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
21	2024-08-11	Automatic Pest Counting from Pheromone Trap Images Using Deep Learning Object Detectors for Matsucoccus thunbergianae Monitoring 2021-Apr-12, Insects IF:2.7Q1 DOI:10.3390/insects12040342 PMID:33921492	研究论文	本研究提出了一种基于深度学习的自动计数算法，用于从诱捕器图像中监测松黑松小蠹的发生和种群数量	研究采用了图像裁剪方法以成功检测图像中的小物体，并评估了16种模型在不同条件下的检测和计数性能	未提及具体限制	开发一种基于人工智能的自动计数方法，用于持续且准确地监测害虫	松黑松小蠹	计算机视觉	NA	深度学习	目标检测模型	图像	使用了在实地收集的诱捕器图像进行训练、验证和测试
22	2024-08-11	Computational tissue staining of non-linear multimodal imaging using supervised and unsupervised deep learning 2021-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.415962 PMID:33996229	研究论文	本文提出了一种使用监督和非监督深度学习模型对非线性多模态成像进行计算染色的方法	首次使用生成对抗网络（GANs）在非监督方式下对非线性多模态图像进行计算染色	NA	开发一种无需实验室染色过程的诊断应用计算染色技术	非线性多模态成像与H&E染色图像的相关性	数字病理学	NA	非线性多模态成像	生成对抗网络（GAN）	图像	NA
23	2024-08-10	Application of Artificial Intelligence for Screening COVID-19 Patients Using Digital Images: Meta-analysis 2021-Apr-29, JMIR medical informatics IF:3.1Q2 DOI:10.2196/21394 PMID:33764884	meta-analysis	本研究通过系统综述和meta分析，评估了深度学习算法在利用胸部影像自动分类COVID-19患者中的性能	深度学习模型在检测COVID-19方面表现出比放射科医生更高的敏感性和特异性，尤其是初级放射科医生在使用基于深度学习的预测工具后性能有所提升	NA	评估深度学习算法在自动分类COVID-19患者使用胸部影像中的性能	COVID-19患者和胸部影像	computer vision	COVID-19	deep learning	DL	image	5896张胸部影像
24	2024-08-10	Learning future terrorist targets through temporal meta-graphs 2021-04-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87709-7 PMID:33879811	研究论文	本文利用阿富汗和伊拉克2001年至2018年的真实攻击数据，提出使用时间元图和深度学习来预测未来的恐怖分子目标	通过时间元图构建特征空间，产生比仅依赖特征出现频率的浅层时间序列更丰富的知识；实验表明双向LSTM网络在预测性能上优于其他算法	NA	预测未来恐怖分子目标	恐怖分子攻击的时间和目标特征	机器学习	NA	深度学习	LSTM	时间序列	2001年至2018年阿富汗和伊拉克的攻击数据
25	2024-08-10	Pivotal mental states 2021-04, Journal of psychopharmacology (Oxford, England) DOI:10.1177/0269881120959637 PMID:33174492	研究论文	本文介绍了一种新的心理状态——'关键心理状态'，这是一种促进快速深入学习并能介导心理转变的超可塑性状态	提出了'关键心理状态'这一新概念，并探讨了其在心理学和精神病学现象中的相关性	NA	探讨关键心理状态的进化功能及其在心理转变中的作用	关键心理状态及其与压力、神经质特质和血清素2A受体激动剂的关系	心理学	NA	NA	NA	NA	NA
26	2024-08-10	Robust Computationally-Efficient Wireless Emitter Classification Using Autoencoders and Convolutional Neural Networks 2021-Apr-01, Sensors (Basel, Switzerland) DOI:10.3390/s21072414 PMID:33915685	研究论文	本文提出了一种基于深度学习（DL）的无线发射机分类新方法，该方法在恶劣信道条件下提高了计算效率和准确性	提出了一种结合去噪自编码器（DAE）和卷积神经网络（CNN）的新型发射机分类解决方案，该方案在恶劣信道条件下表现更优，且计算资源需求显著减少	NA	旨在提高无线发射机在恶劣信道条件下的分类效率和准确性	无线发射机的无线接入技术（RAT）分类	机器学习	NA	深度学习	卷积神经网络（CNN）	频谱图	包括LTE和四种最新Wi-Fi标准在内的多种RAT的标准合规模拟
27	2024-08-10	Automatic Segmentation in Multiple OCT Layers For Stargardt Disease Characterization Via Deep Learning 2021-04-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.4.24 PMID:34004000	研究论文	本研究旨在通过深度学习技术自动分割11层视网膜层和与斯特格病相关的特征，并分析正常眼与斯特格病眼之间的差异	这是首个针对斯特格病患者在OCT图像上自动分割11层视网膜层的算法	NA	实现斯特格病患者的视网膜层自动分割，并分析其与正常眼的差异	斯特格病患者的视网膜层和相关特征	机器学习	眼科疾病	深度学习	全卷积神经网络	图像	NA
