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
301	2024-08-30	Machine learning for medical imaging-based COVID-19 detection and diagnosis 2021-Sep, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22504 PMID:38607786	综述	本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型	利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者	许多机器学习模块在样本量有限的数据集上取得了显著的预测结果	探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率	COVID-19的检测与诊断	机器学习	COVID-19	NA	卷积神经网络	图像	有限样本量
302	2024-08-30	CondenseNet with exclusive lasso regularization 2021, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-021-06222-0 PMID:34219978	研究论文	本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题	引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征	NA	提高计算效率并缓解神经网络的过拟合问题	CondenseNet-elasso模型及其在图像分类任务中的性能	机器学习	NA	group convolution	CNN	image	CIFAR10, CIFAR100和Tiny ImageNet数据集
303	2024-08-30	Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06137-x PMID:34456618	综述	本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法	讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战	未具体提及	探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播	COVID-19的早期检测和诊断	计算机视觉	COVID-19	深度学习算法	深度神经网络	图像	未具体提及
304	2024-08-30	Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01900-3 PMID:34764554	研究论文	本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法	采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型	研究使用的数据集样本有限，主要关注COVID-19阳性病例	开发一种更稳健和替代的COVID-19诊断技术	COVID-19的自动诊断和肺部感染的识别	机器学习	呼吸系统疾病	深度学习	NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169	图像	公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限
305	2024-08-29	An investigation of traffic density changes inside Wuhan during the COVID-19 epidemic with GF-2 time-series images 2021-Dec-01, International journal of applied earth observation and geoinformation : ITC journal IF:7.6Q1 DOI:10.1016/j.jag.2021.102503 PMID:35481227	研究论文	本文通过收集武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像，分析了武汉内部交通密度的变化，以反映城市内部人口流动的变化。	利用高分辨率遥感图像和结合形态学滤波与深度学习的车辆检测方法，首次详细分析了武汉封城期间内部交通密度的变化。	研究主要依赖于遥感图像数据，可能存在天气等外部因素对数据质量的影响。	探讨武汉封城政策对城市内部交通密度和人口流动的影响。	武汉封城前后的交通密度变化。	遥感	COVID-19	遥感图像分析	深度学习	图像	武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像
306	2024-08-29	FusionAI: Predicting fusion breakpoint from DNA sequence with deep learning 2021-Oct-22, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103164 PMID:34646994	研究论文	本研究开发了FusionAI，利用深度学习预测基于DNA序列的基因融合断裂点，帮助研究人员更准确地选择融合基因并更好地理解基因组断裂	FusionAI利用已知的融合断裂点，通过深度学习从原始基因组序列中提供融合基因的预测模型	NA	识别与基因组断裂相关的分子机制	基因融合断裂点	机器学习	NA	深度学习	深度学习模型	DNA序列	NA
