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
1541	2024-08-23	Deep Generative Medical Image Harmonization for Improving Cross-Site Generalization in Deep Learning Predictors 2022-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27908 PMID:34564904	研究论文	本文开发并评估了一种基于深度学习的图像协调方法，以提高深度学习年龄预测的跨站点泛化能力	使用生成对抗网络（GAN）进行医学图像协调，显著改善了年龄预测模型的跨站点泛化性能	需要进一步研究以验证GAN基医学图像协调方法的长期效果和广泛适用性	提高深度学习模型在不同成像设备和采集协议间的泛化性能	脑部图像的年龄预测	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	8876名受试者，其中2739名用于训练，6137名用于测试
1542	2024-08-23	The Digital Brain Tumour Atlas, an open histopathology resource 2022-02-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01157-0 PMID:35169150	研究论文	本文介绍了一个名为“数字脑瘤图谱”的开源组织病理学资源，该资源包含大量数字化脑瘤样本及其临床注释	该研究填补了脑瘤组织病理学数据集的空缺，为机器学习和数字图像分析提供了宝贵的资源	NA	旨在提供一个公开可用的脑瘤组织病理学数据集，支持精确诊断和相关研究	脑瘤组织病理学数据集及其临床注释	数字病理学	脑瘤	数字化扫描	NA	图像	3,115张切片，涵盖126种脑瘤类型及47种对照组织
1543	2024-08-23	Deep-learning-assisted Fourier transform imaging spectroscopy for hyperspectral fluorescence imaging 2022-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06360-y PMID:35169167	研究论文	本文利用深度学习技术改进傅里叶变换成像光谱学（FTIS），以提高高光谱荧光成像的效率和鲁棒性	通过深度学习，将干涉图采样量大幅减少一个数量级，同时保持图像质量，并提高了对位移台误差和环境振动的鲁棒性	NA	提高高光谱荧光成像的成像吞吐量和系统鲁棒性	牛肺动脉内皮细胞和10种荧光珠	计算机视觉	NA	傅里叶变换成像光谱学（FTIS）	神经网络	干涉图	牛肺动脉内皮细胞和10种荧光珠
1544	2024-08-23	Examination of blood samples using deep learning and mobile microscopy 2022-Feb-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04602-4 PMID:35148679	研究论文	本文研究使用深度学习和移动显微镜对血液样本进行检测	开发了一种基于移动显微镜和强大算法的即时护理系统，可以直接在患者床边提供护理	需要对模型进行大量修改以适应检测大量小物体的需求	探索使用深度学习方法进行移动血液检测的可行性和准确性	人类血液样本中的不同血细胞类型	计算机视觉	NA	深度学习	Mask R-CNN, Mask Scoring R-CNN, D2Det, YOLACT	图像	未具体说明样本数量
1545	2024-08-23	Deep learning for gastroscopic images: computer-aided techniques for clinicians 2022-Feb-11, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-022-00979-8 PMID:35148764	综述	本文综述了深度学习在胃镜图像处理中的应用，旨在为临床医生提供计算机辅助技术	利用深度学习技术在实时胃镜检查中提供现场协助，帮助内镜医师发现并描述病变	讨论了深度学习技术在临床应用前需要解决的关键问题	总结深度学习在克服胃镜检查中疾病相关和非疾病相关挑战的应用，并提供技术指导和全面视角	胃镜图像和胃部疾病	计算机视觉	胃病	深度学习	NA	图像	NA
1546	2024-08-23	Oner, Sung, and Lee: Researchers in digital pathology for the future of modern medicine 2022-Feb-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100447 PMID:35199070	research paper	Oner, Lee 和 Sung 开发了一种深度学习模型，用于准确预测肿瘤组织中癌细胞的比例	开发了一种新的深度学习模型，用于精确预测癌细胞比例，这是精准肿瘤学和靶向治疗的关键步骤	NA	开发和验证一种深度学习模型，以提高癌症治疗的精确性	肿瘤组织中的癌细胞比例	digital pathology	cancer	deep learning	deep learning model	image	NA
