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	2024-09-02	Semantic Segmentation of Extraocular Muscles on Computed Tomography Images Using Convolutional Neural Networks 2022-Jun-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071553 PMID:35885459	研究论文	本研究评估了深度学习算法在从CT图像中分割眼外肌和测量肌肉尺寸的有效性	提出了基于U-net算法的深度学习方法，能够高效准确地分割眼外肌并测量其尺寸	研究仅使用了32个测试样本进行验证，样本量相对较小	评估深度学习算法在CT图像中分割眼外肌和测量肌肉尺寸的效果	眼外肌的分割和尺寸测量	计算机视觉	NA	NA	CNN	图像	210名患者的连续CT扫描图像，其中32个用于测试
42	2024-09-02	Deep Learning Paradigm for Cardiovascular Disease/Stroke Risk Stratification in Parkinson's Disease Affected by COVID-19: A Narrative Review 2022-Jun-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071543 PMID:35885449	综述	本文探讨了深度学习在受COVID-19影响的帕金森病患者中预测心血管疾病/中风风险的应用	提出了结合COVID-19病灶、帕金森病症状、动脉粥样硬化图像生物标志物和药物使用等因素的深度学习模型，用于心血管疾病/中风风险的分层	由于共病、样本量限制和科学临床验证技术不足，目前缺乏完善的机器学习范式	研究深度学习解决方案在受COVID-19影响的帕金森病患者中预测心血管疾病/中风风险的可行性	受COVID-19影响的帕金森病患者	机器学习	帕金森病	深度学习	LSTM, RNN	CT扫描图像, 生物标志物数据	292项研究
43	2024-09-02	A Light Deep Learning Algorithm for CT Diagnosis of COVID-19 Pneumonia 2022-Jun-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071527 PMID:35885433	研究论文	本文介绍了一种基于VGG16架构的轻量级3D卷积神经网络Cimatec-CovNet-19，用于从胸部CT扫描中识别COVID-19肺炎	提出了一种新的预处理方法，仅基于肺部CT掩模和经验选择的阈值进行切片选择，仅需16个切片即可识别COVID-19	仅在414个样本的测试集上进行了验证，可能需要更多数据来验证其泛化能力	开发一种轻量级的深度学习算法，用于从胸部CT扫描中快速准确地诊断COVID-19肺炎	COVID-19肺炎的胸部CT扫描图像	计算机视觉	COVID-19	3D卷积神经网络	CNN	图像	训练集包含3000个CT扫描图像（其中1500个为COVID-19阳性），测试集包含414个样本（其中207个为COVID-19阳性）
44	2024-09-02	Improving the Accuracy of Diagnosis for Multiple-System Atrophy Using Deep Learning-Based Method 2022-Jun-22, Biology DOI:10.3390/biology11070951 PMID:36101332	研究论文	本研究使用基于深度学习的点线性模型来提高多系统萎缩症（MSA）的诊断准确性	采用深度学习方法分析MSA的诊断特征，提高了诊断的准确性	大多数人工智能程序仅限于评估诊断影像，本研究扩展到特征识别和可视化	通过深度学习识别与疾病区分相关的重要特征	多系统萎缩症（MSA）及其亚型	机器学习	神经退行性疾病	深度学习	点线性模型	病例数据	3377例MSA病例
45	2024-09-02	Applications of Neural Networks in Biomedical Data Analysis 2022-Jun-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10071469 PMID:35884772	综述	本文综述了神经网络在生物医学数据分析中的应用，特别是生物图像数据中的生物标志物分析	介绍了最新的神经网络及其工作原理，并提供了关于激活函数和框架等技术方面的总结	NA	探讨神经网络在生物医学数据分析中的应用	生物医学数据，特别是生物图像数据中的生物标志物	机器学习	NA	神经网络	人工神经网络	图像	NA
