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
13701	2024-10-19	Camera-Based Respiratory Imaging System for Monitoring Infant Thoracoabdominal Patterns of Respiration 2024-Oct-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3482569 PMID:39418142	研究论文	本文提出了一种基于摄像头的呼吸成像系统，用于监测婴儿胸腹呼吸模式	利用摄像头传感器空间冗余性分析婴儿胸腹呼吸运动，并引入多专家对比学习策略以解决临床训练数据有限和受试者变异性问题	NA	开发一种新的视频监测方法，用于评估婴儿胸腹呼吸模式，揭示视频健康监测在新生儿护理中的新应用	婴儿胸腹呼吸模式	计算机视觉	NA	光学流	深度学习算法	视频	44名婴儿
13702	2024-10-19	Zero-Shot Relation Classification Through Inference on Category Attributes 2024-Oct-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3474669 PMID:39418148	研究论文	本文提出了一种通过类别属性推理进行零样本关系分类的新框架	引入假设模板自动将关系分类数据转换为文本蕴含格式，并通过预训练的文本蕴含模型进行微调，以实现从已知类到未知类的语义推理规则的泛化	NA	解决零样本关系分类任务中的未见关系识别问题	语义关系分类	自然语言处理	NA	NA	NA	文本	NA
13703	2024-10-19	Ultrasound for breast cancer detection: A bibliometric analysis of global trends between 2004 and 2024 2024-Oct-17, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4443 PMID:39420819	研究论文	本文通过文献计量方法分析了2004年至2024年间全球超声在乳腺癌诊断领域的研究趋势	首次对超声在乳腺癌诊断领域的研究趋势进行了全面的文献计量分析和可视化	NA	深入了解超声在乳腺癌诊断领域的研究现状和未来趋势	超声在乳腺癌诊断中的应用	计算机视觉	乳腺癌	超声成像	卷积神经网络	文本	3523篇文章，来自2176个机构，涉及82个国家/地区
13704	2024-10-19	Development trends and knowledge framework of artificial intelligence (AI) applications in oncology by years: a bibliometric analysis from 1992 to 2022 2024-Oct-16, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-024-01415-0 PMID:39406991	综述	本文通过文献计量分析方法，探讨了1992年至2022年间人工智能在肿瘤学领域的应用趋势和知识框架	本文首次通过文献计量分析方法，全面评估了人工智能在肿瘤学领域的研究热点和发展趋势	本文主要依赖于文献计量分析，可能忽略了某些非文献形式的创新和研究进展	探讨人工智能在肿瘤学领域的应用趋势和研究热点	1992年至2022年间发表的与人工智能在肿瘤学领域相关的文献	机器学习	肿瘤	文献计量分析	NA	文献	共分析了7815篇文章，涉及35098位作者和1492种期刊
13705	2024-10-19	A Rapid Adaptation Approach for Dynamic Air-Writing Recognition Using Wearable Wristbands with Self-Supervised Contrastive Learning 2024-Oct-16, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01545-8 PMID:39407061	研究论文	本文提出了一种利用自监督对比学习进行动态空中书写识别的快速适应方法，通过穿戴式腕带系统实现	该方法通过自监督对比学习，能够快速适应多种场景，且仅需少量标注数据进行微调	NA	开发一种能够快速适应多种任务的穿戴式腕带系统，用于动态手势识别	穿戴式腕带系统及其在动态手势识别中的应用	计算机视觉	NA	自监督对比学习	NA	信号	少量标注数据
13706	2024-10-19	Putting proteins in context 2024-Oct-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	本文介绍了一种名为PINNACLE的几何深度学习方法，用于生成蛋白质的上下文表示	PINNACLE通过结合蛋白质相互作用和多器官单细胞转录组学分析，生成了具有生物和环境上下文的蛋白质表示	NA	解决现有蛋白质表示方法缺乏生物或环境上下文的问题	蛋白质及其在细胞类型特异性功能和相互作用中的上下文表示	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质相互作用数据和单细胞转录组学数据	NA
13707	2024-10-19	A deep learning approach for line-level Amharic Braille image recognition 2024-10-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73895-7 PMID:39406793	研究论文	本文提出了一种结合CNN和BiLSTM网络的深度学习模型，用于阿姆哈拉盲文图像的行级识别	首次提出了一种无需大量图像预处理和后处理的序列到序列学习方法，用于阿姆哈拉盲文图像的识别	NA	解决阿姆哈拉盲文图像识别中的半字符识别和字符分割问题	阿姆哈拉盲文图像的行级识别	计算机视觉	NA	深度学习	CNN和BiLSTM网络	图像	训练集包含1800行图像，验证集包含200行图像，图像尺寸为32×256和48×256
