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
81	2024-08-26	Novel-view X-ray projection synthesis through geometry-integrated deep learning 2022-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102372 PMID:35131701	研究论文	本文提出了一种基于深度学习的几何集成投影合成框架（DL-GIPS），用于从特定视角的X射线投影图像生成新视角的X射线投影图像	本文提出的DL-GIPS模型能够从源视角投影中提取几何和纹理特征，并通过几何变换适应视角变化，最终合成目标视角的X射线投影	NA	研究如何通过深度学习技术从特定视角的X射线投影图像生成新视角的X射线投影图像，以减少实际投影测量的需求	X射线投影图像	计算机视觉	NA	深度学习	DL-GIPS	图像	使用肺部成像案例进行验证
82	2024-08-26	Brain Tumor Imaging: Applications of Artificial Intelligence 2022-Apr, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2022.02.005 PMID:35339256	综述	本文综述了人工智能在脑肿瘤影像学中的应用，特别是机器学习和深度学习在神经肿瘤学中的潜在用途	人工智能在脑肿瘤影像学中的应用，包括分子分类、鉴别和治疗反应评估	需要更多多中心规模的研究和标准化的图像处理流程，才能在常规临床决策中引入人工智能	探讨人工智能在神经肿瘤学中的应用，特别是脑肿瘤的分子分类、鉴别和治疗反应评估	脑肿瘤的影像学特征和人工智能模型的应用	计算机视觉	脑肿瘤	机器学习, 深度学习	NA	影像	NA
83	2024-08-26	AF2Complex predicts direct physical interactions in multimeric proteins with deep learning 2022-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29394-2 PMID:35365655	research paper	本文展示了利用AlphaFold2的神经网络模型预测多聚体蛋白质复合物结构的方法，无需重新训练	AF2Complex方法不依赖于配对的多序列比对，且在预测蛋白质-蛋白质相互作用的准确性上优于一些复杂的对接策略和AF-Multimer方法	NA	开发一种新的方法来预测多聚体蛋白质复合物的结构，并评估其在实际生物系统中的应用	多聚体蛋白质复合物的结构及其相互作用	machine learning	NA	deep learning	neural network	protein sequences	包括一些具有挑战性的基准集和E. coli的整个蛋白质组，以及细胞色素c生物合成系统I中的八个成员
84	2024-08-26	Deep-learning based identification, tracking, pose estimation, and behavior classification of interacting primates and mice in complex environments 2022-Apr, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00477-5 PMID:35465076	研究论文	本文提出了一种基于深度学习的架构，用于在复杂环境中识别、跟踪、姿态估计和分类交互的灵长类动物和小鼠的行为	该架构能够直接从原始视频帧中分析个体和社交动物行为，无需后续人工干预，并嵌入了一个名为SIPEC的流程，该流程在分割、识别、姿态估计和复杂行为分类方面超越了现有技术	NA	研究脑功能、药物干预效果和遗传改变对行为的影响	交互的灵长类动物和小鼠的行为	计算机视觉	NA	深度学习	深度学习架构	视频	多个自由移动的个体小鼠以及社交互动的非人类灵长类动物
85	2024-08-25	Automated Deep Transfer Learning-Based Approach for Detection of COVID-19 Infection in Chest X-rays 2022-Apr, Ingenierie et recherche biomedicale : IRBM = Biomedical engineering and research DOI:10.1016/j.irbm.2020.07.001 PMID:32837679	研究论文	本文提出了一种基于深度迁移学习的自动化方法，用于通过胸部X光片检测COVID-19感染	使用极端版本的Inception（Xception）模型进行深度迁移学习，显著提高了检测性能	目前仅在胸部X光片上应用了该方法，尚未在其他类型的影像数据上进行验证	开发一种自动化的深度迁移学习方法，以加速COVID-19感染的检测	COVID-19感染的胸部X光片	计算机视觉	COVID-19	深度迁移学习	Xception	图像	NA
86	2024-08-25	Synthetic feature pairs dataset and siamese convolutional model for image matching 2022-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107965 PMID:35242945	研究论文	本文通过使用相同的特征块创建一个新的合成特征对大型数据集，利用孪生卷积模型进行特征描述和匹配，完善了整个匹配流程	本文提出的数据集避免了使用其他算法提取特征块时的错误检测或手动标记的不准确性，并且可以控制合成特征块的内容和几何及光度参数，从而控制模型的不变性	NA	旨在通过合成特征对数据集和孪生卷积模型改进图像匹配技术	合成特征对数据集和孪生卷积模型	计算机视觉	NA	孪生卷积模型	CNN	图像	大型合成特征对数据集
87	2024-08-23	Historical-crack18-19: A dataset of annotated images for non-invasive surface crack detection in historical buildings 2022-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107865 PMID:35146090	研究论文	本文介绍了Historical-crack18-19数据集，包含约3886张历史建筑混凝土表面的注释图像	该数据集专门用于训练和验证基于机器学习和深度学习模型的自动化非侵入性裂缝检测和裂缝严重程度识别方法	在历史建筑表面图像中，裂缝检测/分割系统面临多种挑战，如光照、类似裂缝的图案、分隔符、灰尘、模糊和深层纹理等	旨在为自动化非侵入性裂缝检测和裂缝严重程度识别提供数据支持	历史建筑混凝土表面的裂缝检测	计算机视觉	NA	机器学习 (ML) 和深度学习 (DL)	NA	图像	约3886张注释图像，包括757张裂缝图像和3139张非裂缝图像