46	2024-09-02	Selfee, self-supervised features extraction of animal behaviors 2022-06-16, eLife IF:6.4Q1 DOI:10.7554/eLife.76218 PMID:35708244	research paper	本文介绍了一种自监督特征提取（Selfee）卷积神经网络，用于从动物行为视频帧中直接提取全面且具有区分性的特征，并展示了其在多种下游应用中的潜力	首次实现了使用端到端的自监督神经网络直接从社交行为视频帧中提取综合且具有区分性的特征	NA	开发一种能够快速且准确地表征动物行为的自监督学习方法	动物行为视频帧	机器学习	NA	卷积神经网络	CNN	视频	NA
47	2024-09-01	The Advances in Computer Vision That Are Enabling More Autonomous Actions in Surgery: A Systematic Review of the Literature 2022-Jun-29, Sensors (Basel, Switzerland) DOI:10.3390/s22134918 PMID:35808408	综述	本文是一篇关于计算机视觉（CV）在手术中实现更自主行动的进展和当前限制的系统性文献综述	深入探讨了计算机视觉领域，并强调了非视觉数据形式如仪器先验和音频触觉在辅助计算机化机器人实现更自主行动中的作用	讨论了外科医生、内镜医生和介入放射科医生在手术过程中面临的对更多自主性的存在危机	探讨如何利用计算机视觉的力量，使进行介入治疗的医生保持参与	计算机视觉在手术中的应用及其辅助技术	计算机视觉	NA	计算机视觉	NA	非视觉数据	NA
48	2024-09-01	Deep Learning and Structure-Based Virtual Screening for Drug Discovery against NEK7: A Novel Target for the Treatment of Cancer 2022-Jun-25, Molecules (Basel, Switzerland) DOI:10.3390/molecules27134098 PMID:35807344	研究论文	本研究利用深度学习和基于结构的虚拟筛选方法，针对NEK7这一新型癌症治疗靶点进行药物发现研究	结合药物再利用和结构基础的虚拟筛选方法，筛选出具有更好结合能的苯磺酰胺衍生物，并通过分子动力学模拟和深度学习模型预测其稳定性和结合亲和力	需要通过体外和体内实验进一步验证所识别化合物的抑制潜力	开发针对NEK7的新型抗癌药物	NEK7蛋白及其抑制剂	药物发现	癌症	虚拟筛选, 分子动力学模拟, 深度学习	深度学习模型	蛋白质结构, 化合物库	1200种苯磺酰胺衍生物
49	2024-09-01	Effective Free-Driving Region Detection for Mobile Robots by Uncertainty Estimation Using RGB-D Data 2022-Jun-23, Sensors (Basel, Switzerland) DOI:10.3390/s22134751 PMID:35808244	研究论文	本文提出了一种自监督学习方法，用于移动机器人可行驶区域和道路异常分割，通过自动生成分割标签框架（AGSL）提高性能。	提出了自动生成分割标签框架（AGSL），通过比较输入图像与重构图像的差异并定位视差图中的障碍物，自动生成分割标签。	现有技术在面对复杂情况时性能较低，因为训练数据集中未包含不熟悉的物体。	提高移动机器人在室内外环境中自主导航的安全性和准确性。	移动机器人的可行驶区域和道路障碍分割。	计算机视觉	NA	RGB-D数据	语义分割网络	图像	使用RGB-D数据集进行训练
50	2024-09-01	Deep Learning-Based Muscle Segmentation and Quantification of Full-Leg Plain Radiograph for Sarcopenia Screening in Patients Undergoing Total Knee Arthroplasty 2022-Jun-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11133612 PMID:35806895	研究论文	本文介绍了一种基于深度学习的模型，用于自动分割和量化全腿平片中的肌肉，以预测接受全膝关节置换术患者的肌少症。	该研究开发了一种基于U-Net的深度学习模型，用于自动肌肉分割和量化，并在实际临床环境中展示了其高肌少症筛查性能。	NA	研究目的是开发一种深度学习模型，用于在全膝关节置换术前筛查肌少症。	研究对象为接受全膝关节置换术的患者。	机器学习	geriatric disease	深度学习	U-Net	image	训练集包含227名健康志愿者，测试集包含403名计划进行全膝关节置换术的患者。