13708	2024-10-19	Comparison of deep and conventional machine learning models for prediction of one supply chain management distribution cost 2024-Oct-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75114-9 PMID:39406828	研究论文	比较深度学习和传统机器学习模型在供应链管理分销成本预测中的应用	使用卷积神经网络（CNN）进行供应链管理分销成本预测，并展示了其在准确性上的优势	未提及	优化供应链管理分销成本预测的准确性	供应链管理分销成本	机器学习	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	数据	180,519个开源数据点
13709	2024-10-19	HiCDiffusion - diffusion-enhanced, transformer-based prediction of chromatin interactions from DNA sequences 2024-Oct-15, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10885-z PMID:39407104	研究论文	本文提出了一种基于扩散增强和Transformer的模型HiCDiffusion，用于从DNA序列预测染色质相互作用	HiCDiffusion通过将编码器-解码器神经网络与扩散模型结合，生成高分辨率的Hi-C矩阵，显著提高了与实验结果的相似性	NA	解决从DNA序列预测染色质相互作用的问题，并提高预测结果的分辨率和真实性	DNA序列和染色质相互作用	机器学习	NA	扩散模型	Transformer	序列	NA
13710	2024-10-19	Mothra: Multiobjective de novo Molecular Generation Using Monte Carlo Tree Search 2024-Oct-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00759 PMID:39317969	研究论文	本文提出了一种基于深度学习技术的可扩展多目标分子生成模型，结合了递归神经网络和帕累托多目标蒙特卡罗树搜索	该模型通过集成递归神经网络和帕累托多目标蒙特卡罗树搜索，解决了以往线性组合方法在多目标优化中的权重问题	NA	旨在解决药物发现领域中化合物满足多重标准（如目标蛋白亲和力、药代动力学和膜通透性）的挑战	多目标分子生成模型	机器学习	NA	深度学习技术	递归神经网络	分子数据	NA
13711	2024-10-19	Analytical ab initio hessian from a deep learning potential for transition state optimization 2024-Oct-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52481-5 PMID:39402016	研究论文	本文训练了一个全微分等变神经网络势能模型NewtonNet，用于有机反应的过渡态优化，并推导出解析Hessian矩阵	通过深度学习模型显著降低了计算成本，相比密度泛函理论（DFT）方法，计算成本降低了几个数量级	NA	预测动力学势垒并理解化学反应机制	有机反应的过渡态	机器学习	NA	深度学习	神经网络	反应数据	数千个有机反应
13712	2024-10-19	Computational approach for decoding malaria drug targets from single-cell transcriptomics and finding potential drug molecule 2024-10-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72427-7 PMID:39402081	研究论文	本文提出了一种基于单细胞转录组数据和机器学习技术来识别疟疾药物靶点和潜在药物分子的计算方法	本文创新性地结合了互信息特征选择算法和分类算法，从单细胞转录组数据中筛选出关键蛋白质，并通过蛋白质相互作用网络分析和深度学习技术预测潜在药物分子	本文未详细讨论所预测药物分子的临床试验和实际应用效果	本文旨在利用单细胞转录组数据和机器学习技术识别疟疾的关键药物靶点，并预测潜在的新药物分子	本文的研究对象是疟原虫的单细胞转录组数据和关键蛋白质	机器学习	疟疾	单细胞转录组测序	深度学习	转录组数据	本文未明确提及样本数量
13713	2024-10-19	Adaptive segmentation-to-survival learning for survival prediction from multi-modality medical images 2024-Oct-14, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00690-y PMID:39402129	研究论文	提出了一种自适应多模态分割到生存模型（AdaMSS），用于从多模态医学图像中进行生存预测	AdaMSS能够自适应其融合策略并调整关注区域，以捕捉主要肿瘤外的预后信息	NA	改进癌症患者的生存预测，以促进个性化治疗计划	多模态医学图像中的生存预测	计算机视觉	癌症	深度学习	自适应多模态分割到生存模型（AdaMSS）	图像	1380名患者，来自九个医疗中心
13714	2024-10-19	DNASimCLR: a contrastive learning-based deep learning approach for gene sequence data classification 2024-Oct-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05955-8 PMID:39402441	研究论文	本文提出了一种基于对比学习的深度学习方法DNASimCLR，用于基因序列数据的分类	DNASimCLR利用卷积神经网络和SimCLR框架，通过对比学习从多样化的微生物基因序列中提取复杂特征，展示了其在基因序列分类任务中的优越性	NA	解决标记微生物数据稀缺和复杂性带来的监督学习困难	微生物基因序列数据	机器学习	NA	对比学习	卷积神经网络	基因序列	两个经典的大规模未标记数据集，包括宏基因组和病毒基因序列
