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	2024-09-25	Structure-based prediction of nucleic acid binding residues by merging deep learning- and template-based approaches 2023-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011428 PMID:37672551	研究论文	本文开发了一种名为NABind的新型结构基础整合算法，用于准确预测DNA和RNA结合残基	结合了深度学习和模板基础方法，采用堆叠策略和随机游走算法进行后处理，显著提高了预测性能	NA	提高蛋白质中核酸结合残基的预测准确性	DNA和RNA结合残基	机器学习	NA	深度学习	图注意力网络	序列和结构描述符	NA
15562	2024-09-25	Deep learning in precision medicine and focus on glioma 2023-Sep, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10553 PMID:37693051	综述	本文综述了深度学习在精准医学中的应用，特别是胶质瘤领域	探讨了深度学习在精准医学多个领域（如心脏病学、胃肠病学、眼科学、皮肤病学和肿瘤学）的应用前景，并强调了其在胶质瘤中的应用潜力	目前深度学习数据集的质量和数量仍需改进，且多组学数据（如全外显子序列、RNA序列、蛋白质组学和表观基因组学）尚未得到充分应用	总结人工智能模型的发展历史，展示机器学习和深度学习网络的特征，并探讨其在精准医学中的应用	深度学习在精准医学中的应用，特别是胶质瘤的诊断和监测	机器学习	脑肿瘤	NA	深度学习网络	医学数据	NA
15563	2024-09-25	Non-annotated renal histopathological image analysis with deep ensemble learning 2023-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-46 PMID:37711826	研究论文	本文开发了一种基于深度卷积神经网络的异构集成模型，用于自动分析未详细标注的肾组织病理图像	提出了基于深度学习的异构集成模型，用于肾组织病理图像的自动分析，无需详细标注	未提及具体限制	开发一种自动化的肾组织病理图像分析方法，以提高肾癌的早期检测效率和准确性	肾组织病理图像	数字病理	肾癌	深度卷积神经网络	CNN	图像	未提及具体样本数量
15564	2024-09-25	Machine and deep learning approaches to understand and predict habitat suitability for seabird breeding 2023-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.10549 PMID:37727776	研究论文	研究利用机器学习和深度学习算法预测海鸟繁殖栖息地的适宜性	首次结合卷积神经网络和随机森林模型，全面分析海鸟繁殖栖息地的选择	研究仅基于古巴地区的历史记录，可能不适用于其他地理区域	理解并预测海鸟繁殖栖息地的适宜性	海鸟的繁殖栖息地选择	机器学习	NA	卷积神经网络、随机森林	CNN、随机森林	图像	49个古巴地区海鸟繁殖地的历史记录
15565	2024-09-25	Unleashing the Power of Artificial Intelligence in Materials Design 2023-Aug-30, Materials (Basel, Switzerland) DOI:10.3390/ma16175927 PMID:37687620	研究论文	本文探讨了人工智能算法在材料设计中的应用，展示了其在预测材料性能、设计新型材料和发现新机制方面的潜力	本文介绍了人工智能在材料设计中的创新应用，包括机器学习、深度学习和材料信息学工具，这些方法能够从大量数据中提取有意义的信息，揭示材料属性、结构和成分之间的复杂关联	NA	本文旨在展示人工智能在材料设计中的应用，加速和丰富新材料发现的过程	本文研究的对象是人工智能算法在材料设计中的应用，特别是机器学习、深度学习和材料信息学工具	机器学习	NA	机器学习、深度学习、材料信息学	NA	材料属性、结构和成分的数据	NA
15566	2024-09-25	Deep Learning and Geometry Flow Vector Using Estimating Vehicle Cuboid Technology in a Monovision Environment 2023-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s23177504 PMID:37687960	研究论文	本研究提出了一种利用单目视觉传感器和道路几何信息准确估计道路车辆长方体的新模型	该模型通过利用对象检测模型和核心向量，克服了多传感器设置的局限性，提供了一种成本效益高的解决方案	NA	提供一种实用且高效的3D边界框估计方法	道路车辆的长方体估计	计算机视觉	NA	NA	NA	图像	通过CCTV摄像头捕获的真实道路图像进行验证
15567	2024-09-25	Hybrid Fusion of High-Resolution and Ultra-Widefield OCTA Acquisitions for the Automatic Diagnosis of Diabetic Retinopathy 2023-Aug-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13172770 PMID:37685306	研究论文	本研究评估了一种深度学习算法，用于使用高分辨率和超广角OCTA自动评估糖尿病视网膜病变的严重程度	本研究提出了一种新颖的深度学习算法，采用独特的混合融合框架，结合了高分辨率和超广角OCTA的结构和血流信息	本研究仅使用了PLEX®Elite 9000设备的数据，未来需要扩展数据集并整合其他成像模式	本研究的目的是开发一种自动评估糖尿病视网膜病变严重程度的深度学习算法	本研究的对象是糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	深度学习算法	图像	875只眼睛，444名患者用于训练；53名患者（97只眼睛）用于测试
