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
161	2024-09-10	Pterygium Screening and Lesion Area Segmentation Based on Deep Learning 2022, Journal of healthcare engineering DOI:10.1155/2022/3942110 PMID:36451763	研究论文	本文提出了基于深度学习的翼状胬肉分类和病变区域分割模型，以辅助眼科医生进行眼科疾病的诊断	设计了基于PSPNet的改进翼状胬肉分割模型，并比较了不同模型的诊断效果	NA	开发辅助眼科医生诊断眼科疾病和标记手术实际范围的模型	翼状胬肉和正常前段图像	计算机视觉	眼科疾病	深度学习	AlexNet, VGG16, ResNet18, ResNet50, PSPNet	图像	367张正常前段图像和367张翼状胬肉前段图像用于训练，150张正常和150张翼状胬肉前段图像用于测试
162	2024-09-10	Accurate preoperative staging and HER2 status prediction of gastric cancer by the deep learning system based on enhanced computed tomography 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.950185 PMID:36452488	研究论文	构建基于增强CT图像的深度学习系统，用于胃癌患者的术前分期和HER2状态预测	利用深度学习系统结合增强CT图像进行胃癌术前分期和HER2状态预测	NA	开发基于增强CT图像的深度学习系统，用于胃癌患者的术前分期和HER2状态预测	胃癌患者的术前分期和HER2状态	计算机视觉	胃癌	深度学习	Yolov5, EfficientNet, EfficientNetV2, Vision Transformer (VIT), Swin Transformer (SWT)	图像	4860张增强CT图像用于肿瘤检测和分期，38900张增强CT图像用于HER2状态预测
163	2024-09-10	TSHVNet: Simultaneous Nuclear Instance Segmentation and Classification in Histopathological Images Based on Multiattention Mechanisms 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/7921922 PMID:36457339	研究论文	本文提出了一种名为TSHVNet的新型深度学习框架，用于在病理图像中同时进行细胞核实例分割和分类	本文创新性地将多注意力模块（Transformer和SimAM）集成到HoVer-Net中，以提高细胞核实例分割和分类的准确性	NA	提高病理图像中细胞核实例分割和分类的准确性	病理图像中的细胞核实例	数字病理学	NA	深度学习	TSHVNet	图像	两个公共数据集：PanNuke和CoNSeP
164	2024-09-10	Automated lesion detection of breast cancer in [18F] FDG PET/CT using a novel AI-Based workflow 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1007874 PMID:36457510	研究论文	本文开发并评估了一种基于人工智能和深度学习的图像处理工作流程，用于在[18F] FDG PET/CT图像中自动检测乳腺癌病变	本文提出了一种结合传统图像处理和人工智能技术的新型工作流程，用于标准化疾病识别和定量分析	NA	开发和评估一种用于自动检测乳腺癌病变的新型AI工作流程	乳腺癌病变在[18F] FDG PET/CT图像中的检测和分类	计算机视觉	乳腺癌	人工智能和深度学习	NA	图像	NA
165	2024-09-10	A deep learning based framework for the classification of multi- class capsule gastroscope image in gastroenterologic diagnosis 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.1060591 PMID:36467700	研究论文	本文开发了一种基于深度学习的框架，用于自动分类胶囊胃镜图像，以预防萎缩性胃炎等致癌高风险因素	本文提出了基于迁移学习的深度学习框架，使用预训练模型VGG-16、ResNet-50和Inception V3进行微调，以分类胶囊胃镜图像	本文未提及具体的局限性	开发一种自动分类胶囊胃镜图像的方法，以预防致癌高风险因素	胶囊胃镜图像的分类	计算机视觉	胃炎	深度学习	VGG-16, ResNet-50, Inception V3	图像	每类胶囊胃镜图像380张，共1140张，训练集和测试集比例为70%和30%
166	2024-09-10	Antimicrobial Peptides Prediction method based on sequence multidimensional feature embedding 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.1069558 PMID:36468005	研究论文	本文提出了一种基于序列多维特征嵌入的抗菌肽预测方法	设计了一种新的深度学习方法，通过序列特征的编码和嵌入，实现了抗菌肽和非抗菌肽的高精度分类	未提及具体限制	提高抗菌肽预测的准确性	抗菌肽及其预测方法	机器学习	NA	深度学习	深度学习模型	序列数据	长度为10-200的抗菌肽和非抗菌肽样本
