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
381	2024-08-14	Protein structure prediction by AlphaFold2: are attention and symmetries all you need? 2021-Aug-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798321007531 PMID:34342271	研究论文	本文探讨了AlphaFold2在蛋白质结构预测中的应用，特别是其使用注意力机制、对称性和端到端可微性框架的关键特征	AlphaFold2利用深度学习技术，通过注意力机制和Transformer模型捕捉长程依赖关系，以及利用对称性原则在三维空间中推理蛋白质结构，展示了深度学习在结构预测中的强大能力	文章讨论了AlphaFold2不明确依赖物理原则进行结构预测的潜在影响，暗示了可能存在的局限性	研究蛋白质结构预测的新方法，特别是深度学习在生物信息学中的应用	蛋白质的3D结构及其从初级序列中的计算预测	生物信息学	NA	深度学习	Transformer	蛋白质序列数据	NA
382	2024-08-14	Deep Learning Method to Accelerate Discovery of Hybrid Polymer-Graphene Composites 2021-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-94085-9 PMID:34301976	research paper	本文开发了一种基于电子结构计算和大数据挖掘的多学科综合方法，用于设计吸附在石墨烯和二氧化硅上的混合聚合物。	本文利用密度泛函理论和机器学习结合神经网络和统计分析，创新性地设计了基于少量简单分子构建块的1D/2D聚合物。	NA	旨在通过理解纳米尺度分子间相互作用，从底层设计分子器件。	研究对象为吸附在石墨烯和二氧化硅上的聚合物薄层的界面编码性质。	machine learning	NA	密度泛函理论 (DFT), 机器学习 (ML)	神经网络 (NN)	NA	少量简单分子构建块
383	2024-08-14	Neural-ODE for pharmacokinetics modeling and its advantage to alternative machine learning models in predicting new dosing regimens 2021-Jul-23, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102804 PMID:34308294	研究论文	本文提出了一种基于神经常微分方程（neural-ODE）的深度学习方法，用于预测个体患者的药代动力学（PK），并测试了其在不同给药方案下的泛化能力	首次将神经常微分方程应用于药代动力学建模，并在预测未测试的给药方案时表现出更高的准确性	NA	开发一种新的深度学习方法，以提高药代动力学模型在不同给药方案下的预测准确性	药代动力学模型及其在不同给药方案下的预测能力	机器学习	NA	neural-ODE	neural-ODE	数据	使用了两种不同治疗方案的药代动力学数据
384	2024-08-14	Genomic Selection for End-Use Quality and Processing Traits in Soft White Winter Wheat Breeding Program with Machine and Deep Learning Models 2021-Jul-20, Biology DOI:10.3390/biology10070689 PMID:34356544	研究论文	研究利用机器学习和深度学习模型预测软白冬小麦育种计划中的终端使用质量和加工特性	本研究首次探索了机器学习和深度学习模型在冬小麦育种中预测十四种终端使用质量特性的潜力，发现深度学习模型在所有预测场景中优于传统的岭回归最佳线性无偏预测（RRBLUP）和贝叶斯模型	研究仅在两个地点（Pullman和Lind, WA, USA）进行了五年（2015-19）的筛选，可能需要更多地点和更长时间的验证	旨在提高小麦育种计划中终端使用质量和加工特性的预测准确性	软白冬小麦的终端使用质量和加工特性	机器学习	NA	机器学习和深度学习	卷积神经网络（CNN）和多层感知器（MLP）	基因组数据	666个小麦基因型
385	2024-08-14	Identification of Neurodegenerative Diseases Based on Vertical Ground Reaction Force Classification Using Time-Frequency Spectrogram and Deep Learning Neural Network Features 2021-Jul-08, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11070902 PMID:34356136	研究论文	本研究开发了一种基于深度学习方法的新型识别算法，用于根据垂直地面反作用力（vGRF）信号分类神经退行性疾病（NDDs）	本研究通过将时间域vGRF信号转换为时间-频率谱图，并利用连续小波变换（CWT）和主成分分析（PCA）进行特征增强，创新地提高了NDDs的分类准确性	NA	帮助医生在早期检测NDDs，制定有效的治疗计划，并监测疾病进展	神经退行性疾病（NDDs）的分类	机器学习	神经退行性疾病	连续小波变换（CWT），主成分分析（PCA）	卷积神经网络（CNN）	时间-频率谱图	五分钟的垂直地面反作用力信号被分为10、30和60秒的连续时间窗口
386	2024-08-14	Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review 2021-07-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20708 PMID:34255646	综述	本文综述了将患者数据整合到基于卷积神经网络的皮肤癌分类中的研究进展	探讨了整合图像特征和患者数据对基于CNN的皮肤癌图像分类性能的影响	关于个体患者数据如何具体增强分类性能，尤其是在多类别分类问题中，仍不明确	评估不同类型的患者数据、非图像数据的编码和合并方式，以及整合对分类器性能的影响	皮肤癌分类	计算机视觉	皮肤癌	卷积神经网络(CNN)	CNN	图像	11篇符合条件的出版物
