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
12141	2024-11-07	Enzyme catalytic efficiency prediction: employing convolutional neural networks and XGBoost 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1446063 PMID:39498388	研究论文	本文介绍了一种名为ECEP的新方法，利用深度学习技术预测酶催化效率，显著优于现有方法	本文提出了ECEP模型，结合卷积神经网络和XGBoost，通过多特征集成深度学习方法预测酶催化效率，显著提高了预测精度	NA	提高酶催化效率预测的准确性	酶催化效率	机器学习	NA	卷积神经网络、XGBoost	卷积神经网络	序列数据	NA
12142	2024-11-07	Foundation model for cancer imaging biomarkers 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00807-9 PMID:38523679	研究论文	本文开发了一种用于癌症影像生物标志物发现的基石模型	通过自监督学习训练的卷积编码器，显著减少了下游应用中对训练样本的需求，并在有限训练数据集的情况下显著优于传统监督学习和现有最先进预训练模型	未提及	开发一种基石模型，用于癌症影像生物标志物的发现，并评估其在临床相关应用中的表现	癌症影像生物标志物	计算机视觉	癌症	自监督学习	卷积神经网络（CNN）	影像	11,467个放射性病变样本
12143	2024-11-07	Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1328579 PMID:38524629	研究论文	本研究利用深度学习结合病理和临床特征，建立并验证了一个模型，用于预测特发性膜性肾病（IMN）患者对免疫治疗的反应	本研究首次将深度学习应用于特发性膜性肾病的免疫治疗反应预测，并结合病理和临床特征进行模型训练	当模型中加入临床特征时，预测效果有所下降	建立并验证一个模型，用于评估特发性膜性肾病患者对免疫抑制治疗的反应	特发性膜性肾病患者对免疫治疗的反应	机器学习	肾病	深度学习	卷积神经网络	图像	291名患者，其中训练集219名，验证集72名
12144	2024-11-07	Editorial: Utilizing big data and deep learning to improve healthcare intelligence and biomedical service delivery 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1502398 PMID:39502340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12145	2024-11-07	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本文评估了基于深度学习的图像分析方法在预测早期乳腺癌复发中的应用	利用深度学习从组织病理学图像中提取信息，提供了一种新的早期乳腺癌复发预测方法	预测准确率为62.4%，略低于肿瘤分级和ER状态的预测准确率	开发一种快速识别高风险早期乳腺癌复发患者的方法	来自卡罗莱纳乳腺癌研究的202名患者的704张1毫米肿瘤核心H&E染色图像	数字病理学	乳腺癌	深度学习	深度学习模型	图像	202名患者，其中101名复发，101名未复发，每名患者2-4个核心样本
12146	2024-11-07	Novel Muscle Sensing by Radiomyography (RMG) and Its Application to Hand Gesture Recognition 2023-Sep, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3294329 PMID:38510062	研究论文	本文提出了一种新的肌肉感应技术——放射肌电图（RMG），并将其应用于手势识别	RMG技术能够连续监测肌肉活动，捕捉浅层和深层肌肉群，并可实现可穿戴或无接触式监测	NA	开发一种新的肌肉感应技术并验证其在手势识别中的应用	手势识别、眼部和腿部肌肉监测	计算机视觉	NA	放射肌电图（RMG）	视觉变换器（ViT）	时间-频率谱图	8名受试者
12147	2024-11-07	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550836 PMID:37546906	研究论文	本文介绍了一种名为ChromaFold的深度学习模型，用于从单细胞染色质可及性数据中预测3D接触图和调控相互作用	ChromaFold能够仅使用单细胞ATAC测序数据来预测3D接触图和调控相互作用，这在当前的3C技术无法在小样本量下解析相互作用的情况下具有创新性	ChromaFold的性能依赖于高质量的单细胞ATAC测序数据和CTCF ChIP-seq数据，且在复杂组织中的应用仍需进一步验证	开发一种能够从单细胞染色质可及性数据中预测3D接触图和调控相互作用的深度学习模型	单细胞染色质可及性数据和3D接触图	机器学习	NA	单细胞ATAC测序	深度学习模型	单细胞数据	涉及人类和小鼠的多种细胞类型
