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	2024-08-26	Cell segmentation for immunofluorescence multiplexed images using two-stage domain adaptation and weakly labeled data for pre-training 2022-03-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08355-1 PMID:35292693	研究论文	本文提出了一种使用两阶段域适应和弱标记数据预训练的深度学习管道，用于免疫荧光多重图像的细胞分割	使用弱标记数据进行预训练，并在小样本训练时仍能保持高性能	未提及	提高免疫荧光多重图像细胞分割的准确性，以辅助免疫治疗中的患者分层	免疫荧光多重图像中的细胞分割	计算机视觉	卵巢癌	两阶段域适应	Mask R-CNN	图像	三个不同数据集，包括卵巢癌和鼠胰腺组织数据集
42	2024-08-26	AtomNet PoseRanker: Enriching Ligand Pose Quality for Dynamic Proteins in Virtual High-Throughput Screens 2022-03-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c01250 PMID:35235748	研究论文	本文介绍了AtomNet PoseRanker（ANPR），一种图卷积网络，用于从蛋白质构象和配体姿态的采样集合中识别和重新排序类似晶体的配体姿态。	与传统的虚拟高通量筛选方法不同，ANPR采用深度学习方法，能够内化对应于不同受体构象的有效配体结合模式，从而在单个构象上推断和考虑受体灵活性。	NA	提高虚拟高通量筛选中的配体姿态质量，从而提高计算药物发现的命中率。	蛋白质构象和配体姿态的采样集合	机器学习	NA	图卷积网络	图卷积网络	蛋白质构象和配体姿态数据	PDBbind v2019数据集中的配体和受体
43	2024-08-26	Discovery of Novel Trace Amine-Associated Receptor 5 (TAAR5) Antagonists Using a Deep Convolutional Neural Network 2022-Mar-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23063127 PMID:35328548	研究论文	本研究利用深度卷积神经网络AtomNet模型发现新型TAAR5拮抗剂，并通过体外BRET实验验证其活性	首次使用深度学习神经网络进行结构基于的药物发现，以识别TAAR5配体	NA	探索TAAR5拮抗剂作为治疗焦虑和抑郁的新疗法	TAAR5受体及其拮抗剂	机器学习	NA	深度卷积神经网络	CNN	结构数据	两个TAAR5拮抗剂化合物
44	2024-08-26	Ensemble Deep-Learning-Enabled Clinical Decision Support System for Breast Cancer Diagnosis and Classification on Ultrasound Images 2022-Mar-14, Biology DOI:10.3390/biology11030439 PMID:35336813	研究论文	本文开发了一种基于集成深度学习的临床决策支持系统，用于乳腺癌的超声图像诊断和分类	提出了一种新的集成深度学习技术EDLCDS-BCDC，结合了Wiener滤波、对比度增强、混沌海马群算法和Kapur熵进行图像分割，以及VGG-16、VGG-19和SqueezeNet进行特征提取，最后使用猫群优化和多层感知器模型进行分类	NA	旨在提高乳腺癌超声图像诊断和分类的准确性	乳腺癌的超声图像	计算机视觉	乳腺癌	深度学习	VGG-16, VGG-19, SqueezeNet, 多层感知器	图像	使用基准数据库进行广泛模拟
45	2024-08-26	Artificial Intelligence-Enabled Electrocardiography Predicts Left Ventricular Dysfunction and Future Cardiovascular Outcomes: A Retrospective Analysis 2022-Mar-13, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12030455 PMID:35330455	研究论文	本研究开发了一种深度学习模型（DLM），通过心电图（ECG）估计射血分数（EF），并探讨了ECG-EF与基于超声心动图的EF（ECHO-EF）之间的关系及其对未来心血管不良事件的贡献。	首次广泛研究了基于深度学习模型的心电图预测射血分数在临床上的影响，并展示了其对未来心血管不良事件的独立预测能力。	需要进一步的大规模研究来验证DLM-based ECG-EF的效用。	开发和验证一种通过心电图预测射血分数的深度学习模型，并探讨其在心血管疾病预测和管理中的应用。	心电图和超声心动图数据，以及它们与心血管不良事件之间的关系。	机器学习	心血管疾病	深度学习模型	DLM（基于ECG12Net）	心电图和超声心动图数据	训练集：57,206个心电图和对应的超声心动图；验证集：10,762个心电图；测试集：20,629个心电图
