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
441	2024-09-23	Accurate prediction of molecular targets using a self-supervised image representation learning framework 2022-Apr-07, Research square DOI:10.21203/rs.3.rs-1477870/v1 PMID:35411337	研究论文	本文介绍了一种名为ImageMol的无监督预训练深度学习框架，用于从850万未标记的类药物分子中预测候选化合物的分子靶点	ImageMol框架通过从分子图像中预训练化学表示，基于分子的局部和全局结构特征，展示了在分子性质评估和分子靶点预测中的高性能	NA	开发一种无监督预训练的深度学习框架，用于准确预测药物的分子靶点	类药物分子及其分子靶点	计算机视觉	COVID-19	深度学习	NA	图像	850万未标记的类药物分子
442	2024-09-23	Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart 2022-Apr, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00041-9 PMID:35464150	研究论文	开发了一种结合神经网络和生存分析的深度学习方法，用于从增强心脏磁共振图像和临床协变量中预测缺血性心脏病患者的个体化生存曲线	提出的深度学习方法在预测长达10年的生存曲线时表现优异，且能估计预测的不确定性，优于使用临床协变量的标准生存模型	NA	开发一种新的深度学习方法，用于预测心律失常导致的猝死患者的生存概率	缺血性心脏病患者	机器学习	心血管疾病	深度学习	神经网络	图像	多中心内部验证数据和独立测试集
443	2024-09-23	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	本文介绍了一种名为SLEAP的深度学习系统，用于多动物姿态跟踪	SLEAP系统具有用户友好的图形界面、标准化的数据模型、可重复的配置系统，以及超过30种模型架构和两种部分分组与身份跟踪方法	NA	开发一种能够处理多动物姿态跟踪的深度学习系统，以支持社会行为或自然环境中动物行为的研究	苍蝇、蜜蜂、小鼠和沙鼠等多动物的姿态跟踪	计算机视觉	NA	深度学习	CNN	图像	涉及七个数据集，包括苍蝇、蜜蜂、小鼠和沙鼠
444	2024-09-23	Deep learning for robust and flexible tracking in behavioral studies for C. elegans 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009942 PMID:35395006	研究论文	本文展示了使用Faster R-CNN进行秀丽隐杆线虫行为研究中的鲁棒和灵活跟踪	本文首次将Faster R-CNN应用于秀丽隐杆线虫的行为跟踪，展示了其在复杂环境中的速度、准确性和鲁棒性	NA	展示Faster R-CNN在不同实验条件下进行大规模行为研究的适用性	秀丽隐杆线虫在不同生命阶段的行为，包括发育过程中的速度、繁殖成体的生育率和空间分布，以及衰老群体的行为衰退	计算机视觉	NA	Faster R-CNN	CNN	视频	NA
445	2024-09-23	Artificial Intelligence and Machine Learning: What You Always Wanted to Know but Were Afraid to Ask 2022, Gastro hep advances DOI:10.1016/j.gastha.2021.11.001 PMID:39129929	综述	本文综述了人工智能和机器学习在健康科学中的应用，特别是其在胃肠病学和肝病学领域的研究与临床实践中的影响	本文介绍了机器学习的基本原理及其在医学技术中的应用，特别是深度学习方法	NA	旨在为临床医生提供机器学习基础知识的指南，帮助他们理解和应用人工智能技术	人工智能和机器学习在健康科学中的应用，特别是其在胃肠病学和肝病学领域的研究与临床实践中的影响	机器学习	NA	机器学习	深度学习	NA	NA
446	2024-09-23	Predicting biochemical recurrence of prostate cancer with artificial intelligence 2022, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00126-3 PMID:35693032	研究论文	本文利用人工智能技术预测前列腺癌的生化复发	开发了一种基于卷积神经网络的形态学生物标志物，用于预测前列腺癌的生化复发，并使用概念性解释方法解释了学习到的组织模式	NA	探索利用人工智能发现额外的预后信息，以预测前列腺癌的生化复发	前列腺癌的生化复发	数字病理学	前列腺癌	卷积神经网络	CNN	组织	685名患者用于训练，204名患者用于验证
447	2024-09-23	Deep learning models for COVID-19 chest x-ray classification: Preventing shortcut learning using feature disentanglement 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0274098 PMID:36201483	研究论文	本文提出了一种使用特征解耦技术来防止深度学习模型在COVID-19胸片分类中出现捷径学习的方法	引入特征解耦技术，强制模型识别图像中的肺部特征，并惩罚其学习来自原始数据集的特征	未提及	提高深度学习模型在COVID-19胸片分类中的泛化性能	COVID-19患者的胸片	计算机视觉	COVID-19	特征解耦	深度学习模型	图像	未提及
