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
621	2024-09-08	Mandrill mothers associate with infants who look like their own offspring using phenotype matching 2022-11-15, eLife IF:6.4Q1 DOI:10.7554/eLife.79417 PMID:36377479	研究论文	研究证明狒狒母亲通过外貌匹配机制识别非亲属婴儿，并促进其与相似外貌婴儿的社交机会	首次提出并验证了狒狒母亲通过外貌匹配机制识别非亲属婴儿，并促进其与相似外貌婴儿的社交机会，提出了'二级亲属选择'机制	研究仅限于狒狒种群，未探讨其他物种中的类似行为	探讨动物社会关系中亲属行为识别的机制	野生狒狒婴儿及其母亲	NA	NA	深度学习面部识别	深度学习模型	图像	80只野生狒狒婴儿
622	2024-09-08	Use of synthetic images for training a deep learning model for weed detection and biomass estimation in cotton 2022-11-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-23399-z PMID:36379963	研究论文	研究使用合成图像训练深度学习模型进行棉花田杂草检测和生物量估算	本研究创新性地使用合成图像和生成对抗网络（GAN）技术生成假植物实例，以解决深度学习模型训练数据量不足的问题	生成对抗网络生成的假植物实例在性能上不如真实植物实例生成的合成图像	探索使用合成图像替代真实图像来训练深度学习模型，以解决数据量不足的问题	棉花田中的牵牛花和草本杂草	计算机视觉	NA	生成对抗网络（GAN）	卷积神经网络（CNN）	图像	约40-50个植物实例
623	2024-09-08	Application of Artificial Intelligence in Pathology: Trends and Challenges 2022-Nov-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112794 PMID:36428854	研究论文	本文探讨了人工智能在病理学中的应用趋势及其面临的挑战	介绍了将人工智能与深度学习结合用于数字病理学图像诊断的新方法	算法验证、可解释性、计算系统、报销、伦理和法规等方面的挑战	探讨人工智能在病理学中的应用及其发展	人工智能在病理学中的应用及其面临的挑战	数字病理学	NA	人工智能	深度学习	图像	NA
624	2024-09-08	Gene-gene interaction detection with deep learning 2022-11-12, Communications biology IF:5.2Q1 DOI:10.1038/s42003-022-04186-y PMID:36371468	研究论文	本文介绍了一种基于深度学习的基因-基因相互作用检测框架，通过考虑所有SNP及其复杂相互作用来提高检测能力	提出了一个开源框架，通过神经网络捕捉SNP与表型之间的关系，并使用Shapley分数量化隐藏节点之间的相互作用，超越了传统的乘法关系	NA	提高基因-基因相互作用检测的准确性和全面性	基因内的所有SNP及其复杂相互作用	机器学习	NA	深度学习	神经网络	基因数据	在模拟数据集和UK Biobank的胆固醇研究中进行了验证，并在独立的FINRISK数据集中检测到九个相互作用
625	2024-09-08	Deep Transfer Learning Enables Robust Prediction of Antimicrobial Resistance for Novel Antibiotics 2022-Nov-12, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics11111611 PMID:36421255	研究论文	本文提出了一种深度迁移学习模型，用于在小样本和不平衡数据集上提高抗菌药物耐药性预测的性能	利用迁移学习和二次突变的方法，适用于新型抗生素和新兴耐药性的预测，并能实现快速诊断和个性化治疗	依赖于大量样本的训练，特别是对于新型抗生素，有限的训练样本和不平衡数据会阻碍模型的泛化性能和整体准确性	提高抗菌药物耐药性预测的准确性和泛化性能	抗菌药物耐药性预测	机器学习	NA	深度迁移学习	深度迁移学习模型	数据	小样本和不平衡数据集
626	2024-09-08	Longitudinal neighbourhood determinants with cognitive health and dementia disparities: protocol of the Multi-Ethnic Study of Atherosclerosis Neighborhoods and Aging prospective cohort study 2022-11-11, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2022-066971 PMID:36368762	研究论文	研究旨在探讨社区环境变化与认知健康及痴呆症差异之间的关系	首次将详细的社区数据与长期纵向队列数据相结合，使用深度学习算法分析街道图像，以识别社区环境变化对认知衰退和痴呆症的影响	研究依赖于MESA研究的数据，可能无法完全代表所有社区和人群	识别社区环境变化与认知衰退及痴呆症差异之间的关系，为健康老龄化政策提供依据	社区环境、认知健康、痴呆症差异	NA	NA	深度学习算法	NA	空间数据、街道图像	MESA研究的参与者，预计超过25年数据
627	2024-09-08	A deep learning approach for automated diagnosis of pulmonary embolism on computed tomographic pulmonary angiography 2022-11-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00916-0 PMID:36368975	研究论文	本文介绍了一种基于深度学习的肺栓塞自动诊断方法，使用计算机断层扫描肺血管造影（CTPA）图像	开发了一种基于U-Net架构和Xception编码器的2D分割模型，用于自动检测肺栓塞	研究样本量较小，且仅在一所三级医院的数据上进行了验证	开发一种能够自动诊断肺栓塞的人工智能模型，以提高诊断准确性和效率	肺栓塞的自动诊断	计算机视觉	肺栓塞	计算机断层扫描肺血管造影（CTPA）	U-Net架构	图像	251例CTPA扫描，其中55例阳性，196例阴性
