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
15741	2024-09-28	Dispersal inference from population genetic variation using a convolutional neural network 2023-05-26, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyad068 PMID:37052957	研究论文	本文介绍了一种利用地理分布的基因型数据和卷积神经网络来推断种群参数（即每代平均扩散距离）的工具	本文提出的方法在样本量较小的情况下表现优于现有方法，并且不依赖于地理坐标或局部种群密度信息	本文方法在某些物种中估计的扩散距离比标记重捕法计算的结果更大，可能是由于标记重捕研究覆盖的地理采样区域有限	开发一种新的工具，用于从基因变异数据中推断扩散距离	12种具有公开数据的物种的扩散距离	机器学习	NA	卷积神经网络	CNN	基因型数据	12种物种的公开数据
15742	2024-09-28	Using traditional machine learning and deep learning methods for on- and off-target prediction in CRISPR/Cas9: a review 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad131 PMID:37080758	综述	本文综述了传统机器学习和深度学习方法在CRISPR/Cas9系统中靶向和非靶向预测的应用	本文总结了当前在CRISPR/Cas9靶向和非靶向预测中使用的传统机器学习和深度学习模型的最新进展，并讨论了未来研究方向	本文未提供具体的实验数据或模型性能比较，主要集中在现有方法的综述和未来研究方向的讨论	探讨CRISPR/Cas9系统中靶向和非靶向预测的研究挑战和未来方向	CRISPR/Cas9系统的靶向和非靶向预测	机器学习	NA	CRISPR/Cas9	传统机器学习模型和深度学习神经网络	sgRNA-DNA序列	NA
15743	2024-09-28	EDLM: Ensemble Deep Learning Model to Detect Mutation for the Early Detection of Cholangiocarcinoma 2023-05-18, Genes IF:2.8Q2 DOI:10.3390/genes14051104 PMID:37239464	研究论文	开发了一种集成深度学习模型（EDLM）用于早期检测胆管癌	提出了一个由三种深度学习算法（LSTM、GRU和BLSTM）组成的集成深度学习模型，用于早期检测胆管癌	NA	早期检测胆管癌	胆管癌基因突变	机器学习	胆管癌	深度学习	集成模型（LSTM、GRU、BLSTM）	基因突变数据	516个人类样本，包含45个胆管癌基因中的672个突变
15744	2024-09-28	High-throughput deep learning variant effect prediction with Sequence UNET 2023-05-09, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02948-3 PMID:37161576	研究论文	本文介绍了一种名为Sequence UNET的高通量深度学习架构，用于从序列中分类和预测变异频率	提出了Sequence UNET，一种高度可扩展的深度学习架构，使用全卷积压缩/扩展架构的多尺度表示	未提及	开发一种可扩展的深度学习模型来预测变异效应	变异频率和致病性预测	机器学习	NA	深度学习	UNET	序列	分析了83亿个变异在904,134个蛋白质中
15745	2024-09-28	AIONER: all-in-one scheme-based biomedical named entity recognition using deep learning 2023-05-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad310 PMID:37171899	研究论文	提出了一种基于深度学习的全合一生物医学命名实体识别工具AIONER	引入了一种全合一方案，利用现有标注资源的外部数据来增强BioNER模型的准确性和稳定性	NA	提高生物医学命名实体识别的准确性和通用性	生物医学文本中的命名实体	自然语言处理	NA	深度学习	NA	文本	14个BioNER基准任务
15746	2024-09-28	A Perspective on Explanations of Molecular Prediction Models 2023-Apr-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c01235 PMID:36972469	综述	本文综述了可解释人工智能（XAI）在化学领域的应用，特别是解释深度学习（DL）模型及其预测的方法	介绍了化学反事实和描述符解释等XAI方法，展示了这些方法在解释DL预测和揭示结构-性质关系方面的潜力	NA	探讨XAI在化学领域中的应用，特别是解释DL模型及其预测的方法	化学领域的深度学习模型及其预测的解释方法	机器学习	NA	深度学习（DL）	深度学习模型	分子数据	NA
15747	2024-09-28	Retinal Disease Detection Using Deep Learning Techniques: A Comprehensive Review 2023-Apr-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9040084 PMID:37103235	综述	本文综述了使用深度学习技术进行视网膜疾病检测的研究进展	本文提出了未来研究方向，包括探索集成CNN架构在多类多标签任务中的潜力以及提高模型可解释性	本文未提供具体的研究数据或模型实现细节	评估当前深度学习技术在视网膜疾病检测和分级中的应用	视网膜疾病，包括青光眼、糖尿病视网膜病变、年龄相关性黄斑变性和多种视网膜疾病	计算机视觉	NA	深度卷积神经网络（DCNN）和视觉变换器（ViT）	CNN	图像	NA