448	2024-09-23	Informative and Reliable Tract Segmentation for Preoperative Planning 2022, Frontiers in radiology DOI:10.3389/fradi.2022.866974 PMID:37492653	研究论文	本研究使用深度学习进行可靠的脑白质束分割，并结合不确定性量化来测量分割的不确定性，以辅助术前规划	本研究首次将深度学习和不确定性量化结合用于脑白质束分割，并提出了基于体积的校准方法来计算代表性的预测概率	本研究仅在特定数据集上进行了验证，尚未在临床环境中广泛应用	提高脑白质束分割的准确性和可靠性，以辅助术前规划和手术操作	脑白质束的分割和不确定性量化	计算机视觉	NA	深度学习	3D U-Net	图像	未明确提及具体样本数量
449	2024-09-23	Improving disease classification performance and explainability of deep learning models in radiology with heatmap generators 2022, Frontiers in radiology DOI:10.3389/fradi.2022.991683 PMID:37492678	研究论文	研究通过在训练中引入热图生成器，改进深度学习模型在放射学中的疾病分类性能和可解释性	通过在训练过程中引入热图生成器和眼动数据，同时提高了疾病分类性能和模型的可解释性	NA	提高深度学习模型在放射学中的疾病分类性能和可解释性	胸部X光片及其相关标签（正常、充血性心力衰竭和肺炎）以及放射科医生的眼动坐标数据	计算机视觉	心血管疾病	NA	U-Net	图像	包含胸部X光片、相关标签和放射科医生眼动坐标的多个样本
450	2024-09-23	Applications of machine learning in computer-aided drug discovery 2022, QRB discovery DOI:10.1017/qrd.2022.12 PMID:37529294	综述	本文综述了机器学习在基于结构的药物设计中的应用，特别是深度学习在从头药物设计、结合位点预测和结合亲和力预测方面的最新趋势	本文介绍了深度学习在基于结构的药物设计中的应用，特别是其在从头药物设计、结合位点预测和结合亲和力预测方面的创新应用	NA	总结机器学习在基于结构的药物设计中的最新趋势	基于结构的药物设计中的深度学习应用	计算机视觉	NA	机器学习	深度学习	实验数据	NA
451	2024-09-21	Deep Relation Learning for Regression and Its Application to Brain Age Estimation 2022-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3161739 PMID:35320092	研究论文	本文提出了一种用于回归任务的深度关系学习方法，并将其应用于脑龄估计	本文创新性地提出了四种非线性关系（累积关系、相对关系、最大关系和最小关系），并通过一个包含特征提取和关系回归的两部分深度神经网络同时学习这些关系	NA	研究目的是通过学习输入图像对之间的关系来改进时间回归任务的性能	研究对象是脑龄估计任务	计算机视觉	NA	卷积神经网络和Transformer	深度神经网络	图像	6049名年龄在0-97岁之间的受试者
452	2024-09-20	Near-Field Microwave Scattering Formulation by A Deep Learning Method 2022-Nov, IEEE transactions on microwave theory and techniques IF:4.1Q2 DOI:10.1109/tmtt.2022.3184331 PMID:37313124	研究论文	本文应用深度学习方法对微波乳房成像中的电磁散射进行建模	本文首次将深度学习方法应用于微波乳房成像中的电磁散射建模，并展示了其计算速度上的显著优势	深度学习方法产生的误差对图像结果影响不大，但仍需进一步验证其在不同条件下的表现	探索深度学习在电磁散射计算中的应用潜力	微波乳房成像中的电磁散射	机器学习	NA	深度学习	神经网络 (NN)	图像	18,000个合成数字乳房幻影
453	2024-09-20	On the Versatile Uses of Partial Distance Correlation in Deep Learning 2022-Oct, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision DOI:10.1007/978-3-031-19809-0_19 PMID:37255993	研究论文	本文探讨了部分距离相关性在深度学习中的多种应用	重新审视了统计学中的距离相关性及其部分变体，并将其应用于大规模模型的功能比较	NA	研究神经网络模型功能行为的比较方法，以理解其学习内容及改进策略	神经网络模型的功能行为比较	机器学习	NA	距离相关性分析	神经网络	特征空间	NA
454	2024-09-20	Analyzing the public sentiment on COVID-19 vaccination in social media: Bangladesh context 2022-Sep, Array (New York, N.Y.) DOI:10.1016/j.array.2022.100204 PMID:35722449	研究论文	研究分析了孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪	使用LDA模型提取了关于疫苗和接种过程的最常见话题，并应用了深度学习和传统机器学习算法来识别公众情绪和极性	未提及具体的研究局限性	分析孟加拉国社交媒体上关于COVID-19疫苗接种的公众情绪，以帮助政府为未来疫情做准备	孟加拉国社交媒体用户关于COVID-19疫苗和接种过程的观点和情绪	自然语言处理	NA	Latent Dirichlet Allocation (LDA)模型，深度学习和传统机器学习算法	LDA，深度学习模型和传统机器学习模型	文本	孟加拉国社交媒体用户的反应
