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
61	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
62	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
63	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
64	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
65	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
66	2024-08-31	A deep learning method for miRNA/isomiR target detection 2022-06-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14890-8 PMID:35739186	研究论文	本文开发了一种名为DMISO的深度学习工具，用于捕捉miRNA/isomiR-mRNA相互作用的复杂特征，以提高miRNA目标预测的准确性	首次考虑了miRNA的isoforms（isomiRs），并应用深度学习模型研究miRNA-mRNA相互作用特征	NA	提高miRNA目标预测的准确性	miRNA及其isoforms（isomiRs）与mRNA的相互作用	机器学习	NA	深度学习	深度学习模型	序列数据	使用了三个独立数据集进行评估
67	2024-08-31	Point and interval prediction of crude oil futures prices based on chaos theory and multiobjective slime mold algorithm 2022-Jun-21, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-022-04781-6 PMID:35755829	研究论文	本文提出了一种基于混沌理论和多目标粘液霉菌算法的混合预测模型，用于预测原油期货价格的点和区间	采用新的数据去噪方法和引入置信区间调整系数，提高了预测的准确性和稳定性	NA	提高原油期货价格预测的准确性和效率	原油期货价格	机器学习	NA	混沌理论，多目标粘液霉菌算法	浅层神经网络，线性模型，深度学习模型	时间序列数据	NA
68	2024-08-31	Towards a guideline for evaluation metrics in medical image segmentation 2022-Jun-20, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-022-06096-y PMID:35725483	研究论文	本文提供了一个关于医学图像分割评估指标的概述和解释指南，包括Dice相似系数、Jaccard、敏感性、特异性、Rand指数、ROC曲线、Cohen's Kappa和Hausdorff距离等	提出了一个标准化的医学图像分割评估指南，以提高评估质量、可重复性和研究领域的可比性	NA	改善医学图像分割研究的评估质量和可重复性	医学图像分割的评估指标	计算机视觉	NA	深度学习	NA	图像	NA
69	2024-08-31	Diagnostic advantage of thin slice 2D MRI and multiplanar reconstruction of the knee joint using deep learning based denoising approach 2022-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14190-1 PMID:35725760	研究论文	本研究评估了使用深度学习去噪方法的薄切片2D MRI和膝关节多平面重建（MPR）的诊断优势	通过深度学习去噪重建（dDLR）应用于2D MRI，提高了图像质量和异常发现的识别信心与一致性	研究样本量较小，仅包括12名患者和13个膝关节	评估深度学习去噪方法在膝关节2D MRI中的应用效果	膝关节的2D和3D MRI图像质量及异常发现	计算机视觉	NA	深度学习去噪重建（dDLR）	深度学习模型	MRI图像	12名患者和13个膝关节
70	2024-08-31	REFLACX, a dataset of reports and eye-tracking data for localization of abnormalities in chest x-rays 2022-06-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-022-01441-z PMID:35717401	research paper	本文介绍了一种利用眼动追踪技术和麦克风记录报告口述，收集胸部X光片异常定位数据的可扩展方法，并发布了包含3,032组同步眼动数据和时间戳报告转录的REFLACX数据集。	提出了一种新的方法来收集异常定位数据，通过眼动追踪和报告口述，模仿读片室的设置，无需专家显式标记，节省时间。	数据集规模相对于自然图像数据集仍然较小。	探索深度学习在胸部X光片异常分类中的应用，并改进异常定位的监督方法。	胸部X光片的异常定位数据收集方法和数据集构建。	computer vision	NA	eye-tracking	NA	image	3,032组同步眼动数据和时间戳报告转录，涉及2,616张胸部X光片
71	2024-08-31	CardioNet: Automatic Semantic Segmentation to Calculate the Cardiothoracic Ratio for Cardiomegaly and Other Chest Diseases 2022-Jun-17, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060988 PMID:35743771	研究论文	本文介绍了一种基于多类别级联的自动语义分割网络CardioNet，用于通过计算心脏胸腔比率（CTR）来诊断心脏肥大和其他胸部疾病	CardioNet网络专门设计用于使用比传统深度学习方案更少的参数进行精细分割，并能诊断其他胸部相关疾病	文章未提及具体限制	开发一种自动语义分割方法，用于诊断心脏肥大和其他胸部疾病	心脏肥大、肺气肿、胸腔积液和气胸等胸部疾病	计算机视觉	心血管疾病	深度学习	CNN	图像	使用了JSRT数据集和Montgomery County数据集，具体样本数量未详细说明
72	2024-08-31	Open Source Assessment of Deep Learning Visual Object Detection 2022-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s22124575 PMID:35746357	研究论文	本文介绍了一个名为Detection Metrics的开源科学软件，用于评估深度学习神经网络模型在视觉对象检测中的性能	该软件提供了客观的性能指标，如平均精度均值和平均推理时间，并支持多种国际对象检测数据集和深度学习框架，使得不同网络模型可以公平比较	NA	开发和研究深度学习应用时，提供一个工具来评估和比较不同深度学习模型的性能	深度学习神经网络模型在视觉对象检测中的性能	计算机视觉	NA	深度学习	神经网络模型	图像	支持多种国际对象检测数据集
