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
14521	2024-08-05	An end-to-end deep learning framework for translating mass spectra to de-novo molecules 2023-Jun-23, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-023-00932-3 PMID:37353554	研究论文	本文提出了一种深度学习框架Spec2Mol，用于根据质谱数据推荐分子结构	该研究首次应用类似Speech2Text的架构，将质谱直接转化为新分子的SMILES序列	该方法在参考数据库中无法找到分子结构信息时可能会存在局限性	研究旨在改善新分子结构的推荐过程	研究对象是通过质谱数据得出的化学分子结构	机器学习	NA	深度学习	编码器-解码器架构	质谱数据	使用了大量的化学结构数据进行预训练，但具体样本数量未明确
14522	2024-08-05	Low-dimensional organization of global brain states of reduced consciousness 2023-05-30, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2023.112491 PMID:37171963	研究论文	本文探讨了低维空间中意识状态的映射及其性质。	创新地结合了全脑建模、数据增强和深度学习方法，实现了对意识状态低维空间的表征。	本文未充分讨论高维空间与低维空间之间的具体映射机制。	研究意识状态与大脑配置之间的关系，探寻其低维表征。	研究涉及意识水平的变化，尤其是健康与脑损伤患者之间的状态。	计算机视觉	脑损伤	深度学习	NA	脑部配置数据	NA
14523	2024-08-05	A selective CutMix approach improves generalizability of deep learning-based grading and risk assessment of prostate cancer 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2024.100381 PMID:38953042	研究论文	本研究旨在训练一种基于人工智能的算法，对前列腺癌进行分级和风险评估	采用选择性CutMix训练策略，提高了深度学习模型在前列腺癌检测和分级上的通用性	研究依赖于特定数据集和方法，可能限制了模型的广泛适用性	提高前列腺癌手术后预后评估的准确性	来自191名接受根治性前列腺切除术（RP）的患者的前列腺组织标本	数字病理学	前列腺癌	深度学习	ResNet50卷积神经网络和MobileNetV3	图像	580个整体切片和6218个标注的针刺活检切片
14524	2024-08-05	fMRI-based spatio-temporal parcellations of the human brain 2024-Aug-01, Current opinion in neurology IF:4.1Q2 DOI:10.1097/WCO.0000000000001280 PMID:38804205	评论	本文章回顾了基于功能磁共振成像(fMRI)的人脑分区的当前方法和思想	采用机器学习技术，特别是深度学习，能够利用空间和时间信息进行更细致的人脑分区	目前尚无万能的脑分区解决方案，模型选择和下游分析影响最佳的分区策略	探讨基于fMRI的人脑分区方法及其在神经科学研究中的重要性	基于fMRI的数据和人脑的空间与时间动态	数字病理学	NA	fMRI	深度学习	数据	NA
14525	2024-08-05	Source-Free Domain Adaptation With Domain Generalized Pretraining for Face Anti-Spoofing 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3370721 PMID:38412088	研究论文	本文提出了一种新的无源域适应框架SDA-FAS，以解决面部反欺诈中的泛化问题	提出了第一个全栈隐私保护框架，系统性解决了无源设置下的源模型预训练、知识适应和目标数据探索问题	当前方法在无源数据的条件下可能受到域和身份偏差的限制	研究如何在无源域适应环境中提高面部反欺诈技术的泛化能力	面部反欺诈技术的深度学习模型	计算机视觉	NA	数据增强	NA	图像	十九个跨数据集场景
14526	2024-08-05	Residual network improves the prediction accuracy of genomic selection 2024-Aug, Animal genetics IF:1.8Q3 DOI:10.1111/age.13445 PMID:38746973	研究论文	本文探讨了残差网络在基因选择中的应用，并提高了预测精度	引入残差网络（ResNet）以解决模型深度增加导致的梯度衰退问题，从而提高基因选择的预测准确性	深度学习方法尚未完全超越传统基因选择方法，仍有待进一步验证和优化	提高复杂性状的基因选择预测准确性	对小麦和猪数据集进行基因选择的准确性比较	机器学习	NA	NA	残差网络（ResNet）	数据集（小麦、模拟和真实猪数据）	三个数据集（小麦、模拟和真实猪数据）
14527	2024-08-05	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究文章	本研究评估了深度学习加速的FLAIR序列在膝关节炎症滑膜炎诊断中的价值和准确性	提出了深度学习加速的FLAIR序列，提供了与标准对比增强成像相当的诊断效果	本研究为回顾性研究，样本量较小	评估非对比FLAIR序列在膝关节炎症滑膜炎中的诊断准确性	膝关节伴有炎症滑膜炎的患者	数字病理学	NA	深度学习加速FLAIR序列	NA	图像	55名患者
