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
19581	2024-08-10	The putative prenyltransferase Nus1 is required for filamentation in the human fungal pathogen Candida albicans 2024-Aug-07, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkae124 PMID:38874344	研究论文	本文通过功能基因组筛选分析，识别了在特定条件下对人类真菌病原体白色念珠菌形态发生至关重要的基因，特别是预测编码预转移酶Nus1的orf19.5963基因及其相互作用伙伴Rer2。	本文首次揭示了Nus1和Rer2在白色念珠菌形态发生中的重要作用，并强调了功能基因组筛选在理解人类真菌病原体基因功能方面的潜力。	NA	识别对白色念珠菌形态发生至关重要的基因，并探讨其在真菌病原体中的功能。	白色念珠菌的形态发生相关基因及其在宿主相关条件下的功能。	NA	NA	深度学习	NA	图像	307个基因在组织培养基中37°C和5% CO2条件下进行筛选
19582	2024-08-10	Low-illumination and noisy bridge crack image restoration by deep CNN denoiser and normalized flow module 2024-Aug-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69412-5 PMID:39107363	research paper	本研究提出了一种结合深度CNN去噪器和归一化流亮度增强模块的算法，用于恢复低光照和噪声污染的桥梁裂缝图像	该算法通过深度CNN去噪器和归一化流模块有效提高了图像亮度和去噪效果，显著提升了裂缝检测和语义分割的准确性	NA	提高桥梁裂缝检测和语义分割的准确性	低光照和噪声污染的桥梁裂缝图像	computer vision	NA	deep learning, image processing	CNN	image	NA
19583	2024-08-10	SRS-Net: a universal framework for solving stimulated Raman scattering in nonlinear fiber-optic systems by physics-informed deep learning 2024-Aug-06, Communications engineering DOI:10.1038/s44172-024-00253-w PMID:39107381	研究论文	提出了一种基于物理信息深度学习的框架SRS-Net，用于解决非线性光纤系统中的受激拉曼散射问题	结合了神经网络的自动微分效率和强大的表示能力与受激拉曼散射物理定律的正则化，为受激拉曼散射的前向、反向及组合问题提供通用解决方案	NA	开发一种高效且通用的方法来解决光纤系统中的受激拉曼散射问题	受激拉曼散射在光纤系统中的前向和反向问题	机器学习	NA	物理信息神经网络	神经网络	模拟数据	涉及C+L波段约10 THz的波分复用系统的实验验证
19584	2024-08-10	Touchless short-wave infrared imaging for dynamic rapid pupillometry and gaze estimation in closed eyes 2024-Aug-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00572-1 PMID:39107497	研究论文	本文介绍了一种结合短波红外（SWIR）成像和图像处理算法的方法，用于在闭眼状态下进行快速（约30毫秒）瞳孔测量和眼球追踪。	该研究首次实现了在闭眼状态下通过短波红外成像进行连续无接触的瞳孔大小和注视方向监测。	研究仅在健康志愿者中进行，尚未在临床环境中广泛验证。	开发一种能够在闭眼状态下连续监测瞳孔大小和注视方向的无接触设备，以满足临床和研究领域的长期需求。	研究对象为43名健康志愿者，通过闭眼和睁眼两种状态进行实验。	计算机视觉	NA	短波红外（SWIR）成像	U-NET	图像	43名健康志愿者
19585	2024-08-10	Metal implant segmentation in CT images based on diffusion model 2024-Aug-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01379-1 PMID:39107679	研究论文	本研究利用扩散模型对CT图像中的金属植入物进行分割，并通过临床伪影图像和已知尺寸的幻影图像进行验证	本研究采用扩散模型DiffSeg，结合条件动态编码和全局频率解析器（GFParser），有效提高了金属分割的准确性	未来工作将集中在将金属分割模型嵌入到金属伪影减少中，以进一步提高减少效果	旨在使用扩散模型对CT图像中的金属植入物进行分割，并验证其在临床伪影图像和幻影图像上的效果	CT图像中的金属植入物	计算机视觉	NA	扩散模型	DiffSeg	图像	训练和验证使用11,280张切片，测试使用2,820张切片
19586	2024-08-10	scMaui: a widely applicable deep learning framework for single-cell multiomics integration in the presence of batch effects and missing data 2024-Aug-06, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05880-w PMID:39107690	研究论文	本文介绍了一种新的单细胞多组学整合模型scMaui，基于变分乘积专家自动编码器和对抗学习，能有效处理批次效应和缺失数据	scMaui采用乘积专家方法计算多个边缘分布的联合表示，特别适用于处理组学数据中的缺失值，并能克服先前基于VAE整合方法的局限性，如批次效应校正和适用性限制	NA	开发一种广泛适用的深度学习框架，用于处理单细胞多组学数据中的批次效应和缺失数据	单细胞多组学数据整合	机器学习	NA	深度学习	自动编码器	单细胞多组学数据	NA
