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
41	2024-08-25	Drug Properties Prediction Based on Deep Learning 2022-Feb-21, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14020467 PMID:35214201	research paper	本文提出基于深度学习的预测模型，用于提高口服速溶药物的崩解时间和缓释片累积溶解曲线的预测性能	首次使用Wasserstein生成对抗网络（WGAN）进行药物制剂预测	数据集不平衡且规模小，神经网络结构效率不高	提高口服速溶药物制剂预测的性能	口服速溶薄膜（OFDF）和缓释片（SRMT）的崩解时间和溶解曲线	machine learning	NA	深度学习	WGAN	数据集	小规模且不平衡的数据集
42	2024-08-25	Molecular Imaging of Brain Tumors and Drug Delivery Using CEST MRI: Promises and Challenges 2022-Feb-20, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14020451 PMID:35214183	综述	本文综述了化学交换饱和转移（CEST）磁共振成像（MRI）在脑肿瘤检测和药物递送中的应用前景与挑战	CEST MRI通过检测内源性分子如蛋白质/肽和临床批准药物，提供了一种敏感且非侵入性的方法来评估脑肿瘤及相关分子改变	CEST对比度依赖于脉冲序列、饱和参数、CEST光谱分析方法（如Z-光谱）以及如何解释CEST对比度的变化和相关的分子改变	探讨CEST MRI在脑肿瘤识别、肿瘤分级、分子改变检测（如IDH和MGMT）、治疗效果评估以及开发癌症治疗中的治疗诊断方法的应用	脑肿瘤及其分子改变	医学影像	脑肿瘤	CEST MRI	NA	影像	NA
43	2024-08-25	Identification of Diabetic Retinopathy Using Weighted Fusion Deep Learning Based on Dual-Channel Fundus Scans 2022-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020540 PMID:35204628	研究论文	本文提出了一种基于双通道眼底扫描的加权融合深度学习网络（WFDLN），用于自动提取特征并分类糖尿病视网膜病变（DR）阶段	本文创新性地使用了双通道眼底图像（CLAHE和CECED），并通过加权融合的方法提高了分类准确性	NA	旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性	糖尿病视网膜病变（DR）的分类	计算机视觉	糖尿病视网膜病变	深度学习	加权融合深度学习网络（WFDLN）	图像	在Messidor数据集上测试，准确率为98.5%，敏感性为98.9%，特异性为98.0%；在Kaggle数据集上测试，准确率为98.0%，敏感性为98.7%，特异性为97.8%
44	2024-08-25	Knee Injury Detection Using Deep Learning on MRI Studies: A Systematic Review 2022-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020537 PMID:35204625	综述	本文通过系统综述方法，评估了深度学习在MRI研究中用于膝关节（前交叉韧带、半月板和软骨）损伤检测的应用	深度学习在MRI诊断膝关节损伤中的应用显示出与人类水平相当的决策能力	当前深度学习方法的局限包括数据不平衡、模型在不同中心的泛化能力、验证偏差、缺乏多类别分类研究以及基准真相的主观性	旨在通过系统综述探讨深度学习在MRI膝关节损伤检测中的应用	膝关节（前交叉韧带、半月板和软骨）损伤	机器学习	NA	深度学习	NA	图像	NA
45	2024-08-25	Artificial Intelligence-Enabled Electrocardiogram Estimates Left Atrium Enlargement as a Predictor of Future Cardiovascular Disease 2022-Feb-19, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12020315 PMID:35207802	研究论文	本研究开发了一种基于深度学习模型（DLM）的ECG系统，用于识别左心房扩大（LAE）患者，并评估其对未来心血管疾病的预测价值	本研究首次使用深度学习模型（DLM）通过ECG数据识别LAE，并发现ECG-LAE比ECHO-LAE具有更高的预测价值	NA	开发一种新的工具，通过ECG数据预测左心房扩大（LAE）及其相关心血管疾病	ECG记录与相应的心脏超声（ECHO）数据	机器学习	心血管疾病	深度学习模型（DLM）	DLM	ECG数据	开发集101,077份ECG，调整集20,510份ECG，内部验证集7,611份ECG，外部验证集11,753份ECG
46	2024-08-25	PyUUL provides an interface between biological structures and deep learning algorithms 2022-02-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28327-3 PMID:35181656	研究论文	本文介绍了一个名为PyUUL的库，该库能够将生物结构转换为3D张量，以便直接应用先进的深度学习算法	PyUUL库的创新之处在于它提供了一个接口，将生物结构与机器学习方法连接起来，使得现代神经网络架构的应用变得可行	NA	旨在解决结构生物信息学中缺乏生物结构与机器学习方法之间接口的问题	生物结构和深度学习算法	计算机视觉	NA	深度学习算法	神经网络	3D张量	NA
