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
1121	2024-08-31	Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder 2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-16980-9_10 PMID:39026926	研究论文	本文提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像，以扩充训练数据集，提高分割任务的性能	设计了条件嵌入块（CEB）和掩码嵌入块（MEB），将掩码的固有条件编码到特征空间，以更好地利用外部信息提供额外的网络训练监督	NA	开发一种新的方法来合成脑部病变图像，以支持激光间质热疗（LITT）治疗后的区域兴趣（ROI）分割	脑部病变图像的合成与分割	计算机视觉	颞叶内侧癫痫	卷积神经网络（CNN）	对抗变分自编码器（VAE）	图像	具体样本数量未提及
1122	2024-08-31	Protocol for live cell image segmentation to profile cellular morphodynamics using MARS-Net 2022-09-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2022.101469 PMID:35733606	研究论文	本文介绍了使用MARS-Net深度学习模型进行活细胞图像分割以分析细胞形态动力学的协议	开发了MARS-Net模型，该模型集成了ImageNet预训练的VGG19编码器和U-Net解码器，用于处理多种显微镜图像数据	NA	旨在解决荧光和相衬成像技术在活细胞图像中准确边缘定位的挑战	活细胞图像中的细胞分割	计算机视觉	NA	深度学习	MARS-Net	图像	多种类型的显微镜图像数据
1123	2024-08-31	Hierarchical deep learning of multiscale differential equation time-steppers 2022-Aug-08, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences DOI:10.1098/rsta.2021.0200 PMID:35719073	研究论文	本文开发了一种分层的深度神经网络时间步进算法，用于在多时间尺度上近似动态系统的流图	提出的分层时间步进方案在捕捉多时间尺度、提高准确性、长期预测效率和灵活性方面优于现有算法	NA	开发一种高效且准确的数据驱动方法，用于在多时间尺度上近似非线性动态系统的解	非线性动态系统，包括Van der Pol振荡器、Lorenz系统、Kuramoto-Sivashinsky方程和流体通过圆柱体流动；音频和视频信号	机器学习	NA	深度神经网络	深度神经网络	序列数据	涉及多种非线性动态系统和信号类型
1124	2024-08-31	VALIDATION OF A DEEP LEARNING-BASED ALGORITHM FOR SEGMENTATION OF THE ELLIPSOID ZONE ON OPTICAL COHERENCE TOMOGRAPHY IMAGES OF AN USH2A-RELATED RETINAL DEGENERATION CLINICAL TRIAL 2022-07-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000003448 PMID:35174801	研究论文	本文评估了一种基于深度学习的算法对椭圆带（EZ）在光学相干断层扫描（OCT）图像上分割的泛化能力	使用深度OCT萎缩检测算法，该算法最初为黄斑毛细血管扩张症2型开发，现应用于USH2A相关视网膜变性临床试验中	NA	评估基于深度学习的算法在不同疾病和生物标志物中的应用潜力	USH2A相关视网膜变性患者的OCT图像中的椭圆带（EZ）	计算机视觉	视网膜疾病	深度学习	CNN	图像	127个频域光学相干断层扫描体积
1125	2024-08-31	Splice-site identification for exon prediction using bidirectional LSTM-RNN approach 2022-Jul, Biochemistry and biophysics reports IF:2.3Q3 DOI:10.1016/j.bbrep.2022.101285 PMID:35663929	研究论文	本文提出了一种基于双向长短期记忆（LSTM）循环神经网络（RNN）的深度学习模型，用于识别和预测真核生物DNA序列中的剪接位点，从而预测外显子	使用双向LSTM-RNN模型来提高剪接位点识别的准确性，并通过增加训练周期来改进模型	NA	提高DNA序列中剪接位点识别和外显子预测的准确性	真核生物DNA序列中的剪接位点和外显子	机器学习	NA	NA	双向LSTM-RNN	DNA序列	NA
1126	2024-08-31	SDNN-PPI: self-attention with deep neural network effect on protein-protein interaction prediction 2022-Jun-27, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08687-2 PMID:35761175	研究论文	本文提出了一种基于自注意力和深度学习的蛋白质-蛋白质相互作用预测方法SDNN-PPI	SDNN-PPI方法采用氨基酸组成（AAC）、联合三联体（CT）和自协方差（AC）提取蛋白质序列的全局和局部特征，并利用自注意力增强DNN特征提取，更有效地完成PPIs预测	NA	探索蛋白质-蛋白质相互作用的机制，并为药物设计和疾病预防提供新思路	蛋白质-蛋白质相互作用（PPIs）	机器学习	NA	自注意力	深度神经网络（DNN）	蛋白质序列	在酵母和人类的同种相互作用数据集上进行了5折交叉验证，以及在人类-炭疽杆菌和人类-鼠疫耶尔森菌的异种相互作用数据集上进行了验证，独立数据集包括秀丽隐杆线虫、大肠杆菌、人类和鼠类