167	2024-09-10	Quality assessment of virus-like particle: A new transmission electron microscopy approach 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.975054 PMID:36504719	研究论文	本文介绍了一种新的透射电子显微镜（TEM）方法用于病毒样颗粒（VLP）的质量评估	提出了使用低电压TEM系统（如MiniTEM）结合Vironova成像和分析软件（VIAS）进行半自动化数据收集和图像分析，利用内置的深度学习方法（卷积神经网络）实现分析自动化	本文仅展示了初步的研究成果，尚未全面评估该方法在实际生产中的长期稳定性和可靠性	开发一种评估VLP关键质量属性的方法，并促进TEM在制造环境中的应用	病毒样颗粒（VLP）及其在疫苗开发中的应用	数字病理学	NA	透射电子显微镜（TEM）	卷积神经网络（CNN）	图像	使用合成VLP作为模型系统进行研究，并在登革热VLP技术转移过程中验证了方法的适用性
168	2024-09-10	Myocardial strain imaging in Duchenne muscular dystrophy 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1031205 PMID:36505382	综述	本文综述了心肌应变成像在杜氏肌营养不良症（DMD）中的应用	探讨了3D成像和深度学习算法在自动应变评估中的新兴技术	目前尚无可靠的方法检测DMD心肌病的起始或进展速度	探讨心肌应变成像在DMD中的作用，并讨论新兴成像技术如何更好地表征DMD心肌病的进展	杜氏肌营养不良症（DMD）患者的心肌病	NA	肌肉疾病	心肌应变成像	深度学习算法	图像	NA
169	2024-09-10	Artificial intelligence-enabled electrocardiogram screens low left ventricular ejection fraction with a degree of confidence 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221143249 PMID:36532114	研究论文	研究利用人工智能辅助的心电图来评估左心室射血分数，并提供预测的置信度	提出了一种带有置信度的人工智能辅助心电图模型，用于识别左心室功能障碍，并在排除置信度较低的病例后，提高了模型的准确性	NA	建立一种带有置信度的人工智能辅助心电图模型，用于识别左心室功能障碍	左心室功能障碍的识别	机器学习	心血管疾病	深度学习	深度学习模型	心电图	76,081份心电图用于模型建立，11,771份心电图用于模型验证
170	2024-09-10	Homologous point transformer for multi-modality prostate image registration 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1155 PMID:36532813	研究论文	本文提出了一种基于transformer的深度学习管道，用于执行跨模态的放射学-病理学图像配准	该管道预测两幅图像模态上的一组同源点，而不是预测变换参数，从而在平均控制点偏差方面优于当前最先进的自动配准管道	NA	开发一种新的跨模态图像配准方法	人类前列腺样本的放射学和病理学图像	计算机视觉	前列腺癌	transformer	transformer	图像	NA
171	2024-09-10	Deep learning for MYC binding site recognition 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.1015993 PMID:36544623	研究论文	本文探讨了使用深度学习工具DeeperBind预测MYC转录因子结合位点的有效性	首次将DeeperBind与DeepRAM结合，在Colab平台上实现了对MYC因子结合位点的高精度预测，准确率超过0.96 AUC	研究仅限于特定细胞系，未涵盖所有类型的肿瘤	开发能够快速有效预测MYC转录因子在特定细胞基因组中分布的工具	MYC转录因子的基因组分布及其在癌症中的转录活性	机器学习	NA	深度学习	DeeperBind	基因组数据	多细胞系
172	2024-09-10	Emerging MRI techniques for molecular and functional phenotyping of the diseased heart 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1072828 PMID:36545017	综述	本文综述了五种新兴的MRI技术，这些技术有望改变心脏MRI临床应用，实现早期检测和干预	介绍了五种新兴的MRI技术，包括微血管功能障碍成像、纤维化成像、应变成像、早期代谢变化成像和深度学习加速技术	NA	探讨新兴MRI技术在心脏疾病分子和功能表型分析中的应用潜力	心脏疾病的分子和功能表型	医学影像	心血管疾病	MRI	深度学习	图像	NA
173	2024-09-10	Single-cell RNA-seq data analysis using graph autoencoders and graph attention networks 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.1003711 PMID:36568390	研究论文	本文开发了一种基于图神经网络的多模态模型scGAEGAT，用于单细胞RNA测序数据分析	提出了一种结合图自编码器和图注意力网络的多模态模型scGAEGAT，用于处理非欧几里得空间数据	实验仅在四个具有金标准细胞标签的scRNA-seq数据集上进行验证	提高单细胞RNA测序数据中基因插补和细胞聚类的分析效率和准确性	单细胞RNA测序数据中的基因插补和细胞聚类	机器学习	NA	单细胞RNA测序	图神经网络	基因表达数据	四个具有金标准细胞标签的scRNA-seq数据集