15568	2024-09-25	A New Weighted Deep Learning Feature Using Particle Swarm and Ant Lion Optimization for Cervical Cancer Diagnosis on Pap Smear Images 2023-Aug-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13172762 PMID:37685299	研究论文	本文提出了一种新的加权深度学习特征，结合粒子群优化和蚁狮优化算法，用于宫颈癌的诊断	本文创新性地将整个细胞、细胞质区域或仅核区域分为七类宫颈癌，并使用新的进化算法进行特征优化	结果的进一步提升需要大量数据的支持	提高宫颈癌早期检测的准确性	宫颈癌的诊断	计算机视觉	宫颈癌	卷积神经网络	支持向量机分类器和随机森林分类器	图像	NA
15569	2024-09-25	A Systematic Review on Deep Structured Learning for COVID-19 Screening Using Chest CT from 2020 to 2022 2023-Aug-24, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11172388 PMID:37685422	综述	本文综述了2020年至2022年间使用胸部CT进行COVID-19筛查的深度结构学习方法	探讨了AI在COVID-19筛查中的应用，涵盖了数据收集、系统贡献、新兴技术和挑战	由于数据集规模随时间变化，难以比较2020年和2022年的结果	评估深度学习算法在COVID-19筛查中的有效性	COVID-19的检测、定位和分割	计算机视觉	COVID-19	深度学习	NA	图像	231篇研究论文
15570	2024-09-25	iCircDA-NEAE: Accelerated attribute network embedding and dynamic convolutional autoencoder for circRNA-disease associations prediction 2023-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011344 PMID:37651321	研究论文	提出了一种名为iCircDA-NEAE的新型深度学习模型，用于预测circRNA与疾病之间的关联	首次同时使用疾病语义相似性、高斯交互轮廓核、circRNA表达谱相似性和Jaccard相似性，并基于加速属性网络嵌入和动态卷积自编码器提取隐藏特征	现有方法在数据中未充分利用生物信息，且提取的特征不足以代表circRNA与疾病之间的关联特征	开发一种新的深度学习模型，以提高circRNA与疾病关联预测的准确性	circRNA与疾病之间的关联	机器学习	NA	深度学习	卷积神经网络	生物信息数据	circR2Disease数据集
15571	2024-09-25	Inpainting surgical occlusion from laparoscopic video sequences for robot-assisted interventions 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.045002 PMID:37649957	研究论文	本文提出了一种利用数字修复算法从腹腔镜/内窥镜视频中移除手术器械的应用	本文采用了改进的U-Net架构（U-NetPlus）进行手术器械分割，并通过最近邻插值替代转置卷积操作，消除了转置卷积产生的伪影	NA	旨在通过深度学习技术提高手术器械在手术场景中的检测和识别准确性，并减少组织损伤的风险	手术器械在腹腔镜/内窥镜视频中的分割和移除	计算机视觉	NA	深度学习	U-NetPlus	视频	使用了MICCAI 2015和2017 EndoVis Challenge的机器人器械数据集
15572	2024-09-25	De novo distillation of thermodynamic affinity from deep learning regulatory sequence models of in vivo protein-DNA binding 2023-May-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.11.540401 PMID:37214836	研究论文	本文介绍了一种从深度学习模型中提取热力学亲和力的方法，用于解释体内蛋白质-DNA结合的调控序列模型	开发了Affinity Distillation (AD)方法，通过边缘化基因组序列上下文的影响，从深度学习模型中提取热力学亲和力	NA	旨在理解和解释转录因子在不同细胞上下文中的序列特异性结合	转录因子与DNA的结合及其在基因调控中的作用	生物信息学	NA	深度学习	神经网络	基因组数据	涉及多种酵母和哺乳动物转录因子
15573	2024-09-25	Leveraging deep learning to improve vaccine design 2023-05, Trends in immunology IF:13.1Q1 DOI:10.1016/j.it.2023.03.002 PMID:37003949	研究论文	本文探讨了深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	深度学习在疫苗研究和开发中的应用具有高公共卫生意义，特别是在蛋白质结构预测、免疫库分析和系统发育学等领域	深度学习在免疫学研究中的应用仍处于早期阶段，存在一些挑战	探讨深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	疫苗设计、蛋白质结构预测、免疫库分析和系统发育学	机器学习	NA	深度学习	NA	NA	NA
