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	Surrogate- and invariance-boosted contrastive learning for data-scarce applications in science 2022-Jul-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31915-y PMID:35864122	研究论文	本文介绍了一种名为代理和不变性增强对比学习（SIB-CL）的深度学习框架，该框架利用三种易于获取的辅助信息源来解决数据稀缺问题	SIB-CL框架通过整合丰富的未标记数据、先验的对称性或不变性知识以及近乎零成本获得的代理数据，显著减少了训练模型所需的数据标签数量	NA	旨在解决自然科学领域中数据稀缺问题，通过引入新的深度学习框架来提高数据利用效率	2D光子晶体的态密度预测和3D时间无关薛定谔方程的求解等科学问题	机器学习	NA	对比学习	深度学习框架	未标记数据、代理数据	未明确提及具体样本数量
42	2024-09-02	The Association between Muscle Quantity and Overall Survival Depends on Muscle Radiodensity: A Cohort Study in Non-Small-Cell Lung Cancer Patients 2022-Jul-21, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12071191 PMID:35887688	研究论文	本研究探讨了非小细胞肺癌患者中肌肉量与总体生存率之间的关系，并发现肌肉的放射密度是影响这一关系的关键因素	首次揭示了肌肉放射密度在非小细胞肺癌患者中对肌肉量与总体生存率关系的影响	研究仅限于接受放射治疗的非小细胞肺癌患者，结果的普遍性可能受限	探究肌肉量与非小细胞肺癌患者总体生存率之间的关系及其影响因素	非小细胞肺癌患者	NA	肺癌	计算机断层扫描	深度学习算法	图像	2840名患者，其中1975名患者死亡，观察时间为5903患者年
43	2024-09-02	Gaze Estimation Approach Using Deep Differential Residual Network 2022-Jul-21, Sensors (Basel, Switzerland) DOI:10.3390/s22145462 PMID:35891141	研究论文	本文提出了一种使用深度差分残差网络（DRNet）的视线估计方法，结合新的损失函数利用双眼图像的差异信息	提出的DRNet模型能够更有效地利用双眼图像的差异信息，提高了视线估计的准确性和鲁棒性	仅使用单一推理图像时，该方法可能导致准确性损失	改进视线估计技术，提高其在计算机视觉领域的应用性能	视线估计中的差分信息和双眼图像	计算机视觉	NA	深度学习（DL）	差分残差网络（DRNet）	图像	主要使用两个公共数据集：MpiiGaze和Eyediap
44	2024-09-02	Deep-Learning-Based Estimation of the Spatial QRS-T Angle from Reduced-Lead ECGs 2022-Jul-20, Sensors (Basel, Switzerland) DOI:10.3390/s22145414 PMID:35891094	研究论文	本文开发了一种基于深度学习的方法，用于从减少导联的心电图（ECG）中估计空间QRS-T角度	设计了一种新的损失函数，引导模型在三维空间中搜索每个向量的坐标，以提高估计的准确性	NA	开发一种方法，用于从减少导联的心电图中估计空间QRS-T角度，以促进日常监测	空间QRS-T角度	机器学习	心血管疾病	深度学习	深度学习模型	心电图	使用最大的公开临床12导联心电图记录数据集进行训练和验证
45	2024-09-02	Automatic Detection of Liver Cancer Using Hybrid Pre-Trained Models 2022-Jul-20, Sensors (Basel, Switzerland) DOI:10.3390/s22145429 PMID:35891111	研究论文	本文提出了一种使用混合预训练模型的肝癌自动检测方法	该研究采用卷积神经网络（CNN）结合预训练的全局模型，形成一个能够从CT扫描图像中诊断肝肿瘤的混合模型，其准确率、精确度和召回率均高于其他模型	模型在有限的数据集上进行了测试，未来需要在大规模数据集上验证其性能	构建一个帮助临床医生通过分析肝肿瘤活检组织图像来确定肿瘤类型的模型	肝癌肿瘤的自动检测	计算机视觉	肝癌	卷积神经网络（CNN）	混合预训练模型	图像	有限的数据集
46	2024-09-02	Melanoma Detection Using XGB Classifier Combined with Feature Extraction and K-Means SMOTE Techniques 2022-Jul-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071747 PMID:35885650	研究论文	本文提出了一种结合特征提取和K-Means SMOTE技术的XGB分类器用于黑色素瘤检测的方法	采用了迁移学习技术自动提取图像特征，增加了性别和年龄元数据，使用过采样技术处理不平衡数据，并比较了多种机器学习算法	NA	提高黑色素瘤检测的准确性和效率	黑色素瘤的检测	机器学习	皮肤癌	迁移学习	XGB分类器	图像	NA
47	2024-09-02	Characterizing and explaining the impact of disease-associated mutations in proteins without known structures or structural homologs 2022-07-18, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac187 PMID:35641150	研究论文	本文利用RoseTTAFold和AlphaFold等深度学习技术，对553种无已知结构或结构同源的人类疾病相关蛋白质进行建模，并分析了这些蛋白质的结构特征及其与疾病相关突变的关系	本文首次使用RoseTTAFold和AlphaFold模型来预测和分析无已知结构或结构同源的疾病相关蛋白质，并解释了80%的疾病相关突变	本文仅限于分析无已知结构或结构同源的疾病相关蛋白质，未涉及其他类型的蛋白质	研究疾病相关突变在蛋白质中的影响，并探索其与蛋白质结构和功能的关系	553种无已知结构或结构同源的人类疾病相关蛋白质	生物信息学	NA	深度学习	RoseTTAFold, AlphaFold	蛋白质结构	553种疾病相关的人类蛋白质
