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
1	2024-12-18	A deep hybrid learning pipeline for accurate diagnosis of ovarian cancer based on nuclear morphology 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261181 PMID:34995293	研究论文	本文提出了一种基于核形态学的深度混合学习管道，用于卵巢癌的准确诊断	本文创新性地结合了核形态学特征和深度学习技术，开发了一种新的深度混合学习模型，显著提高了诊断准确性	本文仅进行了初步研究，样本量较小，需要进一步验证和扩展	研究目的是通过结合核形态学特征和机器学习技术，区分正常组织和卵巢癌组织	研究对象是卵巢癌和正常组织的核形态学特征	数字病理学	卵巢癌	深度学习	CNN	图像	卵巢癌和正常组织的样本
2	2024-12-11	Synthesizing high-resolution magnetic resonance imaging using parallel cycle-consistent generative adversarial networks for fast magnetic resonance imaging 2022-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15380 PMID:34821395	研究论文	本文提出了一种基于并行循环一致生成对抗网络（CycleGANs）的方法，用于从低分辨率磁共振图像生成高分辨率图像，以缩短磁共振成像时间	本文的创新点在于开发了一种基于自监督策略的并行CycleGANs方法，用于合成高分辨率磁共振图像	本文的局限性在于需要进一步验证该方法在不同临床场景和数据集上的泛化能力	本研究的目的是提出一种新方法，从沿纵向方向的低分辨率磁共振图像生成高分辨率图像	本研究的对象是磁共振图像，特别是多模态脑肿瘤分割挑战2020（BraTS2020）数据集中的T1、T1CE、T2和FLAIR图像	计算机视觉	NA	生成对抗网络（GAN）	并行循环一致生成对抗网络（CycleGANs）	图像	BraTS2020数据集中的多模态脑肿瘤图像以及机构收集的磁共振图像
3	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列
4	2024-12-08	3D bi-directional transformer U-Net for medical image segmentation 2022, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2022.1080715 PMID:36687770	研究论文	本文提出了一种新的3D双向Transformer U-Net框架，用于三维医学图像分割	设计了一种新的注意力机制，通过3D计算充分提取自注意力能力，并结合3D Transformer和3D DCNN的优势	NA	改进现有深度卷积神经网络在医学图像分割任务中处理全局关系的能力	三维医学图像分割	计算机视觉	NA	深度卷积神经网络 (DCNN)	3D双向Transformer U-Net	图像	两个独立数据集，包含3D MRI和CT图像
5	2024-12-08	A learning based approach for designing extended unit cell metagratings 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0540 PMID:39633889	研究论文	本文提出了一种基于深度学习的扩展单元晶格超表面逆向设计方法	该方法通过学习超表面在反射和透射阶次上的光谱响应，避免了传统方法中由于元原子间耦合效应未充分考虑而导致的效率降低问题	NA	提高超表面设计的效率和性能	扩展单元晶格超表面	纳米光子学	NA	深度学习	深度神经网络	光谱数据	NA
6	2024-12-08	Deep-learning-based recognition of multi-singularity structured light 2022-Jan, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0489 PMID:39635381	研究论文	本文介绍了一种基于深度学习的框架，用于识别具有多重奇点的结构化光	该框架能够直接从光束传播后的两个强度模式中揭示多重奇点相位结构，并输出相位信息，从而释放扭曲光子的丰富直观信息	NA	开发一种能够精确识别具有多重奇点的结构化光的新技术	多重奇点的结构化光及其相位信息	计算机视觉	NA	深度学习 (DL)	NA	图像	NA
7	2024-11-24	Denoising diffusion weighted imaging data using convolutional neural networks 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274396 PMID:36108272	研究论文	本文提出了一种使用一维卷积神经网络（1D-CNN）对高b值扩散加权成像（DWI）数据进行去噪的方法	该方法利用低噪声数据集进行训练，能够在不依赖大量训练样本的情况下，有效去除高噪声DWI图像中的噪声	该方法需要一个低噪声的单个受试者数据集进行训练，这在实际应用中可能存在限制	开发一种有效的DWI图像去噪方法，以提高组织微结构测量的准确性	高b值扩散加权成像数据	计算机视觉	NA	扩散加权成像（DWI）	一维卷积神经网络（1D-CNN）	图像	单个受试者数据集用于训练，多个受试者的高噪声数据集用于验证
