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
21	2024-08-31	Fully Automated Wound Tissue Segmentation Using Deep Learning on Mobile Devices: Cohort Study 2022-04-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/36977 PMID:35451982	研究论文	本研究利用深度学习技术在移动设备上实现全自动伤口组织分割，以减少临床评估中的主观性。	开发了两种深度卷积神经网络架构用于伤口和组织分割，并在大量多样化的图像数据集上进行训练，模型在多种成像条件下表现稳健，且对肤色无偏见。	研究中报告了临床医生在识别组织类型时的中等到较差的一致性，以及在识别上皮化时的非常低的Krippendorff α值。	旨在测量伤口护理临床医生在手动组织分割和量化中的相互和内部评分者变异性，并确定是否可以使用深度神经网络实现对组织类型的客观评估。	研究对象包括58张不同类型的慢性伤口图像，以及4种不同的伤口床组织类型（上皮、肉芽、腐肉和焦痂）。	计算机视觉	NA	深度学习	深度卷积神经网络	图像	465,187和17,000对图像标签用于训练模型，58张伤口图像用于评估。
22	2024-08-31	Research and Application of Artificial Intelligence Based on Electronic Health Records of Patients With Cancer: Systematic Review 2022-Apr-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/33799 PMID:35442195	综述	本文系统回顾了基于电子健康记录的人工智能在癌症患者护理中的应用现状和局限性	首次系统分析了基于电子健康记录的人工智能在癌症护理中的应用及其意义	现有研究主要使用英文电子病历数据，且数据来源多为私人机构数据库	旨在介绍基于电子健康记录的人工智能在癌症患者护理中的当前状态、局限性及其对癌症护理的影响	癌症患者的电子健康记录及其在癌症护理中的应用	机器学习	癌症	NA	集成方法和深度学习	文本	148篇符合条件的论文
23	2024-08-30	Computational Saturation Mutagenesis to Investigate the Effects of Neurexin-1 Mutations on AlphaFold Structure 2022-04-28, Genes IF:2.8Q2 DOI:10.3390/genes13050789 PMID:35627176	研究论文	本研究使用计算饱和诱变方法分析了AlphaFold预测的人类NRXN1结构中错义突变对蛋白质功能的影响	首次应用AlphaFold模型进行NRXN1蛋白质的结构预测，并结合实验结构进行比较分析，揭示了突变对蛋白质稳定性的影响	研究依赖于AlphaFold的预测结构，可能存在与实际结构的差异	探究NRXN1错义突变对蛋白质结构和功能的影响，以及这些突变与精神疾病（如精神分裂症和自闭症谱系障碍）的关联	NRXN1蛋白质及其错义突变	生物信息学	精神疾病	AlphaFold	深度学习	蛋白质结构	29,540个突变
24	2024-08-30	Predicting Breast Tumor Malignancy Using Deep ConvNeXt Radiomics and Quality-Based Score Pooling in Ultrasound Sequences 2022-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051053 PMID:35626208	研究论文	本文提出了一种基于深度学习的放射组学方法，使用超声序列图像预测乳腺肿瘤的恶性程度	引入了一种基于ConvNeXt网络的放射组学特征提取方法，并提出了一种基于图像质量统计的恶性评分池化机制	现有CAD系统由于肿瘤大小和形状变化、边界不规则和模糊以及超声图像的低信噪比而导致准确性受限	提高乳腺肿瘤恶性程度预测的准确性	乳腺肿瘤的恶性程度	计算机视觉	乳腺癌	ConvNeXt	CNN	图像	NA
25	2024-08-29	Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders 2022-04, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01482-1 PMID:35228675	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
26	2024-08-29	The next step in deep learning-guided clinical trials 2022-Apr, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-022-00044-6 PMID:39196129	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
27	2024-08-28	Research on the Coordinate Attention Mechanism Fuse in a YOLOv5 Deep Learning Detector for the SAR Ship Detection Task 2022-Apr-28, Sensors (Basel, Switzerland) DOI:10.3390/s22093370 PMID:35591063	研究论文	研究了将坐标注意力（CA）机制模块与YOLOv5检测器融合的问题，提出了一种新的轻量级端到端目标检测框架YOLO-CASS，用于SAR船舶目标检测任务	提出了一种新的轻量级端到端目标检测框架YOLO-CASS，该框架在YOLOv5的主干网络中合适位置融合了CA模块，显著提高了效率和性能	NA	优化轻量级模型，为SAR图像在轨处理提供解决方案	SAR船舶目标检测任务	机器学习	NA	深度学习	YOLOv5	图像	使用了SSDD合成孔径雷达（SAR）遥感图像进行实验
