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
12121	2024-11-07	Semi-supervised learning with pseudo-labeling compares favorably with large language models for regulatory sequence prediction 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae560 PMID:39489607	研究论文	本文提出了一种基于伪标签的半监督学习方法，用于预测调控序列，并展示了其与大型语言模型相比的优势	提出了一种基于伪标签的半监督学习方法，结合Noisy Student算法提高了伪标签数据的置信度预测，适用于训练任何神经网络架构	未提及	缓解监督学习在预测分子过程中因功能数据有限而面临的限制	非编码单核苷酸多态性的分子过程预测	机器学习	NA	半监督学习	神经网络架构	DNA序列	未提及具体数量，但提到利用了来自众多基因组的无标签DNA序列
12122	2024-11-07	Leveraging camera traps and artificial intelligence to explore thermoregulation behaviour 2024-Sep, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.14139 PMID:39039745	研究论文	研究利用相机陷阱和人工智能技术自动检测和分类动物的体温调节行为	开发了一种深度学习框架，用于自动检测和分类动物的体温调节行为，并评估了不同光照条件和标记颜色对分类效果的影响	研究仅使用了蜥蜴作为模型动物，未来研究可以扩展到其他物种	探索利用人工智能技术自动化监测动物的体温调节行为	蜥蜴的体温调节行为	计算机视觉	NA	深度学习	对象检测模型和图像分类模型	图像	使用了多种颜色标记的蜥蜴图像数据集
12123	2024-11-07	DEL-Thyroid: deep ensemble learning framework for detection of thyroid cancer progression through genomic mutation 2024-Jul-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02604-1 PMID:39039464	研究论文	本文提出了一种基于深度集成学习的甲状腺癌基因突变检测框架	利用LSTM、GRU和Bi-LSTM等深度学习技术构建集成学习模型，以早期检测甲状腺癌基因突变	NA	开发一种能够早期检测甲状腺癌基因突变的深度学习模型	甲状腺癌基因突变	机器学习	甲状腺癌	深度学习	集成学习模型	基因数据	633个样本，包含969个突变，涉及41个基因
12124	2024-11-07	Development and validation of AI-derived segmentation of four-chamber cine cardiac magnetic resonance 2024-Jul-12, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00477-7 PMID:38992116	研究论文	开发并验证了一种基于人工智能的四腔心脏磁共振成像分割模型	首次使用深度学习算法进行四腔心脏磁共振成像的自动分割，并提出了校正因子以减少系统偏差	四腔分割对左心室和右心室体积的估计低于实际短轴分割结果	开发一种自动化的深度学习模型，用于四腔心脏磁共振成像的时间分辨分割	四腔心脏磁共振成像的自动分割和校正	计算机视觉	心血管疾病	深度学习	深度学习算法	图像	训练集包含814个受试者，验证集包含101个受试者
12125	2024-11-07	Deep learning promoted target volumes delineation of total marrow and total lymphoid irradiation for accelerated radiotherapy: A multi-institutional study 2024-Jul, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103393 PMID:38852363	研究论文	研究开发了一种混合神经网络模型，用于加速放射治疗中全骨髓和全淋巴照射的目标体积勾画	提出了一个新颖的双编码器对齐网络（DEA-Net），用于自动和快速的多类临床目标体积分割	NA	开发一种能够准确、自动和快速分割多类临床目标体积的混合神经网络模型	全骨髓照射（TMI）和全骨髓及淋巴照射（TMLI）的目标体积勾画	机器学习	NA	深度学习	双编码器对齐网络（DEA-Net）	CT图像	46名内部机构患者用于训练，39名内部和外部患者用于独立评估
12126	2024-11-07	AI-based classification of three common malignant tumors in neuro-oncology: A multi-institutional comparison of machine learning and deep learning methods 2024-May, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2023.08.007 PMID:37652263	研究论文	比较机器学习和深度学习方法在神经肿瘤学中三种常见恶性肿瘤分类中的表现	首次多机构比较机器学习和深度学习在三种常见恶性肿瘤分类中的表现	研究仅限于三种特定类型的肿瘤，且样本量有限	评估机器学习和深度学习在三种常见恶性肿瘤分类中的性能	神经肿瘤学中的三种常见恶性肿瘤：胶质母细胞瘤、颅内转移性疾病和原发性中枢神经系统淋巴瘤	机器学习	神经肿瘤	多参数MRI图像处理	3D卷积神经网络	图像	训练集502例，验证集86例
