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
17141	2024-08-07	VitTCR: A deep learning method for peptide recognition prediction 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109770 PMID:38711451	研究论文	本研究介绍了基于视觉转换器（ViT）架构的预测模型VitTCR，旨在识别T细胞受体（TCR）与肽之间的相互作用，这对开发癌症免疫疗法和疫苗至关重要	VitTCR通过使用Atchley因子将TCR-肽相互作用转换为数值AtchleyMaps进行预测，并集成了来自氨基酸接触概率的位置偏置权重矩阵（PBWM）以提高准确性	需要进一步的比较研究以理解VitTCR在不同情境下的有效性	开发一种计算工具，用于预测TCR-肽相互作用，为免疫疗法和疫苗开发提供见解	T细胞受体（TCR）与肽之间的相互作用	机器学习	NA	视觉转换器（ViT）	ViT	数值AtchleyMaps	NA
17142	2024-08-07	Mpox-AISM: AI-mediated super monitoring for mpox and like-mpox 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109766 PMID:38711448	研究论文	本文提出了一种名为“超级监控”的实时可视化技术，利用人工智能和互联网技术快速、便捷且廉价地诊断早期猴痘患者	本文的创新点在于整合了深度学习模型、数据增强、自监督学习和云服务，实现了对早期猴痘的高精度诊断	NA	旨在解决早期猴痘患者诊断的挑战，避免其传播	早期猴痘患者及类似猴痘的皮肤疾病	机器学习	猴痘	深度学习	深度学习模型	图像	使用了公开可访问的数据集
17143	2024-08-07	Revealing neural dynamical structure of C. elegans with deep learning 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109759 PMID:38711456	研究论文	本研究利用深度神经网络（DNN）方法重建秀丽隐杆线虫的神经动力学，并研究其运动神经机制	本研究首次使用深度神经网络模型识别出神经活动空间中的两个极限环，分别对应基本旋转行为和额外转弯行为，揭示了主要运动模式	研究面临高维度和随机性的挑战	探索秀丽隐杆线虫的神经动力学结构及其运动神经机制	秀丽隐杆线虫的神经动力学	机器学习	NA	深度神经网络（DNN）	DNN	神经影像数据	NA
17144	2024-08-07	Development and external validation of a multimodal integrated feature neural network (MIFNN) for the diagnosis of malignancy in small pulmonary nodules (≤10 mm) 2024-May-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad449a PMID:38684143	研究论文	本研究开发并外部验证了一种多模态集成特征神经网络（MIFNN），用于诊断直径≤10mm的小肺结节的恶性风险	本研究通过融合深度学习算法与肺结节的形态特征，显著提高了诊断准确性	NA	优化直径≤10mm的小肺结节的管理	直径≤10mm的小肺结节	机器学习	肺部疾病	深度学习	神经网络	图像	共分析了382个小肺结节（其中85个恶性）和101个小肺结节（其中33个恶性）
17145	2024-08-07	Deep learning for high-resolution seismic imaging 2024-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61251-8 PMID:38705877	研究论文	本研究利用深度学习技术，通过结合Transformer和卷积神经网络（CNN）架构以及自适应空间特征融合（ASFF），实现了高分辨率地震成像	本研究引入了新的神经网络框架，直接将地震数据映射到反射模型，无需低分辨率结果的后处理	NA	提高地震成像的分辨率	地震波的传播和反射数据	计算机视觉	NA	深度学习	Transformer和CNN	地震数据	NA
17146	2024-08-07	LUNet: deep learning for the segmentation of arterioles and venules in high resolution fundus images 2024-May-03, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3d28 PMID:38599224	研究论文	本研究旨在利用深度学习自动分割数字眼底图像中的视网膜小动脉和小静脉	开发了LUNet这一新型深度学习架构，采用双膨胀卷积块扩大感受野并减少参数数量，同时设计了高分辨率尾部以细化分割细节，并定制了损失函数以优先考虑血管分割的连续性	NA	自动化分割视网膜小动脉和小静脉，以通过眼底图像诊断和理解心血管疾病	视网膜小动脉和小静脉的自动分割	计算机视觉	心血管疾病	深度学习	CNN	图像	240个由15名医学生手动分割并由眼科医生审核的视网膜小动脉和小静脉分割数据
17147	2024-08-07	Cognitive decline assessment using semantic linguistic content and transformer deep learning architecture 2024 May-Jun, International journal of language & communication disorders IF:1.5Q3 DOI:10.1111/1460-6984.12973 PMID:37971395	研究论文	本文提出了一种利用语义语言内容和基于变换器的深度学习架构来评估认知衰退的方法	本研究通过分析语音数据，特别是关注语音相关性作为记忆召回的关键指标，提出了一种独特的认知衰退评估方法	需要进一步研究以验证这些算法在更大和更多样化数据集上的性能，并解决潜在的偏见和局限性	旨在通过分析语音数据来评估认知衰退，特别是关注语音相关性作为记忆召回的关键指标	研究对象包括患有和未患痴呆症的个体的语音数据	机器学习	老年疾病	深度学习	变换器	文本	使用Pitt Corpus Dementia数据集进行实验，包含患有和未患痴呆症个体的语音数据