19587	2024-08-10	Development and validation of novel interpretable survival prediction models based on drug exposures for severe heart failure during vulnerable period 2024-Aug-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05544-6 PMID:39107765	研究论文	本研究旨在利用药物信息作为主要预测因子，开发和验证严重心衰患者在脆弱期的生存预测模型	本研究首次基于药物暴露开发了可解释的生存预测模型，用于评估严重心衰患者在脆弱期的预后	NA	开发和验证严重心衰患者在脆弱期的生存预测模型	严重心衰患者在脆弱期的生存预测	机器学习	心血管疾病	NA	Cox比例风险模型, 随机生存森林, 深度学习生存预测	NA	11,590名患者
19588	2024-08-10	Pursuing the elusive footsteps of malaria in peripheral blood smears utilizing artificial intelligence 2024-Aug, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19639 PMID:38977858	研究论文	研究利用人工智能模型识别和量化严重疟疾贫血中典型的红细胞形态特征	利用人工智能模型识别和量化红细胞形态特征，不依赖于可见寄生虫的存在	NA	开发用于识别外周血涂片中疟疾的人工智能模型	严重疟疾贫血中的红细胞形态特征	机器学习	疟疾	深度学习	NA	图像	儿童严重疟疾贫血患者的血液样本
19589	2024-08-10	Leveraging deep learning for detecting red blood cell morphological changes in blood films from children with severe malaria anaemia 2024-Aug, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19599 PMID:38894606	研究论文	本文介绍了一种利用深度学习模型检测严重疟疾贫血儿童血液涂片中红细胞形态变化的方法	引入了一种弱监督的多实例学习框架，用于通过检测形态改变的红细胞来识别严重疟疾贫血	NA	通过深度学习模型系统地检测和识别严重疟疾贫血儿童血液涂片中红细胞的形态变化	严重疟疾贫血儿童的红细胞形态变化	机器学习	疟疾	深度学习	多实例学习框架	图像	NA
19590	2024-08-10	Fast Pure Shift NMR Spectroscopy Using Attention-Assisted Deep Neural Network 2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202309810 PMID:38840448	研究论文	本研究提出并实现了一种利用轻量级注意力辅助深度神经网络加速纯移NMR光谱学的方法	引入注意力机制以突出光谱特征和感兴趣的信息，从而恢复高分辨率信号并抑制欠采样伪影	NA	加速纯移NMR光谱学，以实现更快的分子结构和动力学探测	纯移NMR光谱学	机器学习	NA	NMR	深度神经网络	光谱数据	使用仅5.4%的数据进行实验
19591	2024-08-10	Deep Batch Integration and Denoise of Single-Cell RNA-Seq Data 2024-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308934 PMID:38778573	研究论文	介绍了一种基于深度学习的方法DeepBID，用于单细胞RNA测序数据的批次效应校正、非线性降维、嵌入和细胞聚类	DeepBID采用基于负二项分布的自编码器和双Kullback-Leibler散度损失函数，能够在一致的低维潜在空间中对齐来自不同批次的细胞点，并通过迭代聚类逐步减少批次效应	NA	开发一种高效且有利于下游分析的单细胞RNA测序数据集成方法	单细胞RNA测序数据	机器学习	阿尔茨海默病	scRNA-seq	自编码器	数据集	多个批次的单细胞RNA测序数据
19592	2024-08-10	Chondroitin/dermatan sulphate proteoglycan, desmosealin, showing affinity to desmosomes 2024-Aug, International journal of cosmetic science IF:2.7Q2 DOI:10.1111/ics.12954 PMID:39113319	研究论文	本研究通过使用一种新型人工智能模型评估机器人辅助远端胃切除术（RDG）中的外科医生手术技能，该模型能够识别手术器械	首次报道了通过人工智能模型成功且准确地评估RDG中的手术技能	NA	研究如何利用新型人工智能模型评估RDG中的外科医生手术技能	RDG中的外科医生手术技能	机器学习	胃癌	深度学习	多阶段时间卷积网络（Deeplab）	视频	55个连续的机器人手术视频，1234个手动标注的图像用于训练，149个标注的图像用于测试
19593	2024-08-10	Ocular image-based deep learning for predicting refractive error: A systematic review 2024 Aug-Sep, Advances in ophthalmology practice and research DOI:10.1016/j.aopr.2024.06.005 PMID:39114269	综述	本文是一篇系统综述，旨在总结和评估基于眼科图像的深度学习模型在预测屈光不正中的表现	首次对基于眼科图像的深度学习模型在预测屈光不正中的应用进行全面系统综述	尚未评估深度学习模型在实际临床筛查流程中的应用效果	总结和评估基于眼科图像的深度学习模型在预测屈光不正中的表现	基于眼科图像的深度学习模型在预测屈光不正中的应用	计算机视觉	NA	深度学习	CNN	图像	九项研究，分为三组：视网膜照片（n=5），OCT（n=1），外部眼照片（n=3）
19594	2024-08-10	A two-stream decision fusion network for cervical pap-smear image classification tasks 2024-Jul-31, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2024.102505 PMID:39116530	研究论文	本文提出了一种双流决策融合网络用于宫颈涂片图像分类任务	提出了一种包含手动特征分支和深度特征分支的双流特征融合模型，并通过设计尺度卷积块和决策特征通道来增强模型性能	深度学习在特定领域如宫颈细胞医学图像分类中的局限性逐渐显现，因为宫颈细胞的形态差异有时非常小且难以捕捉	解决深度学习在宫颈细胞医学图像分类中的局限性问题	宫颈细胞图像分类	计算机视觉	宫颈疾病	CNN	双流特征融合模型	图像	148762张宫颈细胞病理学图像