46	2024-08-26	No-Reference Video Quality Assessment Using Multi-Pooled, Saliency Weighted Deep Features and Decision Fusion 2022-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s22062209 PMID:35336380	研究论文	本文提出了一种基于深度学习的无参考视频质量评估（NR-VQA）方法，使用多池化、显著性加权的深度特征和决策融合技术	该方法通过并行预训练的卷积神经网络（CNN）提取时间池化和显著性加权的视频级深度特征，并通过决策融合提高视频质量评估的准确性	NA	研究无参考视频质量评估的新方法	数字视频的感知质量	计算机视觉	NA	深度学习	CNN	视频	两个大型基准视频质量评估数据库
47	2024-08-26	Modeling the Dynamics of Protein-Protein Interfaces, How and Why? 2022-Mar-11, Molecules (Basel, Switzerland) DOI:10.3390/molecules27061841 PMID:35335203	综述	本文综述了通过增强采样、多尺度建模和实验数据集成等计算策略，动态研究蛋白质-蛋白质界面的最新进展	强调了在原子尺度建模和评估蛋白质相互作用时，必须考虑界面动态信息的重要性	NA	探讨蛋白质-蛋白质界面动态如何报告蛋白质复合体在不同类型复合物中的功能	蛋白质-蛋白质界面的动态特性及其在细胞过程中的作用	结构生物学	NA	增强采样、多尺度建模	NA	实验数据	NA
48	2024-08-26	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	本文提出了一种基于深度学习的三步法（SWAT-CNN）用于识别与阿尔茨海默病相关的遗传变异，并开发疾病分类模型	提出了一种新颖的深度学习方法SWAT-CNN，用于在全基因组关联研究中识别与表型相关的单核苷酸多态性（SNPs）	NA	开发一种新的深度学习方法，用于识别与阿尔茨海默病相关的遗传变异并进行疾病分类	阿尔茨海默病相关的遗传变异和疾病分类模型	机器学习	阿尔茨海默病	深度学习	CNN	基因组数据	981个样本，包括650名认知正常的老年人和331名阿尔茨海默病患者
49	2024-08-26	CRISP: a deep learning architecture for GC × GC-TOFMS contour ROI identification, simulation and analysis in imaging metabolomics 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab550 PMID:35022651	研究论文	本文介绍了一种名为CRISP的开源深度学习软件，用于二维气相色谱-飞行时间质谱（GC×GC-TOFMS）轮廓感兴趣区域（ROI）的识别、模拟和非靶向代谢组学分析	CRISP集成了多种可定制的深度神经网络架构，包括新颖的聚合特征代表轮廓（AFRC）构建和堆叠ROI，增强了不同测试组之间轮廓图像的对比特征	NA	开发一种深度学习方法，用于快速分析GC×GC-TOFMS非靶向代谢物轮廓图像	GC×GC-TOFMS轮廓图像，来自晚期糖尿病肾病患者和健康对照组的数据	机器学习	糖尿病肾病	GC×GC-TOFMS	深度神经网络	图像	晚期糖尿病肾病患者和健康对照组的数据集
50	2024-08-26	Multimodal deep learning for biomedical data fusion: a review 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab569 PMID:35089332	综述	本文综述了用于生物医学数据融合的多模态深度学习方法，并提出了一种详细的分类法	提出了多模态深度学习策略的子类别，并指出了逐步融合和迁移学习的潜在研究方向	文中未明确提及具体限制	旨在回顾当前最先进的多模态深度学习数据融合方法，并为生物医学应用提供更明智的融合策略选择	生物医学数据及其复杂关系	机器学习	NA	深度学习	多模态深度学习	多模态数据	文中未提及具体样本数量