73	2024-08-31	Deep Learning to Measure the Intensity of Indocyanine Green in Endometriosis Surgeries with Intestinal Resection 2022-Jun-16, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060982 PMID:35743768	研究论文	本研究提出了一种基于深度学习算法的方法，用于量化肠吻合术中吲哚菁绿（ICG）的血液灌注水平	首次使用基于U-Net的深度学习算法自动分割手术视频中的肠道，并量化已分割视频帧中的血液灌注水平	NA	开发一种新的方法来量化肠吻合术中ICG的血液灌注水平，以预测术后并发症	肠吻合术中ICG的血液灌注水平	计算机视觉	妇科疾病	深度学习算法	U-Net	视频	NA
74	2024-08-31	A Review of Image Processing Techniques for Deepfakes 2022-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s22124556 PMID:35746333	综述	本文综述了用于深度伪造图像检测的图像处理技术	探讨了如何通过适当的政策、法规、个人行动、培训和教育来对抗深度伪造技术，并强调了技术在深度伪造识别、内容认证和预防方面的发展	NA	旨在强调近期在深度伪造图像和视频检测方面的研究	深度伪造图像和视频的检测算法	计算机视觉	NA	深度学习	卷积神经网络、长短期记忆网络等	图像、视频	使用自建数据集和现有基准数据集进行研究
75	2024-08-31	EEG Classification of Normal and Alcoholic by Deep Learning 2022-Jun-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12060778 PMID:35741663	研究论文	本文提出了一种新的深度学习方法，用于自动提取和分类EEG信号特征，以诊断酒精依赖症	采用多层离散小波变换进行数据去噪，并结合卷积神经网络和双向长短期记忆网络进行特征提取	NA	开发一种有效的深度学习方法，用于自动诊断酒精依赖症	酒精依赖症患者的EEG信号	机器学习	精神疾病	深度学习	CNN和双向LSTM	EEG信号	NA
76	2024-08-31	A Bayesian Approach to Unsupervised, Non-Intrusive Load Disaggregation 2022-Jun-14, Sensors (Basel, Switzerland) DOI:10.3390/s22124481 PMID:35746263	研究论文	本文提出了一种基于贝叶斯方法的无监督、非侵入式负荷分解新方法，用于从低频电能消耗测量和环境信息中分解家庭用电负荷	该方法通过利用实际电负荷信息更新用户消费习惯的先验估计，实现了对两个与环境条件和居住者习惯相关的负荷成分的概率预测，具有较高的准确性	NA	旨在估计家庭能源使用模式和用户消费习惯，为需求响应项目的管理和控制技术提供基础	家庭用电负荷的分解	机器学习	NA	贝叶斯方法	NA	时间序列数据	使用了一个基准数据集进行验证
77	2024-08-31	New Deep Learning Model to Estimate Ozone Concentrations Found Worrying Exposure Level over Eastern China 2022-06-11, International journal of environmental research and public health DOI:10.3390/ijerph19127186 PMID:35742435	研究论文	本文开发了一种基于长短期记忆网络（LSTM）的深度学习模型，用于估计中国东部地区的臭氧（O3）浓度，并发现该地区存在令人担忧的臭氧暴露水平	提出的模型结合了LSTM与注意力机制和残差连接结构，表现优于传统的随机森林模型和深度神经网络	NA	研究目的是准确估计中国东部地区的臭氧浓度，以评估人类暴露风险	研究对象为中国东部地区的臭氧浓度及其对人类健康的影响	机器学习	NA	深度学习	LSTM	气象数据	研究涵盖了中国东部地区2020年的臭氧浓度数据，约81%的人口暴露于高浓度臭氧中超过150天
78	2024-08-31	DeepDRiD: Diabetic Retinopathy-Grading and Image Quality Estimation Challenge 2022-Jun-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100512 PMID:35755875	research paper	本文描述了与ISBI 2020联合举办的名为“糖尿病视网膜病变（DR）分级和图像质量评估挑战”的活动，旨在开发用于DR图像评估和分级的深度学习模型。	提供了包含2,000张常规DR图像和256张超广角图像的DeepDRiD数据集，并讨论了各子挑战中排名前三的算法。	NA	开发和评估用于糖尿病视网膜病变图像分级和质量评估的深度学习模型。	糖尿病视网膜病变图像的分级和质量评估。	computer vision	糖尿病视网膜病变	深度学习	NA	image	2,000张常规DR图像（500名患者）和256张超广角图像（128名患者）
79	2024-08-31	Validation Study on Automated Sleep Stage Scoring Using a Deep Learning Algorithm 2022-Jun-09, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina58060779 PMID:35744042	研究论文	本文验证了一种基于深度学习算法的自动睡眠阶段评分系统的准确性	提出了一种基于深度学习算法的自动睡眠阶段评分模型，该模型在多个睡眠阶段与手动评分显示出高一致性	NA	验证自动睡眠阶段评分系统的准确性	602个多导睡眠图数据集	机器学习	NA	深度学习算法	深度学习模型	多导睡眠图数据	602个样本，年龄范围19至65岁，男性397人，女性205人
80	2024-08-31	Computational Detection of Extraprostatic Extension of Prostate Cancer on Multiparametric MRI Using Deep Learning 2022-Jun-07, Cancers IF:4.5Q1 DOI:10.3390/cancers14122821 PMID:35740487	研究论文	本文提出了一种利用深度学习在多参数磁共振成像（MRI）上计算检测前列腺癌超出前列腺包膜边界（EPE）的方法	开发了一种名为EPENet的端到端模型，基于CorrSigNIA癌症检测模型，用于检测具有EPE的癌症，并在患者和六分区水平上展示了较高的敏感性和特异性	需要进一步的研究来验证和优化模型，特别是在更大的样本集上	提高前列腺癌EPE检测的准确性，辅助风险分层和手术规划	前列腺癌的EPE检测	数字病理学	前列腺癌	深度学习	UNet, CorrSigNIA, EPENet	MRI	123名患者，其中38名有EPE