17148	2024-08-07	Artificial intelligence in endocrinology: a comprehensive review 2024-May, Journal of endocrinological investigation IF:3.9Q2 DOI:10.1007/s40618-023-02235-9 PMID:37971630	综述	本文全面回顾了人工智能在内分泌学领域的应用现状，重点关注机器学习算法和深度学习模型在诊断、治疗和管理内分泌疾病中的潜力	探讨了人工智能在内分泌学多个领域的应用，包括筛查诊断、风险预测、转化研究和预防医学，展示了其在优化医疗结果和揭示内分泌疾病复杂机制中的价值	NA	提供人工智能在内分泌学和代谢领域应用的概述	内分泌疾病，如糖尿病及相关疾病、甲状腺疾病、肾上腺肿瘤和骨矿物质疾病	机器学习	内分泌疾病	NA	机器学习算法和深度学习模型	NA	NA
17149	2024-08-07	Underwater sound speed profile estimation from vessel traffic recordings and multi-view neural networks 2024-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025920 PMID:38717207	研究论文	本文研究了利用海洋船舶噪声作为机会声源来估计海洋声速剖面的潜力，并提出了一种基于深度学习的反演方案	本文提出了一种新的深度学习方法，利用单个水听器记录的移动船舶水下辐射噪声来估计海洋声速剖面	研究仅限于圣巴巴拉海峡，且数据集仅包含2015年至2017年的记录	探索利用海洋船舶噪声估计海洋声速剖面的方法	海洋声速剖面	机器学习	NA	深度学习	神经网络	声学记录和船舶描述数据	数据集包括2015年至2017年间圣巴巴拉海峡的船舶自动识别系统数据和声学记录，每天通常记录4到10次航行
17150	2024-08-07	Predicting underwater acoustic transmission loss in the SOFAR channel from ray trajectories via deep learning 2024-May-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0025976 PMID:38717470	研究论文	本文提出了一种基于深度学习的声学传输损失预测方法，通过训练U-net型卷积神经网络，实现射线轨迹与传输损失之间的准确映射	采用深度学习方法简化传统复杂算法和计算密集型问题，提供了一种快速且准确的预测模型	NA	解决声学传输损失预测中的算法复杂和计算密集问题	水下声学传输损失	机器学习	NA	深度学习	U-net型卷积神经网络	射线轨迹	使用Munk声速剖面的SOFAR通道进行验证
17151	2024-08-07	DeepLabCut-based daily behavioural and posture analysis in a cricket 2024-Apr-15, Biology open IF:1.8Q3 DOI:10.1242/bio.060237 PMID:38533608	研究论文	本文介绍了一种基于DeepLabCut的系统，用于长期量化单个蟋蟀的多种行为，如运动活动、进食和类似睡眠状态	该系统利用DeepLabCut软件，通过监督式机器学习进行身体关键点标记，无需物理标记个体动物，减少了人为偏差	NA	研究蟋蟀的昼夜节律及其神经机制	蟋蟀的行为和姿势	机器学习	NA	DeepLabCut	监督式机器学习	视频	单个蟋蟀
17152	2024-08-07	Artificial intelligence in liver imaging: methods and applications 2024-Apr, Hepatology international IF:5.9Q1 DOI:10.1007/s12072-023-10630-w PMID:38376649	综述	本文综述了基于医学影像的人工智能方法及其在肝脏疾病管理中的应用	重点介绍了深度学习在肝脏影像中的代表性方法及其在精确检测、诊断和治疗肝脏疾病中的临床应用	强调了当前面临的挑战，如特征可解释性、多模态数据集成和多中心研究	探讨人工智能方法在肝脏疾病管理中的应用及其未来发展	肝脏疾病及其影像学评估	计算机视觉	肝脏疾病	深度学习	NA	影像	NA
17153	2024-08-07	AI-Driven Clinical Decision Support Systems: An Ongoing Pursuit of Potential 2024-Apr, Cureus DOI:10.7759/cureus.57728 PMID:38711724	综述	本文综述了人工智能（AI）技术如何革新临床决策支持系统（CDSS），包括其在医疗决策中的应用、相关挑战以及实现AI-CDSS潜力的未来方向。	强调了AI在提升CDSS效能和效率中的日益重要的作用，并探讨了AI技术如机器学习算法、自然语言处理和深度学习在CDSS中的集成。	讨论了AI集成中的挑战，如可解释性和偏见问题，并提出了成功采用AI-CDSS的策略，强调了工作流程对齐和跨学科合作的重要性。	探讨AI技术如何改变CDSS，并推动其在医疗实践中的应用。	研究对象包括AI技术在CDSS中的应用，如AI驱动的诊断、个性化治疗建议、风险预测和临床文档辅助。	NA	NA	机器学习算法、自然语言处理、深度学习	神经网络、决策树	NA	NA