12127	2024-11-07	Machine Learning-powered 28-day Mortality Prediction Model for Hospitalized Patients with Acute Decompensation of Liver Cirrhosis 2024-May, Oman medical journal DOI:10.5001/omj.2024.79 PMID:39497942	研究论文	研究开发了一种用于预测急性失代偿性肝硬化住院患者28天死亡率的机器学习模型	利用机器学习和深度学习算法开发了更准确的28天死亡率预测模型，超越了传统的评分系统	深度学习模型的表现不如传统机器学习模型稳定	探索利用人工智能和机器学习提高急性失代偿性肝硬化患者28天死亡率的预测准确性	急性失代偿性肝硬化住院患者	机器学习	肝硬化	机器学习算法和深度学习算法	逻辑回归、朴素贝叶斯、随机森林、多层人工神经网络、循环神经网络、长短期记忆网络	医疗记录	173名肝硬化患者
12128	2024-11-07	Malignancy diagnosis of liver lesion in contrast enhanced ultrasound using an end-to-end method based on deep learning 2024-Mar-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01247-y PMID:38515044	研究论文	本文提出了一种基于深度学习的端到端方法，用于增强超声（CEUS）图像中肝脏病变的恶性诊断	本文创新性地结合了二维卷积神经网络（CNN）和长短期记忆网络（LSTM），无需手动特征选择即可进行恶性诊断	本文的局限性在于仅使用了420个病例进行验证，样本量相对较小	开发一种基于深度学习的端到端方法，用于增强超声图像中肝脏病变的恶性诊断	肝脏病变及其恶性诊断	计算机视觉	肝脏疾病	深度学习	CNN-LSTM	图像	420个肝脏病变病例，包括136个良性病例和284个恶性病例
12129	2024-11-07	Multimodal deep learning-based diagnostic model for BPPV 2024-Mar-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02438-x PMID:38515156	研究论文	本研究旨在通过结合眼动视频和位置信息，利用多模态深度学习模型提高BPPV诊断的准确性	提出了一个结合视频理解模型、自编码器和交叉注意力机制的多模态深度学习诊断模型	NA	探索和应用人工智能方法提高BPPV诊断的准确性	BPPV患者的诊断	机器学习	NA	多模态深度学习	多模态深度学习模型	视频和位置信息	518名BPPV患者
12130	2024-11-07	An integrative approach to protein sequence design through multiobjective optimization 2024-Mar-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.01.582670 PMID:38496480	研究论文	本文提出了一种通过多目标优化进行蛋白质序列设计的综合方法	采用进化多目标优化技术，结合AlphaFold2和ProteinMPNN的置信度指标，以及ESM-1v和ProteinMPNN的突变操作符，显著减少了RfaH天然序列恢复的偏差和方差	NA	开发一种能够直接整合不同模型和目标函数到生成设计过程中的框架	蛋白质序列设计	机器学习	NA	多目标优化	NSGA-II	蛋白质序列	NA
12131	2024-11-07	NPSV-deep: a deep learning method for genotyping structural variants in short read genome sequencing data 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae129 PMID:38444093	研究论文	提出了一种基于深度学习的结构变异基因分型方法NPSV-deep，用于短读长基因组测序数据	将结构变异基因分型任务重新定义为图像相似性问题，通过比较实际短读长数据和模拟数据的堆叠图像来预测基因型	NA	提高短读长基因组测序数据中结构变异的基因分型准确性	结构变异的基因分型	机器学习	NA	短读长基因组测序	深度学习	图像	不同结构变异集合和样本类型
12132	2024-11-07	Machine and deep learning methods for predicting 3D genome organization 2024-Mar-04, ArXiv PMID:38495565	综述	本文综述了使用机器学习和深度学习方法预测三维基因组组织的三种类型交互（增强子-启动子交互、染色质交互、拓扑关联域边界）的计算工具，并分析了它们的优缺点	本文讨论了机器学习方法在填补缺失的三维交互和提高分辨率方面的创新应用	当前的三维结构目录由于技术、工具和数据分辨率的差异，仍然不完整且不可靠	探讨计算工具在预测三维基因组交互中的应用及其未来研究方向	三维基因组组织中的三种类型交互（增强子-启动子交互、染色质交互、拓扑关联域边界）	机器学习	NA	ChIP-seq, DNAse-seq	NA	基因组数据	NA
12133	2024-11-07	Alleviating tiling effect by random walk sliding window in high-resolution histological whole slide image synthesis 2024, Proceedings of machine learning research PMID:38993526	研究论文	本文提出了一种基于深度学习的高分辨率全切片图像合成方法，通过随机游走滑动窗口策略减少多重免疫荧光（MxIF）到苏木精和伊红（H&E）染色图像合成中的拼贴效应	本文通过在CycleGAN框架中添加同时的细胞核和粘液分割监督作为空间约束，并引入随机游走滑动窗口策略，显著减少了高分辨率全切片图像合成中的拼贴效应	本文未提及具体的局限性	研究目的是通过深度学习方法从多重免疫荧光（MxIF）图像中合成虚拟的苏木精和伊红（H&E）全切片图像，并减少拼贴效应	研究对象是多重免疫荧光（MxIF）和苏木精和伊红（H&E）染色的全切片图像	数字病理学	NA	深度学习	CycleGAN	图像	每个MxIF全切片图像包含27种标记/染色
