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
141	2024-10-02	Accurate classification of lung nodules on CT images using the TransUnet 2022, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2022.1060798 PMID:36544802	研究论文	本文提出了一种基于TransUnet的深度卷积神经网络技术，用于CT图像中肺结节的自动分类	本文创新性地结合了Transformer和Unet模型，通过全局自注意力建模和精确的肺结节定位，提高了肺结节分类的准确性	NA	开发一种自动化的方法来提高CT图像中肺结节的分类准确性	CT图像中的肺结节	计算机视觉	肺癌	深度卷积神经网络	TransUnet	图像	8474张CT图像，包括3259张良性图像和5215张肺结节图像
142	2024-10-01	Convex optimization algorithms in medical image reconstruction-in the age of AI 2022-03-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac3842 PMID:34757943	综述	本文回顾了基于模型的图像重建（MBIR）算法在医学图像重建中的应用，特别是凸优化算法的发展及其与深度学习的结合	探讨了深度学习与基于模型的图像重建方法之间的协同作用，并强调了凸优化算法在网络架构中的基础作用	未提及具体限制	回顾和讨论医学图像重建中凸优化算法的发展及其与深度学习的结合	医学图像重建算法及其与深度学习的结合	计算机视觉	NA	凸优化算法	深度学习网络	图像	NA
143	2024-10-01	Inferring RNA-binding protein target preferences using adversarial domain adaptation 2022-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009863 PMID:35202389	研究论文	本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA）	采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能	NA	解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性	RNA结合蛋白（RBP）的目标偏好性	机器学习	NA	对抗性领域自适应（ADDA）	神经网络	文本	NA
144	2024-10-01	Identification of piRNA disease associations using deep learning 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.02.026 PMID:35317234	研究论文	本文开发了一种基于深度学习的piRNA疾病关联识别方法piRDA	提出了一种无需特征工程的简单、稳健且高效的深度学习方法，用于识别piRNA疾病关联，并显著优于现有方法	NA	开发一种高效的计算方法来识别piRNA与疾病之间的关联，以促进疾病特异性药物开发	piRNA与疾病之间的关联	机器学习	NA	深度学习	NA	序列数据	NA
145	2024-10-01	Extracting default mode network based on graph neural network for resting state fMRI study 2022, Frontiers in neuroimaging DOI:10.3389/fnimg.2022.963125 PMID:37555154	研究论文	本文提出使用图神经网络（graphSAGE）来研究静息态功能磁共振成像（rs-fMRI）并提取默认模式网络（DMN）	相比传统的种子点相关法、独立成分分析和字典学习，graphSAGE方法更稳健、可靠，并能更清晰地定义感兴趣区域	NA	研究大脑功能连接，提取默认模式网络	静息态功能磁共振成像数据	计算机视觉	NA	图神经网络（graphSAGE）	图神经网络	功能磁共振成像数据	NA
146	2024-10-01	Automatic Detection of Atrial Fibrillation from Single-Lead ECG Using Deep Learning of the Cardiac Cycle 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9813062 PMID:37850161	研究论文	本文探讨了使用深度神经网络（DNN）从单导联心电图（ECG）信号中学习心脏周期并可靠地检测心房颤动（AF）的方法	本文设计了一个三步管道，用于从ECG中检测AF，并展示了其优于现有ECG分析方法的性能	深度神经网络（DNN）通常被设计为通用目的的黑箱模型，缺乏对其决策的可解释性	开发一种从单导联ECG信号中可靠检测心房颤动（AF）的方法	单导联心电图（ECG）信号中的心房颤动（AF）	机器学习	心血管疾病	深度神经网络（DNN）	深度神经网络（DNN）	时间序列数据	NA
147	2024-09-30	Water Meter Reading for Smart Grid Monitoring 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010075 PMID:36616673	研究论文	本文提出了一种自动读取表盘表数字的方法，以促进智能电网的实施	利用深度学习中的YOLOv5s模型进行数字定位和识别	未提及	促进智能电网的实施	表盘表的数字读取	计算机视觉	NA	深度学习	YOLOv5s	图像	未提及
