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
13021	2024-10-28	PocketDTA: an advanced multimodal architecture for enhanced prediction of drug-target affinity from 3D structural data of target binding pockets 2024-Oct-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae594 PMID:39365726	研究论文	本文介绍了一种名为PocketDTA的多模态架构，用于从目标结合口袋的3D结构数据中增强药物-靶点亲和力的预测	PocketDTA模型通过预训练模型ESM-2和GraphMVP增强了泛化性能，并使用自定义的GVP-GNN层和GraphMVP解码器处理前3个目标结合口袋和药物3D信息，同时通过双线性注意力网络提高了解释性	NA	提高药物-靶点结合亲和力预测的准确性和解释性	药物-靶点结合亲和力	机器学习	NA	深度学习	GVP-GNN	3D结构数据	优化后的Davis和KIBA数据集
13022	2024-10-28	A novel classification framework for genome-wide association study of whole brain MRI images using deep learning 2024-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012527 PMID:39405331	研究论文	本文提出并实现了一种新的机器学习策略，用于系统地识别导致磁共振成像（MRI）上可检测细微差异的遗传变异	本文首次将深度学习技术应用于全脑MRI图像的基因组关联研究，提出了一种新的分类框架	本文的研究仅基于阿尔茨海默病神经影像学倡议（ADNI）的数据集，可能存在样本量和数据多样性的限制	旨在通过深度学习技术识别与脑部特征相关的遗传变异	全脑MRI图像和基因型数据	机器学习	阿尔茨海默病	深度学习	NA	图像	基于阿尔茨海默病神经影像学倡议（ADNI）的数据集
13023	2024-10-28	Ensemble Fusion Models Using Various Strategies and Machine Learning for EEG Classification 2024-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100986 PMID:39451362	研究论文	本文提出了五种集成模型用于脑电图（EEG）信号分类，主要分析的神经系统疾病是癫痫	本文提出了五种新的集成模型，分别利用了不同的特征选择和分类技术，如ESCD、I-ICA、GA、HHT和因子分析，以提高EEG信号分类的准确性	本文未详细讨论模型的计算复杂性和训练时间，且未与其他最先进的EEG分类方法进行全面比较	开发和评估用于EEG信号分类的集成模型，以提高神经系统疾病的诊断准确性	脑电图（EEG）信号和癫痫	机器学习	神经系统疾病	集成学习	集成模型	信号	未明确提及具体样本数量
13024	2024-10-28	The Application of Deep Learning to Accurately Identify the Dimensions of Spinal Canal and Intervertebral Foramen as Evaluated by the IoU Index 2024-Sep-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100981 PMID:39451357	研究论文	本文利用深度学习结合图像处理技术，识别脊髓管和椎间孔的尺寸	本文采用了YOLOv4和Resnet50混合U-Net模型，显著提高了脊髓管和椎间孔尺寸识别的准确性	NA	提高医学影像中脊髓管和椎间孔尺寸识别的准确性	脊髓管和椎间孔的尺寸	计算机视觉	NA	深度学习	YOLOv4, Resnet50混合U-Net	图像	NA
13025	2024-10-28	Identification of Anomalies in Lung and Colon Cancer Using Computer Vision-Based Swin Transformer with Ensemble Model on Histopathological Images 2024-Sep-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100978 PMID:39451355	研究论文	本文提出了一种基于计算机视觉的Swin Transformer与集成模型相结合的方法，用于在病理图像上识别肺癌和结肠癌的异常	本文创新性地使用了Swin Transformer模型进行特征提取，并结合双向长短期记忆与多头注意力（BiLSTM-MHA）、双深度Q网络（DDQN）和稀疏堆叠自编码器（SSAE）三种深度学习技术进行集成分类	NA	旨在提高肺癌和结肠癌的诊断效率和准确性	肺癌和结肠癌的病理图像	计算机视觉	肺癌	深度学习	Swin Transformer	图像	使用了基准数据集进行广泛的模拟分析
13026	2024-10-28	Comprehensive Review and Assessment of Computational Methods for Prediction of N6-Methyladenosine Sites 2024-Sep-28, Biology DOI:10.3390/biology13100777 PMID:39452086	综述	本文综述了用于预测N6-甲基腺苷位点的计算方法，并评估了这些方法的性能	本文系统地回顾了自2015年以来发表的52种计算方法，并使用13个最新的基准数据集对其中9种方法进行了性能评估	本文主要集中在计算方法的回顾和评估，未提出新的预测模型	旨在为N6-甲基腺苷位点的识别提供计算支持，并促进未来研究	N6-甲基腺苷位点的预测方法	机器学习	NA	NA	传统机器学习、深度学习和集成学习	文本	13个基准数据集，涵盖9种不同物种
13027	2024-10-28	Applying a Deep Learning Model for Total Kidney Volume Measurement in Autosomal Dominant Polycystic Kidney Disease 2024-Sep-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100963 PMID:39451339	研究论文	本文研究了使用深度学习模型测量常染色体显性多囊肾病患者的总肾体积	本文首次比较了深度学习模型在轴向和冠状图像上的表现，发现轴向图像模型表现更优	本文发现不同图像方向可能引入测量偏差，冠状图像模型的表现不如轴向图像模型	研究深度学习模型在测量常染色体显性多囊肾病总肾体积中的应用	常染色体显性多囊肾病患者和健康个体的总肾体积	计算机视觉	肾脏疾病	磁共振成像 (MRI)	U-net	图像	30名常染色体显性多囊肾病患者和10名健康个体