47	2024-08-25	COVID-19 Detection in CT/X-ray Imagery Using Vision Transformers 2022-Feb-18, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12020310 PMID:35207797	研究论文	本文提出了一种使用Vision Transformer架构的深度学习框架，用于通过CT和X射线图像检测COVID-19	采用Vision Transformer架构和Siamese编码器处理原始及增强图像，提高了检测性能	未提及具体限制	开发一种高效的深度学习方法，用于通过医学影像检测COVID-19	COVID-19的CT和X射线图像	计算机视觉	COVID-19	NA	Vision Transformer	图像	使用公共CT和X射线数据集进行评估
48	2024-08-25	A Transfer Learning Framework with a One-Dimensional Deep Subdomain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions 2022-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s22041624 PMID:35214528	研究论文	本文提出了一种基于一维轻量级深度子域自适应网络的迁移学习框架，用于不同工作条件下滚动轴承故障诊断	提出了一种一维轻量级深度子域自适应网络（1D-LDSAN），使用局部最大均值差异（LMMD）匹配源域和目标域数据的概率分布，提高了分类准确性	NA	提高滚动轴承故障诊断在不同工作条件下的准确性和速度	滚动轴承故障诊断	机器学习	NA	一维轻量级卷积神经网络	CNN	振动信号	使用了Case Western Reserve University（CWRU）数据集中的轴承数据
49	2024-08-25	Use of a deep learning and random forest approach to track changes in the predictive nature of socioeconomic drivers of under-5 mortality rates in sub-Saharan Africa 2022-Feb-17, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2021-049786 PMID:35177443	研究论文	本研究使用机器学习算法追踪撒哈拉以南非洲地区5岁以下儿童死亡率的社会经济驱动因素的重要性排名和生存结果的变化	本研究展示了深度生存神经网络模型在预测5岁以下儿童死亡率方面的效率	NA	追踪撒哈拉以南非洲地区5岁以下儿童死亡率的社会经济驱动因素的重要性排名和生存结果的变化	撒哈拉以南非洲地区的5岁以下儿童死亡率及其社会经济驱动因素	机器学习	NA	机器学习算法	深度生存神经网络	数据集	总共分析了来自11个数据集的85,688名儿童
50	2024-08-25	LIM Tracker: a software package for cell tracking and analysis with advanced interactivity 2022-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06269-6 PMID:35177675	研究论文	本文介绍了一种名为LIM Tracker的细胞追踪软件，该软件具有传统追踪功能、基于模式匹配的序列搜索型追踪功能和手动追踪功能，并支持深度学习识别功能	LIM Tracker软件集成了高度交互和联锁的数据可视化方法，实时显示分析结果，并支持深度学习识别功能，适用于多种目标追踪	NA	开发一种用户友好且具有高度通用性的细胞追踪软件	细胞追踪和分析	计算机视觉	NA	深度学习	DL	图像	NRK-52E/EKAREV-NLS细胞、MCF-10A/H2B-iRFP-P2A-mScarlet-I-hGem-P2A-PIP-NLS-mNeonGreen细胞、Glioblastoma-astrocytoma U373细胞
51	2024-08-25	Artificial intelligence enabled automated diagnosis and grading of ulcerative colitis endoscopy images 2022-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06726-2 PMID:35177717	研究论文	本文研究了使用深度学习卷积神经网络（CNN）对溃疡性结肠炎（UC）内镜图像进行自动诊断和分级	首次比较了多种CNN架构在8000张标记内镜图像上的表现，并使用Gradient-weighted Class Activation Maps（Grad-CAM）提高了模型的可视化解释性	NA	旨在提高溃疡性结肠炎内镜评估的客观性和可重复性	溃疡性结肠炎的内镜图像	计算机视觉	溃疡性结肠炎	深度学习	CNN	图像	8000张标记内镜图像
52	2024-08-25	Automatic Colorectal Cancer Screening Using Deep Learning in Spatial Light Interference Microscopy Data 2022-02-17, Cells IF:5.1Q2 DOI:10.3390/cells11040716 PMID:35203365	研究论文	本文利用空间光干涉显微镜（SLIM）和深度学习算法mask R-CNN，实现了结直肠癌的自动筛查	采用无标记的空间光干涉显微镜技术，减少了人为偏差，并使成像数据在不同仪器和诊所间具有可比性	NA	开发一种自动化的结直肠癌筛查方法，以提高病理诊断的准确性和效率	结直肠癌组织样本	数字病理学	结直肠癌	空间光干涉显微镜（SLIM）	mask R-CNN	图像	132名患者的组织微阵列样本
53	2024-08-25	Localization and Edge-Based Segmentation of Lumbar Spine Vertebrae to Identify the Deformities Using Deep Learning Models 2022-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s22041547 PMID:35214448	研究论文	本文介绍了使用深度学习模型进行腰椎定位和基于边缘的分割，以识别脊柱畸形	采用YOLOv5进行快速轻量级的物体检测，结合HED U-Net进行分割和边缘检测，提高了诊断的准确性和效率	NA	开发自动化方法帮助临床医生评估疾病的严重程度，减少手动诊断的差异和变异性	腰椎定位和分割，以及脊柱畸形的诊断	计算机视觉	脊柱疾病	YOLOv5, HED U-Net, Harris corner detector	YOLOv5, HED U-Net	图像	NA