12134	2024-11-07	Review of Deep Learning Performance in Wireless Capsule Endoscopy Images for GI Disease Classification 2024, F1000Research DOI:10.12688/f1000research.145950.2 PMID:39464781	综述	本文综述了深度学习在无线胶囊内窥镜图像中用于消化道疾病分类的性能	重点介绍了迁移学习、注意力机制、多模态学习、自动病变检测、可解释性和可解释性、数据增强以及边缘计算等最新进展	强调了当前深度学习方法的挑战和局限性，并讨论了该领域的潜在未来方向	综述深度学习在无线胶囊内窥镜图像分析中的当前趋势和未来方向	无线胶囊内窥镜图像及其在消化道疾病诊断和监测中的应用	计算机视觉	消化道疾病	深度学习	NA	图像	NA
12135	2024-11-06	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本文比较了TrUE-Net与六种已建立的白质高信号（WMH）分割方法的准确性	TrUE-Net是一种基于深度学习的新型自动分割模型，具有低假阳性率和高可靠性	TrUE-Net尚未经过严格的独立验证	验证TrUE-Net在白质高信号分割中的准确性	白质高信号（WMH）的自动分割方法	计算机视觉	NA	深度学习	TrUE-Net	图像	NA
12136	2024-11-07	Deep Learning Methods to Help Predict Properties of Molecules from SMILES 2024, Proceedings of the International Symposium on Intelligent Computing and Networking 2024 : (ISICN 2024). International Symposium on Intelligent Computing and Networking (1st : 2024 : San Juan, P.R.) DOI:10.1007/978-3-031-67447-1_9 PMID:39493535	研究论文	本文提出了一种基于SMILES数据预测分子性质的深度学习框架	本文方法基于1-D卷积网络，无需复杂的特征工程，可以直接从基础数据中学习分子性质	NA	开发一种无需复杂特征工程的分子性质预测方法	分子性质，包括分子重量和XLogP	机器学习	NA	1-D卷积网络	CNN	文本	NA
12137	2024-11-07	Research on the sentiment recognition and application of allusive words based on text semantic enhancement 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308944 PMID:39495816	研究论文	本文提出了一种基于文本语义增强的典故词语情感识别与应用模型	首次将自动计算技术应用于典故资源，提出了一种基于文本语义增强的典故词语情感识别与应用模型	NA	探索典故词语的情感识别与应用	典故词语及其情感	自然语言处理	NA	深度学习	ERNIE-RCNN	文本	36,080个典故词语的解释文本
12138	2024-11-07	Redefining retinal vessel segmentation: empowering advanced fundus image analysis with the potential of GANs 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1470941 PMID:39497847	研究论文	本文提出了一种利用生成对抗网络（GANs）进行视网膜血管分割的新方法	本文的创新点在于采用了专门设计的GAN架构GANVesselNet，结合了自动编码器-解码器路径和UNet路径，以高效捕捉多尺度上下文信息，显著提高了血管分割的准确性	NA	本文的研究目的是通过利用GANs的潜力，提高视网膜血管分割的准确性，从而增强眼底图像分析和临床决策	本文的研究对象是视网膜血管的分割	计算机视觉	NA	生成对抗网络（GANs）	GANVesselNet	图像	使用了公开的视网膜数据集，包括STARE和DRIVE
12139	2024-11-07	Biofuser: a multi-source data fusion platform for fusing the data of fermentation process devices 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1390622 PMID:39498098	研究论文	本文介绍了一个名为Biofuser的多源数据融合平台，用于整合发酵过程设备的异构数据	Biofuser平台能够整合来自不同来源和格式的数据，并提供API支持机器学习和深度学习，从而促进发酵过程的优化	NA	开发一个能够整合和融合发酵过程设备异构数据的平台，以促进发酵过程的优化和智能化	发酵过程设备的异构数据	生物工程	NA	数据融合	NA	多源异构数据	NA
12140	2024-11-07	Advancements in the use of AI in the diagnosis and management of inflammatory bowel disease 2024, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2024.1453194 PMID:39498116	研究论文	本文讨论了人工智能在炎症性肠病诊断和管理中的应用进展	本文介绍了基于深度学习和卷积神经网络的算法在结肠镜图像和视频中的应用，特别是用于检测和分类结直肠息肉	当前研究主要集中在评估溃疡性结肠炎的严重程度，且需要更多标注的结肠镜图像和视频来训练更可靠的AI算法	探讨人工智能在炎症性肠病早期检测中的当前挑战和未来改进方向	炎症性肠病（IBD）及其亚型克罗恩病（CD）和溃疡性结肠炎（UC）	机器学习	炎症性肠病	深度学习（DL）和卷积神经网络（CNN）	卷积神经网络（CNN）	图像和视频	NA