12148	2024-11-06	Determination of antioxidant capacity and phenolic content of haskap berries (Lonicera caerulea L.) by attenuated total reflectance-Fourier transformed-infrared spectroscopy 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141283 PMID:39293384	研究论文	研究使用衰减全反射-傅里叶变换红外光谱（ATR-FTIR）分析不同地区栽培的蓝靛果（Lonicera caerulea L.）的总酚含量（TPC）和抗氧化能力（TAC）	开发了基于FT-IR光谱的偏最小二乘回归（PLSR）和深度学习模型，用于预测蓝靛果的总酚含量和抗氧化能力，并发现深度学习模型具有更好的预测能力	研究样本量较小，仅使用了22个蓝靛果样本	探索使用ATR-FTIR光谱技术快速评估蓝靛果的总酚含量和抗氧化能力	蓝靛果的总酚含量和抗氧化能力	NA	NA	衰减全反射-傅里叶变换红外光谱（ATR-FTIR）	偏最小二乘回归（PLSR）和深度学习模型	光谱数据	22个蓝靛果样本
12149	2024-11-06	Rapid determination of total phenolic content and antioxidant capacity of maple syrup using Raman spectroscopy and deep learning 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141289 PMID:39303472	研究论文	使用拉曼光谱和深度学习快速测定枫糖浆的总酚含量和抗氧化能力	结合便携式拉曼光谱仪和深度学习模型，实现了对枫糖浆抗氧化特性的现场快速分析	NA	开发一种快速、准确的方法来测定枫糖浆的总酚含量和抗氧化能力	枫糖浆的总酚含量和抗氧化能力	机器学习	NA	拉曼光谱	深度学习模型	光谱数据	36种不同颜色的枫糖浆样本，共收集了360个光谱数据
12150	2024-11-06	Adulteration detection of multi-species vegetable oils in camellia oil using Raman spectroscopy: Comparison of chemometrics and deep learning methods 2025-Jan-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.141314 PMID:39303476	研究论文	本文比较了化学计量学和深度学习方法在检测山茶油中多种植物油掺假方面的应用	深度学习模型在掺假水平定量预测方面优于化学计量学方法	不同掺假山茶油之间存在误分类	比较化学计量学和深度学习方法在山茶油掺假检测中的应用	山茶油中的多种植物油掺假	机器学习	NA	拉曼光谱	ConvLSTM	光谱数据	不同掺假水平的山茶油样本
12151	2024-11-06	A comprehensive annotated image dataset for real-time fish detection in pond settings 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111007 PMID:39493532	研究论文	本文介绍了一个用于池塘环境中实时鱼类检测的综合注释图像数据集	该数据集包含了在多种计算机视觉挑战下捕获的橙色铬鲈鱼种，为鱼类检测提供了宝贵的资源	数据集仅限于橙色铬鲈鱼种，且采集环境为特定池塘	开发一个高效的鱼类检测系统，以促进小型水产养殖业的发展	橙色铬鲈鱼种在池塘环境中的检测	计算机视觉	NA	NA	NA	图像	包含多种计算机视觉挑战下的橙色铬鲈鱼种图像
12152	2024-11-06	Automatic Landmark Detection for Preoperative Planning of High Tibial Osteotomy Using Traditional Feature Extraction and Deep Learning Methods 2024-Dec, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70006 PMID:39497376	研究论文	本文提出了一种新的自动检测高胫骨截骨术（HTO）标志点的方法，结合了优化后的热图偏移聚合方法和传统特征提取技术，用于术前规划	本文的创新点在于将优化后的热图偏移聚合方法与传统特征提取技术相结合，提高了HTO标志点检测的鲁棒性	由于HTO数据集数量有限，现有方法在处理不同畸形患者时不如传统手动规划方法稳健，限制了其在临床实践中的应用	研究目的是提高高胫骨截骨术术前规划的效率和标准化程度	研究对象是高胫骨截骨术的标志点检测	计算机视觉	NA	热图偏移聚合方法、传统特征提取	NA	图像	具体样本数量未在摘要中提及
12153	2024-11-06	Elucidating and forecasting the organochlorine pesticides in suspended particulate matter by a two-stage decomposition based interpretable deep learning approach 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122315 PMID:39217646	研究论文	研究提出了一种结合CEEMDAN、VMD和LSTM的深度学习模型，用于精确预测悬浮颗粒物中的有机氯农药浓度	研究创新性地结合了CEEMDAN、VMD和LSTM三种技术，提出了一种两阶段分解的深度学习模型，显著提高了有机氯农药浓度的预测精度	研究未详细讨论模型的计算复杂性和实际应用中的可行性	研究旨在开发一种高精度模型，用于预测和解释悬浮颗粒物中有机氯农药的浓度变化	研究对象为悬浮颗粒物中的有机氯农药浓度	机器学习	NA	CEEMDAN、VMD、LSTM	LSTM	时间序列数据	研究未明确提及样本数量
12154	2024-11-06	Detecting floating litter in freshwater bodies with semi-supervised deep learning 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122405 PMID:39265217	研究论文	本文提出了一种基于半监督深度学习的淡水体漂浮垃圾检测方法	采用SwAV自监督学习方法预训练ResNet50模型，并在有限标注数据下进行微调，显著提高了模型在新地点的泛化能力	需要进一步扩展数据和计算资源以应对全球范围内的漂浮垃圾监测挑战	开发一种有效的半监督学习方法，用于检测淡水体中的漂浮垃圾	淡水体中的漂浮垃圾	计算机视觉	NA	半监督学习	Faster R-CNN	图像	约10万张未标注图像和约1.8千张标注图像
