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
10761	2024-12-14	A multi-perspective deep learning framework for enhancer characterization and identification 2025-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108284 PMID:39577030	研究论文	本研究介绍了一种用于增强子特征化和识别的多视角深度学习框架MPDL-Enhancer	创新的双尺度深度神经网络和独特的特征表示策略	NA	准确识别和表征增强子，以理解基因调控网络及相关疾病的发展	增强子序列	机器学习	NA	dna2vec模型	双尺度深度神经网络	DNA序列	独立测试数据集
10762	2024-12-14	Investigating streetscape environmental characteristics associated with road traffic crashes using street view imagery and computer vision 2025-Feb, Accident; analysis and prevention DOI:10.1016/j.aap.2024.107851 PMID:39581057	研究论文	本研究利用街景图像和计算机视觉技术，结合语义分割和目标检测网络，分析了街道环境特征与道路交通事故之间的关系	本研究通过结合语义分割和目标检测网络，全面测量街道环境特征，克服了传统方法仅依赖语义分割的局限性	本研究主要基于百度街景图像，可能无法完全代表所有地区的街道环境特征	探讨街道环境特征与道路交通事故之间的关系，为提升道路安全提供依据	街道环境特征（如道路、人行道、建筑物等）与三种交通事故类型（车辆-车辆碰撞、车辆-行人碰撞、单车事故）	计算机视觉	NA	深度学习	语义分割网络和目标检测网络	图像	NA
10763	2024-12-14	IoT based healthcare system using fractional dung beetle optimization enabled deep learning for breast cancer classification 2025-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2024.108277 PMID:39586227	研究论文	本文提出了一种基于物联网的医疗系统，利用分数阶蜣螂优化算法支持的深度学习进行乳腺癌分类	创新点在于结合了物联网技术和分数阶蜣螂优化算法，通过SqueezeNet_Fractional Dung Beetle Optimization (Squeeze_FDBO)提高了乳腺癌分类的准确性和路由性能	NA	旨在提高乳腺癌分类的准确性，从而促进早期检测和治疗	乳腺癌的分类和诊断	计算机视觉	乳腺癌	分数阶蜣螂优化算法	SqueezeNet	图像	NA
10764	2024-12-14	VAEEG: Variational auto-encoder for extracting EEG representation 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120946 PMID:39571641	研究论文	本文提出了一种基于变分自编码器（VAE）的EEG信号自监督学习模型VAEEG，用于提取脑活动的有用表示	VAEEG模型在EEG信号的重建性能上表现出色，并能有效提取与青少年脑发育、癫痫发作和睡眠阶段分类相关的潜在特征	NA	研究如何从复杂的EEG信号中提取更直观、简洁且有用的脑活动表示	EEG信号及其在青少年脑发育、癫痫发作和睡眠阶段分类中的应用	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	脑电图（EEG）信号	NA
10765	2024-12-14	Deep learning applied to the segmentation of rodent brain MRI data outperforms noisy ground truth on full-fledged brain atlases 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120934 PMID:39577575	研究论文	本文研究了深度学习模型在啮齿动物脑部MRI数据分割中的应用，发现其性能优于基于噪声标签的全脑图谱	本文首次展示了深度学习模型在啮齿动物脑部MRI数据分割中的应用，能够处理不同动物品系和尺寸的变化，并提供了不确定性估计和可解释性机制	本文仅在啮齿动物脑部MRI数据上进行了验证，尚未在其他类型的脑部图像或其他物种上进行测试	研究深度学习模型在啮齿动物脑部MRI数据分割中的应用，以提高定量分析的准确性	啮齿动物脑部MRI图像的自动分割	计算机视觉	NA	MRI	U-Net, Attention-U-Net, DeepLab	图像	超过10,000张啮齿动物脑部MRI图像
10766	2024-12-14	Generative modeling of the Circle of Willis using 3D-StyleGAN 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120936 PMID:39586344	研究论文	本文使用3D-StyleGAN生成Circle of Willis的Time-of-Flight磁共振血管成像（TOF MRA）数据，以解决医学数据稀缺问题	本文首次将StyleGANv2架构应用于3D，生成高质量且多样化的TOF MRA数据，并在下游任务中展示了其效用	本文未提及生成数据在其他病理数据集或不同医学成像模式中的应用效果	开发一种生成模型，用于合成Circle of Willis的3D TOF MRA数据，以提高深度学习模型在脑血管疾病诊断和治疗中的应用	Circle of Willis的脑血管结构	计算机视觉	脑血管疾病	3D-StyleGAN	StyleGANv2	图像	1782个TOF MRA扫描数据