14528	2024-08-05	Exploiting protein language models for the precise classification of ion channels and ion transporters 2024-Aug, Proteins IF:3.2Q2 DOI:10.1002/prot.26694 PMID:38656743	研究论文	本研究介绍了TooT-PLM-ionCT框架，用于精确分类离子通道和离子转运蛋白。	通过结合六个蛋白质语言模型和深度学习模型，提出了一种创新的方法以提升蛋白质分类的准确性，特别是在离子转运蛋白和膜蛋白的识别上，达到最先进的结果。	尽管进行了一些新数据集的引入以增强模型的强度和泛化能力，但仍需进一步的验证和评估。	研究旨在提升离子通道与离子转运蛋白的分类精度。	研究对象包括离子通道、离子转运蛋白和膜蛋白。	生物信息学	NA	蛋白质语言模型和深度学习	NA	数据集	验证了现有数据集，并引入新的数据集以增强模型评估，样本大小未具体提及
14529	2024-08-05	Randomness Regularization With Simple Consistency Training for Neural Networks 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3370716 PMID:38421846	研究论文	本论文介绍了一种简单的一致性训练策略R-Drop，以规范神经网络训练中的随机性	R-Drop通过最小化由dropout产生的输出分布之间的双向KL散度来解决训练和推理之间的不一致性	NA	目标是通过引入一致性训练来解决神经网络训练中的随机性问题	涉及广泛使用的深度学习任务和不同类型的神经网络	机器学习	NA	dropout	前馈神经网络、递归神经网络、图神经网络	数据集	共23个数据集的7个广泛使用的深度学习任务
14530	2024-08-05	Graphical models for identifying pore-forming proteins 2024-Aug, Proteins IF:3.2Q2 DOI:10.1002/prot.26687 PMID:38618860	研究论文	本文提出了一种图形模型，用于识别孔形成蛋白。	提出了一种基于蛋白质结构的样本高效图形模型，能够在序列相似性较低的情况下识别结构相似的蛋白。	已知的孔形成毒素结构数量有限，因此识别新结构相似的蛋白仍然具有挑战性。	旨在改进识别孔形成蛋白的方法，推动农业害虫控制的新方法开发。	研究对象为孔形成蛋白及其在生物膜中的功能和结构。	计算机视觉	NA	深度学习	半马尔可夫条件随机场模型	蛋白质序列	UniRef50中包含4300万个蛋白的基因组广泛蛋白质数据库
14531	2024-08-05	Sequential Point Clouds: A Survey 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3365970 PMID:38354073	综述	本文提供了对应用于顺序点云研究的深度学习方法的全面回顾	系统总结并比较了对公共基准数据集测评的多种方法的定量结果	对当前顺序点云研究的挑战进行了讨论，但可能未给出具体的解决方案	探讨顺序点云的理解与应用，并总结相关研究进展	顺序点云的深度学习方法，如动态流估计、物体检测与跟踪等	计算机视觉	NA	深度学习	NA	点云	NA
14532	2024-08-05	Secure and privacy improved cloud user authentication in biometric multimodal multi fusion using blockchain-based lightweight deep instance-based DetectNet 2024-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2024.2304707 PMID:38293964	研究论文	本研究提出了一种在云端系统中增强用户认证安全性和隐私的创新解决方案	集成了多模态生物识别、深度学习和区块链技术，创新地解决了用户隐私与认证准确性之间的矛盾	NA	旨在应对不断演变的网络威胁，提高云端系统的用户认证安全性和隐私保护	用户认证系统，使用多模态生物识别数据进行身份验证	计算机视觉	NA	深度学习、区块链技术	IL-DN	生物识别数据	NA
14533	2024-08-07	Adaptive Perturbation for Adversarial Attack 2024-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3367773 PMID:38376968	研究论文	本文提出了一种新的自适应扰动方法用于对抗性攻击，改善了对抗样本的攻击成功率	该方法直接利用精确的梯度方向并引入自适应缩放因子，避免了使用符号函数的局限	本文未提及对不同攻击目标的表现差异	研究深度学习模型的安全性，特别是在对抗性攻击方面的表现	对抗性攻击样本的生成和优化	机器学习	NA	对抗性攻击	NA	图像	CIFAR10和ImageNet数据集的广泛实验
14534	2024-08-05	Semi-Supervised Multimodal Representation Learning Through a Global Workspace 2024-Jul-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3416701 PMID:38954575	研究论文	本研究评估了一种基于‘全球工作空间’概念的神经网络架构，旨在实现多模态表示学习.	该架构允许通过自监督学习实现多模态对齐和信号转换，且使用的匹配数据需求显著低于完全监督的方法.	本研究未详细探讨该模型在极端复杂数据集上的表现.	探索如何通过稀疏的跨模态数据经历来学习有效的多模态表示.	针对视觉-语言模态对的多模态数据进行研究.	机器学习	NA	自监督学习	神经网络架构	图像和文本	使用了不同复杂度的两个数据集，具体样本数未指定
