptomic signature of cancer cachexia by integration of machine learning, literature mining and meta-analysis 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108233 PMID:38452471	研究论文	本研究通过整合机器学习、文献挖掘和元分析，识别癌症恶病质的转录组特征	本研究创新性地整合了机器学习、元分析和文献挖掘，以识别癌症恶病质的稳健转录组特征	NA	识别癌症恶病质的转录组特征，并探索潜在的治疗策略	癌症恶病质小鼠肌肉的转录组数据	机器学习	癌症	下一代测序技术	深度学习和随机森林模型	转录组数据	来自十个不同研究的恶病质小鼠肌肉转录组数据
10372	2024-12-19	ECG-based data-driven solutions for diagnosis and prognosis of cardiovascular diseases: A systematic review 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108235 PMID:38460311	综述	本文对基于心电图（ECG）的数据驱动方法在心血管疾病（CVD）诊断和预后中的应用进行了系统性综述	本文填补了现有文献中关于ECG数据驱动方法在CVD诊断和预后中应用的系统性综述的空白，并特别关注了可信人工智能（Trustworthy AI）的要求	本文主要关注于综述现有研究，未提出新的模型或方法	旨在通过系统性综述，全面分析基于ECG的数据驱动模型在CVD诊断和预后中的应用现状，并提供具体建议	基于ECG的数据驱动模型在CVD诊断和预后中的应用	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	深度学习（DL）	心电图（ECG）数据	NA
10373	2024-12-19	A systematic review of the application of deep learning techniques in the physiotherapeutic therapy of musculoskeletal pathologies 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108082 PMID:38461697	综述	本文系统回顾了深度学习技术在肌肉骨骼病理学物理治疗中的应用现状	主要创新点在于采用混合模型，特别是卷积模型的广泛应用，以及在数据方面，文本和结构化数据展示了在该领域进行突破性工作的潜力	本文仅选择了23篇研究进行分析，可能无法全面覆盖所有相关研究	评估深度学习模型在物理治疗中的应用现状，并识别该领域的关键趋势、挑战和机遇	肌肉骨骼病理学的物理治疗	机器学习	NA	深度学习	混合模型，卷积模型	身体信号，图像，文本，结构化数据	214篇初始论文中选择了23篇进行分析
10374	2024-12-19	Efficiently improving the Wi-Fi-based human activity recognition, using auditory features, autoencoders, and fine-tuning 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108232 PMID:38484697	研究论文	本文提出了一种基于Wi-Fi信号的人类活动识别方法，通过使用听觉特征、自编码器和微调技术，在训练数据有限的情况下提高了识别精度	本文的创新点在于使用预训练的多输入多输出自编码器（MIMO AE）从少量数据样本中提取梅尔频率倒谱系数（MFCC）特征，并通过微调技术在分类器中固定编码层，从而在较少训练数据的情况下提高了识别精度	本文的局限性在于虽然可以通过增加计算成本进一步提高精度，但提升幅度较小，仅为2.4%	本文的研究目的是在训练数据有限的情况下，提高基于Wi-Fi信号的人类活动识别精度	本文的研究对象是基于Wi-Fi信号的人类活动识别	机器学习	NA	自编码器	自编码器	信号	使用了30%的训练和验证数据（相当于总数据的24%）
10375	2024-12-19	CosSIF: Cosine similarity-based image filtering to overcome low inter-class variation in synthetic medical image datasets 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108317 PMID:38492455	研究论文	提出了一种基于余弦相似度的图像过滤算法CosSIF，用于解决合成医学图像数据集中类间差异较小的问题	提出了CosSIF算法，并开发了两种过滤方法FBGT和FAGT，以减少类间差异并提高GAN生成图像的判别能力	未提及具体限制	解决医学图像数据集中类间差异较小的问题，并提高深度学习模型在临床图像分类中的性能	医学图像数据集和生成对抗网络（GAN）生成的合成图像	计算机视觉	NA	生成对抗网络（GAN）	卷积神经网络（CNN）和Transformer	图像	未提及具体样本数量