174	2024-09-10	Reduced macula microvascular densities may be an early indicator for diabetic peripheral neuropathy 2022, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2022.1081285 PMID:36568975	研究论文	本研究通过光学相干断层扫描血管成像（OCTA）评估2型糖尿病患者视网膜微血管的变化，并探讨其与糖尿病周围神经病变（DPN）的相关性	采用先进的深度学习方法量化视网膜微血管密度，发现DPN患者在浅层血管复合体（SVC）和深层血管复合体（DVC）中的血管长度密度（VLD）显著降低	样本量相对较小，可能影响结果的普适性	评估2型糖尿病患者视网膜微血管的变化，并探讨其与糖尿病周围神经病变的相关性	2型糖尿病患者及其视网膜微血管	数字病理学	糖尿病	光学相干断层扫描血管成像（OCTA）	深度学习	图像	27名健康对照者（42只眼），36名无周围神经病变（NDPN）患者（62只眼），27名有周围神经病变（DPN）患者（40只眼）
175	2024-09-10	Prediction of RNA-protein interactions using a nucleotide language model 2022, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbac023 PMID:36699410	研究论文	本文提出了一种基于BERT架构的模型BERT-RBP，用于预测RNA与RNA结合蛋白（RBP）的相互作用	利用BERT架构的深度学习模型，能够解释性强且仅基于序列信息进行预测	NA	开发一种新的机器学习模型来预测RNA与RNA结合蛋白的相互作用	RNA序列与RNA结合蛋白的相互作用	机器学习	NA	BERT	BERT	序列	154种RNA结合蛋白的eCLIP-seq数据
176	2024-09-08	CoWarriorNet: A Novel Deep-Learning Framework for CoVID-19 Detection from Chest X-Ray Images 2022, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00143-1 PMID:34876770	研究论文	提出了一种名为CoWarriorNet的新型深度学习框架，用于从胸部X光图像中快速检测COVID-19	引入了Alpha Trimmed Average Pooling技术，并设计了新的网络架构，提高了检测的准确性和敏感性	未提及具体的局限性	开发一种高效的深度学习模型，用于快速准确地检测COVID-19	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	CoWarriorNet	图像	未提及具体样本数量
177	2024-09-08	DeepCov19Net: Automated COVID-19 Disease Detection with a Robust and Effective Technique Deep Learning Approach 2022, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00152-0 PMID:35035024	研究论文	提出了一种基于深度学习模型的方法DeepCov19Net，用于自动检测COVID-19疾病	使用卷积自编码器模型进行深度特征提取，并采用SDAR算法选择特征，结合SVM分类器进行分类	未提及具体的研究局限性	开发一种高效且鲁棒的深度学习方法，用于自动检测COVID-19疾病	胸部X光图像中的COVID-19、正常和肺炎类别	计算机视觉	COVID-19	深度学习	卷积自编码器	图像	未提及具体样本数量
178	2024-09-08	Image enhancement techniques on deep learning approaches for automated diagnosis of COVID-19 features using CXR images 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13486-8 PMID:35938148	研究论文	研究探讨了图像去噪和增强技术对深度学习方法在COVID-19特征自动诊断中的影响	提出了结合图像去噪和增强技术的方法，显著提高了深度学习模型在COVID-19诊断中的准确性和敏感性	研究仅限于胸部X光图像，未考虑其他类型的医学影像	探索图像增强技术对深度学习方法在COVID-19自动诊断中的影响	胸部X光图像中的COVID-19特征	计算机视觉	COVID-19	深度学习	CNN	图像	使用了两个基准数据集，进行了4-way和3-way分类
179	2024-09-08	π VAE: a stochastic process prior for Bayesian deep learning with MCMC 2022, Statistics and computing IF:1.6Q1 DOI:10.1007/s11222-022-10151-w PMID:36276409	研究论文	本文提出了一种新的变分自编码器（VAE），称为π VAE，用于贝叶斯深度学习中的随机过程先验，并通过MCMC进行推理	π VAE是一种新的连续随机过程，能够通过结合可训练的特征映射和生成模型来学习函数类的低维嵌入，并在空间插值等任务中实现了最先进的性能	NA	开发一种新的变分自编码器，以实现对复杂数据的灵活建模和高效推理	函数类的低维嵌入和函数属性的学习，如高斯过程及其积分	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	函数类	NA
180	2024-09-08	Deep learning-based phenotyping for genome wide association studies of sudden death syndrome in soybean 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.966244 PMID:36340398	研究论文	本文研究了使用深度学习技术对大豆猝死综合征进行表型分析，并应用于全基因组关联研究	本文首次将深度学习技术应用于大豆猝死综合征的表型分析，并将其与传统的视觉评分方法进行比较	本文仅使用了473个样本，样本量相对较小，可能影响结果的普适性	研究旨在通过深度学习技术对大豆猝死综合征进行表型分析，并应用于全基因组关联研究	研究对象为大豆猝死综合征的表型和相关单核苷酸多态性标记	机器学习	大豆猝死综合征	深度学习	深度学习框架	图像	473个大豆样本