1547	2024-08-23	Fused feature signatures to probe tumour radiogenomics relationships 2022-02-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06085-y PMID:35140267	研究论文	本研究提出了一种融合特征签名（FF），通过结合手工特征提取技术和深度特征提取技术，以更好地表示肿瘤放射基因组学关系（RRs）。	本研究首次尝试融合手工特征提取技术和深度特征提取技术，以利用它们之间的互补信息，从而更全面地识别放射基因组学关系。	本研究仅使用了两个公开数据集进行验证，未来需要更多的数据集来进一步验证FF的有效性。	旨在通过融合不同类型的图像特征提取技术，提高肿瘤放射基因组学关系的识别能力。	非小细胞肺癌（NSCLC）患者的基因表达数据和CT图像。	数字病理学	肺癌	深度学习模型（如迁移学习和微调）	CNN	图像	89名NSCLC患者用于构建FF，117名NSCLC患者用于验证
1548	2024-08-23	Sequence-based prediction of protein binding regions and drug-target interactions 2022-Feb-08, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-022-00584-w PMID:35135622	研究论文	本文构建了一个名为Highlights on Target Sequences (HoTS)的深度学习模型，用于预测蛋白质序列与药物配体之间的结合区域和药物-靶标相互作用	提出了一个结合区域预测模型，提高了药物-靶标相互作用预测的性能，并增强了模型的可解释性	模型在预测中不使用3D结构信息	提高药物-靶标相互作用预测的性能和模型的可解释性	蛋白质序列与药物配体之间的结合区域和药物-靶标相互作用	机器学习	NA	深度学习	transformer	蛋白质序列	收集了蛋白质-配体相互作用的复合物和结合位点的蛋白质序列
1549	2024-08-23	Automated Lung Sound Classification Using a Hybrid CNN-LSTM Network and Focal Loss Function 2022-Feb-06, Sensors (Basel, Switzerland) DOI:10.3390/s22031232 PMID:35161977	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合神经模型，用于自动分类四种肺音类型，并采用焦点损失函数处理训练数据不平衡问题	引入焦点损失函数以解决训练数据不平衡问题，并结合CNN和LSTM网络进行肺音分类	NA	开发一种自动肺音分类模型，以提高呼吸疾病诊断和患者监测的效率	肺音的自动分类，包括正常、爆裂音、哮鸣音及两者兼有	机器学习	呼吸疾病	短时傅里叶变换（STFT）	CNN-LSTM	音频	使用了ICBHI 2017呼吸音数据库进行训练和测试
1550	2024-08-23	Diagnostic performance of deep learning and computational fluid dynamics-based instantaneous wave-free ratio derived from computed tomography angiography 2022-02-05, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-022-02469-0 PMID:35120463	研究论文	本文评估了基于深度学习和计算流体动力学（CFD）的CT-iFR（AccuiFRct）方法在诊断冠状动脉病变中的表现。	提出了一种新的CT-iFR方法AccuiFRct，该方法结合了深度学习和计算流体动力学，用于从冠状动脉CT血管造影（CCTA）中计算iFR。	研究样本量较小，仅涉及36名患者和36条血管。	评估AccuiFRct在诊断由缺血引起的冠状动脉狭窄中的诊断性能。	36名连续患者的36条血管，这些患者接受了CCTA、侵入性FFR和iFR检查。	机器学习	心血管疾病	深度学习, 计算流体动力学	NA	图像	36名患者，36条血管