10767	2024-12-14	Differentiating atypical parkinsonian syndromes with hyperbolic few-shot contrastive learning 2024-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120940 PMID:39586345	研究论文	本文提出了一种新的少样本学习框架，用于在有限的训练数据下区分多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP）	本文引入了超曲面空间嵌入技术，通过识别非目标分类类别的铁积累模式特征区域，增强了模型的稳定性	本文的实验结果主要基于特定的数据集和模型，可能需要进一步验证其在其他数据集和场景中的泛化能力	解决在有限训练数据下区分非典型帕金森综合征（APS）中不同亚型的挑战	多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP）	机器学习	神经退行性疾病	少样本学习	对比学习	图像	少量数据样本
10768	2024-12-14	Endomicroscopic AI-driven morphochemical imaging and fs-laser ablation for selective tumor identification and selective tissue removal 2024-Dec-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ado9721 PMID:39661684	研究论文	本文研究了利用多模态非线性光学显微镜结合深度学习技术进行头颈部肿瘤的早期检测和选择性组织切除	本文创新性地将多模态非线性光学显微镜与深度学习相结合，实现了无标记的组织形态化学成分评估，并首次将飞秒激光消融技术集成到内窥镜中，实现了术中“寻找并治疗”的先进手术方法	本文为临床前研究，样本量较小，且未在临床环境中验证	开发一种用于头颈部肿瘤早期检测和选择性组织切除的新型诊断和治疗技术	头颈部肿瘤的早期检测和选择性组织切除	数字病理学	头颈部癌症	多模态非线性光学显微镜（CARS、TPEF、SHG）、飞秒激光消融	深度学习语义分割模型	图像	15名患者
10769	2024-12-14	Development of Periapical Index Score Classification System in Periapical Radiographs Using Deep Learning 2024-Dec-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01360-y PMID:39671050	研究论文	本研究开发并比较了用于牙周指数评分系统的二分类方法，以提高牙周炎早期阶段的评分准确性	提出了将牙周指数评分1和2归为同一类别的健康-疾病分类方法，显著提高了分类准确性	研究仅使用了三种卷积神经网络模型，未来可以探索更多模型以进一步提高准确性	开发和验证基于深度学习的牙周指数评分系统，以提高牙周炎早期阶段的评分准确性	牙周指数评分系统在牙周炎早期阶段的分类准确性	计算机视觉	牙周炎	卷积神经网络	CNN	图像	2266个牙周根区域来自520张牙周X光片
10770	2024-12-14	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-Dec-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种卷积神经网络用于内镜超声图像中结直肠癌的自动分割	提出了一种基于深度学习的内镜超声图像自动分割方法，以标准化内镜超声的解读	需要进一步的临床实践验证	探索内镜超声图像自动分割在早期直肠癌中的应用	内镜超声图像中的直肠癌、黏膜下层和肌层	计算机视觉	结直肠癌	NA	卷积神经网络（CNN）	图像	373个专家手动分割数据
10771	2024-12-14	Identification, characterization, and design of plant genome sequences using deep learning 2024-Dec-12, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17190 PMID:39666835	综述	本文综述了深度学习在植物基因组序列分析中的应用，包括基因表达预测、染色质相互作用和表观遗传特征的识别，并详细阐述了基于生成对抗网络、大模型和注意力机制的基序挖掘和功能组件设计与合成	本文详细介绍了基于生成对抗网络、大模型和注意力机制的基序挖掘和功能组件设计与合成，并讨论了深度学习在蛋白质结构和功能预测、基因组预测和大模型应用方面的进展	NA	探讨深度学习在植物生物学中的应用及其未来发展前景	植物基因组序列、基因表达、染色质相互作用、表观遗传特征、蛋白质结构和功能、基因组预测	机器学习	NA	深度学习	生成对抗网络、大模型、注意力机制	基因组序列	NA
10772	2024-12-14	CACs Recognition of FISH Images Based on Adaptive Mean Teacher Semi-supervised Learning with Domain-Knowledge Pseudo Label 2024-Dec-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01348-8 PMID:39668308	研究论文	本文提出了一种基于自适应均值教师半监督学习的方法，用于识别FISH图像中的循环基因异常细胞（CACs），并结合领域知识伪标签来提高检测性能	本文创新性地提出了自适应均值教师方法，并结合领域知识伪标签来提高伪标签的质量，从而增强信号点检测任务的效果	本文未详细讨论该方法在不同数据集上的泛化能力	开发一种有效的半监督学习方法，用于检测循环基因异常细胞（CACs），以辅助肺癌的早期诊断和筛查	循环基因异常细胞（CACs）的检测	计算机视觉	肺癌	半监督学习	自适应均值教师	图像	使用2%、5%和10%的标记数据进行实验
10773	2024-12-13	Improved Prediction of Ligand-Protein Binding Affinities by Meta-modeling 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01116 PMID:39576762	研究论文	本文开发了一个框架，通过元建模方法整合基于力场的经验对接模型和基于序列的深度学习模型，以提高配体-蛋白质结合亲和力的预测准确性	本文的创新点在于通过元建模方法整合多种模型，显著提高了结合亲和力的预测性能，并展示了更好的数据库扩展性和灵活性	NA	提高配体-蛋白质结合亲和力的预测准确性	配体-蛋白质结合亲和力	机器学习	NA	元建模	深度学习模型	序列数据	NA