15748	2024-09-28	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文综述了Transformer模型在医学影像领域的应用现状，并探讨了其未来发展方向	本文通过对比Transformer和卷积神经网络（CNN）的关键特性，系统地组织了Transformer在医学影像中的应用，帮助读者更好地理解这些方法背后的原理	NA	探讨Transformer模型在医学影像领域的应用现状及未来发展方向	Transformer模型在医学影像中的应用，包括图像分割、识别、检测、配准、重建、增强等	计算机视觉	NA	Transformer	Transformer	图像	NA
15749	2024-09-28	Applying a GAN-based classifier to improve transcriptome-based prognostication in breast cancer 2023-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011035 PMID:37011102	研究论文	本文提出了一种基于生成对抗网络（GAN）的分类器，用于改善乳腺癌患者的转录组学预后	本文创新性地使用了一种包含梯度惩罚的Wasserstein生成对抗网络（GAN）和嵌入式辅助分类器的数据增强管道，以克服omics数据集中变量数量远超患者数量的挑战	NA	开发一种能够基于全转录组数据对乳腺癌患者进行风险分层的稳健分类器	乳腺癌患者	机器学习	乳腺癌	生成对抗网络（GAN）	生成对抗网络（GAN）	转录组数据	1244名患者（METABRIC乳腺癌队列）
15750	2024-09-28	Deep Learning in MRI-guided Radiation Therapy: A Systematic Review 2023-Mar-30, ArXiv PMID:36994167	综述	系统性回顾了深度学习在MRI引导放射治疗中的应用	NA	NA	回顾深度学习在MRI引导放射治疗中的应用，并讨论其临床意义和未来方向	MRI引导放射治疗中的深度学习应用	机器学习	NA	MRI	NA	NA	NA
15751	2024-09-28	MediNet: transfer learning approach with MediNet medical visual database 2023-Mar-20, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-14831-1 PMID:37362724	研究论文	本文提出了一种基于MediNet医学视觉数据库的迁移学习方法，并使用多种深度学习算法进行预训练和分类应用	本文提出了MediNet，一个包含10类医学图像的新视觉数据集，并使用多种深度学习算法进行迁移学习，提高了分类准确率	本文未详细讨论数据集的构建过程和数据质量问题	研究如何通过迁移学习提高医学图像分类的准确率	医学图像分类问题，包括胸部X光片、糖尿病视网膜病变和Covid-19数据集	计算机视觉	NA	迁移学习	AlexNet, VGG19-BN, Inception V3, DenseNet 121, ResNet 101, EfficientNet B0, Nested-LSTM + CNN, RdiNet	图像	MediNet数据集包含10类医学图像，具体样本数量未明确说明
15752	2024-09-28	AD-Syn-Net: systematic identification of Alzheimer's disease-associated mutation and co-mutation vulnerabilities via deep learning 2023-03-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad030 PMID:36752347	研究论文	本文构建了一个大规模的阿尔茨海默病（AD）突变和共突变框架，并提出了基于深度学习的模型来系统地识别与AD相关的突变和共突变脆弱性	本文提出了名为Deep-SMCI和Deep-CMCI的深度学习模型，能够基于基因突变和共突变谱有效预测认知障碍	NA	系统地识别与阿尔茨海默病相关的风险突变	阿尔茨海默病相关的基因突变和共突变	机器学习	阿尔茨海默病	深度学习	全连接层	基因突变和共突变数据	大规模数据集
15753	2024-09-28	Machine learning in metastatic cancer research: Potentials, possibilities, and prospects 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2023.03.046 PMID:37077177	综述	本文综述了经典机器学习和深度学习在转移性癌症研究中的应用	本文指出了现有模型在临床试验数据中由于样本多样性不足可能导致泛化能力被高估的问题	深度学习模型的黑箱性质和高计算成本是其主要局限	探讨机器学习和深度学习在转移性癌症研究中的潜力和前景	转移性癌症的早期检测、生物标志物识别和治疗选择	机器学习	癌症	深度学习	NA	图像	临床试验数据中的样本多样性不足