15574	2024-09-25	Coronavirus covid-19 detection by means of explainable deep learning 2023-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-27697-y PMID:36627339	研究论文	本文设计并实现了一种基于深度学习的方法，用于从CT医学图像中自动检测新型冠状病毒肺炎（COVID-19）	提出了一种基于深度学习的自动检测方法，能够从CT医学图像中快速诊断COVID-19，并自动标记感染区域	实验数据来自不同机构，但未详细说明样本数量和多样性	提供一种全自动且更快速的COVID-19诊断方法	COVID-19患者的CT医学图像	计算机视觉	新型冠状病毒肺炎	深度学习	NA	图像	来自不同机构的医学图像，未详细说明数量
15575	2024-09-25	Region-based evidential deep learning to quantify uncertainty and improve robustness of brain tumor segmentation 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-08016-4 PMID:37724130	研究论文	本文提出了一种基于区域的证据深度学习框架，用于量化不确定性并提高脑肿瘤分割的鲁棒性	引入了一种新的基于区域的证据深度学习方法，能够生成可靠的不确定性图和准确的分割结果，对噪声和图像损坏具有鲁棒性	NA	提高脑肿瘤分割的可靠性和鲁棒性	脑肿瘤的分割和不确定性量化	计算机视觉	脑肿瘤	证据深度学习 (EDL)	神经网络	图像	BraTS 2020数据集
15576	2024-09-25	Deformable image registration based on single or multi-atlas methods for automatic muscle segmentation and the generation of augmented imaging datasets 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0273446 PMID:36897869	研究论文	本文提出了一种基于单或多图谱方法的可变形图像配准技术，用于自动分割肌肉并生成增强的成像数据集	本文首次使用非线性可变形图像配准技术生成69个手动校验的3D人工数据集，为未来研究提供了大量可靠的参考数据	本文的研究对象仅限于下肢肌肉，且平均绝对相对体积误差为12.7%，仍有改进空间	开发一种自动化的肌肉分割方法，以减少手动劳动和操作员重复性问题	下肢骨骼肌肉	计算机视觉	NA	可变形图像配准	NA	图像	5名受试者的23块主要下肢骨骼肌肉
15577	2024-09-25	Comparative evaluation and analysis of DNA N4-methylcytosine methylation sites using deep learning 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1254827 PMID:37671040	研究论文	本文比较了多种先进的深度学习模型在六个基准数据集上的表现，以评估其在4mC甲基化位点检测中的性能	本文首次系统地比较了多种深度学习模型在4mC甲基化位点检测中的应用，展示了深度学习在此领域的潜力	本文仅限于对现有深度学习模型的比较，未提出新的模型或方法	评估和分析深度学习模型在DNA N4-甲基胞嘧啶甲基化位点检测中的性能	DNA N4-甲基胞嘧啶甲基化位点	机器学习	NA	深度学习	多种深度学习模型	DNA序列数据	六个基准数据集
15578	2024-09-25	Inferring the Effects of Protein Variants on Protein-Protein Interactions with Interpretable Transformer Representations 2023, Research (Washington, D.C.) DOI:10.34133/research.0219 PMID:37701056	研究论文	本文介绍了一种名为MIPPI的可解释Transformer模型，用于推断蛋白质变体对蛋白质-蛋白质相互作用的影响	MIPPI是一个端到端的深度学习模型，通过利用IMEx的相互作用数据直接从序列中学习特征，并能通过学习到的注意力权重进行解释	NA	旨在识别致病变体并推断其对蛋白质-蛋白质相互作用的影响，从而揭示其在疾病中的功能后果	蛋白质变体对蛋白质-蛋白质相互作用的影响	机器学习	神经发育障碍	Transformer	Transformer	序列	NA
15579	2024-09-25	Sample-efficient multi-agent reinforcement learning with masked reconstruction 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291545 PMID:37708154	研究论文	本文提出了一种结合掩码重构任务的多智能体强化学习方法（M-QMIX），以提高样本效率	通过引入掩码重构任务作为辅助任务，旨在增强多智能体系统中强化学习的样本效率	本文未提及具体的局限性	提高多智能体强化学习中的样本效率	多智能体强化学习中的决策问题	机器学习	NA	强化学习	QMIX	游戏数据	使用了11个场景，包括5个简单、3个困难和3个非常困难的场景
15580	2024-09-25	Local refinement mechanism for improved plant leaf segmentation in cluttered backgrounds 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1211075 PMID:37711291	研究论文	本文提出了一种基于深度学习的植物叶片实例分割方法，通过局部细化机制在杂乱背景下提高分割性能	引入了局部细化机制，使用高斯低通和高提升滤波器来增强目标实例，并可应用于训练或测试数据集	较大的高斯低通滤波器核尺寸会导致预测性能下降	旨在解决真实温室场景中的挑战，实现智能农业中表型数据的自动识别	番茄叶片的实例分割	计算机视觉	NA	深度学习	实例分割架构	图像	番茄叶片数据集