10774	2024-12-14	Digital Image Processing to Detect Adaptive Evolution 2024-Dec-06, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae242 PMID:39565932	研究论文	本文探讨了利用数字图像处理技术，特别是α-分子方法，从单倍型比对的图像表示中提取特征，以检测基因组中的适应性进化	本文引入了α-分子技术，如小波分解和曲线分解，这些技术能够从图像中提取多尺度特征，并结合卷积神经网络自动提取重要特征	NA	研究目的是通过数字图像处理技术检测基因组中自然选择的区域	研究对象是基因组数据中的单倍型比对图像	计算机视觉	NA	数字图像处理	卷积神经网络	图像	NA
10775	2024-12-14	Artificial intelligence-driven quantification of antibiotic-resistant Bacteria in food by color-encoded multiplex hydrogel digital LAMP 2024-Dec-04, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142304 PMID:39667227	研究论文	本文开发了一种基于人工智能的颜色编码多重水凝胶数字LAMP系统，用于食品中抗生素抗性细菌的定量检测	首次在多重数字LAMP中引入未掺入扩增信号报告物淬灭（QUASR），并利用深度学习模型自动识别和量化荧光点	NA	开发一种新方法用于食品中抗生素抗性细菌的定量检测	食品中的耐甲氧西林金黄色葡萄球菌和耐碳青霉烯类大肠杆菌	NA	NA	数字LAMP	深度学习模型	图像	真实水果和蔬菜样本
10776	2024-09-24	Validation of a deep learning model for classification of pediatric pneumonia in Hong Kong 2024-Dec-02, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2024.126370 PMID:39307024	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10777	2024-12-14	Evaluation of deep learning based dose prediction in head and neck cancer patients using two different types of input contours 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14519 PMID:39285649	研究论文	本研究评估了基于深度学习的剂量预测方法在头颈癌患者中的应用，使用两种不同类型的输入轮廓	本研究首次使用两种不同类型的输入轮廓（8通道和10通道模型）来评估深度学习在头颈癌患者剂量预测中的表现，并发现10通道模型在某些剂量指标上表现更优	研究样本量较小，仅包括75名患者，且测试集只有10个病例	评估深度学习在头颈癌患者剂量预测中的准确性和可行性	头颈癌患者的剂量预测	机器学习	头颈癌	深度学习	U-net	图像	75名头颈癌患者
10778	2024-12-14	Ranking attention multiple instance learning for lymph node metastasis prediction on multicenter cervical cancer MRI 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14547 PMID:39369718	研究论文	本文开发了一种基于排名注意力多实例学习（RA-MIL）模型的方法，用于从多中心宫颈癌MRI中预测淋巴结转移	提出了集成卷积神经网络（CNN）和排名注意力池化的RA-MIL模型，用于从T2 MRI中诊断淋巴结转移，并通过可视化信息区域增强模型的可解释性	研究是回顾性的，样本量相对较小，且仅使用了T2加权MRI	开发一种非侵入性且术前预测淋巴结转移的方法	宫颈癌患者的淋巴结转移预测	计算机视觉	宫颈癌	卷积神经网络（CNN）	RA-MIL	图像	300名接受T2加权磁共振成像（MRI）扫描和病理诊断的宫颈癌女性患者
10779	2024-12-14	A review of deep learning approaches for multimodal image segmentation of liver cancer 2024-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14540 PMID:39374312	综述	本文综述了深度学习技术在肝癌多模态图像分割中的最新进展	探讨了深度学习方法在多模态图像融合分割中的应用，并讨论了各种深度学习架构如卷积神经网络（CNN）和U-Net的优势	强调了当前研究中的挑战，如数据不平衡、模型泛化能力和模型可解释性	探讨深度学习技术在肝癌多模态图像分割中的应用，以提高临床决策的准确性和效率	肝癌的多模态图像分割	计算机视觉	肝癌	深度学习	卷积神经网络（CNN）、U-Net	图像	NA
10780	2024-12-14	GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model 2024-Dec, Cell research IF:28.1Q1 DOI:10.1038/s41422-024-01034-y PMID:39375485	研究论文	本文构建了一个跨物种的基础模型GeneCompass，用于解析普遍的基因调控机制	GeneCompass通过整合四种先验生物学知识，在自监督学习中增强了基因调控机制的理解，并在多个下游任务中超越了现有模型	NA	解析跨物种的普遍基因调控机制，促进基础生命过程研究和临床应用	人类和小鼠的单细胞转录组数据，以及基因调控机制	机器学习	NA	单细胞测序，深度学习	基础模型	单细胞转录组数据	12000万个人类和小鼠的单细胞转录组数据，经过预处理后得到101768420个单细胞转录组数据