148	2024-09-30	Classification and visual explanation for COVID-19 pneumonia from CT images using triple learning 2022-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24936-6 PMID:36460708	研究论文	本文提出了一种新的框架，用于从CT图像中分类和可视化由COVID-19引起的肺炎	本文引入了对比学习和注意力机制，以改进分类效果并提供详细的可视化解释	NA	提高COVID-19肺炎CT图像分类的准确性和可解释性	COVID-19肺炎的CT图像	计算机视觉	肺部疾病	对比学习，注意力机制	NA	图像	使用三折交叉验证进行实验
149	2024-09-30	McS-Net: Multi-class Siamese network for severity of COVID-19 infection classification from lung CT scan slices 2022-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2022.109683 PMID:36277300	研究论文	本文提出了一种基于深度学习的P-shot N-ways孪生网络，结合原型最近邻分类器，用于从肺部CT扫描切片中分类COVID-19感染的严重程度	本文的创新点在于使用孪生网络和原型最近邻分类器，能够在有限数据集的情况下实现高精度的COVID-19感染严重程度分类	本文的局限性在于仅在MosMed数据集和两个特定数据集上进行了验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是开发一种高效的方法，用于从肺部CT扫描中分类COVID-19感染的严重程度	本文的研究对象是COVID-19感染的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	孪生网络	图像	1110名患者和42名患者的低剂量CT扫描图像
150	2024-09-30	DLBLS_SS: protein secondary structure prediction using deep learning and broad learning system 2022-Nov-22, RSC advances IF:3.9Q2 DOI:10.1039/d2ra06433b PMID:36505696	研究论文	本文提出了一种基于深度学习和广义学习系统的蛋白质二级结构预测模型DLBLS_SS	结合双向长短期记忆网络和时间卷积网络与通道注意力机制，以及广义学习系统来优化特征并捕捉残基间的局部相互作用	NA	提高蛋白质二级结构预测的准确性	蛋白质的3-state和8-state二级结构	机器学习	NA	深度学习	BLSTM, TCN, BLS	序列	包括CASP10, CASP11, CASP12, CASP13, CASP14和CB513的公共测试集
151	2024-09-30	Deep Learning Techniques to Diagnose Lung Cancer 2022-Nov-13, Cancers IF:4.5Q1 DOI:10.3390/cancers14225569 PMID:36428662	研究论文	本文介绍了基于深度学习的医学影像技术在早期肺癌诊断中的最新进展	利用深度学习技术自动分类癌症图像，提高肺癌诊断的敏感性和准确性	现有技术无法自动分类癌症图像，不适用于其他病理的患者	开发一种敏感且准确的早期肺癌诊断方法	肺癌的早期诊断	计算机视觉	肺癌	深度学习	NA	医学影像	NA
152	2024-09-30	Cocrystal Prediction of Bexarotene by Graph Convolution Network and Bioavailability Improvement 2022-Oct-16, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14102198 PMID:36297633	研究论文	本文开发了一种基于图卷积网络的深度学习模型（CocrystalGCN），用于预测Bexarotene的共晶体，并通过实验验证了其有效性	首次使用图卷积网络进行共晶体预测，并成功合成了多种具有改善溶解性和生物利用度的共晶体	实验验证的样本数量有限，可能需要进一步扩大样本量以验证模型的普适性	提高Bexarotene的水溶性和生物利用度，以改善其临床应用	Bexarotene及其共晶体	药物化学	皮肤T细胞淋巴瘤	图卷积网络（GCN）	GCN	分子结构数据	109个共晶体候选物中的30个进行了实验验证
153	2024-09-30	First-Gen Lens: Assessing Mental Health of First-Generation Students across Their First Year at College Using Mobile Sensing 2022-Jul, Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies DOI:10.1145/3543194 PMID:36561350	研究论文	通过移动感知技术评估第一代大学生在其大学第一年的心理健康状况	提出了一种深度学习模型，通过考虑第一代学生的独特行为因素来准确预测其心理健康状况	研究样本仅限于达特茅斯学院的180名新生，可能无法完全代表所有第一代大学生	研究第一代大学生在大学第一年的心理健康状况及其行为模式	第一代大学生和非第一代大学生的心理健康及行为	机器学习	NA	移动感知技术	深度学习模型	行为数据	180名大学新生，其中27名为第一代学生，占研究群体的15%