12155	2024-11-06	Transferable and data efficient metamodeling of storm water system nodal depths using auto-regressive graph neural networks 2024-Nov-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122396 PMID:39276474	研究论文	本文提出了一种基于自回归图神经网络的雨水系统节点深度元模型，旨在提高计算效率和数据利用率	本文创新性地应用了归纳偏置和迁移学习方法，构建了一种需要较少数据且在其他地方使用时仍能保持高性能的雨水系统元模型	NA	研究目的是开发一种高效的雨水系统元模型，以减少计算时间和数据需求	研究对象是雨水管理系统中的节点深度	机器学习	NA	自回归图神经网络	自回归图神经网络	数值数据	NA
12156	2024-11-06	Self-Supervised Learning for Generic Raman Spectrum Denoising 2024-Nov-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01550 PMID:39441128	研究论文	本文提出了一种基于自监督学习的通用拉曼光谱去噪算法	该算法采用U-Net网络结构，通过子采样策略避免潜在的偏差干扰，显著提高了信号噪声比和检测深度	NA	解决拉曼光谱去噪中的参数优化问题，提高去噪效果和检测深度	拉曼光谱和表面增强拉曼散射光谱	光谱学	NA	自监督学习	U-Net	光谱数据	广泛范围的光谱数据
12157	2024-11-06	Exploring nonlinear correlations among transition metal nanocluster properties using deep learning: a comparative analysis with LOO-CV method and cosine similarity 2024-Nov-04, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad892c PMID:39433057	研究论文	本文介绍了一种利用深度学习技术快速准确分析过渡金属纳米团簇非线性性质的新方法	采用深度神经网络（DNN）结合留一交叉验证（LOO-CV）和余弦相似度，提供了一种比传统密度泛函理论方法更高效的预测方法	NA	探索过渡金属纳米团簇性质之间的非线性相关性	第四行过渡金属纳米团簇的多种性质，包括总能量、最低振动模式、结合能和HOMO-LUMO能隙	机器学习	NA	深度神经网络（DNN）	深度神经网络（DNN）	电子和物理特性数据	涉及多种过渡金属纳米团簇的样本
12158	2024-11-06	Data-driven and privacy-preserving risk assessment method based on federated learning for smart grids 2024-Nov-02, Communications engineering DOI:10.1038/s44172-024-00300-6 PMID:39488597	研究论文	本文介绍了一种基于联邦学习的数据驱动和隐私保护的智能电网风险评估方法	结合深度学习和安全加密技术，在联邦学习框架下保护电网运营商的数据隐私	未提及具体的局限性	开发一种能够保护数据隐私并提高风险评估准确性的智能电网风险评估方法	智能电网的安全风险评估	机器学习	NA	联邦学习、同态加密	深度卷积神经网络	高维操作数据	IEEE 14-bus和IEEE 118-bus系统
12159	2024-11-06	DeepAIP: Deep learning for anti-inflammatory peptide prediction using pre-trained protein language model features based on contextual self-attention network 2024-Nov, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136172 PMID:39357724	研究论文	提出了一种基于预训练蛋白质语言模型特征和上下文自注意力网络的深度学习模型，用于预测抗炎肽	使用预训练蛋白质语言模型提取特征，并结合上下文自注意力模块，显著提高了抗炎肽预测的准确性	未提及	开发一种新的深度学习模型，用于准确预测抗炎肽	抗炎肽的预测	机器学习	NA	深度学习	上下文自注意力网络	蛋白质序列	17种新型抗炎肽序列
12160	2024-11-06	FlexSleepTransformer: a transformer-based sleep staging model with flexible input channel configurations 2024-11-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76197-0 PMID:39487223	研究论文	提出了一种基于Transformer的睡眠分期模型FlexSleepTransformer，能够处理不同数量的输入通道	FlexSleepTransformer是首个能够在不同PSG通道数量的数据集上同时训练的模型	NA	开发一种能够适应不同PSG通道数量的睡眠分期模型，以促进临床应用	睡眠分期	机器学习	NA	Transformer	Transformer	信号	使用了两个数据集：SleepEDF-78和SleepUHS