48	2024-09-02	Machine-designed biotherapeutics: opportunities, feasibility and advantages of deep learning in computational antibody discovery 2022-07-18, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac267 PMID:35830864	综述	本文综述了深度学习在计算抗体发现中的应用及其优势和可行性	深度学习方法在抗体设计中的应用，如结构或结合预测的改进，以及基于语言的抗体库建模或机器学习生成新序列的新可能性	NA	探讨深度机器学习方法在治疗性抗体设计中的最新进展及其对完全计算抗体设计的意义	治疗性抗体的设计	机器学习	NA	深度学习	深度学习模型	抗体序列	NA
49	2024-09-02	Improving automatic liver tumor segmentation in late-phase MRI using multi-model training and 3D convolutional neural networks 2022-07-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-16388-9 PMID:35851322	研究论文	本研究提出了一种基于深度学习的方法，用于在动态对比增强磁共振成像（DCE-MRI）的晚期肝细胞相中自动分割肝肿瘤，使用各向异性3D U-Net架构和多模型训练策略	采用各向异性3D U-Net架构和多模型训练策略，显著提高了肝肿瘤分割的性能，接近人类评分的准确度	肝肿瘤检测性能（平均F1分数为0.59）仍低于人类评分（0.76），特别是对较小肿瘤的检测需要改进	提高晚期DCE-MRI中肝肿瘤自动分割的准确性	肝肿瘤在晚期DCE-MRI中的自动分割	计算机视觉	肝癌	DCE-MRI	3D U-Net	图像	未明确提及具体样本数量
50	2024-09-02	Reply to Çiftci, S.; Aydin, B.K. Comment on "Lee et al. Accuracy of New Deep Learning Model-Based Segmentation and Key-Point Multi-Detection Method for Ultrasonographic Developmental Dysplasia of the Hip (DDH) Screening. Diagnostics 2021, 11, 1174" 2022-Jul-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071739 PMID:35885643	comments	回应关于使用基于深度学习模型的超声图像分割和关键点多检测方法进行髋关节发育不良筛查的准确性的评论	NA	NA	回应评论者对使用Graf方法测量alpha和beta角的关键点问题的评论	髋关节发育不良的超声筛查方法	computer vision	髋关节发育不良	深度学习模型	NA	超声图像	NA
51	2024-09-02	An Integrated Goat Head Detection and Automatic Counting Method Based on Deep Learning 2022-Jul-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani12141810 PMID:35883357	研究论文	本文提出了一种基于深度学习的集成山羊头部检测与自动计数方法	使用RandAugment进行数据增强，采用AF-FPN改进网络对多尺度对象的表示能力，以及利用Dynamic Head框架统一注意力机制与检测器头部，显著提高了检测性能	NA	实现山羊养殖的精确化和智能化	山羊头部检测与计数	计算机视觉	NA	深度学习	YOLOv5	视频图像	新构建的山羊视频图像数据集
52	2024-09-02	A Feasibility Study on Deep Learning Based Brain Tumor Segmentation Using 2D Ellipse Box Areas 2022-Jul-15, Sensors (Basel, Switzerland) DOI:10.3390/s22145292 PMID:35890972	研究论文	本文研究了使用2D椭圆框区域进行基于深度学习的脑肿瘤分割的可行性	提出了一种使用椭圆框区域而非完全标注的肿瘤区域来训练深度网络的方法，减少了医疗人员的工作量	使用椭圆框区域训练的网络在分割性能上略有下降	探索使用椭圆框区域训练深度网络进行脑肿瘤分割的可行性	脑肿瘤的分割	计算机视觉	脑肿瘤	深度学习	U-Net	图像	大量未标注的肿瘤图像和少量（<20）标注的肿瘤图像
53	2024-09-02	A personalized deep learning denoising strategy for low-count PET images 2022-07-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac783d PMID:35697017	研究论文	本文开发了一种针对低计数正电子发射断层扫描（PET）图像的个性化深度学习去噪策略	提出了一种个性化加权方法，通过线性混合两个在不同噪声水平图像上训练的模型结果，以平衡噪声减少和空间模糊之间的权衡	模型在处理具有广泛噪声水平的测试图像时泛化能力不佳	开发一种适用于不同噪声水平的低计数PET图像个性化去噪策略	低计数PET图像的去噪效果	机器学习	NA	深度学习	3D U-Net	图像	五个不同噪声水平的图像组
