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
681	2024-09-07	Deep Transfer Learning for COVID-19 Detection and Lesion Recognition Using Chest CT Images 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4509394 PMID:36285284	研究论文	本文提出了一种基于深度迁移学习的方法，用于使用胸部CT图像进行COVID-19检测和病变识别	引入了2D全局最大池化层以提高模型性能，并开发了一种热图方法来突出显示COVID-19胸部CT图像中的病变区域	NA	开发一种快速且自动化的COVID-19诊断方法，以提高诊断效率和准确性	COVID-19的检测和胸部CT图像中的病变识别	计算机视觉	COVID-19	深度卷积神经网络	CNN	图像	测试数据集上的准确率为94.12%
682	2024-09-07	A Machine Learning Applied Diagnosis Method for Subcutaneous Cyst by Ultrasonography 2022, Oxidative medicine and cellular longevity DOI:10.1155/2022/1526540 PMID:36299601	研究论文	本文提出了一种基于机器学习的皮下囊肿超声诊断方法	利用深度学习技术提升超声计算机辅助诊断系统的性能	仅在湖南省级人民医院的132例患者数据上进行了验证	开发一种机器学习方法来诊断皮下囊肿	皮下囊肿的超声图像	机器学习	NA	超声成像	支持向量机（SVM）	图像	132例患者
683	2024-09-07	A multi-task FP-GNN framework enables accurate prediction of selective PARP inhibitors 2022, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2022.971369 PMID:36304149	研究论文	提出了一种多任务FP-GNN深度学习框架，用于预测分子对四种PARP同工酶的抑制活性	多任务FP-GNN方法在预测PARP抑制剂活性方面表现最佳，并能识别与每种PARP同工酶抑制相关的关键结构片段	NA	开发一种能够准确预测选择性PARP抑制剂的深度学习框架	四种PARP同工酶（PARP-1, PARP-2, PARP-5A, PARP-5B）的抑制活性	机器学习	NA	FP-GNN（指纹和图神经网络）	多任务FP-GNN	分子数据	NA
684	2024-09-07	Contrastive learning and subtyping of post-COVID-19 lung computed tomography images 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.999263 PMID:36304574	研究论文	研究构建了一个深度学习模型，通过对比学习方法对COVID-19后遗症患者的肺部CT图像进行分类和亚型识别	引入肺体积变换的对比学习模型，能够从CT扫描中学习疾病的潜在特征，并识别出COVID-19后遗症的两种亚型	研究样本量相对较小，可能影响模型的泛化能力	通过深度学习模型区分COVID-19后遗症患者与健康个体，并识别COVID-19后遗症的亚型	COVID-19后遗症患者的肺部CT图像	计算机视觉	肺部疾病	对比学习	对比学习模型	图像	140名COVID-19后遗症患者和105名健康对照者
685	2024-09-07	Evaluation of deep learning techniques for identification of sarcoma-causing carcinogenic mutations 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221133703 PMID:36312852	研究论文	本文提出了一种使用深度学习循环神经网络（RNN）算法进行人类肉瘤癌症早期检测的框架	本文首次将RNN算法应用于肉瘤癌症的早期检测，并取得了高达99.6%的准确率	研究样本数量有限，仅包含134个样本和141个突变，可能影响模型的泛化能力	开发一种用于早期检测人类肉瘤癌症的深度学习框架	人类肉瘤癌症的早期检测	机器学习	肉瘤	深度学习	循环神经网络（RNN）	基因序列	134个样本，包含141个突变
686	2024-09-07	Classification of multiple sclerosis clinical profiles using machine learning and grey matter connectome 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.926255 PMID:36313252	研究论文	本研究旨在利用灰质连接组数据和机器学习方法区分多发性硬化症（MS）的临床分型	本研究首次提出了一种自动化管道，利用灰质形态连接组的全局图指标进行MS临床分型的分类，避免了复杂和耗时的MR技术	本研究仅使用了90名MS患者的样本，样本量较小，可能影响结果的普适性	研究灰质厚度连接组数据在区分多发性硬化症临床分型中的判别能力	多发性硬化症患者的灰质连接组数据	机器学习	多发性硬化症	机器学习	集成模型	图像	90名多发性硬化症患者
687	2024-09-07	Learning to diagnose common thorax diseases on chest radiographs from radiology reports in Vietnamese 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276545 PMID:36315483	研究论文	本文提出了一种从越南语放射报告自动提取标签的数据收集和标注流程，用于胸部X光片的常见胸腔疾病诊断	本文的创新点在于利用越南语放射报告自动生成标签，为越南放射学家和临床医生提供更符合当地诊断类别的标注数据	本文的局限性在于仅使用了越南语放射报告，未涉及其他语言的报告	本文的研究目的是开发一种自动化的数据标注工具，用于胸部X光片的常见胸腔疾病诊断	本文的研究对象是胸部X光片及其对应的越南语放射报告	计算机视觉	胸腔疾病	深度学习	EfficientNet-B2	图像	9752个胸部X光片研究