628	2024-09-08	ESTAN: Enhanced Small Tumor-Aware Network for Breast Ultrasound Image Segmentation 2022-Nov-11, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10112262 PMID:36421586	研究论文	本文提出了一种名为ESTAN的增强型小肿瘤感知网络，用于乳腺超声图像中肿瘤的准确分割	ESTAN引入了两个编码器来提取和融合不同尺度的图像上下文信息，并使用行-列-向核来适应乳腺解剖结构	NA	提高乳腺超声图像中小肿瘤的分割精度	乳腺超声图像中的小肿瘤	计算机视觉	乳腺癌	深度学习	神经网络	图像	三个公开的乳腺超声数据集，即BUSIS、Dataset B和BUSI
629	2024-09-08	A formal validation of a deep learning-based automated workflow for the interpretation of the echocardiogram 2022-11-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34245-1 PMID:36351912	研究论文	本研究比较了基于深度学习的23个超声心动图参数（包括心脏容积、射血分数和多普勒测量）与核心实验室超声心动图师三次重复测量的结果	本研究展示了深度学习算法在超声心动图解释中的潜力，表明其与人类读者的分歧小于人类读者之间的分歧	研究样本量相对较小，且仅包括心脏衰竭患者和对照组	验证基于深度学习的自动化工作流程在超声心动图解释中的有效性	23个超声心动图参数的解释	机器学习	心血管疾病	深度学习	深度学习模型	图像	602个超声心动图研究，来自600人（421名心力衰竭患者，179名对照组，69%为女性）
630	2024-09-08	WARS1, TYMP and GBP1 display a distinctive microcirculation pattern by immunohistochemistry during antibody-mediated rejection in kidney transplantation 2022-11-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-23078-z PMID:36352007	研究论文	本文研究了WARS1、TYMP和GBP1在肾移植抗体介导排斥反应中的免疫组化特征，并通过深度学习框架评估了其诊断性能	本文首次结合免疫组化和卷积神经网络（CNN）框架，评估了WARS1、TYMP和GBP1在抗体介导排斥反应中的诊断潜力	研究样本量较小，需要在更大规模的队列中进一步验证	探讨WARS1、TYMP和GBP1在肾移植抗体介导排斥反应中的诊断价值，并评估深度学习框架的应用	WARS1、TYMP和GBP1蛋白在肾移植抗体介导排斥反应中的免疫组化特征	数字病理学	肾移植	免疫组化	卷积神经网络（CNN）	图像	54例肾移植活检样本，包括17例抗体介导排斥反应和37例其他常见移植损伤
631	2024-09-08	Deep autoencoder for interpretable tissue-adaptive deconvolution and cell-type-specific gene analysis 2022-11-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34550-9 PMID:36347853	研究论文	本文介绍了一种名为TAPE的深度学习方法，用于组织适应性解卷积和细胞类型特异性基因分析	TAPE通过连接批量RNA测序和单细胞RNA测序，实现了快速且精确的解卷积，并在多个数据集上表现出优于现有方法的性能	NA	开发一种能够快速且精确地进行组织适应性解卷积和细胞类型特异性基因分析的方法	批量RNA测序和单细胞RNA测序数据	机器学习	NA	RNA测序	深度自编码器	RNA测序数据	多个数据集
632	2024-09-08	Exposure to Nature Sounds through a Mobile Application in Daily Life: Effects on Learning Performance among University Students 2022-11-07, International journal of environmental research and public health DOI:10.3390/ijerph192114583 PMID:36361462	研究论文	研究通过移动应用程序播放自然声音对大学生学习表现的影响	首次探讨了通过移动应用程序播放自然声音对学生学习表现的影响	样本量较小，仅限于大学学生，且研究时间较短	探讨自然声音通过移动应用程序对学生学习表现的影响	71名大学生	NA	NA	NA	NA	NA	71名大学生，其中实验组36人，对照组35人
633	2024-09-08	YPD-SLAM: A Real-Time VSLAM System for Handling Dynamic Indoor Environments 2022-Nov-07, Sensors (Basel, Switzerland) DOI:10.3390/s22218561 PMID:36366259	研究论文	本文提出了一种实时视觉SLAM算法，用于处理动态室内环境	创新性地结合了Cylinder and Plane Extraction (CAPE)平面检测，并引入了平面和面内点约束到SLAM的非线性优化中	NA	解决SLAM在实际环境中受到动态元素干扰的问题	动态室内环境中的实时定位与地图构建	计算机视觉	NA	深度学习	YoloFastestV2	图像	使用了公开的TUM (RGB-D)数据集进行测试