15754	2024-09-28	Deep Convolutional Neural Networks for Detecting COVID-19 Using Medical Images: A Survey 2023, New generation computing IF:2.0Q2 DOI:10.1007/s00354-023-00213-6 PMID:37229176	综述	本文综述了2020年1月至2022年9月期间使用深度学习模型进行COVID-19检测的研究	本文比较了不同深度学习方法在COVID-19检测中的应用，并提供了该领域的未来发展方向	NA	探讨深度学习在COVID-19检测中的应用	COVID-19检测	计算机视觉	COVID-19	深度学习	CNN	图像	NA
15755	2024-09-28	On the Analyses of Medical Images Using Traditional Machine Learning Techniques and Convolutional Neural Networks 2023, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-023-09899-9 PMID:37260910	综述	本文综述了卷积神经网络（CNN）在医学图像分析中的应用及其内部结构和挑战	本文介绍了深度学习中不同的激活函数、超参数优化、正则化、动量和损失函数对CNN性能的改进	NA	探讨CNN在医学图像分析中的应用及其内部结构和挑战	卷积神经网络及其在医学图像分析中的应用	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	NA
15756	2024-09-28	Multi-modal medical image classification using deep residual network and genetic algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0287786 PMID:37384779	研究论文	本文提出了一种基于深度残差网络和遗传算法的多模态医学图像分类方法	利用深度学习模型ResNet50结合遗传算法，提高了多模态医学图像分类的准确性	NA	旨在缩小语义鸿沟并提高多模态医学图像分类的性能	多模态医学图像	计算机视觉	NA	深度学习	ResNet50	图像	28378张多模态医学图像
15757	2024-09-28	Generic Interpretable Reaction Condition Predictions with Open Reaction Condition Datasets and Unsupervised Learning of Reaction Center 2023, Research (Washington, D.C.) DOI:10.34133/research.0231 PMID:37849643	研究论文	本文提出了一个基于Transformer的反应条件预测模型Parrot，并创建了两个标准化的反应条件数据集	提出了一个强大的、可解释的Transformer模型Parrot，用于反应条件预测，并创建了两个标准化的反应条件数据集	训练数据集的多样性可能仍然有限	解决深度学习辅助合成规划中反应条件预测的挑战	反应条件预测模型和标准化数据集	机器学习	NA	Transformer	Transformer	文本	两个标准化的反应条件数据集，涵盖广泛的反应类别
15758	2024-09-28	Deep learning-empowered crop breeding: intelligent, efficient and promising 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1260089 PMID:37860239	研究论文	本文探讨了深度学习在作物育种中的应用，旨在提高育种效率和作物品质	提出了基于深度学习的作物育种策略，以加速作物改良和提高育种效率	当前面临数据复杂性、数据获取困难和预测精度低等挑战	提高作物育种效率和作物品质	作物育种过程	机器学习	NA	深度学习	NA	NA	NA
15759	2024-09-28	Nucleotide-level prediction of CircRNA-protein binding based on fully convolutional neural network 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1283404 PMID:37867600	研究论文	本文提出了一种基于全卷积神经网络的CircRNA-蛋白质结合位点预测方法	将CircRNA-蛋白质结合位点预测视为核苷酸级别的二分类任务，并使用全卷积神经网络进行预测	现有方法在准确预测具有特殊功能的motif位点方面表现不佳	研究CircRNA-蛋白质结合位点的预测及其在基因表达调控中的作用	CircRNA-蛋白质结合位点及其motif功能	计算机视觉	NA	全卷积神经网络	全卷积神经网络	序列	NA
15760	2024-09-28	Stacked ensemble deep learning for pancreas cancer classification using extreme gradient boosting 2023, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2023.1232640 PMID:37876961	研究论文	本文介绍了一种用于胰腺CT图像分类的堆叠集成深度学习方法	提出了堆叠集成深度学习（SEDL）方法，结合Inception V3、VGG16和ResNet34作为弱学习器，并使用极端梯度提升（XGBoost）作为强学习器进行最终分类	未提及具体限制	提高胰腺CT图像分类的预测性能	胰腺CT医学图像	计算机视觉	胰腺癌	极端梯度提升（XGBoost）	堆叠集成模型	图像	222张图像，来自80个胰腺CT扫描，分辨率为512*512像素，包括53名男性和27名女性