54	2024-08-25	A Graph Neural Network with Spatio-Temporal Attention for Multi-Sources Time Series Data: An Application to Frost Forecast 2022-Feb-15, Sensors (Basel, Switzerland) DOI:10.3390/s22041486 PMID:35214389	research paper	本研究提出了一种具有时空架构的图神经网络GRAST-Frost，用于预测最低温度和霜冻发生情况	该模型在处理多源时间序列数据时考虑了空间和时间关系，并在预测性能上超越了传统的时序预测方法	NA	提高霜冻预测的准确性	最低温度和霜冻发生情况	machine learning	NA	graph neural network (GNN)	GNN with spatio-temporal architecture	time series	10个临近的气象站数据
55	2024-08-25	Quantitative Analysis of Radiation-Associated Parenchymal Lung Change 2022-Feb-14, Cancers IF:4.5Q1 DOI:10.3390/cancers14040946 PMID:35205693	研究论文	本文提出了一种新的辐射诱导肺损伤（RILD）的实质特征分类系统，并开发了一个深度学习网络来自动划分五种类型的实质纹理，量化放射治疗后各类实质体积的变化	本文创新地使用深度学习网络自动划分肺实质纹理，并量化放射治疗后实质体积的变化，以详细描述肺实质在放射治疗后24个月内的演变	NA	研究放射治疗后肺实质的形态和功能演变	放射治疗后的肺实质变化	计算机视觉	肺癌	深度学习	深度学习网络	CT扫描图像	46名接受化学放射治疗非小细胞肺癌的临床试验参与者
56	2024-08-25	A Comprehensive Analysis of Recent Deep and Federated-Learning-Based Methodologies for Brain Tumor Diagnosis 2022-Feb-13, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12020275 PMID:35207763	review	本文综述了使用联邦学习和深度学习方法进行脑瘤诊断的最新研究	探讨了深度学习和联邦学习方法在脑瘤诊断中的性能和准确性	讨论了该领域的开放问题和挑战	评估深度学习和联邦学习方法在脑瘤诊断过程中的准确性	脑瘤诊断	machine learning	脑瘤	NA	深度学习, 联邦学习	NA	NA
57	2024-08-25	fMRI Brain Decoding and Its Applications in Brain-Computer Interface: A Survey 2022-Feb-07, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12020228 PMID:35203991	综述	本文综述了基于机器学习和深度学习算法的脑活动解码模型及其在脑-机接口（BCI）中的应用	介绍了变分自编码器（VAE）、生成对抗网络（GAN）和图卷积网络（GCN）等高关注度的脑活动解码模型	讨论了现有挑战和未来研究方向	探讨脑神经活动解码技术及其在BCI中的应用	脑活动解码模型及其在心理和精神疾病治疗中的应用	神经科学	心理和精神疾病	功能磁共振成像（fMRI）	变分自编码器（VAE）、生成对抗网络（GAN）、图卷积网络（GCN）	图像	NA
58	2024-08-25	Predicting neuropsychiatric symptoms of persons with dementia in a day care center using a facial expression recognition system 2022-02-03, Aging DOI:10.18632/aging.203869 PMID:35113806	研究论文	研究利用人工智能面部表情识别系统预测痴呆症患者的神经精神症状	首次探索了基于人工智能的面部表情识别系统在预测痴呆症患者行为和心理症状中的应用	样本量较小，仅包括23名痴呆症患者	探索人工智能面部表情识别系统在预测痴呆症患者行为和心理症状中的潜力	痴呆症患者的行为和心理症状	机器学习	痴呆症	面部表情识别系统	深度学习模型	面部表情数据	23名痴呆症患者
59	2024-08-25	ProALIGN: Directly Learning Alignments for Protein Structure Prediction via Exploiting Context-Specific Alignment Motifs 2022-02, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2021.0430 PMID:35073170	研究论文	本文介绍了一种名为ProALIGN的新型深度学习方法，用于预测蛋白质序列与模板之间更准确的比对	ProALIGN通过利用上下文特定的比对基序，使用深度卷积神经网络直接从查询蛋白质及其模板预测最佳比对，有效减少了传统手工评分函数中的不准确性	NA	提高蛋白质结构预测中序列与模板比对的准确性	蛋白质序列与模板之间的比对	机器学习	NA	深度卷积神经网络	CNN	序列数据	6688个蛋白质比对目标和80个CASP13 TBM目标
60	2024-08-25	Identifying the Retinal Layers Linked to Human Contrast Sensitivity Via Deep Learning 2022-02-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.63.2.27 PMID:35179554	研究论文	本研究通过深度学习方法识别与人类对比敏感度相关的视网膜层	首次通过深度学习模型确定视网膜层中与对比敏感度相关的关键特征，特别是神经节细胞层和内丛状层的厚度	NA	旨在通过深度学习识别与人类对比敏感度相关的视网膜层及其特征	视网膜层与人类对比敏感度的关系	计算机视觉	NA	光学相干断层扫描	卷积神经网络	图像	225名受试者，包括青光眼、年龄相关性黄斑变性或正常视力的个体