1127	2024-08-31	scDART: integrating unmatched scRNA-seq and scATAC-seq data and learning cross-modality relationship simultaneously 2022-06-27, Genome biology IF:10.1Q1 DOI:10.1186/s13059-022-02706-x PMID:35761403	research paper	本文提出了一种名为scDART的深度学习框架，用于整合不同批次的scRNA-seq和scATAC-seq数据，并同时学习跨模态关系	scDART框架能够保留连续细胞群体中的细胞轨迹，并可应用于整合数据上的轨迹推断	NA	解决整合不同批次的scRNA-seq和scATAC-seq数据的挑战	scRNA-seq和scATAC-seq数据	machine learning	NA	深度学习	NA	scRNA-seq和scATAC-seq数据	NA
1128	2024-08-31	A state-of-the-art technique to perform cloud-based semantic segmentation using deep learning 3D U-Net architecture 2022-Jun-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04794-9 PMID:35751030	研究论文	本文介绍了一种基于云的3D U-Net深度学习架构，用于执行脑肿瘤的语义分割	本文提出的方法是首个达到最高准确率的基于云的脑肿瘤分割方法	NA	研究目的是提高脑肿瘤分割的准确性	研究对象是脑肿瘤，特别是胶质瘤	计算机视觉	脑肿瘤	3D U-Net	3D U-Net	图像	使用了BRATS数据集
1129	2024-08-31	A deep learning method for miRNA/isomiR target detection 2022-06-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14890-8 PMID:35739186	研究论文	本文开发了一种名为DMISO的深度学习工具，用于捕捉miRNA/isomiR-mRNA相互作用的复杂特征，以提高miRNA目标预测的准确性	首次考虑了miRNA的isoforms（isomiRs），并应用深度学习模型研究miRNA-mRNA相互作用特征	NA	提高miRNA目标预测的准确性	miRNA及其isoforms（isomiRs）与mRNA的相互作用	机器学习	NA	深度学习	深度学习模型	序列数据	使用了三个独立数据集进行评估
1130	2024-08-31	Point and interval prediction of crude oil futures prices based on chaos theory and multiobjective slime mold algorithm 2022-Jun-21, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-04781-6 PMID:35755829	研究论文	本文提出了一种基于混沌理论和多目标粘液霉菌算法的混合预测模型，用于预测原油期货价格的点和区间	采用新的数据去噪方法和引入置信区间调整系数，提高了预测的准确性和稳定性	NA	提高原油期货价格预测的准确性和效率	原油期货价格	机器学习	NA	混沌理论，多目标粘液霉菌算法	浅层神经网络，线性模型，深度学习模型	时间序列数据	NA
1131	2024-08-31	Towards a guideline for evaluation metrics in medical image segmentation 2022-Jun-20, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-022-06096-y PMID:35725483	研究论文	本文提供了一个关于医学图像分割评估指标的概述和解释指南，包括Dice相似系数、Jaccard、敏感性、特异性、Rand指数、ROC曲线、Cohen's Kappa和Hausdorff距离等	提出了一个标准化的医学图像分割评估指南，以提高评估质量、可重复性和研究领域的可比性	NA	改善医学图像分割研究的评估质量和可重复性	医学图像分割的评估指标	计算机视觉	NA	深度学习	NA	图像	NA
1132	2024-08-31	Diagnostic advantage of thin slice 2D MRI and multiplanar reconstruction of the knee joint using deep learning based denoising approach 2022-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14190-1 PMID:35725760	研究论文	本研究评估了使用深度学习去噪方法的薄切片2D MRI和膝关节多平面重建（MPR）的诊断优势	通过深度学习去噪重建（dDLR）应用于2D MRI，提高了图像质量和异常发现的识别信心与一致性	研究样本量较小，仅包括12名患者和13个膝关节	评估深度学习去噪方法在膝关节2D MRI中的应用效果	膝关节的2D和3D MRI图像质量及异常发现	计算机视觉	NA	深度学习去噪重建（dDLR）	深度学习模型	MRI图像	12名患者和13个膝关节
1133	2024-08-31	REFLACX, a dataset of reports and eye-tracking data for localization of abnormalities in chest x-rays 2022-06-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01441-z PMID:35717401	research paper	本文介绍了一种利用眼动追踪技术和麦克风记录报告口述，收集胸部X光片异常定位数据的可扩展方法，并发布了包含3,032组同步眼动数据和时间戳报告转录的REFLACX数据集。	提出了一种新的方法来收集异常定位数据，通过眼动追踪和报告口述，模仿读片室的设置，无需专家显式标记，节省时间。	数据集规模相对于自然图像数据集仍然较小。	探索深度学习在胸部X光片异常分类中的应用，并改进异常定位的监督方法。	胸部X光片的异常定位数据收集方法和数据集构建。	computer vision	NA	eye-tracking	NA	image	3,032组同步眼动数据和时间戳报告转录，涉及2,616张胸部X光片