17154	2024-08-07	Evaluating large language models for annotating proteins 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文评估了使用大型语言模型（LLMs）进行蛋白质注释的新协议	提出了一种基于迁移学习的新协议，使用大型语言模型在大量未注释数据集上进行自监督训练，以获得序列嵌入，然后在小规模注释数据集上进行监督学习，以提高蛋白质域注释的预测	深度学习模型需要大量训练数据，对于人口稀少的家族可能是一个挑战	提高蛋白质域注释的准确性和效率	蛋白质注释	自然语言处理	NA	迁移学习	大型语言模型（LLMs）	序列数据	超过25100万蛋白质，其中仅0.25%被注释
17155	2024-08-07	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer方法和Shell-like图结构的深度学习评分方法GSScore，用于蛋白质-配体对接姿态的RMSD预测	GSScore利用Graphormer和Shell-like图结构，能有效捕捉能量上有利的近天然构象与不利的非天然姿态之间的细微差异，无需额外信息	NA	开发新的计算方法以更准确地预测蛋白质-配体对接的RMSD	蛋白质-配体相互作用模式	机器学习	NA	Graphormer方法	Graphormer	图结构	评估了包括PDBBind 2019版本子集、CASF2016以及DUD-E在内的多样化测试集
17156	2024-08-07	Deep learning assisted single particle tracking for automated correlation between diffusion and function 2024-Feb-02, Research square DOI:10.21203/rs.3.rs-3716053/v1 PMID:38352328	研究论文	本文介绍了一种名为DeepSPT的深度学习框架，用于快速高效地解释物体在亚细胞环境中的2D或3D扩散行为	DeepSPT能够自动从扩散行为中提取功能信息，无需人工干预	NA	开发一种自动化方法，从亚细胞环境的扩散行为中提取功能信息	亚细胞环境中的分子和细胞器的扩散行为	机器学习	NA	深度学习	深度学习框架	图像	NA
17157	2024-08-07	Deep learning based synthesis of MRI, CT and PET: Review and analysis 2024-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103046 PMID:38052145	综述	本文综述了2018年至2023年间基于深度学习的医学图像合成技术，包括伪CT、合成MR和合成PET，并分析了各种合成方法的模型设计和网络架构	深度学习在合成图像对比度应用中表现出优于传统图像合成方法的性能，特别是引入了Transformer和Diffusion模型等新型网络架构	文章讨论了在医学图像合成中存在的挑战，并提出了可能的解决方案和未来研究方向	旨在克服获取多种图像模态以实现准确临床工作流程的挑战	医学图像合成技术，包括伪CT、合成MR和合成PET	计算机视觉	NA	深度学习	CNN, Transformer, Diffusion模型	图像	NA
17158	2024-08-07	An Ensemble Learning Method for Detection of Head and Neck Squamous Cell Carcinoma Using Polarized Hyperspectral Microscopic Imaging 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3007869 PMID:38711533	研究论文	本研究开发了一种基于偏振高光谱显微成像的集成学习方法，用于检测头颈部鳞状细胞癌	利用偏振高光谱显微成像技术和卷积神经网络构建了一种四分支模型架构，每个分支分别训练一个Stokes参数	未来的工作可以通过训练更多样化的数据、根据肿瘤分级进行分类以及引入更新的架构技术来改进结果	开发一种新的深度学习分类方法，用于检测头颈部鳞状细胞癌	头颈部鳞状细胞癌的病理切片	计算机视觉	头颈部鳞状细胞癌	偏振高光谱显微成像	CNN	图像	56名患者
17159	2024-08-07	Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation 2024-Jan-16, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.031257 PMID:38226515	研究论文	本文研究使用人工智能通过超声心动图检测风湿性心脏病，特别是二尖瓣反流	本文提出了一种自动化的方法，利用卷积神经网络和深度学习模型结合注意力机制来定位左心房并分析二尖瓣反流，以检测风湿性心脏病	研究需要更多的数据来进一步提高模型的准确性	探索人工智能在无症状儿童中通过超声心动图检测风湿性心脏病的能力，以预防疾病进展	儿童的风湿性心脏病和二尖瓣反流	机器学习	风湿性心脏病	卷积神经网络，深度学习	CNN，深度学习模型	图像	511例儿童超声心动图
17160	2024-08-07	A deep learning framework for noninvasive fetal ECG signal extraction 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1329313 PMID:38711954	研究论文	本文开发了一种深度学习框架，用于从12通道腹部复合信号中非侵入性地提取胎儿心电图（ECG）信号的R峰	提出了一种使用循环神经网络架构的模型，能够稳健地检测胎儿ECG的R峰	NA	开发一种框架，用于直接从腹部复合信号中检测和识别胎儿ECG的R峰	从70名健康和有健康状况的孕妇中非侵入性地记录的信号	机器学习	NA	循环神经网络	RNN	信号	70名孕妇