19595	2024-08-10	An extensive investigation of convolutional neural network designs for the diagnosis of lumpy skin disease in dairy cows 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34242 PMID:39114056	研究论文	本文研究了用于诊断奶牛结节性皮肤病卷积神经网络设计的广泛调查	提出了基于卷积神经网络（CNN）的新架构用于检测疾病，并使用图像预处理和分割技术识别受影响的区域	NA	利用各种深度学习和机器学习模型确定奶牛是否患有结节性皮肤病	奶牛结节性皮肤病	计算机视觉	动物疾病	卷积神经网络（CNN）	CNN	图像	数千头牛
19596	2024-08-10	Textual emotion classification using MPNet and cascading broad learning 2024-Jul-27, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106582 PMID:39116581	研究论文	本文提出了一种新的文本情感分类方法，使用级联广义学习（CBL）和掩码与置换预训练语言模型（MPNet）进行句子嵌入	本文引入了级联广义学习（CBL）和MPNet模型，通过级联特征节点和增强节点提高文本特征提取能力和模型性能	NA	旨在改进文本情感分类的效率和准确性	文本情感分类	自然语言处理	NA	掩码与置换预训练语言模型（MPNet）	级联广义学习（CBL）	文本	使用了SMP2020-EWECT和SemEval-2019 Task 3数据集进行实验
19597	2024-08-10	Deep fine-KNN classification of ovarian cancer subtypes using efficientNet-B0 extracted features: a comprehensive analysis 2024-Jul-25, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05879-z PMID:39052091	研究论文	本研究提出了一种结合深度学习和k-最近邻（KNN）方法的卵巢癌亚型分类方法	利用EfficientNet-B0的强大特征提取能力，并通过fine-KNN方法进行细粒度分类	NA	开发一种有效的卵巢癌亚型分类模型	五种不同的卵巢癌亚型：高级别浆液性癌（HGSC）、透明细胞卵巢癌（CC）、子宫内膜样癌（EC）、低级别浆液性癌（LGSC）和粘液性癌（MC）	数字病理学	卵巢癌	深度学习	EfficientNet-B0	图像	725张组织病理学图像，其中80%用于训练，20%用于测试
19598	2024-08-10	Construction of a Multi-Label Classifier for Extracting Multiple Incident Factors From Medication Incident Reports in Residential Care Facilities: Natural Language Processing Approach 2024-Jul-23, JMIR medical informatics IF:3.1Q2 DOI:10.2196/58141 PMID:39042454	研究论文	本文开发并评估了一种多标签分类器，利用自然语言处理技术从住宅护理机构的药物事件报告中识别与药物相关事件的因素	使用深度学习模型，包括BERT和ELECTRA，对日本住宅护理机构的药物事件报告进行多标签分类，以识别多个事件因素	由于标签数量有限，部分因素如'居民家庭'和'医疗人员'未纳入模型开发过程	开发和评估一种多标签分类器，以识别住宅护理机构中药物相关事件的因素，特别是涉及非医疗人员的事件	住宅护理机构中的药物事件报告	自然语言处理	NA	自然语言处理	BERT, ELECTRA	文本	2143份事件报告，包含7121个句子
19599	2024-08-10	Contextual AI models for single-cell protein biology 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.18.549602 PMID:37503080	研究论文	本文介绍了一种名为Pinnacle的几何深度学习方法，用于生成上下文感知的蛋白质表示，并应用于多器官单细胞图谱中	Pinnacle能够学习上下文化的蛋白质相互作用网络，并生成反映细胞和组织结构的蛋白质表示，支持零样本检索组织层次结构	NA	开发一种新的方法来解析蛋白质在不同生物上下文中的功能和相互作用	蛋白质功能和相互作用	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质相互作用网络	394,760个蛋白质表示，来自24个组织的156种细胞类型上下文
19600	2024-08-10	Developing a deep learning model for predicting ovarian cancer in Ovarian-Adnexal Reporting and Data System Ultrasound (O-RADS US) Category 4 lesions: A multicenter study 2024-Jul-09, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-024-05872-6 PMID:38981916	研究论文	开发一个深度学习模型，用于预测O-RADS US分类4病变中的卵巢癌，并在多中心研究中验证其诊断性能	使用DeepLabV3和YOLOv8联合进行卵巢肿瘤的分割、分类和检测，提高了诊断的精确度和召回率	研究基于回顾性分析，且样本来自三个中心，可能存在数据偏差	开发和验证一个深度学习模型，用于区分O-RADS US分类4病变中的良性与恶性卵巢肿瘤	O-RADS US分类4病变中的卵巢肿瘤	机器学习	卵巢癌	深度学习	DeepLabV3, YOLOv8	图像	总共1619张超声图像，涉及519名患者（包括269例良性肿瘤和250例恶性肿瘤）