1551	2024-08-23	Inferring protein expression changes from mRNA in Alzheimer's dementia using deep neural networks 2022-02-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28280-1 PMID:35115553	研究论文	本文使用深度神经网络从阿尔茨海默病相关痴呆（ADRD）的mRNA表达中预测蛋白质丰度，以追踪早期蛋白质驱动因素	提出了一种基于深度学习模型的方法，通过分析脑部RNA-seq样本，识别未在mRNA水平直接观察到的蛋白质模块和疾病相关表达变化	文章未提及具体的局限性	旨在通过预测蛋白质表达变化来更好地理解ADRD的分子机制，并识别潜在的早期蛋白质驱动因素和药物靶点	阿尔茨海默病相关痴呆的分子系统和蛋白质	机器学习	阿尔茨海默病	深度神经网络	clei2block深度学习模型	RNA-seq	1192个脑部RNA-seq样本
1552	2024-08-23	Automated recognition of the cricket batting backlift technique in video footage using deep learning architectures 2022-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05966-6 PMID:35115647	研究论文	本研究展示了如何使用深度学习架构自动识别板球击球背举技术，并比较了AlexNet、Inception V3、Inception Resnet V2和Xception等流行深度学习架构的性能	本研究首次验证了使用机器学习方法自动识别板球击球背举技术，并确定了最适合该问题域的深度学习架构	AlexNet架构在分类直背举类图像时表现不佳，错误分类了四张图像	探索和验证使用深度学习技术自动识别板球击球背举技术	板球击球背举技术的自动识别	计算机视觉	NA	深度学习	AlexNet, Inception V3, Inception Resnet V2, Xception	视频	包含侧背举和直背举两个类别的数据集
1553	2024-08-23	Effective deep learning approaches for predicting COVID-19 outcomes from chest computed tomography volumes 2022-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05532-0 PMID:35110593	研究论文	本文评估了胸部CT数据在COVID-19预后中的价值，并开发了一种新的患者级算法，将胸部CT体积聚合为2D表示，以便与临床元数据集成，区分COVID-19肺炎与其他肺炎。	提出了一种多任务模型，用于联合分割COVID-19感染肺部中的不同类型肺部病变，并展示了从胸部CT体积中提取的特征与临床元数据结合可以显著提高预测性能。	NA	开发有效的深度学习方法，从胸部CT图像数据中预测COVID-19的结果。	COVID-19患者的胸部CT图像数据和临床元数据。	机器学习	COVID-19	深度学习	多任务模型	图像	未明确提及具体样本数量
1554	2024-08-23	Automated rock mass condition assessment during TBM tunnel excavation using deep learning 2022-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-05727-5 PMID:35110623	研究论文	本文设计了一种基于自卷积的注意力融合网络（SAFN），用于在隧道掘进过程中自动评估岩体条件	本文提出了自卷积的注意力提取器（SAE）模块和自卷积的注意力池化算法（SAP）模块，用于检测完整岩石区域并提高分类器的性能	NA	实现隧道掘进机（TBM）的智能控制中的岩体条件自动检测	岩体条件评估	计算机视觉	NA	深度学习	自卷积的注意力融合网络（SAFN）	图像	从水道工程中收集了大量的现场岩体图像数据集
1555	2024-08-23	Review of applications and challenges of quantitative systems pharmacology modeling and machine learning for heart failure 2022-02, Journal of pharmacokinetics and pharmacodynamics IF:2.2Q3 DOI:10.1007/s10928-021-09785-6 PMID:34637069	综述	本文综述了定量系统药理学（QSP）建模和机器学习在心力衰竭（HF）中的应用及其面临的挑战	结合机器/深度学习（ML/DL）方法，为HF诊断和建模提供数据驱动的方法，并为QSP模型开发和校准提供新策略	QSP建模和HF临床特征化存在多种挑战	探讨QSP和ML/DL在HF领域的现状、成就、挑战及未来展望	心力衰竭（HF）	机器学习	心血管疾病	NA	NA	NA	NA