88	2024-08-07	COVID Student Study: A Year in the Life of College Students during the COVID-19 Pandemic Through the Lens of Mobile Phone Sensing 2022-Apr, Proceedings of the SIGCHI conference on human factors in computing systems. CHI Conference DOI:10.1145/3491102.3502043 PMID:39071774	研究论文	研究通过移动电话传感技术评估COVID-19大流行对大学生行为和心理健康的影响	利用移动电话传感技术追踪和分析大学生在疫情期间的行为变化，并探索其与自我报告的COVID-19关注度的关联	研究样本仅包括180名本科生，可能不足以代表所有大学生群体	评估COVID-19大流行对大学生行为和心理健康的影响	本科生在疫情期间的行为和心理健康状况	NA	NA	移动电话传感技术	深度学习模型	行为数据	180名本科生
89	2024-08-07	Deep Learning Signal Discrimination for Improved Sensitivity at High Specificity for CMOS Intraoperative Probes 2022-Apr, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/TRPMS.2021.3098448 PMID:35419499	研究论文	本研究探讨了使用深度学习算法来提高CMOS手术探针在高特异性下的敏感性，通过区分背景伽马射线信号来辅助癌症切除手术中癌细胞的检测	本研究采用了两种基于卷积神经网络（CNN）的方法进行β-γ鉴别，并通过定制的AUC损失函数在训练中优化ROC曲线的左下区域，显著提高了敏感性	NA	提高手术探针在高特异性下的敏感性，以更准确地区分癌细胞和健康组织	探讨深度学习算法在手术探针中的应用，以及其对伽马射线信号的分类和语义分割能力	机器学习	NA	深度学习算法	卷积神经网络（CNN）	伽马射线信号	涉及多种放射性核素，包括C、Co和[Formula: see text]Tc
90	2024-08-07	Machine Learning Analysis of Cocaine Addiction Informed by DAT, SERT, and NET-Based Interactome Networks 2022-Apr-12, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00002 PMID:35294204	研究论文	本研究利用基于DAT、SERT和NET相互作用网络的机器学习/深度学习方法分析可卡因成瘾，旨在发现新的抗可卡因成瘾先导化合物	本研究首次采用基于DAT、SERT和NET相互作用网络的机器学习/深度学习方法，结合大量抑制剂数据，构建预测模型，用于预测药物再利用潜力和可能的副作用	NA	开发新的基于人工智能的抗可卡因成瘾先导化合物发现系统	可卡因成瘾相关的DAT、SERT和NET相互作用网络中的蛋白质	机器学习	药物成瘾	机器学习/深度学习	自编码器（AE）、梯度提升决策树（GBDT）和多任务深度神经网络（MT-DNN）	蛋白质相互作用数据和抑制剂数据	61个蛋白质目标，115,407个抑制剂
91	2024-08-05	A Deep Learning Approach for Meter-Scale Air Quality Estimation in Urban Environments Using Very High-Spatial-Resolution Satellite Imagery 2022-Apr-27, Atmosphere IF:2.5Q3 DOI:10.3390/atmos13050696 PMID:37724306	研究论文	本研究主要关注在城市环境中利用超高分辨率卫星影像生成百米尺度的空气质量图。	提出了一种新的基于图像的物体检测分析方法，能够以显著更小的尺度估计空气质量，为城市环境AQ监测提供了新的视角。	目前的模型依赖于卫星影像，可能在缺乏地面监测数据的地区难以推广应用。	研究目标是开发一种能够在发达城市生成百米尺度空气质量图的模型。	研究对象包括伦敦、温哥华、洛杉矶和纽约市的空气质量数据。	数字病理学	NA	深度神经网络（DNN）	NA	卫星影像	使用了地面监测观察和土地利用回归建模的PM与NO浓度数据
92	2024-08-07	Using deep learning method to identify left ventricular hypertrophy on echocardiography 2022-Apr, The international journal of cardiovascular imaging DOI:10.1007/s10554-021-02461-3 PMID:34757566	研究论文	本研究旨在开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚（LVH）	引入了ResNet和U-net++模型，分别用于分类和分割任务，并成功构建了一个集成框架，能够自动分类四种情况（正常、HCM、CA和HHD）	NA	开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚	左心室肥厚（LVH）及其潜在病因	机器学习	心血管疾病	深度学习	ResNet, U-net++	图像	1610份经胸超声心动图，包括724名患者（189名高血压性心脏病，218名肥厚型心肌病，58名心脏淀粉样变性，以及259名对照组）
93	2024-08-07	Meaning maps detect the removal of local semantic scene content but deep saliency models do not 2022-Apr, Attention, perception & psychophysics DOI:10.3758/s13414-021-02395-x PMID:35138579	研究论文	本研究通过使用一种设计来移除图像区域意义同时保留其图像特征的微分同胚图像变换，测试了意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。	本研究首次直接测试了意义地图和深度学习模型对语义内容损失的敏感性，并发现意义地图能够反映场景中的局部语义内容，而深度显着性模型则不能。	研究仅使用了三种最先进的深度学习模型，可能未能涵盖所有类型的深度学习模型。	验证意义地图是否能捕捉语义内容，以及深度学习模型是否仅表示语义中性的图像特征。	意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。	计算机视觉	NA	微分同胚图像变换	深度学习模型	图像	NA