13028	2024-10-28	Exploiting K-Space in Magnetic Resonance Imaging Diagnosis: Dual-Path Attention Fusion for K-Space Global and Image Local Features 2024-Sep-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11100958 PMID:39451334	研究论文	本文提出了一种基于MRI K空间的全局特征提取和双路径注意力融合网络，用于MRI诊断中的分割任务	本文创新性地利用了MRI K空间的全局表示能力，并通过双路径注意力机制将K空间的全局特征与图像域的局部特征融合，提高了MRI分割的准确性	NA	提高MRI诊断中的分割准确性	MRI图像中的全局和局部特征	计算机视觉	NA	MRI	双路径注意力融合网络	图像	在Brain Tumor Segmentation (BraTS) MRI数据集和Automated Cardiac Diagnosis Challenge (ACDC) MRI心脏分割数据集上进行了验证
13029	2024-10-26	A Survey on Explainable Artificial Intelligence (XAI) Techniques for Visualizing Deep Learning Models in Medical Imaging 2024-Sep-25, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10100239 PMID:39452402	综述	本文综述了用于可视化医学影像中深度学习模型的可解释人工智能（XAI）技术	本文系统地探讨了各种解释和可视化技术，以揭示深度学习模型的内部工作机制，增强对其预测的信任	NA	提高深度学习模型在医学影像分析中的可解释性、可靠性和临床相关性	医学影像中的深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
13030	2024-10-28	Deep learning model for extensive smartphone-based diagnosis and triage of cataracts and multiple corneal diseases 2024-Sep-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-324488 PMID:38242700	研究论文	开发了一种基于智能手机图像的人工智能算法，用于诊断和分类白内障及多种角膜疾病	利用智能手机图像进行白内障和角膜疾病的诊断和分类，展示了高精度的诊断性能	研究样本主要来自智能手机和裂隙灯显微镜图像，可能存在样本偏倚	开发和验证一种基于智能手机图像的人工智能算法，用于诊断和分类白内障及多种角膜疾病	白内障和多种角膜疾病	计算机视觉	眼科疾病	人工智能算法	深度学习模型	图像	6442张图像，其中6106张来自裂隙灯显微镜，336张来自智能手机
13031	2024-10-28	Lightweight deep neural network for radio frequency interference detection and segmentation in synthetic aperture radar 2024-Sep-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71775-8 PMID:39237592	研究论文	提出了一种轻量级神经网络算法用于合成孔径雷达图像中的射频干扰检测和分割	引入轻量级模块和剪枝操作，提高了检测和分割的准确性，同时减少了模型大小和推理延迟	NA	提高合成孔径雷达图像中射频干扰检测和分割的效率和准确性	合成孔径雷达图像中的射频干扰	计算机视觉	NA	深度学习	神经网络	时间-频率谱图	NA
13032	2024-10-28	A robust deep learning attack immune MRAM-based physical unclonable function 2024-Sep-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-71730-7 PMID:39232128	研究论文	本文提出了一种基于磁阻随机存取存储器（MRAM）的物理不可克隆函数（PUF）电路，旨在增强硬件安全性	该电路利用磁隧道结（MTJ）单元的电阻特性，有效满足严格的雪崩准则（SAC），并具有对抗机器学习建模攻击的能力	NA	研究如何通过硬件安全机制保护敏感信息免受威胁	基于MRAM的物理不可克隆函数电路及其对抗机器学习攻击的能力	机器学习	NA	磁阻随机存取存储器（MRAM）	多层感知器（MLP）、线性回归（LR）、支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）	NA	两组和四组电路架构的模拟
13033	2024-10-28	BAU-Insectv2: An agricultural plant insect dataset for deep learning and biomedical image analysis 2024-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110083 PMID:38328295	research paper	本文介绍了一个名为BAU-Insectv2的新型农业数据集，专为深度学习和生物医学图像分析设计，重点关注植物-昆虫相互作用	该数据集包含了高分辨率图像，捕捉了不同农业环境中植物-昆虫相互作用的复杂细节，为深度学习和生物医学图像分析提供了新的资源	NA	利用深度学习方法，特别是卷积神经网络（CNN）和先进的图像分析技术，实现精确的昆虫检测、分类和对农业生态系统中昆虫相关模式的深入理解	主要关注南亚作物种植中的昆虫相关问题	computer vision	NA	深度学习	CNN	image	包含大量高分辨率图像，具体数量未明确
