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	2024-08-27	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
22	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
23	2024-08-26	ICON: Learning Regular Maps Through Inverse Consistency 2021-Oct, Proceedings. IEEE International Conference on Computer Vision DOI:10.1109/iccv48922.2021.00338 PMID:35355618	研究论文	研究如何通过逆一致性损失来学习数据样本之间的正则化映射	提出了一种结合深度网络、逆一致性损失和随机离网格插值的方法，以获得近似微分同胚的空间变换，无需精心调整的显式正则化器	未提及具体限制	探索在计算图像配准时，是否可以通过仅使用逆一致性损失来获得空间正则性	空间变换的正则性	计算机视觉	NA	深度学习	深度网络	图像	未提及具体样本数量
24	2024-08-24	Distant Domain Transfer Learning for Medical Imaging 2021-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2021.3051470 PMID:33449887	研究论文	本文提出了一种新的医学图像分类迁移学习框架，并应用于COVID-19的肺部CT图像诊断	该方法利用远领域中的未标记数据，有效处理训练数据与测试数据之间的分布偏移，并实现了96%的分类准确率	由于疾病的创新性和隐私政策，难以获取良好标记的训练数据集	开发一种远领域迁移学习模型，用于COVID-19的诊断	COVID-19的肺部CT图像	计算机视觉	肺部疾病	迁移学习	Unet分割模型和远特征融合分类模型	图像	使用未标记的Office-31、Caltech-256和胸部X射线图像数据集作为源数据，以及一小部分标记的COVID-19肺部CT图像作为目标数据
25	2024-08-24	Predicting COVID-19 cases using bidirectional LSTM on multivariate time series 2021-Oct, Environmental science and pollution research international DOI:10.1007/s11356-021-14286-7 PMID:34043172	研究论文	本文提出了一种使用双向长短期记忆网络（Bi-LSTM）在多变量时间序列上预测COVID-19病例数的深度学习方法	该方法首先使用K-means聚类算法对具有相似人口统计、社会经济和卫生部门指标的国家进行分组，然后利用这些国家的累计病例数据和封锁措施数据训练双向LSTM模型	NA	帮助政策制定者做出适当决策以阻止COVID-19疫情的传播	COVID-19病例数的预测	机器学习	COVID-19	双向长短期记忆网络（Bi-LSTM）	Bi-LSTM	多变量时间序列	涉及多个国家的数据
26	2024-08-23	Differentiable biology: using deep learning for biophysics-based and data-driven modeling of molecular mechanisms 2021-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01283-4 PMID:34608321	研究论文	本文探讨了可微分生物学，利用深度学习进行基于生物物理学的和数据驱动的分子机制建模	提出了可微分生物学的新概念，结合特定领域的数学方程和通用机器学习组件，有效整合多模态数据	需要克服稀疏、不完整和噪声数据的限制	展示可微分生物学如何帮助解决跨生物尺度整合多模态数据的长期挑战	从小范围的特定现象到大范围的复杂现象，如蛋白质折叠	生物物理学	NA	深度学习	神经网络	多模态数据	NA
27	2024-08-22	Wheat physiology predictor: predicting physiological traits in wheat from hyperspectral reflectance measurements using deep learning 2021-Oct-19, Plant methods IF:4.7Q1 DOI:10.1186/s13007-021-00806-6 PMID:34666801	研究论文	本文比较了偏最小二乘回归（PLSR）与多种深度学习方法及集成模型在预测小麦叶片光合作用及相关性状方面的准确性	提出的深度学习及集成模型能灵活应用于不同光谱范围，且不显著影响准确性，无需昂贵的高成本叶片光谱仪	NA	提高小麦叶片光合作用及相关性状的预测准确性	小麦叶片的光合作用及相关性状	机器学习	NA	深度学习	集成模型	光谱数据	使用先前发表的数据集进行训练和测试
28	2024-08-18	Fast activation maximization for molecular sequence design 2021-Oct-20, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04437-5 PMID:34670493	研究论文	本文介绍了一种改进的激活最大化方法Fast SeqProp，用于优化DNA和蛋白质序列设计	Fast SeqProp结合了直通近似和输入序列分布参数的归一化，克服了早期方法中输入参数在优化过程中倾斜的问题，实现了更快的收敛和更好的适应度优化	NA	开发一种可靠且高效的序列优化方法，通过可微分的适应度预测器进行分子设计	DNA和蛋白质序列	机器学习	NA	激活最大化	深度学习模型	序列	六种深度学习预测器，包括蛋白质结构预测器
