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
221	2024-09-28	A Deep Learning Quantification Algorithm for HER2 Scoring of Gastric Cancer 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.877229 PMID:35706692	研究论文	本文提出了一种用于胃癌HER2评分的深度学习量化算法	首次提出了一种自动化的HER2评分框架，并使用重参数化方案加速推理过程	NA	开发一种辅助病理学家诊断胃癌HER2评分的深度学习算法	胃癌HER2评分	计算机视觉	胃癌	深度学习	卷积神经网络	图像	NA
222	2024-09-28	Individual Factors Associated With COVID-19 Infection: A Machine Learning Study 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.912099 PMID:35844896	研究论文	本研究旨在通过机器学习技术识别与COVID-19感染相关的潜在因素	本研究采用了多种机器学习和深度学习算法，包括随机森林、XGBoost和深度神经网络，以选择最佳预测模型	本研究的数据集主要包含临床数据和健康参数，可能未涵盖所有潜在影响因素	识别与COVID-19感染相关的潜在因素，并开发预测模型以帮助预防SARS-CoV-2感染	COVID-19感染的潜在风险因素	机器学习	COVID-19	随机森林、XGBoost、支持向量机、深度神经网络	随机森林、XGBoost、深度神经网络	临床数据、人体测量数据、健康参数	包含临床数据、人体测量数据和健康参数的样本
223	2024-09-28	Cultural and Creative Product Design and Image Recognition Based on Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7256584 PMID:35865496	研究论文	研究基于深度学习的文化创意产品设计和图像识别	提出了一种基于深度学习的图像识别技术，用于文化创意产品设计，相较于现有的LDA、HMM和优化算法，该系统提供了更准确的解决方案	NA	研究如何利用深度学习技术进行文化创意产品设计和图像识别	文化创意产品和图像识别技术	计算机视觉	NA	深度学习	NA	图像	NA
224	2024-09-28	Deep Learning Dual Neural Networks in the Construction of Learning Models for Online Courses in Piano Education 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4408288 PMID:35875728	研究论文	本文探讨了深度学习和人工智能在儿童钢琴教育中的应用，提出了一种基于双神经网络的钢琴音符起始检测方法	本文创新性地将深度学习与人工智能结合，用于在线钢琴课程的学习模型构建，并提出了一种双神经网络方法来检测钢琴音符的起始	本文未详细讨论模型的训练数据集大小和多样性，以及模型在不同钢琴音乐风格中的泛化能力	研究目的是提升现代钢琴教学质量，通过深度学习和人工智能技术改进在线钢琴课程的学习模型	研究对象是在线钢琴课程中的学习模型和儿童钢琴教育	机器学习	NA	深度学习	双神经网络	音频信号	未明确提及具体样本数量
225	2024-09-28	Scope of repurposed drugs against the potential targets of the latest variants of SARS-CoV-2 2022, Structural chemistry IF:2.1Q2 DOI:10.1007/s11224-022-02020-z PMID:35938064	综述	本文综述了利用计算生物学方法重新定位药物以对抗SARS-CoV-2最新变种潜在靶点的研究进展	本文介绍了通过分子对接、分子动力学模拟、定量结构活性关系、网络方法和人工智能等计算科学技术的进步，提高了药物重新定位的潜力	本文讨论了药物重新定位的优缺点，强调了其在最新进展中的应用范围	探讨利用计算生物学方法重新定位药物以对抗SARS-CoV-2最新变种的潜在靶点	SARS-CoV-2的最新变种及其重要蛋白质靶点	计算生物学	NA	分子对接、分子动力学模拟、定量结构活性关系、网络方法、人工智能	机器学习、深度学习	蛋白质结构、药物分子	NA
226	2024-09-28	Research on the Predictive Analysis of Park Landscape Design and Cost Based on RNN Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2762554 PMID:36211005	研究论文	研究基于RNN模型的公园景观设计和成本预测分析	引入人工蜂群算法更新RNN权重，提出全局最优的ABC-RNN预测模型	未提及具体限制	探索影响公园景观成本的主要因素，提出成本预测模型以控制建设成本	公园景观设计及其成本	机器学习	NA	深度学习技术	RNN	NA	未提及具体样本数量
227	2024-09-27	A dynamic graph convolutional neural network framework reveals new insights into connectome dysfunctions in ADHD 2022-02-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118774 PMID:34861391	研究论文	提出了一种动态图卷积神经网络框架，用于揭示注意力缺陷多动障碍（ADHD）中的连接组功能障碍	引入了一种新的动态图卷积网络（dGCN），并开发了一种新的卷积读出层以改进图表示，显著提高了ADHD诊断的性能	NA	设计一种能够捕捉大脑功能连接组拓扑信息的新方法，以提高ADHD的精确诊断	注意力缺陷多动障碍（ADHD）患者的大脑功能连接组	机器学习	精神疾病	功能磁共振成像（fMRI）	动态图卷积神经网络（dGCN）	图结构	NA