154	2024-09-30	Graph-based molecular Pareto optimisation 2022-Jun-29, Chemical science IF:7.6Q1 DOI:10.1039/d2sc00821a PMID:35872811	研究论文	本文介绍了基于图的非支配排序遗传算法（NSGA-II和NSGA-III）在分子多目标优化中的最新和开源实现	引入了新的评估指标，包括支配超体积和基于扩展指纹的内部相似性，用于基准测试	未提及具体的局限性	研究基于图的遗传算法在分子多目标优化中的应用	小分子药物的逆向设计	机器学习	NA	遗传算法	NSGA-II, NSGA-III	分子数据	未提及具体的样本数量
155	2024-09-30	A 3-miRNA Signature Enables Risk Stratification in Glioblastoma Multiforme Patients with Different Clinical Outcomes 2022-06-16, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol29060345 PMID:35735454	研究论文	研究通过分析3-miRNA标志物在胶质母细胞瘤患者中的表达水平，实现了患者的风险分层	提出了一个3-miRNA标志物，通过RT-qPCR和深度学习系统验证其在胶质母细胞瘤患者风险分层中的有效性	研究样本量较小，仅涉及37名患者	开发一种新的分子标志物，用于胶质母细胞瘤患者的风险分层	胶质母细胞瘤患者及其miRNA表达水平	数字病理学	脑癌	RT-qPCR	深度学习	图像	37名胶质母细胞瘤患者
156	2024-09-30	From systems to structure - using genetic data to model protein structures 2022-06, Nature reviews. Genetics DOI:10.1038/s41576-021-00441-w PMID:35013567	综述	本文综述了利用大规模遗传数据和深度学习方法来建模蛋白质结构及其相互作用的新兴应用	本文介绍了基于共进化、深度突变扫描和基因组规模遗传或化学遗传相互作用映射的新方法，这些方法使得能够建模单个蛋白质或蛋白质复合物的结构	NA	理解遗传变异的影响是生物学中的一个基本问题，需要分析序列变化在系统和机制尺度上的物理和功能后果	蛋白质结构及其相互作用	机器学习	NA	深度学习	NA	遗传数据	NA
157	2024-09-30	COVID-19 prognostic modeling using CT radiomic features and machine learning algorithms: Analysis of a multi-institutional dataset of 14,339 patients 2022-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105467 PMID:35378436	研究论文	研究使用CT放射组学特征和机器学习算法对COVID-19患者进行预后建模	提出了基于CT放射组学特征的预后模型，并在大规模多中心数据集上验证了其预测能力	ComBat数据调和并未显著提高模型的性能	分析基于CT放射组学模型的预后能力	COVID-19患者	机器学习	COVID-19	放射组学特征提取	随机森林	CT影像	14,339名患者
158	2024-09-30	Towards robust diagnosis of COVID-19 using vision self-attention transformer 2022-05-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13039-x PMID:35618740	研究论文	本文提出了一种基于视觉自注意力变换器的COVID-19诊断方法	使用自注意力机制的变换器架构，能够利用大量未标记数据进行预训练，提高了COVID-19诊断的准确性	需要大量的计算资源和数据进行训练	比较自注意力变换器与CNN和集成分类器在COVID-19诊断中的性能	COVID-19的诊断	计算机视觉	COVID-19	自注意力机制	Transformer	CT扫描图像	使用了HUST-19和SARS-CoV-2数据集进行训练和测试
159	2024-09-30	Organic fluorescent nanoprobes with NIR-IIb characteristics for deep learning 2022-Apr, Exploration (Beijing, China) DOI:10.1002/EXP.20210097 PMID:37323884	研究论文	本文综述了具有NIR-IIb特性的有机荧光纳米探针的最新发展及其在动物模型深部成像中的应用	首次系统综述了NIR-IIb区域有机荧光纳米探针的发展及其在深部成像中的应用	有机荧光纳米探针在NIR-IIb区域的应用仍处于早期阶段，临床应用尚未广泛	综述具有NIR-IIb特性的有机荧光纳米材料的发展及其在深部成像中的应用	具有NIR-IIb特性的有机荧光纳米材料及其在动物模型中的应用	生物医学成像	NA	NIR-IIb成像	NA	图像	动物模型
160	2024-09-30	BEMD-3DCNN-based method for COVID-19 detection 2022-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105188 PMID:34998222	研究论文	提出了一种基于BEMD-3DCNN的方法用于COVID-19检测	使用3D表示的数据作为输入，结合BEMD技术分解图像并构建视频，通过3DCNN模型进行分类和检测，利用CAA模块处理上下文信息以提高检测性能	未提及具体限制	开发一种快速诊断和检测系统以阻止COVID-19的传播	COVID-19病毒的检测	计算机视觉	COVID-19	Bi-dimensional Empirical Mode Decomposition (BEMD)	3DCNN	图像	6484张X光图像，包括1802例COVID-19阳性病例，1910例正常病例和2772例肺炎病例