634	2024-09-08	A Computerized Analysis with Machine Learning Techniques for the Diagnosis of Parkinson's Disease: Past Studies and Future Perspectives 2022-Nov-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112708 PMID:36359550	综述	本文综述了截至2022年9月发表的关于使用机器学习和深度学习技术诊断帕金森病的研究	本文总结了多种数据集、实验设置和架构在帕金森病诊断中的应用，并提出了未来研究的方向	本文主要基于已发表的研究进行综述，未进行新的实验或数据分析	探讨机器学习和深度学习技术在帕金森病诊断中的应用及其未来发展	帕金森病及其诊断方法	机器学习	神经退行性疾病	机器学习、深度学习	NA	多种模态数据	共分析了217篇研究论文
635	2024-09-08	Recommender System for the Efficient Treatment of COVID-19 Using a Convolutional Neural Network Model and Image Similarity 2022-Nov-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112700 PMID:36359545	研究论文	本文设计了一种基于卷积神经网络和图像相似度的推荐系统，用于高效管理医院资源和治疗COVID-19患者	提出了一种结合深度学习和图像搜索范式的推荐系统，用于高效管理医院资源和治疗COVID-19患者	NA	设计一种推荐系统，以高效管理医院资源和治疗COVID-19患者	COVID-19患者及其胸部X光图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	NA
636	2024-09-08	A Swin Transformer-based model for mosquito species identification 2022-11-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-21017-6 PMID:36333318	研究论文	本文介绍了一种基于Swin Transformer的蚊子物种识别模型	首次提出基于Swin Transformer的蚊子物种识别模型，实现了高精度的物种分类	NA	开发一种高效的蚊子物种识别方法，以支持蚊媒疾病的控制	蚊子物种	计算机视觉	NA	深度学习	Swin Transformer	图像	9900张原始图像，涵盖17个物种
637	2024-09-08	SelfCoLearn: Self-Supervised Collaborative Learning for Accelerating Dynamic MR Imaging 2022-Nov-04, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9110650 PMID:36354561	研究论文	本文提出了一种自监督协同学习框架（SelfCoLearn），用于从欠采样的k空间数据中直接重建动态磁共振图像	引入了双网络协同学习、重新采样数据增强和特殊设计的协同训练损失，以提高动态磁共振图像重建的准确性	NA	解决现有方法在缺乏完全采样参考数据的情况下，恢复细节或结构能力有限的问题	动态磁共振图像的重建	计算机视觉	NA	深度学习	双网络协同学习框架	图像	NA
638	2024-09-08	DeepFake knee osteoarthritis X-rays from generative adversarial neural networks deceive medical experts and offer augmentation potential to automatic classification 2022-11-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-23081-4 PMID:36329253	研究论文	研究使用生成对抗神经网络生成逼真的膝关节X光片，以欺骗医学专家并增强自动分类	提出了一种生成对抗神经网络，能够生成具有不同骨关节炎严重程度的膝关节X光片，这些生成的图像能够欺骗医学专家，并在骨关节炎严重程度分类任务中提高分类准确性	研究仅限于膝关节X光片和骨关节炎分类任务，未涉及其他类型的医学图像或疾病	探讨生成对抗神经网络在医学图像生成和增强深度学习模型中的应用	膝关节X光片和骨关节炎严重程度分类	计算机视觉	骨关节炎	生成对抗神经网络	生成对抗网络	图像	训练使用了5,556张真实图像，生成了320,000张合成图像，并进行了15位医学专家的验证
639	2024-09-08	Generalization of Deep Learning in Digital Pathology: Experience in Breast Cancer Metastasis Detection 2022-Nov-03, Cancers IF:4.5Q1 DOI:10.3390/cancers14215424 PMID:36358842	研究论文	本研究测试了预训练深度学习模型在新的诊断环境和手术指征变化下的泛化能力	本研究展示了多中心训练模型在不同数据集上的泛化挑战，并强调了手术指征变化对模型性能的显著影响	本研究仅限于乳腺癌转移检测，且样本量较小	测试预训练深度学习模型在不同诊断环境和手术指征变化下的泛化能力	乳腺癌转移检测	数字病理学	乳腺癌	深度学习	深度学习模型	图像	使用了CAMELYON多中心数据和本地数据，样本量未具体说明
640	2024-09-08	New Generation Federated Learning 2022-Nov-03, Sensors (Basel, Switzerland) DOI:10.3390/s22218475 PMID:36366172	研究论文	本文介绍了一种新的联邦学习框架，称为新一代联邦学习（NGFL），旨在适应现实世界中的动态任务序列和严格的存储限制	本文将增量学习引入联邦学习，提出了一种新的联邦学习框架，能够处理客户端不断出现的新任务和存储限制问题	本文未详细讨论实际应用中可能遇到的技术实现细节和性能评估	开发一种能够适应现实世界动态任务序列和存储限制的联邦学习框架	联邦学习框架在动态任务和存储限制下的表现	机器学习	NA	联邦学习	增量学习	NA	NA