307	2024-08-28	Assessment of the CASP14 assembly predictions 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26199 PMID:34337786	研究论文	本文评估了CASP14中39个研究小组提交的超过2500个蛋白质复合物三维模型的预测性能	文章展示了结合传统技术与深度学习方法在蛋白质复合物预测中的有效性，并指出AlphaFold2预测在界面预测中的潜在帮助	文章指出，对于没有整体模板复合物的预测仍面临重大挑战	评估CASP14中蛋白质复合物结构预测的准确性和挑战	CASP14中的22个蛋白质复合物	计算机视觉	NA	模板基础建模、蛋白质对接、深度学习基础的接触预测	深度学习模型	3D模型	超过2500个3D模型，涉及22个蛋白质复合物
308	2024-08-28	Clinical Artificial Intelligence Applications: Breast Imaging 2021-Nov, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2021.07.010 PMID:34689871	review	本文简要概述了人工智能在临床乳腺影像学中的发展	随着影像技术的发展，人工智能技术采用了更复杂的算法、更快的计算机和更大的数据集	NA	探讨人工智能在乳腺影像学中的应用	乳腺影像学中的检测、诊断及治疗反应评估任务	computer vision	breast cancer	AI	deep learning	image	NA
309	2024-08-28	BI-RADS-NET: AN EXPLAINABLE MULTITASK LEARNING APPROACH FOR CANCER DIAGNOSIS IN BREAST ULTRASOUND IMAGES 2021-Oct, IEEE International Workshop on Machine Learning for Signal Processing : [proceedings]. IEEE International Workshop on Machine Learning for Signal Processing DOI:10.1109/mlsp52302.2021.9596314 PMID:35509454	研究论文	本文介绍了BI-RADS-Net，一种用于乳腺癌超声图像检测的可解释多任务学习深度学习方法	该方法通过学习与临床诊断相关的特征表示，同时解释和分类乳腺肿瘤，并提供基于形态学特征的预测解释	NA	开发一种可解释的深度学习方法，用于乳腺癌超声图像的癌症检测	乳腺肿瘤的检测和分类	计算机视觉	乳腺癌	深度学习	CNN	图像	1,192张图像
310	2024-08-28	Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations 2021-05-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00837-0 PMID:34030743	研究论文	本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类	DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能	NA	开发一种高效的阿尔茨海默病分类诊断工具	阿尔茨海默病患者和正常对照组的海马体MRI数据	机器学习	阿尔茨海默病	MRI	CNN	图像	326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据
311	2024-08-28	High-resolution 3D abdominal segmentation with random patch network fusion 2021-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101894 PMID:33421919	研究论文	本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。	该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。	NA	研究高分辨率3D腹部器官分割的挑战性问题。	3D腹部器官在高分辨率CT上的分割。	计算机视觉	NA	3D全卷积网络（FCN）	补丁网络	图像	260名受试者
312	2024-08-28	Dental microfracture detection using wavelet features and machine learning 2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2580744 PMID:35505894	研究论文	本文提出了一种结合高分辨率锥束计算机断层扫描（CBCT）和机器学习算法来检测牙齿微裂纹的方法	该方法通过使用小波金字塔构造生成相位图像，并利用U-Net深度学习架构定位裂纹的方向和范围，提供了一种新的量化牙齿结构破坏的方法	目前该模型仅在2D切片上进行了验证，未来的工作将扩展到3D体积，并改进特征提取和临床验证	开发一种新的算法来早期检测牙齿微裂纹，以提高治疗效果和牙齿保留时间	研究对象为提取的人类牙齿，包括裂纹牙齿和对照牙齿	机器学习	NA	CBCT	U-Net	图像	22颗裂纹牙齿和14颗对照牙齿
313	2024-08-28	Deep learning-based detection and segmentation of diffusion abnormalities in acute ischemic stroke 2021, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-021-00062-8 PMID:35602200	研究论文	本文开发了一种基于深度学习的工具，用于检测和分割急性缺血性卒中的扩散异常	提出的模型在小型病变中表现优于通用网络和DeepMedic，具有较低的假阳性率、平衡的精确度和敏感性，以及对数据扰动的鲁棒性	NA	开发一种高效的工具，用于检测和分割急性卒中的扩散异常	急性和亚急性缺血性卒中患者的扩散加权MRI图像	计算机视觉	脑血管疾病	深度学习	NA	图像	2,348例临床扩散加权MRI图像，以及280例外部数据集MRI图像