387	2024-08-14	Determining Chess Game State from an Image 2021-Jun-02, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060094 PMID:39080882	研究论文	本文提出了一种新的国际象棋棋盘状态识别系统，结合传统计算机视觉技术和深度学习，通过合成的大型3D模型数据集进行训练，实现了从图像中准确识别棋盘配置	本文提出的系统通过结合传统计算机视觉技术和深度学习，实现了对棋盘状态的高精度识别，并且能够适应未见过的棋盘设置	当前方法受限于缺乏大型数据集，并且无法适应未见过的棋盘设置	帮助业余棋手通过自动计算机分析提高棋艺，无需手动输入棋子	从图像中识别国际象棋棋盘的配置	计算机视觉	NA	RANSAC算法，卷积神经网络	CNN	图像	合成的大型3D模型数据集，比现有数据集大一个数量级
388	2024-08-14	Automated coronary calcium scoring using deep learning with multicenter external validation 2021-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00460-1 PMID:34075194	研究论文	本文介绍了使用深度学习模型自动进行冠状动脉钙化评分的方法，并在多中心外部数据集上进行了验证	提出了两种深度学习模型，能够自动对冠状动脉钙化进行评分，适用于专门的冠状CT检查和常规非门控胸部CT检查	当前临床实践中，冠状动脉钙化评分的实施存在一些限制，如缺乏保险覆盖、需要昂贵的CT设备、专门的成像协议和认证的3D成像实验室等	开发一种自动化的冠状动脉钙化评分方法，以提高筛查效率和早期预防干预的可能性	冠状动脉钙化评分	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包括341个样本，测试集包括42个斯坦福样本和46个MESA样本，外部验证集包括303个样本
389	2024-08-14	Lessons Learned from the COVID-19 Pandemic: Emphasizing the Emerging Role and Perspectives from Artificial Intelligence, Mobile Health, and Digital Laboratory Medicine 2021-Jun, EJIFCC PMID:34421492	研究论文	本文探讨了人工智能、移动健康和数字实验室医学在COVID-19大流行中的应用和挑战	文章强调了人工智能在疫情预防和控制中的重要作用，以及移动健康和物联网技术的应用	NA	研究旨在评估和应用人工智能、移动健康和数字实验室医学技术在COVID-19大流行中的作用	COVID-19大流行中的人工智能、移动健康和数字实验室医学技术	机器学习	NA	人工智能	机器学习	NA	NA
390	2024-08-14	Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus 2021-02-01, Journal of neurosurgery. Pediatrics DOI:10.3171/2020.6.PEDS20251 PMID:33260138	研究论文	本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中	该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速	NA	开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策	200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算	计算机视觉	儿童脑积水	深度学习	编码器-解码器卷积神经网络	T2加权MRI图像	200名阻塞性脑积水儿童和199名对照组
391	2024-08-14	An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models 2021, Journal of healthcare engineering DOI:10.1155/2021/8113403 PMID:34326979	研究论文	本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别	本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误	研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一	提高皮肤病学图像的质量和分类准确性，以辅助诊断	七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌	计算机视觉	皮肤疾病	遗传算法（GA）	卷积神经网络（CNN）	图像	涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85%
392	2024-08-13	Small whole heart volume predicts cardiovascular events in patients with stable chest pain: insights from the PROMISE trial 2021-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-07695-2 PMID:33501599	研究论文	本研究评估了从非对比心脏计算机断层扫描（CT）中提取的三维全心脏体积（WHV）在稳定胸痛患者中预测主要心血管事件（MACE）的预后价值	小全心脏体积可能是一个新的影像学标志物，用于稳定胸痛患者中预测主要心血管事件	NA	评估三维全心脏体积在稳定胸痛患者中预测主要心血管事件的预后价值	稳定胸痛患者	数字病理学	心血管疾病	计算机断层扫描（CT）	深度学习	影像	3798名患者
393	2024-08-13	Automatic opportunistic osteoporosis screening in routine CT: improved prediction of patients with prevalent vertebral fractures compared to DXA 2021-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-020-07655-2 PMID:33507353	研究论文	本文比较了从常规CT中自动和手动评估的脊柱骨测量与双能X线吸收法（DXA）在关联现有骨质疏松性椎体骨折方面的表现，使用完全自动化的框架评估临床CT中的各种骨测量。	本文引入了用于骨质疏松症和低骨量的整体体积骨密度（vBMD）的诊断阈值，并展示了CT基础测量在识别经历过椎体骨折的骨量减少个体方面优于DXA。	NA	比较常规CT和DXA在预测现有骨质疏松性椎体骨折方面的效果。	192名患者（141名女性，51名男性；年龄70.2 ± 9.7岁）的脊柱骨测量。	数字病理学	骨质疏松症	卷积神经网络（CNN）	CNN	图像	192名患者