14535	2024-08-05	Optimized Wasserstein Deep Convolutional Generative Adversarial Network fostered Groundnut Leaf Disease Identification System 2024-Jul-02, Network (Bristol, England) DOI:10.1080/0954898X.2024.2351146 PMID:38953316	研究论文	本文提出了一种优化的Wasserstein深度卷积生成对抗网络用于花生叶病识别系统	提出了利用水平均衡生成对抗网络和Aquila优化算法相结合的方法来提高花生叶病识别的准确性	对比的生物学基础和数据集的多样性没有在论文中详细讨论	研究花生叶病的识别和分类以提高作物产量和质量	对健康叶子、早期叶斑、晚期叶斑、营养缺乏和锈病等不同病症进行分类	计算机视觉	NA	WDCGAN和Aquila优化算法	卷积神经网络	图像	NA
14536	2024-08-05	Adrenal Volume Quantitative Visualization Tool by Multiple Parameters and an nnU-Net Deep Learning Automatic Segmentation Model 2024-Jul-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01158-y PMID:38955963	研究论文	本文开发了一种基于nnU-Net的肾上腺体积定量可视化工具	该工具通过大规模数据集和多种参数实现了高精度和广泛适应性	当前的肾上腺分割模型在样本选择和成像参数上存在显著局限	研究肾上腺体积的定量监测与可视化，以辅助疾病诊断	关注肾上腺疾病的自动分割与体积定量	数字病理学	肾上腺相关疾病	深度学习	nnU-Net	图像	使用了大规模数据集，涵盖多种成像参数
14537	2024-08-05	Uni4Eye++: A General Masked Image Modeling Multi-modal Pre-training Framework for Ophthalmic Image Classification and Segmentation 2024-Jul-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3422102 PMID:38954581	研究论文	本文提出了一种名为Uni4Eye++的自监督Transformer框架，用于眼科图像分类和分割	Uni4Eye++引入了图像熵引导的掩膜策略和动态头生成模块，以提高信息补丁的重建和减轻模态混淆	受限于数据量，手动注释仍然是一个挑战，尽管引入了自监督学习	研究旨在利用自监督学习方法来有效利用未标记的眼科图像	研究对象是眼科图像，主要集中在图像分类和分割任务	计算机视觉	眼科疾病	自监督学习	Transformer	图像	NA
14538	2024-08-05	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2024-Jul-02, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究利用基于ECG的深度学习方法预测小儿房间隔缺损。	首次将人工智能增强的ECG分析应用于小儿房间隔缺损（ASD2）的检测。	该研究的模型仅基于单中心的回顾性数据，缺乏多中心前瞻性验证。	研究旨在解决小儿房间隔缺损的早期检测不足问题。	研究对象为18岁以下无重大先天性心脏病的患者。	机器学习	心血管疾病	ECG	卷积神经网络	心电图和超声心动图数据	包含92,377对心电图-超声心动图数据（46,261名患者；中位年龄8.2岁）
14539	2024-08-05	Ovarian cancer identification technology based on deep learning and second harmonic generation imaging 2024-Jul-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202400200 PMID:38955356	研究论文	本文提出了一种结合二次谐波生成成像和深度学习的卵巢癌诊断方法	创新点在于使用SHG成像和PVTv2模型，实现卵巢癌的快速、简单、无标记诊断	研究未提及样本的多样性及外部验证的情况	研究旨在提高卵巢癌的诊断效率	研究对象为未染色的新鲜人类卵巢组织	深度学习	卵巢癌	二次谐波生成成像	Pyramid Vision Transformer V2 (PVTv2)	图像	3240幅SHG图像
14540	2024-08-05	Autonomous design of noise-mitigating structures using deep reinforcement learning 2024-Jul-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0026474 PMID:38958582	研究论文	本文探讨了应用深度强化学习自主设计噪音缓解结构的方法	使用双深度Q网络算法，无需先前知识即可实现宽频噪音缓解的配置学习	算法倾向于预测局部极大值	研究如何通过深度强化学习自主设计噪音缓解结构	噪音缓解的材料分布配置	计算机视觉	NA	深度强化学习	双深度Q网络	像素数据	NA