28	2024-08-28	LM-GVP: an extensible sequence and structure informed deep learning framework for protein property prediction 2022-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10775-y PMID:35477726	研究论文	本研究开发了一种名为LM-GVP的新型深度学习框架，结合蛋白质语言模型和图神经网络，用于基于蛋白质的序列和结构预测其性质	LM-GVP框架能够利用蛋白质的1D氨基酸序列和3D结构信息，在多种性质预测任务中超越了现有技术	NA	开发一种能够利用蛋白质序列和结构信息预测其性质的深度学习框架	蛋白质的性质预测，包括荧光性、蛋白酶稳定性和基因本体论中的蛋白质功能	机器学习	NA	深度学习	图神经网络	序列和结构数据	NA
29	2024-08-28	Predicting perinatal health outcomes using smartphone-based digital phenotyping and machine learning in a prospective Swedish cohort (Mom2B): study protocol 2022-04-27, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2021-059033 PMID:35477874	研究论文	本研究旨在利用Mom2B智能手机应用中的数字表型数据，通过机器学习技术预测高风险孕妇的心理和身体并发症	利用智能手机应用收集的主动和被动数据来建立参与者的数字表型，并应用先进的机器学习和深度学习技术预测围产期抑郁症和早产	NA	预测高风险孕妇的心理和身体并发症，以便早期干预	瑞典语的孕妇或产后三个月内的女性	机器学习	NA	机器学习和深度学习	算法	多模态数据	至少5000名参与者
30	2024-08-28	Machine learning to predict pregnancy outcomes: a systematic review, synthesizing framework and future research agenda 2022-Apr-22, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-022-04594-2 PMID:35546393	综述	本文综述了利用机器学习技术预测分娩方式和识别孕期潜在母体风险的研究进展	提出了一个概念框架，用于推进基于机器学习的母体健康护理系统，并探讨了未来研究方向，如利用无监督和深度学习算法进行预测，开发基于机器学习的临床决策支持系统等	NA	探索利用机器学习技术预测最佳分娩方式和检测分娩并发症的研究和发展视角	孕期结果和分娩并发症	机器学习	NA	机器学习	NA	NA	26篇文章
31	2024-08-28	CTT: CNN Meets Transformer for Tracking 2022-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s22093210 PMID:35590900	研究论文	本文提出了一种结合CNN和Transformer的跟踪器CTT，通过引入残差Transformer结构和自注意力机制，增强了目标跟踪中的全局和上下文依赖性	引入了包含自注意力机制的编码器-解码器结构的残差Transformer，替代传统的交叉相关性，增强了全局注意力信息的传递	NA	改进基于深度学习的目标跟踪算法，提高跟踪的准确性和鲁棒性	目标跟踪中的特征融合和特征匹配	计算机视觉	NA	CNN, Transformer	CNN, Transformer	图像	在GOT-10k, VOT2019, OTB-100, LaSOT, NfS, UAV123和TrackingNet等多个基准上进行了评估
32	2024-08-28	Deep-Learning-Assisted Focused Ion Beam Nanofabrication 2022-04-13, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.1c04604 PMID:35324209	研究论文	本文展示了利用深度学习从以往制造经验中预测聚焦离子束（FIB）铣削制造结构的后制造外观，准确率超过96%	提出了一种利用深度学习技术预测FIB铣削制造结构后制造外观的方法，显著提高了优化过程的速度和可重复性	NA	探索深度学习在聚焦离子束纳米制造中的应用，以加速优化过程并提高可重复性	聚焦离子束铣削制造的结构及其后制造外观	机器学习	NA	聚焦离子束（FIB）铣削	深度学习模型	图像	NA
33	2024-08-28	Harnessing Deep Learning for Optimization of Lennard-Jones Parameters for the Polarizable Classical Drude Oscillator Force Field 2022-Apr-12, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00115 PMID:35362975	研究论文	本研究开发了一种基于深度学习的参数化框架，用于优化极化经典Drude振子力场中的Lennard-Jones参数，以提高分子模拟的准确性	利用深度学习技术优化Lennard-Jones参数，以更好地模拟实验凝聚相热力学性质，并提高分子模拟的准确性	NA	优化分子模拟中的Lennard-Jones参数，以提高计算化学和生物学研究的准确性	涉及四种不同组别的10种原子类型的Lennard-Jones参数	计算化学	NA	深度学习	NA	实验凝聚相热力学性质数据	涉及10种原子类型
34	2024-08-28	DGCyTOF: Deep learning with graphic cluster visualization to predict cell types of single cell mass cytometry data 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008885 PMID:35404970	研究论文	本文介绍了一种名为DGCyTOF的新型集成嵌入可视化方法，用于识别单细胞质谱流式数据中的经典和新细胞类型	DGCyTOF结合了深度学习分类和层次稳定聚类方法，通过三层结构识别已知和新细胞类型，并开发了3D可视化平台显示细胞聚类	NA	开发一种新的集成嵌入可视化方法，用于提高单细胞质谱流式数据中细胞类型识别的准确性和速度	单细胞质谱流式数据中的细胞类型识别	机器学习	NA	CyTOF	深度学习模型	单细胞质谱流式数据	涉及两个基准CyTOF数据库，共4300万个细胞