8	2024-11-24	Artificial Intelligence: Innovation to Assist in the Identification of Sono-anatomy for Ultrasound-Guided Regional Anaesthesia 2022, Advances in experimental medicine and biology DOI:10.1007/978-3-030-87779-8_6 PMID:35146620	综述	本文综述了人工智能在超声引导区域麻醉中辅助识别解剖结构的应用	探讨了计算机视觉在医学图像解释中的潜力，特别是深度学习系统在超声图像解释中的应用	需要进一步的临床验证和监管批准	探讨人工智能在超声引导区域麻醉中的应用及其对未来学习和实践的影响	超声引导区域麻醉中的解剖结构识别	计算机视觉	NA	深度学习	深度学习系统	图像	NA
9	2024-11-19	Retraction: A comprehensive review of deep learning-based single image super-resolution 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.621/retraction PMID:39554485	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2024-11-19	Role of artificial intelligence in MS clinical practice 2022, NeuroImage. Clinical DOI:10.1016/j.nicl.2022.103065 PMID:35661470	综述	本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性	机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类	需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题	探讨人工智能在多发性硬化症临床实践中的应用	多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割	机器学习	多发性硬化症	机器学习 (ML) 和深度学习 (DL)	NA	影像数据	NA
11	2024-11-08	POCS-Augmented CycleGAN for MR Image Reconstruction 2022-Jan, Applied sciences (Basel, Switzerland) DOI:10.3390/app12010114 PMID:37465648	研究论文	本文提出了一种结合传统图像重建方法和深度学习的混合图像重建方法，通过将CycleGAN与POCS算法结合，提高了MR图像重建的质量	本文创新地将传统的POCS算法与深度学习网络CycleGAN结合，通过迭代训练提高了图像重建的质量	NA	研究如何通过结合传统图像重建方法和深度学习来提高MR图像重建的质量	MR图像重建	计算机视觉	NA	NA	CycleGAN	图像	使用了亚采样的磁共振成像数据进行验证
12	2024-10-30	Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0268952 PMID:35622869	研究论文	本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法	本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性	NA	提高正交频分复用系统中信道估计的准确性和鲁棒性	正交频分复用系统中的信道估计问题	无线通信	NA	深度学习	卷积神经网络（CNN）	信号	NA
13	2024-10-11	Deep learning model of somatic hypermutation reveals importance of sequence context beyond hotspot targeting 2022-Jan-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103668 PMID:35036866	研究论文	本文开发了一种深度学习模型DeepSHM，用于分析体细胞超突变（SHM），揭示了序列上下文在热点靶向之外的重要性	通过使用5-21个碱基的子序列，DeepSHM模型提高了预测准确性，并识别出具有高突变性的扩展WWRCT基序和AGYCTGGGGG基序	NA	研究体细胞超突变（SHM）的机制，特别是序列上下文对突变靶向的影响	免疫球蛋白（Ig）可变区的体细胞超突变	机器学习	NA	深度学习	深度学习模型	序列数据	使用5-21个碱基的子序列进行模型训练
14	2024-10-06	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌	提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当	未提及具体局限性	开发和评估一种自动检测基底细胞癌的深度学习模型	基底细胞癌的检测	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习模型	图像	未提及具体样本数量