688	2024-09-07	Deep Learning for Strawberry Canopy Delineation and Biomass Prediction from High-Resolution Images 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9850486 PMID:36320455	研究论文	本文提出了一种利用深度神经网络从高分辨率图像中自动分割草莓冠层并预测生物量的工作流程	本文首次将Mask R-CNN应用于草莓冠层的分割，并使用深度回归模型预测冠层叶面积和干生物量	本文仅在RGB和RGB-NIR图像上进行了实验，未探讨其他波段组合的效果	研究如何利用深度学习技术从高分辨率图像中自动分割草莓冠层并预测其生物量	草莓冠层的分割和生物量预测	计算机视觉	NA	深度学习	Mask R-CNN, VGG-16, ResNet-50	图像	使用了高分辨率RGB、近红外和数字表面模型图像，样本数量未明确提及
689	2024-09-07	Advances in antibody discovery from human BCR repertoires 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.1044975 PMID:36338807	研究论文	本文综述了从人类B细胞受体库中发现抗体的技术进展	本文将这些创新技术分为四类：细胞分选、BCR测序、BCR库分析和抗体-抗原相互作用的验证，并结合深度学习技术，为未来直接从人类中发现诊断和治疗性抗体提供了新的方向	NA	探讨从人类B细胞受体库中发现抗体的技术进展	人类B细胞受体库中的抗体	生物技术	NA	细胞分选、BCR测序、抗体-抗原相互作用建模	深度学习	mRNA、基因组DNA	NA
690	2024-09-07	A wheat spike detection method based on Transformer 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.1023924 PMID:36340370	研究论文	本文提出了一种基于Transformer的麦穗检测方法，名为Multi-Window Swin Transformer (MW-Swin Transformer)，并结合了Wheat Intersection over Union损失函数，以提高检测精度	本文创新性地引入了Transformer网络来解决麦穗检测问题，并提出了新的损失函数以优化检测结果	NA	研究麦穗检测方法，以提高生产估计和作物田间管理的准确性	麦穗	计算机视觉	NA	Transformer	Transformer	图像	构建了一个名为WSD-2022的麦穗检测数据集
691	2024-09-07	Multiple conserved states characterize the twist landscape of the bacterial actin homolog MreB 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.10.008 PMID:36382191	研究论文	研究了细菌肌动蛋白同源物MreB的双原丝在微秒尺度分子动力学模拟中可以采用多种扭转状态	使用深度学习算法识别了MreB双原丝在不同扰动下的扭转构象，并发现这些状态在ADP替代ATP后仍然稳定	NA	研究MreB双原丝的扭转状态及其对细胞形状的影响	细菌肌动蛋白同源物MreB的双原丝	NA	NA	分子动力学模拟	深度学习算法	NA	NA
692	2024-09-06	Computer-aided diagnostic for classifying chest X-ray images using deep ensemble learning 2022-10-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00904-4 PMID:36243705	研究论文	本文提出了一种基于深度集成学习的计算机辅助诊断系统，用于分类胸部X光图像	本文提出了一种新的卷积神经网络（CNN）集成架构，用于分类胸部X光图像，并引入了可解释的深度学习方法	本文未详细讨论模型的可解释性方法，且未扩展到其他疾病检测	开发一种更快速和准确的计算机辅助诊断系统，用于胸部X光图像分类	胸部X光图像，包括病毒性肺炎、肺结核、COVID-19和健康状态	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	使用了多个公共数据集混合创建的大规模数据集
693	2024-09-06	Deep learning-based behavioral profiling of rodent stroke recovery 2022-10-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-022-01434-9 PMID:36243716	研究论文	本文介绍了基于深度学习的软件DeepLabCut在评估小鼠中风后行为恢复中的应用	使用DeepLabCut软件进行高精度的3D运动跟踪，并结合全面的后期分析，揭示了中风后小鼠运动行为的生物学差异	NA	评估小鼠中风后的行为恢复机制	小鼠中风后的行为恢复	机器学习	中风	深度学习	DeepLabCut	3D运动数据	涉及多种小鼠品系，跟踪了10个身体部位