35	2024-08-28	Deep neural network classification of in vivo burn injuries with different etiologies using terahertz time-domain spectral imaging 2022-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.452257 PMID:35519269	研究论文	本研究展示了使用太赫兹时域光谱成像技术结合深度神经网络分类算法，能够准确区分不同病因导致的活体烧伤程度	本研究首次使用太赫兹便携式手持光谱反射扫描仪结合深度神经网络算法，无需超光谱特征提取，直接利用预处理的太赫兹光谱进行烧伤分类	NA	旨在提高烧伤分类的准确性，以指导临床治疗计划	不同病因导致的活体烧伤	机器学习	烧伤	太赫兹时域光谱（THz-TDS）	深度神经网络	光谱	NA
36	2024-08-28	A review on machine learning and deep learning for various antenna design applications 2022-Apr, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e09317 PMID:35520616	综述	本文详细讨论了机器学习和深度学习在多种天线设计应用中的应用	机器学习和深度学习在天线设计中的应用提高了覆盖范围和频谱效率，加速了设计过程，减少了模拟次数，并提高了计算可行性	NA	探讨机器学习和深度学习在不同天线设计应用中的可行性和效果	毫米波、体中心、太赫兹、卫星、无人机、全球定位系统和纺织品等天线应用	机器学习	NA	机器学习, 深度学习	NA	数据	NA
37	2024-08-28	Real-world analysis of manual editing of deep learning contouring in the thorax region 2022-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.04.008 PMID:35602549	研究论文	评估深度学习轮廓技术在胸部区域放射治疗中的用户调整情况，以了解临床实践中实际编辑的情况	识别了胸部区域每个危及器官的具体调整区域，并发现针对特定临床指征需要单独的模型，这与训练数据不同	NA	评估深度学习轮廓技术在临床实践中的实际表现	肺部和乳腺癌患者的危及器官自动轮廓技术后的手动调整	数字病理学	肺部和乳腺癌	深度学习轮廓技术	NA	影像	350名肺部癌症患者和362名乳腺癌患者
38	2024-08-27	Continuous monitoring of surgical bimanual expertise using deep neural networks in virtual reality simulation 2022-Apr-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00596-8 PMID:35473961	research paper	本文介绍了一种智能连续技能监控系统（ICEMS），利用深度学习技术在虚拟现实模拟中以0.2秒间隔评估外科手术双手操作技能	ICEMS系统能够成功区分不同训练阶段的外科医生和学生，并能进行关键指标的辅导和风险评估	NA	开发一种连续评估外科手术技能的系统，以提供实时反馈和错误避免指导	外科手术双手操作技能的评估	machine learning	NA	deep learning	LSTM	virtual reality simulation data	156个虚拟模拟肿瘤切除任务，144个手术程序
39	2024-08-27	AutoCoV: tracking the early spread of COVID-19 in terms of the spatial and temporal patterns from embedding space by K-mer based deep learning 2022-Apr-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04679-x PMID:35468739	研究论文	本文提出了一种基于K-mer的深度学习方法AutoCoV，用于追踪COVID-19早期传播的空间和时间模式	AutoCoV是首个从基因组序列中学习病毒传播模式的方法	NA	追踪COVID-19早期传播的空间和时间模式	COVID-19病毒的传播模式	机器学习	COVID-19	深度学习	深度学习方法	基因组序列	来自NCBI和GISAID数据集的SARS-CoV-2序列
40	2024-08-27	Prediction of multiple pH compartments by deep learning in magnetic resonance spectroscopy with hyperpolarized 13C-labelled zymonic acid 2022-Apr-23, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-022-00894-y PMID:35460436	研究论文	本文研究了使用深度学习方法在超极化13C标记的酒石酸磁共振波谱中预测多个pH隔室的可行性	提出使用卷积神经网络（CNN）和多层感知器（MLP）来改进超极化酒石酸波谱中多个pH隔室的预测，相较于传统线性拟合方法，CNN表现出更优越的性能	超极化13C-MRSI数据集通常较小，这可能限制了深度学习模型的训练效果	探索深度学习方法在超极化磁共振波谱成像（MRSI）中对多个pH隔室的预测能力	超极化13C标记的酒石酸波谱中的多个pH隔室	机器学习	NA	超极化磁共振波谱成像（MRSI）	卷积神经网络（CNN）和多层感知器（MLP）	波谱数据	从健康小鼠肾脏获取的八个真实数据集和合成数据集