1556	2024-08-23	Real-world indoor mobility with simulated prosthetic vision: The benefits and feasibility of contour-based scene simplification at different phosphene resolutions 2022-02-01, Journal of vision IF:2.0Q2 DOI:10.1167/jov.22.2.1 PMID:35103758	研究论文	本研究探讨了在不同光幻视分辨率下，基于轮廓的场景简化对室内移动性的益处和可行性	研究了深度学习基础的表面边界检测与传统边缘检测在场景简化中的效果对比	深度学习基础的表面边界检测在当前研究中并未提高移动性能	探索神经假体植入技术在室内环境中对视觉受损人群移动性的改善	视觉受损人群的室内移动性	计算机视觉	NA	深度学习	NA	图像	sighted participants
1557	2024-08-23	Learning a Metric for Multimodal Medical Image Registration without Supervision Based on Cycle Constraints 2022-Feb-01, Sensors (Basel, Switzerland) DOI:10.3390/s22031107 PMID:35161851	研究论文	本文提出了一种基于循环约束的无监督多模态医学图像配准方法，通过使用合成三向循环和可微分的刚性变换估计方法，实现了腹部CT和MRI图像的精确配准	本文创新性地使用了合成三向循环和可微分的刚性变换估计方法，以无监督的方式学习多模态医学图像的配准	NA	改进无监督的多模态医学图像配准方法	腹部CT和MRI图像的配准	计算机视觉	NA	深度学习	CNN	图像	NA
1558	2024-08-23	Accuracy of Deep Learning Echocardiographic View Classification in Patients with Congenital or Structural Heart Disease: Importance of Specific Datasets 2022-Jan-28, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11030690 PMID:35160148	研究论文	本研究验证了在先天性或结构性心脏病患者中使用卷积神经网络进行超声心动图视图分类的准确性，并训练了一个专门针对此类患者的新的卷积神经网络。	本研究首次验证了神经网络在先天性或结构性心脏病患者中的视图分类，并展示了专门训练的模型在此特定群体中显著提高的准确性。	研究仅限于先天性或结构性心脏病患者，可能不适用于其他心脏疾病患者。	验证和提高神经网络在先天性或结构性心脏病患者中超声心动图视图分类的准确性。	先天性或结构性心脏病患者及正常对照组的超声心动图图像。	机器学习	先天性心脏病	卷积神经网络	CNN	图像	9793个图像文件来自262名先天性或结构性心脏病患者和62名正常对照组
1559	2024-08-23	Ultrafast end-to-end protein structure prediction enables high-throughput exploration of uncharacterized proteins 2022-01-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2113348119 PMID:35074909	研究论文	本文介绍了一种基于深度学习的高速蛋白质结构预测方法，该方法通过简化预处理步骤并直接从深度神经网络输出主链坐标，实现了对未表征蛋白质的高通量探索。	该方法通过使用三个循环网络和一系列残差卷积层，显著减少了目标多序列比对（MSA）的预处理需求，同时提高了预测速度和准确性。	NA	开发一种高效的蛋白质结构预测方法，以实现对大量未表征蛋白质区域的三维建模。	未表征的蛋白质区域和Pfam家族中的蛋白质。	机器学习	NA	深度学习	深度神经网络	序列数据	超过130万个未表征的蛋白质区域和5000多个Pfam家族的蛋白质。
1560	2024-08-23	FaceMask: A New Image Dataset for the Automated Identification of People Wearing Masks in the Wild 2022-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s22030896 PMID:35161642	研究论文	本文介绍了一个新的公开可用注释图像数据库FaceMask，用于自动识别佩戴口罩的人群	提出了一个包含佩戴和不佩戴口罩人群图像的公开数据库，并测试了深度学习检测器在该数据集上的性能	NA	旨在克服现有数据集不足的问题，促进口罩佩戴识别领域的研究进展	研究对象为佩戴和不佩戴口罩的人群图像	计算机视觉	NA	图像处理技术与深度学习	YOLO网络	图像与视频	包含不同环境和情境下佩戴和不佩戴口罩的人群图像