51	2024-09-01	Development of Deep-Learning-Based Single-Molecule Localization Image Analysis 2022-Jun-21, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23136896 PMID:35805897	综述	本文综述了基于深度学习的单分子定位显微镜（SMLM）图像分析的最新进展	探讨了如何通过深度学习提高SMLM图像质量	讨论了现有拟合算法的局限性	探讨深度学习在SMLM图像分析中的应用及未来发展	单分子定位显微镜（SMLM）图像	计算机视觉	NA	深度学习	NA	图像	NA
52	2024-09-01	Fast and Efficient Method for Optical Coherence Tomography Images Classification Using Deep Learning Approach 2022-Jun-21, Sensors (Basel, Switzerland) DOI:10.3390/s22134675 PMID:35808169	研究论文	本文提出了一种利用深度学习方法对光学相干断层扫描（OCT）图像进行分类的高效方法	开发了一种新的卷积神经网络模型用于眼病分类，并采用了图像数据增强技术以提高分类结果	算法不能完全替代医生，主要作为辅助工具加速诊断过程	开发一种自动化的支持系统，帮助医疗人员处理日益增长的数据量	基于OCT B-扫描图像对患者进行分类，包括糖尿病黄斑水肿（DME）、脉络膜新生血管（CNV）、玻璃膜疣和正常	机器学习	眼病	深度学习	卷积神经网络（CNN）	图像	超过84,000张图像
53	2024-09-01	Analysis of MRI-derived spleen iron in the UK Biobank identifies genetic variation linked to iron homeostasis and hemolysis 2022-06-02, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2022.04.013 PMID:35568031	研究论文	本研究通过磁共振成像技术对英国生物样本库中的41,764名参与者进行脾铁定量分析，并确定了与铁稳态和溶血相关的遗传变异	首次在大规模人群队列中测量脾铁浓度，并结合深度学习和高效图像处理技术进行非侵入性测量	NA	研究脾铁浓度与遗传变异之间的关系，以及这些变异如何影响红细胞生命周期和脾铁重吸收	脾铁浓度及其与遗传变异的关系	数字病理学	NA	磁共振成像	深度学习	图像	41,764名参与者
54	2024-09-01	Deep Diffusion MRI Registration (DDMReg): A Deep Learning Method for Diffusion MRI Registration 2022-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3139507 PMID:34968177	研究论文	本文提出了一种名为DDMReg的深度学习方法，用于扩散MRI（dMRI）数据集之间的精确配准	DDMReg方法结合了全脑和特定纤维束信息进行dMRI配准，基于VoxelMorph框架，提出了一种新的配准架构，不仅利用全脑信息，还利用特定纤维束的方向信息	NA	开发一种新的深度学习方法，用于提高扩散MRI数据集之间的配准精度	扩散MRI数据集的配准	计算机视觉	NA	深度学习	CNN	图像	多个独立获取的数据集，包括青少年、年轻和老年成人，以及不同的成像协议和扫描仪
55	2024-09-01	A Cross-Modal and Cross-lingual Study of Iconicity in Language: Insights From Deep Learning 2022-06, Cognitive science IF:2.3Q2 DOI:10.1111/cogs.13147 PMID:35665953	研究论文	本文在深度学习框架下研究语言中的非任意性，通过实验评估不同语言中非任意音韵模式的普遍性。	本文展示了跨语言和语言家族的跨领域映射可以成功转移，表明词汇的音韵结构中充满了关于词义和句法类别的语言不变线索。	NA	研究语言中的非任意性，并评估其在不同语言中的普遍性。	不同语言中的非任意音韵模式。	自然语言处理	NA	深度学习	神经网络	文本	一组类型学上相距较远的语言