28	2024-08-09	DeepMapi: a Fully Automatic Registration Method for Mesoscopic Optical Brain Images Using Convolutional Neural Networks 2021-04, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-020-09483-7 PMID:32754778	研究论文	提出了一种基于深度学习的全自动注册方法DeepMapi，用于将介观光学脑图像与脑图谱对齐	使用自反馈策略处理不平衡训练集问题，并采用双层级网络捕捉大范围和小范围的形变	NA	开发一种全自动的脑图像注册方法，以提高处理复杂神经解剖结构的效率	介观光学脑图像的自动注册	计算机视觉	NA	卷积神经网络	CNN	图像	包括光学和MRI图像的一组基准图像
29	2024-08-07	The whole is greater than its parts: ensembling improves protein contact prediction 2021-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87524-0 PMID:33850214	研究论文	本文探讨了通过集成学习提高蛋白质接触预测准确性的方法	提出使用集成学习技术，结合不同神经网络模型的输出，以提高蛋白质接触预测的准确性	需要创建更好的蛋白质接触基准集和额外的开源接触预测方法以进一步发展	提高蛋白质接触预测的准确性	蛋白质接触预测	机器学习	NA	深度学习	神经网络	序列数据	涉及多个深度神经网络模型，包括AlphaFold、trRosetta和ProSPr
30	2024-08-07	Accessory pathway analysis using a multimodal deep learning model 2021-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87631-y PMID:33850245	研究论文	本文评估了一种使用心电图（ECG）和胸部X射线的人工智能模型在识别Wolff-Parkinson-White综合征中旁路位置的有效性	提出了一种结合ECG和胸部X射线数据的多模态深度学习模型，显著提高了旁路位置识别的准确性	NA	开发和评估一种新的深度学习模型，用于准确识别心脏旁路的位置	Wolff-Parkinson-White综合征患者的心脏旁路位置	机器学习	心血管疾病	深度学习	CNN	图像和文本	206名WPW综合征患者的心电图和胸部X射线数据，以及来自其他数据集的1519个胸部X射线样本
31	2024-08-07	Impact of Image Context on Deep Learning for Classification of Teeth on Radiographs 2021-Apr-12, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10081635 PMID:33921440	研究论文	本研究旨在评估图像上下文信息对全景牙科放射图像中牙齿分类深度学习模型准确性的影响	通过调整图像上下文大小（从100%到300%）并使用ResNet-34模型，研究了上下文信息对牙齿分类准确性的影响	在200%到300%的上下文范围内，准确性提升有限，且犬齿的分类准确性在较小上下文下已经很高，增加上下文带来的提升不大	评估图像上下文信息对深度学习模型在全景牙科放射图像中牙齿分类准确性的影响	全景牙科放射图像中的牙齿分类	计算机视觉	NA	深度学习	ResNet-34	图像	5008张全景放射图像，每张图像平均包含25.2颗牙齿
32	2024-08-07	Classification of Dental Radiographs Using Deep Learning 2021-Apr-03, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm10071496 PMID:33916800	研究论文	本文通过比较三种深度学习架构的分类性能，回顾性评估放射数据并前瞻性地分类放射图像（包括全景、咬翼、根尖和头影图像）	使用ResNet-34进行主动学习，通过迭代注释和重新训练提高分类准确性	分类错误主要发生在咬翼和根尖图像之间	评估和比较不同深度学习模型在牙科放射图像分类中的性能	全景、咬翼、根尖和头影牙科放射图像	计算机视觉	NA	深度学习	CNN, ResNet-34, CapsNet	图像	31,288张全景图像，43,598张根尖图像，14,326张咬翼图像，1176张头影图像
33	2024-08-05	MSA-Regularized Protein Sequence Transformer toward Predicting Genome-Wide Chemical-Protein Interactions: Application to GPCRome Deorphanization 2021-04-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.0c01285 PMID:33757283	研究论文	本研究开发了一种新的深度学习框架来预测化学物质与未注释的进化分化蛋白质之间的相互作用	提出了新的方法DISAE，通过结合进化信息和自监督学习，能够从未标记的蛋白质序列中捕获功能关系	研究未能探讨所有可能的化学-蛋白质相互作用，且对数据的依赖可能影响预测的准确性	旨在改进对未注释蛋白质的 ligand 预测并推动 GPCRome 的去孤立化研究	未注释的蛋白质及其与小分子的相互作用	机器学习	NA	自监督学习	DISAE	蛋白质序列	使用了所有蛋白质序列及其多序列比对（MSA）
34	2024-08-05	A network-based deep learning methodology for stratification of tumor mutations 2021-Apr-09, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1099 PMID:33416857	研究论文	本研究开发了一种基于网络嵌入的分层方法，以识别具有临床相关性的患者亚型。	提出了一种网络嵌入的分层方法（NES），能通过基因网络区域的相似性来分类肿瘤亚型。	该研究可能需要在不同数据集中验证其通用性。	旨在通过分析肿瘤突变谱进行肿瘤分层。	分析7344个肿瘤外显子样本的体细胞突变特征。	数字病理学	癌症	网络嵌入方法	lightGBM分类算法	突变配置文件	7344个肿瘤外显子样本