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
1461	2024-08-25	Personalized wearable electrodermal sensing-based human skin hydration level detection for sports, health and wellbeing 2022-03-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07754-8 PMID:35260675	研究论文	本文提出了一种基于机器学习和深度学习的个性化穿戴式电皮肤传感系统，用于非侵入性地监测人体皮肤的水分水平	本文引入了混合（ML+DL）模型，特别是混合Bi-LSTM算法，以提高水分水平估计的准确性	NA	开发一种有效的非侵入性水分监测系统，以避免潜在的健康并发症和死亡风险	人体皮肤的水分水平	机器学习	NA	电皮肤反应（GSR）	Bi-LSTM	数据	数据收集包括三种不同的水分状态（水分充足、轻度脱水和极度轻度脱水）和三种不同的身体姿势（坐、站和走）
1462	2024-08-25	A deep learning-driven low-power, accurate, and portable platform for rapid detection of COVID-19 using reverse-transcription loop-mediated isothermal amplification 2022-03-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07954-2 PMID:35260715	研究论文	本文介绍了一种基于深度学习的便携式、准确、低成本设备，用于通过逆转录环介导等温扩增（RT-LAMP）快速检测COVID-19	该设备采用3D打印技术，仅需5伏交流-直流适配器供电，可同时进行16次RT-LAMP反应，并可重复使用。实验方案设计消除了对单独昂贵RNA提取设备的需求，并防止样品蒸发	NA	开发一种快速、准确、便携的COVID-19检测设备	COVID-19的快速检测	机器学习	COVID-19	RT-LAMP	深度学习系统	颜色数据	250个RT-LAMP临床样本
1463	2024-08-25	Pretrained transformer framework on pediatric claims data for population specific tasks 2022-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07545-1 PMID:35256645	研究论文	本文介绍了一种名为Claim Pre-Training (Claim-PT)的预训练框架，该框架首先在整个儿科索赔数据集上进行训练，然后针对每个特定人群任务进行区分性微调，以解决特定人群任务数据稀缺的问题	提出了Claim-PT框架，通过预训练和任务感知微调实现了有效的知识转移，并能在小规模患者群体中充分训练深度学习模型	NA	开发一种能够在特定人群任务中有效利用儿科索赔数据的预训练框架	儿科索赔数据和特定人群的医疗任务	机器学习	NA	预训练和微调技术	Transformer	电子健康记录(EHR)数据	超过一百万患者记录
1464	2024-08-25	A Hybrid Model for Driver Emotion Detection Using Feature Fusion Approach 2022-03-06, International journal of environmental research and public health DOI:10.3390/ijerph19053085 PMID:35270777	研究论文	本文提出了一种混合模型，用于在不同姿态、遮挡和光照条件下检测驾驶员的六到七种情绪，通过融合Gabor和LBP特征并结合支持向量机和卷积神经网络进行分类	开发了一种新颖的混合网络架构，结合深度神经网络和支持向量机，以提高情绪检测的准确性	NA	旨在通过监测驾驶员的情绪来预测其行为，从而避免交通事故	驾驶员的情绪	机器学习	NA	特征融合	混合模型（深度神经网络和支持向量机）	图像	使用了FER 2013、CK+、KDEF和KMU-FED数据集
1465	2024-08-25	Federated learning for multi-center imaging diagnostics: a simulation study in cardiovascular disease 2022-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07186-4 PMID:35241683	研究论文	本文通过模拟研究探讨了联邦学习在多中心心血管疾病影像诊断中的应用	首次在心血管磁共振成像领域进行联邦学习的模拟研究，并探索了两种不同的形状先验信息整合方法和四种数据增强设置	研究样本量较小，仅包含180个来自四个中心的研究对象	验证联邦学习在多中心影像诊断中的有效性和优势	心血管疾病中的肥厚型心肌病诊断	机器学习	心血管疾病	联邦学习	3D-CNN	影像	180个研究对象
1466	2024-08-25	Unsupervised Learning in Drug Design from Self-Organization to Deep Chemistry 2022-Mar-03, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23052797 PMID:35269939	综述	本文回顾了从1990年代的自组织映射到当前深度化学中神经网络在药物设计中的应用	探讨了无监督学习在深度化学中的潜在应用，特别是自组织映射的高效性	化学领域中可用的测量属性数据仍然有限，影响了深度化学的效率	探索神经网络在药物设计中的应用，特别是深度学习和无监督学习方法	神经网络在药物设计中的应用，特别是自组织映射和深度学习	机器学习	NA	深度学习	神经网络	分子表示	NA
1467	2024-08-25	A deep learning model for molecular label transfer that enables cancer cell identification from histopathology images 2022-Mar-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-022-00252-0 PMID:35236916	研究论文	本文开发了一种名为H&E分子神经网络（HEMnet）的深度学习模型，用于从组织病理学图像中识别癌细胞	HEMnet利用免疫组织化学作为初始分子标签，通过分子转移方法成功生成了大量训练图像，并能以更高分辨率预测癌细胞	NA	提高癌症诊断的准确性	从组织病理学图像中识别癌细胞	机器学习	结直肠癌	深度学习	神经网络	图像	21,939个肿瘤图像和8,782个正常图像