694	2024-09-06	A preliminary study on the application of deep learning methods based on convolutional network to the pathological diagnosis of PJI 2022-Oct-14, Arthroplasty (London, England) DOI:10.1186/s42836-022-00145-4 PMID:36229852	研究论文	本研究旨在建立基于卷积网络的深度学习方法，用于假体关节感染（PJI）的病理诊断初步研究	本研究首次使用卷积神经网络深度学习方法识别关节周围软组织病理切片的高倍镜图像，与急性感染诊断标准对照，实现了高精度和高召回率	需要不断升级扩展训练集以提高卷积网络深度学习的诊断准确性，才能应用于临床实践	建立基于卷积网络的深度学习方法，用于假体关节感染的病理诊断	关节置换术后修订患者的病理切片图像	数字病理学	假体关节感染	卷积神经网络	resNET模型	图像	20名关节置换术后修订患者，其中10名确诊感染，10名未感染
695	2024-09-06	DENSEN: a convolutional neural network for estimating chronological ages from panoramic radiographs 2022-Oct-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04935-0 PMID:36241969	研究论文	本文介绍了一种基于卷积神经网络的深度学习方法DENSEN，用于从全景X光片中估计个体的年龄	首次提出了一种基于深度学习的方法DENSEN，用于从全景X光片中估计年龄，适用于不同年龄段，并且相比现有方法减少了实验室工作量	NA	开发一种新的方法来从全景X光片中估计个体的年龄	从全景X光片中估计个体的年龄	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1903张临床全景X光片，年龄范围为3至85岁
696	2024-09-06	Resolving subcellular pH with a quantitative fluorescent lifetime biosensor 2022-10-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33348-z PMID:36224168	研究论文	本文介绍了一种结合pH依赖性荧光寿命成像显微镜（pHLIM）和深度学习技术，用于准确量化单个囊泡的亚细胞pH值的方法	本文的创新点在于结合了pHLIM和深度学习技术，以提高亚细胞pH测量的准确性，并解决了传统方法中依赖于荧光强度变化的高不确定性问题	NA	本文的研究目的是开发一种准确测量亚细胞pH值的方法，以帮助理解药物作用和疾病进展	本文的研究对象是亚细胞pH值，特别是细胞质、内体和溶酶体中的pH变化	生物医学工程	NA	pH依赖性荧光寿命成像显微镜（pHLIM）	深度学习	图像	涉及的样本包括细胞质、内体和溶酶体中的pH变化，以及药物如bafilomycin A1和氯喹引起的pH变化
697	2024-09-06	Dual sensing signal decoupling based on tellurium anisotropy for VR interaction and neuro-reflex system application 2022-10-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33716-9 PMID:36216925	研究论文	本文展示了利用碲纳米线的内在各向异性来调节电子结构和压电极化，从而解耦压力和温度差异信号，实现VR交互和神经反射应用	利用碲纳米线的各向异性实现压力和温度信号的解耦，并应用于VR交互和神经反射系统	NA	开发一种基于碲各向异性的双模传感器，用于VR交互和神经反射应用	碲纳米线、VR交互、神经反射系统	电子医学	NA	深度学习	NA	传感器信号	兔子坐骨神经模型
698	2024-09-06	TNTdetect.AI: A Deep Learning Model for Automated Detection and Counting of Tunneling Nanotubes in Microscopy Images 2022-Oct-10, Cancers IF:4.5Q1 DOI:10.3390/cancers14194958 PMID:36230881	研究论文	本文介绍了一种基于深度学习的自动化方法，用于在显微镜图像中检测和计数隧道纳米管（TNTs）	开发了一种新的预处理方法，用于在像素级别上标记TNTs，并使用两个顺序模型进行TNTs的检测	算法的精确度、召回率和F1分数仍有待提高	开发一种自动化的方法，用于定量分析TNTs，以替代人工识别和计数	隧道纳米管（TNTs）在显微镜图像中的检测和计数	计算机视觉	NA	卷积神经网络（U-Net）	U-Net	图像	涉及癌症和非癌症细胞的显微镜图像
699	2024-09-06	Deep Learning for Encrypted Traffic Classification and Unknown Data Detection 2022-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s22197643 PMID:36236739	研究论文	提出了一种基于深度神经网络的用户活动检测框架，用于从加密的互联网流量中识别移动应用程序中的细粒度用户活动	利用深度神经网络输出层的概率分布来过滤模型训练期间未考虑的应用程序数据（即未知数据）	无法收集和训练所有可能的应用程序数据，导致对未知数据的识别准确率有限	开发一种能够从加密流量中识别细粒度用户活动的方法，以提高移动设备用户的隐私和安全性	移动应用程序中的用户活动和未知数据	机器学习	NA	深度神经网络	深度神经网络 (DNN)	加密互联网流量	NA
700	2024-09-06	Few-Shot Fine-Grained Image Classification via GNN 2022-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s22197640 PMID:36236743	研究论文	本文提出了一种基于图神经网络（GNN）的少样本细粒度图像分类框架	利用GNN的信息传递特性来表示不同图像之间的细微差异，并通过元学习优化特征提取	NA	解决少样本学习在细粒度图像分类中的挑战	细粒度图像分类	计算机视觉	NA	图神经网络（GNN）	图神经网络（GNN）	图像	三个数据集（CIFAR-100, CUB, DOGS）