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
15561	2024-10-01	Inferring RNA-binding protein target preferences using adversarial domain adaptation 2022-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009863 PMID:35202389	研究论文	本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA）	采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能	NA	解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性	RNA结合蛋白（RBP）的目标偏好性	机器学习	NA	对抗性领域自适应（ADDA）	神经网络	文本	NA
15562	2024-10-01	Identification of piRNA disease associations using deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.026 PMID:35317234	研究论文	本文开发了一种基于深度学习的piRNA疾病关联识别方法piRDA	提出了一种无需特征工程的简单、稳健且高效的深度学习方法，用于识别piRNA疾病关联，并显著优于现有方法	NA	开发一种高效的计算方法来识别piRNA与疾病之间的关联，以促进疾病特异性药物开发	piRNA与疾病之间的关联	机器学习	NA	深度学习	NA	序列数据	NA
15563	2024-10-01	Extracting default mode network based on graph neural network for resting state fMRI study 2022, Frontiers in neuroimaging DOI:10.3389/fnimg.2022.963125 PMID:37555154	研究论文	本文提出使用图神经网络（graphSAGE）来研究静息态功能磁共振成像（rs-fMRI）并提取默认模式网络（DMN）	相比传统的种子点相关法、独立成分分析和字典学习，graphSAGE方法更稳健、可靠，并能更清晰地定义感兴趣区域	NA	研究大脑功能连接，提取默认模式网络	静息态功能磁共振成像数据	计算机视觉	NA	图神经网络（graphSAGE）	图神经网络	功能磁共振成像数据	NA
15564	2024-10-01	Automatic Detection of Atrial Fibrillation from Single-Lead ECG Using Deep Learning of the Cardiac Cycle 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9813062 PMID:37850161	研究论文	本文探讨了使用深度神经网络（DNN）从单导联心电图（ECG）信号中学习心脏周期并可靠地检测心房颤动（AF）的方法	本文设计了一个三步管道，用于从ECG中检测AF，并展示了其优于现有ECG分析方法的性能	深度神经网络（DNN）通常被设计为通用目的的黑箱模型，缺乏对其决策的可解释性	开发一种从单导联ECG信号中可靠检测心房颤动（AF）的方法	单导联心电图（ECG）信号中的心房颤动（AF）	机器学习	心血管疾病	深度神经网络（DNN）	深度神经网络（DNN）	时间序列数据	NA
15565	2024-10-01	Improved Protein Structure Prediction Using a New Multi-Scale Network and Homologous Templates 2021-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202102592 PMID:34719864	研究论文	本文介绍了一种改进的蛋白质结构预测方法trRosettaX，通过应用新的多尺度网络Res2Net和基于注意力的模块来利用多个同源模板，提高了预测精度	引入了新的多尺度网络Res2Net和基于注意力的模块，利用多个同源模板提高了蛋白质结构预测的精度	NA	提高蛋白质结构预测的准确性	蛋白质结构预测	机器学习	NA	深度学习	Res2Net	蛋白质结构数据	161个目标
15566	2024-10-01	Detecting Parkinson Disease Using a Web-Based Speech Task: Observational Study 2021-10-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26305 PMID:34665148	研究论文	本文提出了一种基于网络的语音任务框架，用于检测帕金森病	利用网络平台收集语音数据，并通过机器学习算法进行分析，实现远程帕金森病的筛查	数据主要来自美国，且部分数据质量较低，可能影响模型的泛化能力	开发一种便捷的远程筛查工具，帮助全球范围内的人们检测帕金森病	帕金森病患者和非患者的语音数据	机器学习	帕金森病	机器学习算法	XGBoost	语音数据	726名参与者，其中262名帕金森病患者，464名非患者，平均年龄61岁
15567	2024-10-01	Total-Body PET Kinetic Modeling and Potential Opportunities Using Deep Learning 2021-Oct, PET clinics IF:3.0Q2 DOI:10.1016/j.cpet.2021.06.009 PMID:34353745	研究论文	本文介绍了全身PET动力学建模的基本原理及其在参数成像中的潜在优势，重点讨论了无创推导血输入函数、多参数成像和高时间分辨率动力学建模	本文探讨了利用深度学习解决全身动力学建模中的挑战，如大规模全身动态PET数据处理、器官和组织适当的输入函数和动力学模型需求以及全身运动校正	全身动力学建模面临大规模数据处理、适当的输入函数和模型需求以及运动校正等挑战	探讨全身PET动力学建模的基本原理及其在参数成像中的潜在优势，并讨论利用深度学习解决相关挑战	全身PET动力学建模及其在参数成像中的应用	计算机视觉	NA	深度学习	NA	图像	NA