29	2024-08-18	Image quality assessment of pediatric chest and abdomen CT by deep learning reconstruction 2021-10-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00677-2 PMID:34629049	研究论文	本研究旨在比较深度学习重建（DLR）和迭代重建（IR）在儿科胸部和腹部CT图像上的客观和主观图像质量	深度学习重建（DLR）在儿科胸部和腹部CT图像上显示出比迭代重建（IR）更好的对比噪声比（CNR）和信噪比（SNR），并能显著降低噪声	深度学习重建（DLR）未能改善图像中的伪影	比较深度学习重建（DLR）和迭代重建（IR）在儿科胸部和腹部CT图像上的图像质量	儿科胸部和腹部CT图像	计算机视觉	NA	深度学习重建（DLR）	人工神经网络	图像	51名患者（34名男孩和17名女孩；年龄1-18岁）
30	2024-08-18	Carbon Fiber Reinforced Composites: Study of Modification Effect on Weathering-Induced Ageing via Nanoindentation and Deep Learning 2021-Oct-06, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano11102631 PMID:34685069	研究论文	研究了碳纤维增强复合材料在开放环境中暴露后的老化效应及其改性效果	通过纳米压痕和深度学习技术，建立了结构-性能关系，并利用人工智能进行异常检测，提供了复合材料工程和质量保证的新评估见解	NA	研究碳纤维增强复合材料在自然环境中的老化效应及其改性效果	碳纤维增强聚合物（CFRPs）及其改性效果	复合材料	NA	纳米压痕，深度学习	深度学习神经网络	纳米力学属性数据	具体样本数量未提及
31	2024-08-18	Evaluating the progress of deep learning for visual relational concepts 2021-10-05, Journal of vision IF:2.0Q2 DOI:10.1167/jov.21.11.8 PMID:34636844	研究论文	本文评估了深度学习在视觉关系概念方面的进展	指出关系概念与认知心理学的联系，并强调注意力机制在未来解决关系任务中的重要性	当前使用的数据集存在不足，关系推理任务对现有神经网络架构仍然困难	评估深度学习在处理抽象图像分类任务中的进展	深度学习在关系概念学习方面的应用	计算机视觉	NA	卷积神经网络	CNN	图像	NA
32	2024-08-18	Application of machine learning in the prediction of COVID-19 daily new cases: A scoping review 2021-Oct, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2021.e08143 PMID:34660935	综述	本文综述了使用机器学习和深度学习方法预测COVID-19每日新增病例的研究	采用了多种机器学习模型如自适应神经模糊推理系统、长短期记忆网络等来预测COVID-19的传播趋势	某些模型如ARIMA和LSTM在平均绝对百分比误差方面表现较差	评估和比较不同机器学习方法在预测COVID-19传播中的性能	COVID-19的每日新增病例	机器学习	COVID-19	机器学习	长短期记忆网络、多层感知器等	NA	NA
33	2024-08-17	Acral melanoma detection using dermoscopic images and convolutional neural networks 2021-Oct-07, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-021-00091-z PMID:34618260	研究论文	本文研究了使用皮肤镜图像和卷积神经网络对肢端黑色素瘤进行分类的有效性	提出了一种新的深度学习模型，用于皮肤癌分类，并采用了图像处理和数据增强技术来开发一个健壮的自动化系统	NA	研究皮肤镜和深度学习在分类黑色素瘤亚型中的效果	肢端黑色素瘤	计算机视觉	皮肤癌	卷积神经网络	七层深度卷积网络	图像	使用来自韩国延世大学医疗系统的皮肤镜图像数据集
34	2024-08-17	Deep learning features from diffusion tensor imaging improve glioma stratification and identify risk groups with distinct molecular pathway activities 2021-Oct, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2021.103583 PMID:34563923	研究论文	本研究开发并验证了一种基于扩散张量成像（DTI）的深度学习特征（DLS），用于预测浸润性胶质瘤患者的总体生存率，并探讨了DLS背后的生物学通路	本研究首次将深度学习特征应用于DTI数据，以改善胶质瘤的分层，并识别出具有不同分子通路活性的风险组	NA	开发和验证一种基于DTI的深度学习特征，用于预测胶质瘤患者的总体生存率，并探讨相关的生物学通路	浸润性胶质瘤患者	机器学习	脑肿瘤	扩散张量成像（DTI）	深度学习	图像	深度学习队列688例，放射基因组学队列78例，TCGA数据库663例，CGGA数据库657例
35	2024-08-07	Integrative Analysis of Multi-Omics and Genetic Approaches-A New Level in Atherosclerotic Cardiovascular Risk Prediction 2021-Oct-28, Biomolecules IF:4.8Q1 DOI:10.3390/biom11111597 PMID:34827594	研究论文	本文通过综合多组学和遗传学方法，提出了一种新的动脉粥样硬化心血管疾病风险预测方法	结合多组学数据和人工智能/机器学习策略，提高了动脉粥样硬化心血管疾病预测的准确性和风险评估的可靠性	NA	旨在通过综合分析多组学和遗传学数据，提高动脉粥样硬化心血管疾病的风险预测和诊断	动脉粥样硬化心血管疾病的风险预测和诊断	机器学习	心血管疾病	多组学分析	深度学习	多组学数据	NA