455	2024-09-20	Deformable MR-CT image registration using an unsupervised, dual-channel network for neurosurgical guidance 2022-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102292 PMID:34784539	研究论文	本文提出了一种无监督的深度学习框架，用于神经外科手术指导中的术前MR和术中CT图像的变形配准	创新点在于使用双通道网络进行配准，并结合合成不确定性提供空间变化的权重，以及端到端的联合优化训练策略	NA	旨在提高微创颅内神经外科手术的精度，解决脑组织变形问题	术前MR和术中CT图像的变形配准	计算机视觉	神经外科疾病	深度学习	双通道网络	图像	使用了三个数据集：模拟变形的MR/CT配对数据、真实变形的MR/CT配对数据和真实神经外科手术数据
456	2024-09-19	Cross-vender, cross-tracer, and cross-protocol deep transfer learning for attenuation map generation of cardiac SPECT 2022-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-02978-7 PMID:35474443	研究论文	研究使用深度迁移学习生成心脏SPECT的衰减图（μ-maps），特别是在不同供应商、示踪剂和协议下的应用	提出了一种跨供应商、跨示踪剂和跨协议的深度迁移学习方法，用于生成心脏SPECT的衰减图	研究仅限于特定的扫描仪、示踪剂和协议组合，未来研究需要验证在更广泛条件下的适用性	探索在不同扫描仪、示踪剂和协议下生成心脏SPECT衰减图的可行性	心脏SPECT的衰减图生成	计算机视觉	NA	深度学习	深度神经网络	图像	训练数据包括120个使用Tc-tetrofosmin注射的研究，测试数据包括80个使用Tc-sestamibi注射的研究
457	2024-09-19	High-Performance Statistical Computing in the Computing Environments of the 2020s 2022-Nov, Statistical science : a review journal of the Institute of Mathematical Statistics IF:3.9Q1 DOI:10.1214/21-sts835 PMID:37168541	综述	本文从统计计算的角度回顾了过去十年在硬件和软件方面的技术进步，特别是高性能计算（HPC）的普及和深度学习软件库的发展	首次展示了在如此大规模下进行惩罚回归分析生存结果的可行性	未提及	探讨技术进步如何使统计学家受益，并展示这些发展在高维模型优化算法中的应用	高性能计算环境下的统计计算方法和应用	统计计算	糖尿病	高性能计算（HPC）	惩罚回归模型	基因数据	200,000名受试者和约500,000个单核苷酸多态性
458	2024-09-19	Chest X ray and cough sample based deep learning framework for accurate diagnosis of COVID-19 2022-Oct, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2022.108391 PMID:36119394	研究论文	本文提出了一种基于胸部X光和咳嗽样本的深度学习框架，用于COVID-19的早期诊断	提出了一个新颖的深度融合学习模型，结合胸部X光图像和咳嗽音频样本进行早期分类	NA	开发一种能够在早期准确诊断COVID-19的深度学习框架	COVID-19患者	计算机视觉	COVID-19	深度学习	深度卷积神经网络	图像和音频	NA
459	2024-09-19	Ensemble multimodal deep learning for early diagnosis and accurate classification of COVID-19 2022-Oct, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2022.108396 PMID:36160764	研究论文	提出了一种多模态深度学习方法用于COVID-19的早期诊断和准确分类	采用多模态数据（胸片和咳嗽音频）结合深度学习模型进行COVID-19的早期诊断和分类	NA	开发一种早期诊断和准确分类COVID-19的方法	COVID-19感染者和健康人群	计算机视觉	COVID-19	深度学习	CNN	图像和音频	92例COVID-19阳性患者和1079例健康人群
460	2024-09-19	Pushing the Boundaries of Molecular Property Prediction for Drug Discovery with Multitask Learning BERT Enhanced by SMILES Enumeration 2022, Research (Washington, D.C.) DOI:10.34133/research.0004 PMID:39285949	研究论文	提出了一种基于多任务学习和BERT增强的SMILES枚举的分子性质预测框架，用于药物发现	利用大规模预训练、多任务学习和SMILES枚举来缓解数据稀缺问题，并通过注意力机制提高模型可解释性	未提及	提高分子性质预测的准确性，促进药物发现	小分子药物的药理学性质	机器学习	NA	多任务学习、BERT、SMILES枚举	BERT	文本	60个实际分子数据集