1468	2024-08-25	Artificial intelligence to detect malignant eyelid tumors from photographic images 2022-Mar-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00571-3 PMID:35236921	研究论文	本文开发了一种基于卷积神经网络和深度学习分类网络的人工智能系统，用于从摄影图像中自动检测和区分恶性与良性眼睑肿瘤	该系统能够自动定位眼睑肿瘤并区分恶性与良性，其性能与资深眼科医生相当	NA	促进恶性眼睑肿瘤的早期检测和治疗	眼睑肿瘤的恶性与良性区分	计算机视觉	眼睑肿瘤	卷积神经网络	CNN	图像	1,417张图像来自851名患者
1469	2024-08-25	Generating 3D molecules conditional on receptor binding sites with deep generative models 2022-Mar-02, Chemical science IF:7.6Q1 DOI:10.1039/d1sc05976a PMID:35356675	research paper	本文首次描述了一种基于深度学习的系统，用于生成以受体结合位点为条件的3D分子结构	本研究首次应用深度学习生成预测与蛋白质结合的3D分子，通过条件变分自编码器和原子密度网格表示法来实现	NA	旨在通过深度学习找到与特定目标蛋白质结合的小分子，实现基于结构的药物发现	3D分子结构及其与蛋白质的结合能力	machine learning	NA	条件变分自编码器	VAE	原子密度网格	涉及交叉对接的蛋白质-配体结构
1470	2024-08-25	Glycosyltransferases: Mining, engineering and applications in biosynthesis of glycosylated plant natural products 2022-Mar, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2022.01.001 PMID:35261926	综述	本文综述了植物UDP-糖基转移酶（UGTs）在植物天然产物糖基化生物合成中的功能、系统发育分布、催化多样性及工程应用	讨论了利用多组学技术和深度学习预测模型识别新型UGT候选物，以及通过理性设计和定向进化工程策略改进UGT功能的最新进展	NA	阐明UGT功能，为代谢工程中生产药物前体、化妆品、营养素和甜味剂的糖基化提供必要步骤	植物UGTs及其在植物天然产物糖基化生物合成中的应用	代谢工程	NA	多组学技术，深度学习	深度学习预测模型	NA	NA
1471	2024-08-25	Quantitative analysis of the effect of radiation on mitochondria structure using coherent diffraction imaging with a clustering algorithm 2022-Mar-01, IUCrJ IF:2.9Q3 DOI:10.1107/S2052252521012963 PMID:35371506	研究论文	本文通过使用基于深度学习的聚类算法，对生物材料在X射线源下的相干衍射成像（CDI）中的辐射损伤和低信噪比问题进行了定量分析	引入了一种基于深度学习的聚类算法，用于从噪声衍射图案中获得准确和一致的图像重建	NA	研究X射线辐射对软生物材料的影响，并提高生物材料的成像质量	人类胚胎肾细胞的线粒体	数字病理学	NA	相干衍射成像（CDI）	聚类算法	图像	人类胚胎肾细胞的线粒体
1472	2024-08-25	Grayscale medical image segmentation method based on 2D&3D object detection with deep learning 2022-02-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00760-2 PMID:35220942	研究论文	本文提出了一种结合阈值法和深度学习的2D&3D目标检测技术的新型灰度医学图像分割方法	该方法通过使用2D目标检测网络确定感兴趣区域，并将裁剪图像中的像素转换为点云，然后应用3D目标检测网络获取边界框，从而实现灰度医学图像的精确分割	该方法需要大量的训练数据来支持复杂的深度学习架构	开发一种有效的灰度医学图像分割方法，以提高临床计算机辅助诊断的准确性	灰度医学图像的分割	计算机视觉	NA	深度学习	2D&3D目标检测网络	图像	三组灰度医学图像数据集
1473	2024-08-25	Quantifying arousal and awareness in altered states of consciousness using interpretable deep learning 2022-02-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28451-0 PMID:35217645	研究论文	本文提出了一种可解释的意识指标（ECI），利用深度学习技术来区分意识的不同组成部分，即觉醒（清醒状态）和意识（主观体验）	首次报道了能够区分觉醒和意识这两个意识组成部分的神经生理学指标	NA	开发一种新的方法来量化不同生理、药理和病理条件下的觉醒和意识	使用脑电图（EEG）响应于经颅磁刺激，研究了睡眠、全身麻醉和严重脑损伤等多种条件下的觉醒和意识	神经科学	脑损伤	脑电图（EEG）	深度学习	脑电图数据	共涉及105个样本，包括睡眠（6个）、全身麻醉（16个）、严重脑损伤（34个）以及休息状态下的全身麻醉（15个）和严重脑损伤（34个）
1474	2024-08-25	Winter wheat yield prediction using convolutional neural networks from environmental and phenological data 2022-02-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06249-w PMID:35217689	研究论文	本研究利用环境数据和表型数据，通过卷积神经网络（CNN）模型预测冬季小麦产量	提出了一种使用一维卷积操作的卷积神经网络（CNN）模型，有效捕捉环境变量的时间依赖性	NA	分析机器学习和深度学习方法在冬季小麦产量预测中的表现	冬季小麦产量预测	机器学习	NA	卷积神经网络（CNN）	CNN	环境数据和表型数据	271个德国县从1999年到2019年的数据