13715	2024-10-19	The severity assessment and nucleic acid turning-negative-time prediction in COVID-19 patients with COPD using a fused deep learning model 2024-Oct-14, BMC pulmonary medicine IF:2.6Q2 DOI:10.1186/s12890-024-03333-x PMID:39402509	研究论文	研究使用融合深度学习模型评估COVID-19合并COPD患者的严重程度及预测核酸转阴时间	首次探讨了不同COPD表型（慢性支气管炎和肺气肿）对COVID-19患者严重程度和预后的影响，并结合深度学习和放射组学特征建立模型预测核酸转阴时间	研究为回顾性分析，样本量相对较小，且仅限于一家医院的数据	探讨深度学习和放射组学特征在评估COVID-19合并COPD患者严重程度及预测核酸转阴时间中的价值	COVID-19合并COPD患者，包括慢性支气管炎和肺气肿两种表型	计算机视觉	呼吸系统疾病	深度学习	U-net模型和融合模型	影像数据	共281例患者，分为COVID-19组、COPD合并肺气肿组和COPD合并慢性支气管炎组
13716	2024-10-19	Identifying transcription factors with cell-type specific DNA binding signatures 2024-Oct-14, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10859-1 PMID:39402535	研究论文	开发了一种名为SigTFB的深度学习方法，用于检测和量化转录因子在已知基因组结合位点中的细胞类型特异性	SigTFB方法能够检测到约三分之二的转录因子具有显著的DNA结合特异性，远超先前文献中的稀少证据	NA	系统性地研究转录因子在不同细胞类型中的DNA结合特异性	转录因子及其在不同细胞类型中的DNA结合位点	机器学习	NA	深度学习	深度学习模型	基因组数据	169个不同的转录因子，涉及多达14种不同的细胞类型
13717	2024-10-19	An extended database of annotated skylight polarization images covering a period of two months 2024-Oct-14, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-024-06959-6 PMID:39402604	研究论文	本文介绍了一个扩展的带注释的天空偏振光图像数据库，覆盖了两个月的时间段	本文提供了首个公开的带注释的真实世界彩色偏振光天空图像数据库，涵盖了各种天气条件	数据库仅覆盖了两个月的时间段，可能不足以涵盖所有可能的天气和光照条件	研究机器学习算法在基于天空偏振光的导航传感器模拟中的应用	天空偏振光图像及其在导航传感器模拟中的应用	计算机视觉	NA	偏振光成像	NA	图像	两个月内每隔10分钟采集的图像，曝光时间从33µs到300ms不等
13718	2024-10-19	AutoGater: a weakly supervised neural network model to gate cells in flow cytometric analyses 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66936-8 PMID:39384769	研究论文	介绍了一种名为AutoGater的弱监督神经网络模型，用于在流式细胞分析中筛选出健康细胞	提出了一种无需荧光染料的弱监督深度学习模型AutoGater，仅使用光散射通道即可区分健康细胞与不健康及死亡细胞	NA	开发一种无需荧光染料的方法，用于在流式细胞分析中筛选出健康细胞	健康细胞与不健康及死亡细胞的区分	机器学习	NA	流式细胞术	深度学习模型	光散射数据	NA
13719	2024-10-19	Improved deep learning prediction of antigen-antibody interactions 2024-Oct-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2410529121 PMID:39361651	研究论文	本文评估了一种深度学习方法在预测严重急性呼吸综合征冠状病毒2（SARS-CoV-2）刺突蛋白受体结合域抗体方面的性能	本文提出了一种利用已知抗原结合序列的策略，显著提高了抗原-抗体相互作用预测的准确性	尽管在后续测试集中达到了90%的精确度，但召回率较低，仅为25%	提高抗原-抗体相互作用预测的准确性，以支持免疫疗法的开发	严重急性呼吸综合征冠状病毒2（SARS-CoV-2）刺突蛋白受体结合域的抗体	机器学习	NA	深度学习	深度学习模型	序列数据	约1,000个抗体样本，包括真实和对照抗体
13720	2024-10-19	Improving 3D dose prediction for breast radiotherapy using novel glowing masks and gradient-weighted loss functions 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17326 PMID:39088756	研究论文	研究通过使用新型发光掩膜和梯度加权损失函数来改进乳腺癌放疗中的3D剂量预测	提出了两种新技术：发光掩膜算法和梯度加权均方误差损失函数，用于提高深度学习模型在乳腺癌放疗剂量预测中的性能	NA	比较两种新技术对深度学习剂量预测模型性能的影响	乳腺癌放疗中的剂量预测	机器学习	乳腺癌	深度学习	3D U-Net	图像	305个治疗计划，分为213个训练集、46个验证集和46个测试集