56	2024-09-01	Polishing copy number variant calls on exome sequencing data via deep learning 2022-06, Genome research IF:6.2Q1 DOI:10.1101/gr.274845.120 PMID:35697522	研究论文	本文介绍了一种新的深度学习模型，用于提高外显子测序数据中拷贝数变异检测的准确性	该模型能够利用匹配的外显子和全基因组测序数据，学习修正任何现成的基于外显子测序的生殖系拷贝数变异检测结果	NA	提高外显子测序数据中拷贝数变异检测的准确性	拷贝数变异检测	机器学习	NA	外显子测序	深度学习模型	测序数据	使用1000 Genomes Project数据进行训练
57	2024-09-01	Discovering molecular features of intrinsically disordered regions by using evolution for contrastive learning 2022-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010238 PMID:35767567	研究论文	本文介绍了一种名为“反向同源性”的蛋白质组规模特征发现方法，用于识别内在无序区域（IDRs）的分子特征	利用进化原理作为对比学习信号，结合深度学习技术，发现IDRs的保守特征	NA	探索内在无序区域的分子特征，以更好地理解这些广泛存在于蛋白质组中的区域的功能	内在无序区域（IDRs）及其分子特征	机器学习	NA	深度学习	神经网络	蛋白质序列	一组同源的IDRs和从蛋白质组中随机抽样的另一组IDRs
58	2024-08-31	SDNN-PPI: self-attention with deep neural network effect on protein-protein interaction prediction 2022-Jun-27, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08687-2 PMID:35761175	研究论文	本文提出了一种基于自注意力和深度学习的蛋白质-蛋白质相互作用预测方法SDNN-PPI	SDNN-PPI方法采用氨基酸组成（AAC）、联合三联体（CT）和自协方差（AC）提取蛋白质序列的全局和局部特征，并利用自注意力增强DNN特征提取，更有效地完成PPIs预测	NA	探索蛋白质-蛋白质相互作用的机制，并为药物设计和疾病预防提供新思路	蛋白质-蛋白质相互作用（PPIs）	机器学习	NA	自注意力	深度神经网络（DNN）	蛋白质序列	在酵母和人类的同种相互作用数据集上进行了5折交叉验证，以及在人类-炭疽杆菌和人类-鼠疫耶尔森菌的异种相互作用数据集上进行了验证，独立数据集包括秀丽隐杆线虫、大肠杆菌、人类和鼠类
59	2024-08-31	scDART: integrating unmatched scRNA-seq and scATAC-seq data and learning cross-modality relationship simultaneously 2022-06-27, Genome biology IF:10.1Q1 DOI:10.1186/s13059-022-02706-x PMID:35761403	research paper	本文提出了一种名为scDART的深度学习框架，用于整合不同批次的scRNA-seq和scATAC-seq数据，并同时学习跨模态关系	scDART框架能够保留连续细胞群体中的细胞轨迹，并可应用于整合数据上的轨迹推断	NA	解决整合不同批次的scRNA-seq和scATAC-seq数据的挑战	scRNA-seq和scATAC-seq数据	machine learning	NA	深度学习	NA	scRNA-seq和scATAC-seq数据	NA
60	2024-08-31	A state-of-the-art technique to perform cloud-based semantic segmentation using deep learning 3D U-Net architecture 2022-Jun-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04794-9 PMID:35751030	研究论文	本文介绍了一种基于云的3D U-Net深度学习架构，用于执行脑肿瘤的语义分割	本文提出的方法是首个达到最高准确率的基于云的脑肿瘤分割方法	NA	研究目的是提高脑肿瘤分割的准确性	研究对象是脑肿瘤，特别是胶质瘤	计算机视觉	脑肿瘤	3D U-Net	3D U-Net	图像	使用了BRATS数据集