13034	2024-10-28	KZ-BD: Dataset of Kazakhstan banknotes with annotations 2024-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110076 PMID:38348328	研究论文	本文介绍了哈萨克斯坦钞票数据集（KZ-BD），这是一个包含4200张精心标注图像的独特数据集，涵盖14个不同类别	本文的创新点在于填补了哈萨克斯坦货币在深度学习研究中的数据空白，提供了一个全面的数据集，有助于更好地评估和微调机器学习模型	NA	本文的研究目的是解决货币识别中准确识别面额的挑战，特别是处理同一类别货币的变化和光照条件不一致的问题	本文的研究对象是哈萨克斯坦的货币，包括硬币和纸币，面额从1到20,000坚戈	计算机视觉	NA	NA	NA	图像	4200张标注图像
13035	2024-10-28	A novel approach to identify the brain regions that best classify ADHD by means of EEG and deep learning 2024-Feb-29, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e26028 PMID:38379973	研究论文	本文提出了一种利用脑电图（EEG）和深度学习（DL）识别最佳分类注意力缺陷多动障碍（ADHD）的脑区的新方法	本文创新性地使用深度学习技术结合脑电图信号，通过特征选择方法识别出最佳分类ADHD的脑区	NA	研究目的是通过脑电图和深度学习技术，找出最佳分类ADHD与正常发育儿童的脑区	注意力缺陷多动障碍（ADHD）与正常发育儿童的脑区分类	机器学习	神经发育障碍	脑电图（EEG）	深度学习（DL）	脑电图信号	NA
13036	2024-10-28	Generalisable deep learning method for mammographic density prediction across imaging techniques and self-reported race 2024-Feb-19, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00446-6 PMID:38374436	研究论文	本文研究了一种可泛化的深度学习方法，用于在不同成像技术和自报种族背景下预测乳腺密度	本文首次展示了深度学习模型在不同成像技术和种族背景下的泛化能力	尽管模型在种族子组分析中表现无偏，但仍需进一步验证其在更多种族和成像技术中的适用性	开发一种能够在不同成像技术和种族背景下准确预测乳腺密度的深度学习模型	乳腺密度预测及其在不同成像技术和种族背景下的泛化能力	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	69,697个乳腺研究，包含451,642张单独图像，来自23,057名女性参与者
13037	2024-10-28	RUBICON: a framework for designing efficient deep learning-based genomic basecallers 2024-02-16, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03181-2 PMID:38365730	研究论文	本文介绍了一个名为RUBICON的框架，用于设计高效的基于深度学习的基因组碱基调用器	RUBICON框架开发了首个硬件优化的混合精度碱基调用器RUBICALL，其性能优于现有的最先进碱基调用器	NA	旨在减少碱基调用的计算和内存成本，同时保持准确性	纳米孔测序生成的噪声电信号	机器学习	NA	深度学习	混合精度模型	基因组数据	NA
13038	2024-10-28	Insight into deep learning for glioma IDH medical image analysis: A systematic review 2024-Feb-16, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000037150 PMID:38363910	综述	本文系统回顾了2019年至2023年间使用深度学习技术进行胶质瘤IDH分子标记预测的研究	结合影像和分子分析，深度学习技术能够更准确地预测患者的预后、提出更精确的治疗方案，并准确预测胶质瘤的IDH标记	需要外部验证以展示其鲁棒性和通用性，并需要更大样本量和多中心样本进行更全面的研究	探讨深度学习技术在胶质瘤IDH分子标记预测中的应用和发展	胶质瘤患者的IDH分子标记	数字病理学	脑肿瘤	深度学习	NA	图像	15篇符合条件的研究
13039	2024-10-28	Automatic de-identification of French electronic health records: a cost-effective approach exploiting distant supervision and deep learning models 2024-Feb-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02422-5 PMID:38365677	研究论文	本文提出了一种利用远程监督和深度学习模型对法语电子健康记录进行自动去识别的成本效益方法	本文的创新点在于利用远程监督方法显著减少了手动标注训练数据的成本，并提出了一个自动化的标注流程	本文的局限性在于仅针对法语电子健康记录进行了研究，未涉及其他语言或数据类型	本研究旨在开发一种自动去识别流程，以保护电子健康记录中的个人数据并遵守政府法规	本研究的对象是法语电子健康记录中的个人标识信息	自然语言处理	NA	命名实体识别 (NER)	Bi-LSTM + CRF	文本	基于法国雷恩大学医院eHOP临床数据仓库提供的电子健康记录，开发了一个包含丰富个人信息的法语去识别数据集
13040	2024-10-28	A signal processing and deep learning framework for methylation detection using Oxford Nanopore sequencing 2024-Feb-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45778-y PMID:38365920	研究论文	本文介绍了一种基于牛津纳米孔测序的深度学习框架DeepMod2，用于甲基化检测	DeepMod2结合了双向长短期记忆模型（BiLSTM）和Transformer模型，能够高效处理POD5和FAST5信号文件，并支持CPU上的模型剪枝	NA	开发一种快速准确的DNA甲基化检测工具	牛津纳米孔测序的离子电流信号	生物信息学	NA	牛津纳米孔测序	双向长短期记忆模型（BiLSTM）和Transformer模型	信号文件（POD5和FAST5）	多个公开和新生成的数据集