15568	2024-10-01	Pulmonary COVID-19: Learning Spatiotemporal Features Combining CNN and LSTM Networks for Lung Ultrasound Video Classification 2021-Aug-14, Sensors (Basel, Switzerland) DOI:10.3390/s21165486 PMID:34450928	研究论文	本文提出了一种结合CNN和LSTM网络的混合模型，用于肺部超声视频分类以诊断COVID-19	本文的创新点在于使用混合模型（CNN-LSTM）进行肺部超声视频分类，并优化了模型参数，提高了诊断COVID-19的准确性和敏感性	NA	本文的研究目的是开发一种计算机辅助诊断应用，用于通过肺部超声视频诊断COVID-19	本文的研究对象是使用凸形换能器捕获的肺部超声视频	计算机视觉	肺部疾病	NA	CNN-LSTM	视频	输入层包含20帧图像
15569	2024-10-01	Machine Learning and Deep Learning Methods for Skin Lesion Classification and Diagnosis: A Systematic Review 2021-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11081390 PMID:34441324	综述	本文综述了过去五年中使用传统机器学习和深度学习方法进行皮肤病变分类和诊断的研究	系统性地评估了计算机辅助诊断系统的诊断准确性	研究中识别了评估皮肤病变分割和分类方法的主要挑战，如小数据集、临时图像选择和种族偏见	综述和评估计算机辅助皮肤病变诊断系统的诊断准确性	过去五年中发表在ScienceDirect、IEEE和SpringerLink数据库中的53篇传统机器学习方法和49篇深度学习方法的文章	计算机视觉	NA	传统机器学习方法和深度学习方法	NA	图像	53篇传统机器学习方法和49篇深度学习方法的文章
15570	2024-10-01	Single-cell classification using graph convolutional networks 2021-Jul-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04278-2 PMID:34238220	研究论文	本文提出了一种名为sigGCN的多模态端到端深度学习模型，用于细胞分类，结合了图卷积网络（GCN）和神经网络来利用基因相互作用网络	本文的创新点在于将基因相互作用网络与基因表达数据结合，通过GCN方法提取有效特征，从而提高细胞分类的性能	NA	研究目的是通过结合基因相互作用网络和基因表达数据，提高细胞分类的准确性	研究对象是单细胞RNA测序（scRNAseq）数据中的细胞分类	机器学习	NA	图卷积网络（GCN）	图卷积网络（GCN）	基因表达数据	NA
15571	2024-10-01	How artificial intelligence might disrupt diagnostics in hematology in the near future 2021-06, Oncogene IF:6.9Q1 DOI:10.1038/s41388-021-01861-y PMID:34103684	研究论文	本文探讨了人工智能在血液学诊断中的潜在应用及其未来发展	介绍了人工智能在血液学诊断中的多种应用，如模式识别软件、深度学习算法和数字双胞胎技术，并强调了其在自动化图像分类方面的显著进展	尽管提到了人工智能的潜力，但未具体讨论当前应用中的局限性	探讨人工智能在血液学诊断中的应用及其未来发展	血液学诊断中的图像分析和数据处理	机器学习	NA	模式识别软件、深度学习算法、数字双胞胎技术	NA	图像、电子健康记录、可穿戴健康追踪设备数据	NA
15572	2024-10-01	Accelerating Inference of Convolutional Neural Networks Using In-memory Computing 2021, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2021.674154 PMID:34413731	研究论文	本文探讨了使用内存计算（IMC）加速卷积神经网络（CNN）推理的硬件设计方法	提出了针对IMC硬件的架构设计方法，并展示了如何实现流水线数据流以提高图像分类任务的吞吐量和延迟	NA	研究如何利用内存计算技术加速卷积神经网络的推理过程	卷积神经网络的推理硬件设计	计算机视觉	NA	内存计算（IMC）	卷积神经网络（CNN）	图像	NA
15573	2024-10-01	The Teaching Design Methods Under Educational Psychology Based on Deep Learning and Artificial Intelligence 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.711489 PMID:34671295	研究论文	本研究评估了基于教育心理学和人工智能设计的教学方法在实际应用中的价值，以深度学习理论为教学设计的基础	本研究创新性地结合了教育心理学和人工智能设计，提出了新的教学方法，并通过问卷调查和成绩变化分析验证了其有效性	由于各种客观和主观因素，研究结果可能与实际情况略有不同，其准确性有待未来进一步探索	评估基于教育心理学和人工智能设计的教学方法的实际应用价值	宁波中学的所有教师、学生及其家长	NA	NA	NA	NA	问卷调查数据	教师、学生和家长的有效问卷回收率分别为97%、99%和95%（实施前），98%、99%和99%（实施后）
15574	2024-10-01	MRI Segmentation and Classification of Human Brain Using Deep Learning for Diagnosis of Alzheimer's Disease: A Survey 2020-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s20113243 PMID:32517304	综述	本文综述了利用深度学习方法进行MRI分割和分类以诊断阿尔茨海默病（AD）的研究现状	本文总结了当前基于深度学习的MRI分割方法，并讨论了其在AD诊断中的应用	本文未具体讨论每种方法的局限性，而是集中在当前研究的概述和未来方向上	提供当前基于深度学习的MRI分割方法的概述，以用于AD的定量分析和诊断	人脑MRI图像及其在AD诊断中的应用	计算机视觉	阿尔茨海默病	MRI	卷积神经网络（CNN）	图像	NA