51	2024-08-26	Deep Learning and Domain-Specific Knowledge to Segment the Liver from Synthetic Dual Energy CT Iodine Scans 2022-Mar-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030672 PMID:35328225	研究论文	本文利用深度学习将单能量CT扫描映射到合成双能量CT碘密度扫描，并展示了其在肝脏分割中的应用价值	使用2D pix2pix网络将单能量CT扫描转换为合成双能量CT扫描，提高了肝脏分割的准确性并减少了所需数据量	低DSC分数主要出现在扫描边缘或由于非肝脏组织或地面真实注释中的畸变	探索深度学习在医学影像处理中的应用，特别是肝脏分割	单能量CT扫描和合成双能量CT扫描的映射及肝脏分割	计算机视觉	NA	深度学习	pix2pix网络	CT扫描图像	100个腹部双能量CT扫描用于训练，140个公开单能量CT扫描用于转换，131个扫描用于训练肝脏分割框架，9个低剂量单能量CT扫描用于测试系统泛化
52	2024-08-26	Unsupervised Image Registration towards Enhancing Performance and Explainability in Cardiac and Brain Image Analysis 2022-Mar-09, Sensors (Basel, Switzerland) DOI:10.3390/s22062125 PMID:35336295	研究论文	本文提出了一种无监督深度学习图像配准方法，能够同时准确建模仿射和非刚性变换，并解决逆一致性问题，以提高医学图像分析中的性能和可解释性。	本文引入了双向跨模态图像合成和逆一致性损失，以学习模态不变的潜在表示和保持拓扑结构的人体解剖变换。	NA	提高医学图像分析中的图像配准性能和可解释性。	心脏和脑部图像的多模态和单模态MRI数据。	计算机视觉	NA	MRI	深度学习模型	图像	多模态脑部2D和3D MRI数据，单模态心脏4D MRI数据
53	2024-08-26	Towards Cognitive Authentication for Smart Healthcare Applications 2022-Mar-09, Sensors (Basel, Switzerland) DOI:10.3390/s22062101 PMID:35336276	研究论文	本文探讨了在智能医疗应用中使用认知认证技术，特别是通过脑电图（EEG）进行生物识别认证的方法	本文引入了通过脑电图（EEG）进行认知认证的新方法，这种方法因其可靠、灵活和独特的特性而难以被未授权实体模仿	实验仅基于20名受试者的EEG数据，可能限制了研究结果的普遍性	研究旨在提高智能医疗应用中的安全性和能源效率	研究对象包括EEG数据分析和脑机接口（BCI）的解释	机器学习	NA	脑电图（EEG）	随机森林（RF）分类器	EEG数据	20名受试者
54	2024-08-26	Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG 2022-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030654 PMID:35328207	研究论文	研究开发并验证了一种人工智能（AI）增强的智能手表心电图（ECG），用于检测心衰-射血分数降低（HFrEF）	通过AI模型ECGT2T从非同步的2导联ECG合成十导联ECG，并使用基于卷积神经网络的AI模型检测HFrEF	NA	开发和验证一种AI增强的智能手表ECG，用于检测HFrEF	成人患者的心电图和射血分数	机器学习	心血管疾病	生成对抗网络	卷积神经网络	心电图	137,673名患者用于开发ECGT2T模型，38,643名患者用于开发HFrEF检测模型，755名患者用于验证
55	2024-08-26	An Improved 3D Deep Learning-Based Segmentation of Left Ventricular Myocardial Diseases from Delayed-Enhancement MRI with Inclusion and Classification Prior Information U-Net (ICPIU-Net) 2022-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s22062084 PMID:35336258	研究论文	本文提出了一种改进的3D深度学习分割方法ICPIU-Net，用于从延迟增强MRI图像中分割左心室心肌疾病，并结合分类先验信息	ICPIU-Net通过两个级联子网首先分割左心室腔和心肌，然后使用包含和分类约束网络改进病变区域的分割，结合LGE-MRI的包含和分类信息以保持病理区域的拓扑约束	NA	提高左心室心肌疾病从延迟增强MRI图像中的分割准确性	左心室心肌、心肌梗死和微血管阻塞组织	计算机视觉	心血管疾病	延迟增强磁共振成像(LGE-MR)	U-Net	图像	50张LGE-MR图像