15	2024-10-06	COVID-19: A Comprehensive Review of Learning Models 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09641-3 PMID:34566404	综述	本文对COVID-19相关研究进行了全面的综述，重点关注症状早期识别、疫情结束预测和用户生成对话分析	本文综述了多种机器学习和深度学习模型在COVID-19研究中的应用	本文主要综述了现有研究的结果和局限性，未提出新的模型或方法	综述COVID-19相关研究，探讨机器学习和深度学习模型在疫情监测中的应用	COVID-19症状早期识别、疫情结束预测和用户生成对话分析	机器学习	COVID-19	机器学习、深度学习	K-means聚类、随机森林、卷积神经网络、长短期记忆网络、自编码器、回归模型	图像、文本	NA
16	2024-10-06	DeepLN: A Multi-Task AI Tool to Predict the Imaging Characteristics, Malignancy and Pathological Subtypes in CT-Detected Pulmonary Nodules 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.683792 PMID:35646699	研究论文	本文介绍了一种名为DeepLN的多任务AI工具，用于预测CT检测到的肺结节的影像特征、恶性程度和病理亚型	提出了一种基于深度卷积神经网络的DeepLN工具，能够准确预测肺结节的影像特征、恶性程度和病理亚型	研究是回顾性的，且样本主要来自单一来源	提高基于CT图像的肺结节恶性风险预测的准确性	8950个具有完整病理结果的肺结节	计算机视觉	肺癌	深度卷积神经网络	CNN	图像	8950个肺结节
17	2024-10-06	CVD-HNet: Classifying Pneumonia and COVID-19 in Chest X-ray Images Using Deep Network 2022, Wireless personal communications IF:1.9Q3 DOI:10.1007/s11277-022-09864-y PMID:35756172	研究论文	本文提出了一种基于新型深度卷积神经网络（CNN）的COVID-19感染胸部X光图像分类方法	设计了两种新的定制CNN架构CVD-HNet1和CVD-HNet2，并提出了一种基于边界和区域操作以及卷积过程的系统方法	在有限的数据集上取得了显著的分类准确率，但需要更多训练样本以获得更好的结果	提高COVID-19和肺炎在胸部X光图像中的分类准确性	COVID-19和肺炎的胸部X光图像	计算机视觉	肺部疾病	深度学习（DL）	卷积神经网络（CNN）	图像	有限的数据集
18	2024-10-06	Identification of the ubiquitin-proteasome pathway domain by hyperparameter optimization based on a 2D convolutional neural network 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.851688 PMID:35937990	研究论文	本文开发了一种基于2D卷积神经网络的超参数优化算法，用于识别泛素-蛋白酶体途径域	提出了名为2DCNN-UPP的新型深度学习预测器，通过遗传算法选择最优特征，避免了过拟合问题	NA	开发一种快速准确的计算方法来识别泛素-蛋白酶体途径	泛素-蛋白酶体途径及其在细胞过程中的作用	机器学习	NA	下一代测序	2D卷积神经网络	蛋白质序列	使用10折交叉验证方法进行训练和评估
19	2024-10-06	Deep learning approaches for conformational flexibility and switching properties in protein design 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.928534 PMID:36032687	综述	本文综述了深度学习在蛋白质设计中处理构象灵活性和开关特性的方法	探讨了前沿深度学习设计方法如何适应蛋白质的灵活性，并展望了该领域的未来发展	NA	探讨深度学习在蛋白质设计中的应用，特别是如何处理蛋白质的构象灵活性和开关特性	蛋白质设计方法及其在处理蛋白质灵活性方面的应用	机器学习	NA	深度学习	生成模型	NA	NA
20	2024-10-06	Artificial Intelligence and Deep Learning Assisted Rapid Diagnosis of COVID-19 from Chest Radiographical Images: A Survey 2022, Contrast media & molecular imaging DOI:10.1155/2022/1306664 PMID:36304775	综述	本文综述了利用人工智能和深度学习技术从胸部影像图像中快速诊断COVID-19的研究进展	本文系统地总结了超过110篇来自多个知名来源的论文，涵盖了使用深度学习模型从胸部X光和CT扫描图像中检测和分类COVID-19的研究	本文主要基于已有文献的综述，未提出新的研究方法或模型	探讨人工智能和深度学习在COVID-19快速诊断中的应用	COVID-19的胸部影像图像	计算机视觉	COVID-19	深度学习	深度学习模型	图像	超过110篇论文