314	2024-08-28	A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data 2021-Jan, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-00276-w PMID:35603127	研究论文	本文介绍了一种基于真实世界患者数据模拟临床试验的深度学习框架，用于药物再利用的候选药物生成和测试	该框架结合了因果推断和深度学习方法，模拟随机临床试验，用于大规模医疗索赔数据库中的药物再利用	NA	开发一种高效的、易于定制的框架，用于药物再利用的候选药物生成和测试	冠状动脉疾病患者群体	机器学习	心血管疾病	深度学习	NA	电子健康记录和保险索赔数据	数百万冠状动脉疾病患者
315	2024-08-27	A deep learning-based segmentation pipeline for profiling cellular morphodynamics using multiple types of live cell microscopy 2021-11-22, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2021.100105 PMID:34888542	研究论文	本文介绍了一种基于深度学习的分割流程MARS-Net，用于使用多种活细胞显微镜技术对细胞形态动力学进行定量分析	MARS-Net利用迁移学习和多种显微镜数据，实现了对细胞边缘的高精度定位，相较于仅使用单一显微镜数据集训练的神经网络模型，其边缘定位更为准确	NA	开发一种能够从活细胞成像数据中准确分割细胞边缘并量化细胞形态动力学的方法	细胞边缘的定位和细胞形态动力学的定量分析	计算机视觉	NA	深度学习	U-Net	图像	使用了来自相衬、旋转盘共聚焦和全内反射荧光显微镜的电影数据进行训练
316	2024-08-27	A weakly supervised deep learning approach for label-free imaging flow-cytometry-based blood diagnostics 2021-10-25, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2021.100094 PMID:35474892	研究论文	本文介绍了一种弱监督深度学习方法iCellCnn，用于无需标签的基于成像流式细胞术的血液诊断	iCellCnn能够基于明场成像流式细胞术图像实现Sézary综合征的诊断，且不限于特定疾病的诊断	研究样本量较小，仅包括四名健康捐赠者和五名Sézary综合征患者	开发一种无需手动标记单细胞图像的弱监督深度学习方法，以促进成像流式细胞术在血液疾病诊断中的应用	Sézary综合征的诊断	机器学习	血液疾病	成像流式细胞术	CNN	图像	四名健康捐赠者和五名Sézary综合征患者
317	2024-08-27	End-to-end robust joint unsupervised image alignment and clustering 2021-Oct, Proceedings. IEEE International Conference on Computer Vision DOI:10.1109/iccv48922.2021.00383 PMID:35392630	研究论文	提出了一种名为Jim-Net的多任务模型，能够无监督地同时进行图像对齐和聚类	Jim-Net是首个能够同时进行图像对齐和聚类的端到端模型，显著提高了单独执行每个任务的性能	NA	开发一种能够直接学习图像聚类和对齐的多任务模型	图像对齐和聚类	计算机视觉	NA	NA	Jim-Net	图像	在七个数据集上进行了广泛评估
318	2024-08-27	Convolutional neural networks for high throughput screening of catalyst layer inks for polymer electrolyte fuel cells 2021-Sep-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra05324h PMID:35495497	研究论文	本文首次应用深度卷积神经网络（ConvNets）于透射电子显微镜图像的高通量筛选催化剂层墨水阶段	首次将深度卷积神经网络应用于催化剂层墨水阶段的透射电子显微镜图像高通量筛选	NA	加速催化剂层设计和制造的进一步进展	聚合物电解质燃料电池的催化剂层墨水	机器学习	NA	深度学习算法	CNN	图像	NA
319	2024-08-27	Transmol: repurposing a language model for molecular generation 2021-Jul-27, RSC advances IF:3.9Q2 DOI:10.1039/d1ra03086h PMID:35479483	研究论文	本文利用自然语言处理中的transformer架构变体Transmol模型，应用于分子生成任务，并展示了其在生成分子库方面的有效性	首次将注意力机制应用于分子生成问题，并开发了一种新的双种子方法，以探索化学空间的未开发区域	NA	探索和改进机器学习在分子生成领域的应用	分子生成和分子库的构建	机器学习	NA	transformer	transformer	分子数据	NA
320	2024-08-27	Deep learning quantified mucus-tumor ratio predicting survival of patients with colorectal cancer using whole-slide images 2021-Mar, Precision clinical medicine IF:5.1Q1 DOI:10.1093/pcmedi/pbab002 PMID:35693123	研究论文	本文利用深度学习技术量化结直肠癌患者的粘液-肿瘤比例，并研究其对患者生存率的预测价值	首次使用深度学习技术量化粘液比例，并探讨其在结直肠癌中的预后价值	NA	量化粘液比例并研究其在结直肠癌患者中的预后价值	结直肠癌患者的粘液-肿瘤比例及其预后影响	数字病理	结直肠癌	深度学习	NA	图像	训练集419例，验证集315例