228	2024-09-27	Learning to Localize Cross-Anatomy Landmarks in X-Ray Images with a Universal Model 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765095 PMID:37850187	研究论文	本文开发了一种通用的解剖标志检测模型，该模型可以从多个对应不同解剖区域的X射线图像数据集中学习	首次尝试在多个数据集上训练单一网络进行解剖标志检测，相比传统单数据集训练模型，该模型更轻量且训练更简单，同时提高了解剖标志定位的准确性	NA	开发一种能够在不同解剖区域X射线图像中准确自动定位解剖标志的通用模型	X射线图像中的解剖标志	计算机视觉	NA	深度学习	全卷积网络	图像	1710张X射线图像，包含72个解剖标志，涉及四个解剖区域
229	2024-09-27	Virtual Staining, Segmentation, and Classification of Blood Smears for Label-Free Hematology Analysis 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9853606 PMID:37850166	研究论文	本文提出了一种基于单通道、无标记深紫外显微镜的全自动血液分析框架，用于无标记血液分析	利用深紫外显微镜的独特能力，开发了一种基于深度学习的管道，实现了虚拟染色、分割、分类和白细胞计数	NA	简化并改进当前的全血计数和血涂片分析，开发一种简单、快速、低成本的即时血液分析仪	白细胞的虚拟染色、分割、分类和计数	数字病理学	NA	深紫外显微镜	深度学习网络	图像	NA
230	2024-09-27	Label-Free Virtual HER2 Immunohistochemical Staining of Breast Tissue using Deep Learning 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9786242 PMID:37850170	研究论文	本文介绍了一种基于深度学习的无标签虚拟HER2免疫组化染色方法	提出了一种基于条件生成对抗网络的虚拟HER2免疫组化染色方法，能够快速将未标记的乳腺组织切片的自发荧光显微图像转换为与标准化学染色相匹配的明场显微图像	需要进一步验证该方法在其他生物标志物上的适用性	开发一种无需化学处理的虚拟HER2免疫组化染色方法，以加速生物医学工作流程	乳腺组织中的HER2生物标志物	数字病理学	乳腺癌	深度学习	条件生成对抗网络	图像	NA
231	2024-09-27	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	提出了一种低成本高性能的数据增强策略，用于基于深度学习的皮肤病变分类	该策略不仅提高了皮肤病变的分类性能，还突出了临床医生关注的潜在区域，并且可以在低资源环境下广泛应用于多种疾病的早期筛查和自动诊断	NA	开发高性能且低成本的数据增强策略，用于智能皮肤癌筛查设备	皮肤病变分类	机器学习	皮肤癌	数据增强	EfficientNets	图像	HAM10000数据集
232	2024-09-27	Connectivity-based Cortical Parcellation via Contrastive Learning on Spatial-Graph Convolution 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9814824 PMID:37850179	研究论文	本文提出了一种基于结构连接的皮质分割框架，利用空间图卷积网络进行对比学习	提出了空间图卷积分割（SGCP）框架，通过两阶段深度学习模型进行图表示脑成像数据的分割	NA	开发和评估基于结构连接的皮质分割框架	脑皮质分割	计算机视觉	NA	空间图卷积网络	深度学习模型	图像	15个受试者的DWI数据集，用于5个脑区域的分割任务
233	2024-09-26	Generalizable deep learning model for early Alzheimer's disease detection from structural MRIs 2022-10-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-20674-x PMID:36253382	研究论文	本研究开发了一种基于3D深度卷积神经网络的新方法，用于从结构MRI中早期检测阿尔茨海默病	提出了基于3D深度卷积神经网络的新方法，能够自动学习识别与阿尔茨海默病相关的成像生物标志物，并实现早期准确检测	在检测轻度认知障碍（MCI）时，模型的AUC较低，表明在该任务上仍存在挑战	开发一种能够早期检测阿尔茨海默病的深度学习模型	阿尔茨海默病、轻度认知障碍和认知正常个体	机器学习	阿尔茨海默病	3D深度卷积神经网络	CNN	图像	内部验证集来自阿尔茨海默病神经影像学倡议（ADNI），外部独立验证集来自国家阿尔茨海默病协调中心（NACC）
234	2024-09-26	CMC-Net: 3D calf muscle compartment segmentation with sparse annotation 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102460 PMID:35598519	研究论文	本文提出了一种新的深度学习框架CMC-Net，用于在3D MR图像中对小腿肌肉隔室进行分割，通过选择有效的2D切片子集进行标注，并利用未标注的切片来促进后续训练步骤的泛化	CMC-Net通过选择最具代表性的2D切片进行标注，并利用未标注的切片进行模型训练，从而在标注数据量较小的情况下实现了良好的分割性能	本文未详细讨论模型在不同类型肌肉疾病中的适用性，以及在不同MR设备和成像条件下的表现	开发一种能够在标注数据量较小的情况下实现准确3D分割的深度学习框架，用于诊断和评估肌肉疾病的进展	小腿肌肉隔室的3D分割	计算机视觉	NA	深度学习	深度网络	3D MR图像	实验中使用了小腿肌肉隔室的3D MR图像数据集，并进行了额外的3D MR大腿数据集实验