15575	2024-10-01	The Application of Deep Learning in Cancer Prognosis Prediction 2020-Mar-05, Cancers IF:4.5Q1 DOI:10.3390/cancers12030603 PMID:32150991	综述	本文综述了深度学习在癌症预后预测中的应用	深度学习模型在处理大规模数据时表现出更高的预测准确性，且需要较少的数据工程	NA	探讨深度学习在癌症预后预测中的应用及其潜在优势	癌症预后预测模型	机器学习	NA	深度学习	深度学习模型	多组学数据（基因组数据、转录组数据和临床信息）	NA
15576	2024-10-01	Automated Hierarchy Evaluation System of Large Vessel Occlusion in Acute Ischemia Stroke 2020, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2020.00013 PMID:32265682	研究论文	本文介绍了一种基于香港医院管理局2016年所有急性缺血性卒中（AIS）患者记录的自动化大血管闭塞（LVO）评估系统	首次结合结构化临床数据和非结构化非对比CT（NCCT）影像数据进行急性期LVO诊断，性能优于以往报道的方法	NA	开发一种能够快速识别大血管闭塞的自动化评估系统，以提高急性缺血性卒中患者的再灌注治疗机会和神经恢复	急性缺血性卒中患者的大血管闭塞	机器学习	脑血管疾病	机器学习技术，包括逻辑回归、随机森林、支持向量机（SVM）和极端梯度提升（XGBoost）	多层次模型	结构化临床数据和非对比CT（NCCT）影像数据	300名患者，其中200名用于模型训练，100名用于模型性能评估
15577	2024-10-01	Enhanced Accuracy for Multiclass Mental Workload Detection Using Long Short-Term Memory for Brain-Computer Interface 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00584 PMID:32655353	研究论文	研究使用长短期记忆网络（LSTM）提高脑机接口中多类心理负荷检测的准确性	提出了使用卷积神经网络（CNN）和长短期记忆网络（LSTM）的新型深度学习框架，显著提高了多类心理负荷分类的准确性	NA	提高脑机接口中多类心理负荷检测的准确性	心理负荷的分类和检测	机器学习	NA	功能近红外光谱（fNIRS）	长短期记忆网络（LSTM）	脑活动信号	15名参与者（男女各半），每人进行10次心理负荷实验
15578	2024-10-01	A Path Toward Explainable AI and Autonomous Adaptive Intelligence: Deep Learning, Adaptive Resonance, and Models of Perception, Emotion, and Action 2020, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2020.00036 PMID:32670045	研究论文	本文总结了生物神经网络模型如何帮助理解自主适应智能，并解释了这些模型的动态和涌现特性如何可解释，从而可以自信地应用于大规模应用	提出了Adaptive Resonance Theory (ART)算法，克服了反向传播和深度学习的计算问题，实现了无灾难性遗忘的快速分类	未提及	探讨可解释的人工智能和自主适应智能的发展路径	生物神经网络模型及其在感知、认知、情感和行动中的应用	机器学习	NA	Adaptive Resonance Theory (ART)	NA	NA	NA
15579	2024-09-30	Machine learning and deep learning prediction of patient specific quality assurance in breast IMRT radiotherapy plans using Halcyon specific complexity indices 2024-Nov, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110483 PMID:39159677	研究论文	研究利用机器学习和深度学习模型预测乳腺癌IMRT放疗计划中Halcyon机器特定的复杂性指数，以实现患者特定的质量保证	首次为Halcyon机器开发了基于复杂性指数的AI解决方案，用于预测患者特定的质量保证结果	机器学习模型的性能不如优化后的深度学习模型	开发一种AI解决方案，用于确定Halcyon机器的复杂性指数并预测患者特定的质量保证结果	乳腺癌患者的IMRT放疗计划	机器学习	乳腺癌	机器学习 (ML) 和深度学习 (DL)	深度学习模型	复杂性指数	56名乳腺癌患者，318个射束
15580	2024-09-30	Research Note: A deep learning method segments chicken keel bones from whole-body X-ray images 2024-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2024.104214 PMID:39190989	研究论文	本文提出了一种基于深度学习的方法，用于从全身X光图像中分割鸡的胸骨（龙骨）	本文首次使用U-net模型对鸡的全身X光图像进行胸骨分割，并取得了较高的分割精度	本文未详细讨论模型的泛化能力和在不同品种鸡上的适用性	训练一个深度学习模型，用于从全身X光图像中自动分割鸡的胸骨	鸡的胸骨（龙骨）	计算机视觉	NA	深度学习	U-net	图像	1,051只产蛋鸡的全身X光图像