54	2024-09-02	Structural Bioinformatics and Deep Learning of Metalloproteins: Recent Advances and Applications 2022-Jul-12, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147684 PMID:35887033	综述	本文综述了金属蛋白的结构生物信息学和深度学习的最新进展及应用	介绍了利用3D结构信息和神经网络、机器/深度学习方法在金属蛋白研究中的应用	NA	探讨基于结构的金属蛋白资源开发和可用性的最新进展	金属蛋白及其金属结合位点	结构生物学	NA	深度学习	神经网络	蛋白质结构	涉及Protein Data Bank中约三分之一的蛋白质结构
55	2024-09-02	Foggy Lane Dataset Synthesized from Monocular Images for Lane Detection Algorithms 2022-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s22145210 PMID:35890889	研究论文	本文提出了一种基于单目深度预测和大气散射模型的新方法，用于在晴朗天气收集的CULane数据集上生成雾天车道图像，以提高车道检测算法在雾天条件下的准确性	通过合成雾天车道图像数据集，显著提高了深度学习模型在雾天条件下的车道检测准确性	NA	提高车道检测算法在低光照天气条件下的准确性	车道检测算法在雾天条件下的性能	计算机视觉	NA	深度学习	NA	图像	生成了107,451张标记的雾天车道图像，分为三种不同的雾密度
56	2024-09-02	Defending against Reconstruction Attacks through Differentially Private Federated Learning for Classification of Heterogeneous Chest X-ray Data 2022-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s22145195 PMID:35890875	研究论文	本文评估了使用差分隐私的联邦学习在异构胸部X光数据分类中作为防御数据隐私攻击的可行性	首次直接比较差分隐私训练对两种不同神经网络架构（DenseNet121和ResNet50）的影响	模型性能在差分隐私设置下略有下降，特别是ResNet50的性能不如DenseNet121	研究差分隐私联邦学习在医疗数据分类中的隐私保护效果	异构和不平衡的胸部X光数据分类	机器学习	NA	差分隐私联邦学习	DenseNet121, ResNet50	图像	36个客户端的CheXpert和Mendeley胸部X光数据集
57	2024-09-02	A Hybrid 3D-2D Image Registration Framework for Pedicle Screw Trajectory Registration between Intraoperative X-ray Image and Preoperative CT Image 2022-Jul-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8070185 PMID:35877629	研究论文	本文设计了一种患者特异性的混合3D-2D配准原则框架，用于在术中X射线图像和术前CT图像之间映射椎弓根螺钉轨迹。	该框架结合了基于解剖标志的3D-2D迭代控制点（ICP）配准和深度学习技术，克服了传统图像强度配准导航系统计算密集、捕捉范围小和局部最大值问题，以及深度学习技术缺乏配准泛化性和数据依赖性的限制。	NA	开发一种新的混合3D-2D图像配准框架，以提高椎弓根螺钉插入手术的准确性和安全性。	椎弓根螺钉插入手术中的图像配准问题。	计算机视觉	NA	3D-2D图像配准	迭代控制点（ICP）配准	图像	单个椎骨的术中X射线图像和术前CT图像
58	2024-09-02	Differentiating False Positive Lesions from Clinically Significant Cancer and Normal Prostate Tissue Using VERDICT MRI and Other Diffusion Models 2022-Jul-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12071631 PMID:35885536	研究论文	本研究探讨了定量扩散MRI技术在区分假阳性、真阳性和正常前列腺组织中的应用	利用VERDICT MRI和其他扩散模型，通过深度学习方法，显著区分了真阳性、假阳性病变和正常组织	研究样本量较小，仅包括38名患者	旨在通过定量扩散MRI技术减少因假阳性前列腺病变导致的非必要活检	假阳性病变、真阳性病变和正常前列腺组织	数字病理学	前列腺癌	VERDICT MRI, 多参数MRI	深度学习	MRI图像	38名患者
59	2024-09-02	Forecasting COVID-19 Epidemic Trends by Combining a Neural Network with Rt Estimation 2022-Jul-04, Entropy (Basel, Switzerland) DOI:10.3390/e24070929 PMID:35885152	研究论文	本文通过结合神经网络与Rt估计，提出了一种用于分析和预测SARS-CoV-2（COVID-19）新增病例流行趋势的深度学习解决方案	该解决方案通过调整神经网络输出层产生的数据与Rt估计相结合，显著降低了平均绝对百分比误差（MAPE）和其他误差指标	NA	旨在分析和预测COVID-19的流行趋势	SARS-CoV-2（COVID-19）的新增病例	机器学习	COVID-19	深度学习	神经网络	数据集	数据集涉及意大利、美国、法国、英国和瑞典，时间范围为2020年2月24日至2022年1月11日
60	2024-09-02	Frailty Identification Using Heart Rate Dynamics: A Deep Learning Approach 2022-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3152538 PMID:35196247	研究论文	本研究使用深度学习方法，通过分析心率对体力活动的反应（心率动态）来识别老年人的虚弱状态	本研究首次使用长短期记忆模型对心率动态进行分类，无需特征工程即可提供准确的虚弱筛查标记	NA	通过心率动态分类来识别老年人的虚弱状态	88名65岁以上的老年人，分为非虚弱和前虚弱/虚弱两组	机器学习	老年病	NA	LSTM	心率时间序列	88名老年人，其中27名非虚弱，61名前虚弱/虚弱