394	2024-08-13	A clinical deep learning framework for continually learning from cardiac signals across diseases, time, modalities, and institutions 2021-07-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-24483-0 PMID:34244504	研究论文	本文提出了一种名为CLOPS的持续学习策略，用于解决临床环境中深度学习算法在处理非独立同分布数据时性能下降的问题	CLOPS策略通过使用回放缓冲区和基于不确定性的获取函数，有效减轻了破坏性干扰，并在多种临床场景中表现优于现有方法	NA	旨在开发一种能够持续学习并保持性能稳定的临床深度学习框架	心脏信号数据，涉及不同疾病、时间、数据模态和医疗机构	机器学习	心血管疾病	深度学习	深度学习系统	信号	NA
395	2024-08-13	Super-compression of large electron microscopy time series by deep compressive sensing learning 2021-Jul-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2021.100292 PMID:34286306	研究论文	本文提出了一种结合深度学习和时间压缩感知（TCS）的电子显微镜（EM）大数据压缩策略	利用端到端深度学习网络和TCS技术，实现了高压缩比（最高达30倍）且高质量的图像重建	NA	解决电子显微镜高速检测带来的大数据处理和存储挑战	电子显微镜图像序列的压缩与重建	计算机视觉	NA	深度学习, 时间压缩感知（TCS）	深度学习网络	图像	NA
396	2024-08-13	A Deep Learning Approach for Segmentation, Classification, and Visualization of 3-D High-Frequency Ultrasound Images of Mouse Embryos 2021-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2021.3068156 PMID:33755564	研究论文	本文提出了一种用于自动分割和分类小鼠胚胎高频超声图像的深度学习流程	采用两阶段框架进行分割，显著减少了推理时间并保持高精度；通过梯度反向传播，训练的分类器能够聚焦于已知遗传突变表型的区域	NA	开发一种准确、高效且可解释的深度学习方法，用于小鼠胚胎脑室和身体的自动分割与分类	小鼠胚胎的高频超声图像	计算机视觉	NA	高频超声（HFU）	卷积神经网络（CNN）	图像	NA
397	2024-08-13	A comparison of the fusion model of deep learning neural networks with human observation for lung nodule detection and classification 2021-Jul-01, The British journal of radiology DOI:10.1259/bjr.20210222 PMID:34111976	研究论文	本研究比较了深度学习神经网络融合模型与人类观察者在肺结节检测和分类中的诊断性能	提出了一种使用四种先进对象检测器的融合模型，用于肺结节的检测和鉴别	融合AI算法在估计恶性风险方面的表现略低于观察者	比较新开发的人工智能算法与人类观察者在肺结节恶性风险估计中的诊断性能	158个来自158名患者的肺结节	机器学习	肺癌	卷积神经网络（CNN）	融合模型	图像	158个结节（81个良性，77个恶性）
398	2024-08-13	Early prediction of diagnostic-related groups and estimation of hospital cost by processing clinical notes 2021-Jul-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00474-9 PMID:34211109	研究论文	本文研究使用深度学习自然语言处理模型在患者入院早期预测诊断相关分组（DRG）和估计医院成本	提出了一种基于深度学习的自然语言处理模型，能够在患者入院早期自动预测DRG和相应的成本反映权重，无需人工编码	模型在模拟患者群体中的准确性随时间增加，但具体的临床应用效果和泛化能力需要进一步验证	旨在通过早期预测DRG和估计医院成本，支持医院更好的运营决策	研究对象为接受Medicare Severity DRG或All Patient Refined DRG支付的两个队列	自然语言处理	NA	深度学习	自然语言处理模型	文本	两个队列的数据，具体样本量未详细说明
399	2024-08-13	Deep learning techniques have significantly impacted protein structure prediction and protein design 2021-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2021.01.007 PMID:33639355	研究论文	本文探讨了深度学习技术在蛋白质结构预测和蛋白质设计中的应用及其显著影响	文章介绍了深度神经网络在空间约束预测和端到端模型训练中的应用，显著提高了蛋白质结构预测的准确性，并在蛋白质设计领域取得了显著进步	NA	研究深度学习技术如何影响蛋白质结构预测和蛋白质设计	蛋白质结构预测和蛋白质设计	机器学习	NA	深度神经网络	深度神经网络	NA	NA
400	2024-08-13	Deep Learning to Predict Cardiac Magnetic Resonance-Derived Left Ventricular Mass and Hypertrophy From 12-Lead ECGs 2021-06, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.120.012281 PMID:34126762	研究论文	本研究利用深度学习模型从12导联心电图预测心脏磁共振成像（CMR）衍生的左心室质量及肥厚情况	本研究提出了一种新的深度学习模型，通过12导联心电图预测CMR衍生的左心室质量，可能改善左心室肥厚的检测	NA	研究目的是通过深度学习模型提高从12导联心电图预测左心室肥厚的准确性	研究对象包括UK Biobank前瞻性队列中的32,239名接受CMR和12导联心电图检查的个体	机器学习	心血管疾病	卷积神经网络	CNN	心电图数据	训练集包含32,239名个体，独立测试集包含UK Biobank的4,903名个体和Mass General Brigham的1,371名个体