235	2024-09-26	Latent Linguistic Motifs in Social Media Postings Resisting COVID-19 Misinformation 2022-Jun-06, Studies in health technology and informatics DOI:10.3233/SHTI220139 PMID:35673078	研究论文	本文研究了社交媒体上抵抗COVID-19错误信息的潜在语言模式	采用混合方法包括定性编码、深度学习分类和计算机文本分析，揭示了纠正性推文中的语言变量差异	未提及	探讨社交媒体上纠正COVID-19错误信息的语言机制	COVID-19相关推文及其语言变量	自然语言处理	NA	深度学习分类	深度学习分类器	文本	未提及
236	2024-09-26	Deep Learning-Based Recurrence Prediction of Atrial Fibrillation After Catheter Ablation 2022-01-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-21-0622 PMID:34629373	研究论文	研究使用深度卷积神经网络（CNN）预测心房颤动（AF）患者在射频消融（RFCA）后的复发情况，并与传统统计分析方法进行比较	提出了一种新的CNNSurv模型用于预测AF复发，其性能优于传统的统计分析方法	NA	研究深度学习模型在预测心房颤动复发中的应用	接受射频消融治疗的心房颤动患者	机器学习	心血管疾病	深度卷积神经网络（CNN）	CNN	数值数据	310名接受射频消融治疗的心房颤动患者，其中包括94名复发患者
237	2024-09-26	A systematic literature review of deep learning neural network for time series air quality forecasting 2022-Jan, Environmental science and pollution research international DOI:10.1007/s11356-021-17442-1 PMID:34807385	综述	本文系统回顾了深度学习神经网络在时间序列空气质量预测中的应用	本文总结了不同类型的深度学习算法在空气质量预测中的应用，并介绍了混合深度学习技术的有效性	本文主要集中在现有研究的回顾和总结，未提出新的模型或方法	探讨深度学习在时间序列空气质量预测中的应用	深度学习算法在空气质量预测中的应用	机器学习	NA	深度学习	混合深度学习模型	时间序列数据	NA
238	2024-09-25	Deep Learning Based MS2 Feature Detection for Data-Independent Shotgun Proteomics 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995258 PMID:37635836	研究论文	本文开发了一种基于深度学习的模型，用于在数据独立 shotgun 蛋白质组学中进行 MS2 特征检测	本文提出了一种创新的滑动窗口过程，能够对定量 MS/MS 数据进行高分辨率处理，从而提高 MS2 特征检测的准确性	NA	提高 LC-MS 分析中肽段鉴定的准确性，以促进生物标志物发现和复杂蛋白质组学的研究	肽段片段离子在串联质谱中的检测	机器学习	NA	LC-MS 分析	深度学习模型	MS2 数据	NA
239	2024-09-25	Precision Care in Cardiac Arrest: ICECAP (PRECICECAP) Study Protocol and Informatics Approach 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01464-9 PMID:35229231	研究论文	本文介绍了PRECICECAP研究的方案和信息学方法，旨在通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	开发了一个免费的开源软件平台，用于标准化重症监护病房数据的整理，并使用自编码器神经网络和监督深度学习神经网络算法进行数据分析	NA	通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	从院外心脏骤停复苏的患者中收集的高分辨率多模态数据	机器学习	心血管疾病	自编码器神经网络、监督深度学习神经网络算法	自编码器神经网络、监督深度学习神经网络	多模态数据（包括病例报告表、详细药物数据、心肺和脑电图波形、DICOM文件）	12个ICECAP站点将收集数据，研究预计在2025年底完成
240	2024-09-25	Self-Supervised Learning Methods for Label-Efficient Dental Caries Classification 2022-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051237 PMID:35626392	研究论文	本文提出了一种利用自监督学习方法进行高效标签的牙釉质龋齿分类的研究	本文首次将自监督学习方法应用于牙釉质龋齿分类，显著提高了标签效率和分类性能	研究仅限于牙釉质龋齿分类，未涉及其他口腔疾病	探索自监督学习在医疗图像分析中的应用，特别是在标签获取成本高昂的情况下	牙釉质龋齿分类	计算机视觉	口腔疾病	自监督学习	神经网络	图像	38,000张未标记的咬翼片放射图像和343张标记的咬翼片放射图像