10376	2024-12-19	Multi-scale and multi-view network for lung tumor segmentation 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108250 PMID:38493603	研究论文	本文提出了一种名为MSMV-Net的深度学习架构，用于在CT图像中进行肺肿瘤分割	创新点在于结合了多尺度多视角学习模块和基于多尺度不确定性的深度监督，以提高小3D肺肿瘤的分割精度	NA	提高肺肿瘤在医学影像中的分割精度	肺肿瘤在CT图像中的分割	计算机视觉	肺癌	深度学习	MSMV-Net	图像	LUNA数据集和MSD数据集
10377	2024-12-19	US2Mask: Image-to-mask generation learning via a conditional GAN for cardiac ultrasound image segmentation 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108282 PMID:38503085	研究论文	本文提出了一种基于条件生成对抗网络（CGAN）的框架，用于心脏超声图像的分割	引入了一种基于条件生成对抗网络（CGAN）的新学习方法，用于心脏超声图像的多类RGB掩码生成	NA	解决心脏超声图像分割中数据集和专家标注成本高的问题	心脏超声图像的分割	计算机视觉	NA	条件生成对抗网络（CGAN）	条件生成对抗网络（CGAN）	图像	三个心脏超声图像数据集
10378	2024-12-19	A deep ensemble medical image segmentation with novel sampling method and loss function 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108305 PMID:38503087	研究论文	本文提出了一种新的深度集成医学图像分割方法，结合了新的采样方法和损失函数，以解决类别不平衡和提高分割精度的问题	本文的创新点包括提出了一种新的采样方法来处理医学数据集中的类别不平衡问题，并设计了一种基于指数损失的新损失函数，同时采用了包含两个UNet模型的集成模型来提高分割性能	本文的局限性在于未详细讨论所提出方法在计算资源和时间上的消耗，以及在不同类型医学图像上的泛化能力	本文的研究目的是提高医学图像分割的精度和处理类别不平衡问题	本文的研究对象是医学图像中的感兴趣区域，包括异常组织和背景特征	计算机视觉	NA	深度学习	UNet	图像	使用了三个公开数据集：Kvasir-SEG、FLAIR MRI Low-Grade Glioma (LGG) 和 ISIC 2018 数据集
10379	2024-12-19	A retinal vessel segmentation network with multiple-dimension attention and adaptive feature fusion 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108315 PMID:38503093	研究论文	本文提出了一种具有多维度注意力和自适应特征融合的视网膜血管分割网络，以提高视网膜血管的分割精度	提出了多维度注意力增强（MDAE）块、深度引导融合（DGF）块和交叉池化语义增强（CPSE）块，并通过自适应权重学习器（AWL）单元学习并聚合不同解码阶段的预测结果，以实现有效的特征融合	NA	提高视网膜血管在眼底图像中的分割精度	视网膜血管的分割	计算机视觉	NA	深度学习	CNN	图像	使用了三个公开的眼底图像数据集：DRIVE、CHASE_DB1和STARE
10380	2024-12-19	Uncertainty-aware image classification on 3D CT lung 2024-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108324 PMID:38508053	研究论文	本文提出了一种不确定性感知的框架，用于3D CT图像的良恶性结节分类，并评估了不同深度学习模型在不确定性量化方面的表现	提出了一个包含数据预处理、模型选择与评估、不确定性量化和不确定性测量与数据推荐的三阶段框架，并采用了三种不确定性量化方法：蒙特卡洛 dropout (MCD)、深度集成 (DE) 和集成蒙特卡洛 dropout (EMCD)	模型主要在单一数据集上进行评估，可能在新类别出现时表现出过度自信	提高肺癌早期检测系统的可靠性和鲁棒性，并通过不确定性量化改进模型性能	3D CT图像中的良恶性肺结节	计算机视觉	肺癌	深度学习	ResNet, DenseNet, Inception 网络家族, InceptionResNetV2	图像	NA