1475	2024-08-25	Recent Advances of Deep Learning for Computational Histopathology: Principles and Applications 2022-Feb-25, Cancers IF:4.5Q1 DOI:10.3390/cancers14051199 PMID:35267505	综述	本文综述了深度学习在数字H&E染色病理图像分析中的最新进展和应用	深度学习及其扩展为解决病理图像分析中的挑战性问题提供了多种途径，如颜色归一化、图像分割以及癌症的诊断和预后	NA	综述深度学习在数字病理学中的应用和原理	数字H&E染色病理图像	数字病理学	NA	深度学习	CNN	图像	NA
1476	2024-08-25	Deep learning-based quantitative analyses of spontaneous movements and their association with early neurological development in preterm infants 2022-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07139-x PMID:35210507	研究论文	本研究旨在基于深度学习算法开发高风险早产儿自发运动的定量评估方法	利用深度学习算法和样本熵对早产儿自发运动的复杂性指数进行定量评估	NA	开发早产儿自发运动的定量评估方法，并探讨其与早期神经发育的关联	高风险早产儿的自发运动	机器学习	NA	深度学习算法	pose-estimation model	视频图像	65名早产儿
1477	2024-08-25	Forecasting the outcome of spintronic experiments with Neural Ordinary Differential Equations 2022-Feb-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28571-7 PMID:35197449	研究论文	本文展示了使用神经常微分方程（Neural Ordinary Differential Equations）的动态神经网络，能够在极少数据训练下，高精度且高效地预测自旋电子器件的行为	提出了将神经常微分方程应用于自旋电子学的框架，能够显著加速复杂问题的模拟，如磁斯格明子构成的储备池计算机的模拟	目前仅限于自旋电子器件的预测，尚未扩展到其他类型的电子设备	开发一种新的工具，以辅助自旋电子应用的开发，并弥补微磁模拟在处理噪声和不完美情况时的不足	自旋电子器件及其在不同输入下的响应	机器学习	NA	神经常微分方程（Neural Ordinary Differential Equations）	动态神经网络	实验数据	五毫秒的测量响应数据
1478	2024-08-25	Segmentation of pancreatic ductal adenocarcinoma (PDAC) and surrounding vessels in CT images using deep convolutional neural networks and texture descriptors 2022-02-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07111-9 PMID:35197542	研究论文	本文介绍了一种基于卷积神经网络（CNN）的框架，用于在CT图像中分割胰腺导管腺癌（PDAC）及其周围血管，结合了强大的经典特征	引入了Texture Attention U-Net（TAU-Net），通过融合密集的尺度不变特征变换（SIFT）和局部二值模式（LBP）描述符到注意力U-Net中，并提出了一个多目标损失函数来减少不平衡数据的影响	由于样本量不足，血管分割采用了预训练网络并进行微调	实现胰腺导管腺癌及其周围血管的全自动和体积分割，以辅助诊断和手术规划	胰腺导管腺癌（PDAC）及其周围血管的分割	计算机视觉	胰腺癌	卷积神经网络（CNN）	3D-CNN, 2D注意力U-Net, Texture Attention U-Net（TAU-Net）	CT图像	样本量不足
1479	2024-08-25	UFold: fast and accurate RNA secondary structure prediction with deep learning 2022-02-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkab1074 PMID:34792173	研究论文	本文提出了一种基于深度学习的方法UFold，用于预测RNA二级结构，该方法通过全卷积网络（FCN）高效处理RNA序列的图像类表示	UFold采用了一种新颖的图像类表示方法，能够通过全卷积网络高效处理RNA序列，并且在跨家族RNA数据集上与传统方法表现相当	NA	解决RNA二级结构预测的性能瓶颈问题	RNA二级结构的预测	机器学习	NA	深度学习	全卷积网络（FCN）	序列	NA
1480	2024-08-25	Variational autoencoding of gene landscapes during mouse CNS development uncovers layered roles of Polycomb Repressor Complex 2 2022-02-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac006 PMID:35048973	研究论文	本文通过变分自编码器分析小鼠中枢神经系统发育过程中的基因表达图谱，揭示了Polycomb抑制复合物2（PRC2）在促进前脑扩张中的多层作用	开发了一种结合标准统计分析和概率深度学习的方法，以整合转录组响应PRC2失活与表观遗传数据，并发现了几组未预期的基因	NA	探究PRC2在小鼠胚胎中枢神经系统发育中的全面作用及其与表观遗传景观的交集	小鼠中枢神经系统发育中的PRC2功能	数字病理学	NA	变分自编码器	变分自编码器	转录组数据	通过突变关键基因Eed去除了发育中小鼠中枢神经系统中的PRC2功能，并生成了时空转录组数据