1134	2024-08-31	CardioNet: Automatic Semantic Segmentation to Calculate the Cardiothoracic Ratio for Cardiomegaly and Other Chest Diseases 2022-Jun-17, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060988 PMID:35743771	研究论文	本文介绍了一种基于多类别级联的自动语义分割网络CardioNet，用于通过计算心脏胸腔比率（CTR）来诊断心脏肥大和其他胸部疾病	CardioNet网络专门设计用于使用比传统深度学习方案更少的参数进行精细分割，并能诊断其他胸部相关疾病	文章未提及具体限制	开发一种自动语义分割方法，用于诊断心脏肥大和其他胸部疾病	心脏肥大、肺气肿、胸腔积液和气胸等胸部疾病	计算机视觉	心血管疾病	深度学习	CNN	图像	使用了JSRT数据集和Montgomery County数据集，具体样本数量未详细说明
1135	2024-08-31	Open Source Assessment of Deep Learning Visual Object Detection 2022-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s22124575 PMID:35746357	研究论文	本文介绍了一个名为Detection Metrics的开源科学软件，用于评估深度学习神经网络模型在视觉对象检测中的性能	该软件提供了客观的性能指标，如平均精度均值和平均推理时间，并支持多种国际对象检测数据集和深度学习框架，使得不同网络模型可以公平比较	NA	开发和研究深度学习应用时，提供一个工具来评估和比较不同深度学习模型的性能	深度学习神经网络模型在视觉对象检测中的性能	计算机视觉	NA	深度学习	神经网络模型	图像	支持多种国际对象检测数据集
1136	2024-08-31	Deep Learning to Measure the Intensity of Indocyanine Green in Endometriosis Surgeries with Intestinal Resection 2022-Jun-16, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060982 PMID:35743768	研究论文	本研究提出了一种基于深度学习算法的方法，用于量化肠吻合术中吲哚菁绿（ICG）的血液灌注水平	首次使用基于U-Net的深度学习算法自动分割手术视频中的肠道，并量化已分割视频帧中的血液灌注水平	NA	开发一种新的方法来量化肠吻合术中ICG的血液灌注水平，以预测术后并发症	肠吻合术中ICG的血液灌注水平	计算机视觉	妇科疾病	深度学习算法	U-Net	视频	NA
1137	2024-08-31	A Review of Image Processing Techniques for Deepfakes 2022-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s22124556 PMID:35746333	综述	本文综述了用于深度伪造图像检测的图像处理技术	探讨了如何通过适当的政策、法规、个人行动、培训和教育来对抗深度伪造技术，并强调了技术在深度伪造识别、内容认证和预防方面的发展	NA	旨在强调近期在深度伪造图像和视频检测方面的研究	深度伪造图像和视频的检测算法	计算机视觉	NA	深度学习	卷积神经网络、长短期记忆网络等	图像、视频	使用自建数据集和现有基准数据集进行研究
1138	2024-08-31	EEG Classification of Normal and Alcoholic by Deep Learning 2022-Jun-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12060778 PMID:35741663	研究论文	本文提出了一种新的深度学习方法，用于自动提取和分类EEG信号特征，以诊断酒精依赖症	采用多层离散小波变换进行数据去噪，并结合卷积神经网络和双向长短期记忆网络进行特征提取	NA	开发一种有效的深度学习方法，用于自动诊断酒精依赖症	酒精依赖症患者的EEG信号	机器学习	精神疾病	深度学习	CNN和双向LSTM	EEG信号	NA
1139	2024-08-31	A Bayesian Approach to Unsupervised, Non-Intrusive Load Disaggregation 2022-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s22124481 PMID:35746263	研究论文	本文提出了一种基于贝叶斯方法的无监督、非侵入式负荷分解新方法，用于从低频电能消耗测量和环境信息中分解家庭用电负荷	该方法通过利用实际电负荷信息更新用户消费习惯的先验估计，实现了对两个与环境条件和居住者习惯相关的负荷成分的概率预测，具有较高的准确性	NA	旨在估计家庭能源使用模式和用户消费习惯，为需求响应项目的管理和控制技术提供基础	家庭用电负荷的分解	机器学习	NA	贝叶斯方法	NA	时间序列数据	使用了一个基准数据集进行验证
1140	2024-08-31	New Deep Learning Model to Estimate Ozone Concentrations Found Worrying Exposure Level over Eastern China 2022-06-11, International journal of environmental research and public health DOI:10.3390/ijerph19127186 PMID:35742435	研究论文	本文开发了一种基于长短期记忆网络（LSTM）的深度学习模型，用于估计中国东部地区的臭氧（O3）浓度，并发现该地区存在令人担忧的臭氧暴露水平	提出的模型结合了LSTM与注意力机制和残差连接结构，表现优于传统的随机森林模型和深度神经网络	NA	研究目的是准确估计中国东部地区的臭氧浓度，以评估人类暴露风险	研究对象为中国东部地区的臭氧浓度及其对人类健康的影响	机器学习	NA	深度学习	LSTM	气象数据	研究涵盖了中国东部地区2020年的臭氧浓度数据，约81%的人口暴露于高浓度臭氧中超过150天