56	2024-08-26	Computer-Assisted Pterygium Screening System: A Review 2022-Mar-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030639 PMID:35328192	综述	本文综述了计算机辅助翼状胬肉筛查系统的类型、严重性、风险因素及现有最先进技术	介绍了深度学习网络在翼状胬肉筛查中的应用，包括分类、病变组织定位和像素级语义分割	NA	探讨计算机辅助翼状胬肉筛查系统的发展及其对全球人群的益处	翼状胬肉筛查系统的技术及其应用	计算机视觉	眼科疾病	深度学习	CNN	图像	NA
57	2024-08-26	Deep Learning for Smart Healthcare-A Survey on Brain Tumor Detection from Medical Imaging 2022-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s22051960 PMID:35271115	综述	本文综述了利用深度学习方法从医学影像中检测脑肿瘤的研究进展	探讨了不同类型的深度学习方法在MRI数据上的应用，并评估了现有的挑战和未来的发展方向	NA	旨在解决脑肿瘤高死亡率问题，通过技术辅助提高诊断效率	脑肿瘤的检测	计算机视觉	脑肿瘤	磁共振成像（MRI）	卷积神经网络（CNN）	图像	每年约700,000人患有原发性脑肿瘤，每年新增约85,000人
58	2024-08-26	Deep-dLAMP: Deep Learning-Enabled Polydisperse Emulsion-Based Digital Loop-Mediated Isothermal Amplification 2022-03, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202105450 PMID:35072353	研究论文	本文报道了一种基于深度学习的聚分散乳液数字环介导等温扩增技术（deep-dLAMP），用于无标记、低成本的核酸定量	deep-dLAMP利用深度学习算法分割图像并确定每个乳液的占据状态，通过乳液的体积和占据数据基于泊松分布推断核酸浓度，显著降低了仪器成本	NA	开发一种新型的数字核酸扩增测试技术，以降低成本并提高广泛应用的可能性	聚分散乳液中的数字环介导等温扩增反应及其通过深度学习进行的图像分析	生物技术	NA	数字环介导等温扩增（LAMP）	深度学习模型	图像	检测限为5.6拷贝/µl，动态范围为37.2至11000拷贝/µl
59	2024-08-26	General and custom deep learning autosegmentation models for organs in head and neck, abdomen, and male pelvis 2022-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.15507 PMID:35094390	研究论文	本文开发并评估了用于头部和颈部、腹部及男性骨盆器官自动分割的通用和定制深度学习模型，使用深度卷积神经网络（DCNN）进行计算机断层扫描（CT）图像处理。	采用了适应性空间分辨率方法和伪扫描扩展方法来提高小或狭窄器官的分割准确性，并展示了多解剖深度学习自动分割模型在临床放射治疗规划中的实用性。	对于26%的器官风险区域（OARs），模型的准确性仅达到可接受水平。	减少放射治疗规划中器官分割的工作量和一致性问题。	头部和颈部、腹部及男性骨盆的42个器官风险区域（OARs）。	计算机视觉	NA	深度卷积神经网络（DCNN）	DCNN	CT图像	使用多机构数据集和单机构数据集分别训练了两种深度学习模型。
60	2024-08-26	Current Only-Based Fault Diagnosis Method for Industrial Robot Control Cables 2022-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s22051917 PMID:35271064	研究论文	本研究提出了一种基于电流的新颖检测方法，用于诊断工业机器人控制电缆的软故障	采用自动编码器架构和移动平均滤波器来检测新颖性并计算异常分数，以在环境干扰下准确诊断软故障	NA	开发一种有效的软故障诊断方法，适用于工业机器人控制电缆	工业机器人控制电缆的软故障	机器学习	NA	新颖检测	自动编码器	电流数据	11种故障场景下的数据集