深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
41	2024-09-06	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展和应用	探讨了人工智能工具在肺部疾病中的应用，包括肺癌、结核病、特发性肺纤维化和COVID-19等，并介绍了新兴应用如多模态数据分析和3D病理学	讨论了基于数字病理学的人工智能工具面临的挑战，如监管批准、开发报销模型、临床部署和解决AI偏见	探讨人工智能在肺部数字病理学中的应用和未来发展	肺部疾病，包括肺癌、结核病、特发性肺纤维化和COVID-19等	数字病理学	肺部疾病	人工智能	深度学习	图像	NA	NA	NA	NA	NA
42	2024-09-05	Learning-based three-dimensional registration with weak bounding box supervision 2022-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.4.044001 PMID:35847178	研究论文	本文提出了一种基于弱边界框监督的学习方案，用于可变形图像配准，通过仅使用边界框标签计算损失函数，训练图像配准网络处理大位移变形	本文创新地使用弱边界框监督学习方案，减少了详细标注的需求，提高了图像配准的性能	NA	提高医学图像分析中图像配准方法的性能	三维腹部CT和MRI图像的配准	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
43	2024-09-04	A Comprehensive Review of Machine Learning Used to Combat COVID-19 2022-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081853 PMID:36010204	综述	本文综述了机器学习和深度学习在COVID-19诊断和治疗中的应用	系统总结了AI在COVID-19中的多种应用方法和模型	未提及具体的研究局限性	探讨AI在COVID-19中的应用及其未来发展方向	COVID-19的诊断、治疗及患者健康结果预测	机器学习	COVID-19	机器学习, 深度学习	CNN, LSTM, GAN	医学图像, 患者数据	超过5.39亿确诊病例和630万死亡病例	NA	NA	NA	NA
44	2024-09-04	GraphSite: Ligand Binding Site Classification with Deep Graph Learning 2022-07-29, Biomolecules IF:4.8Q1 DOI:10.3390/biom12081053 PMID:36008947	研究论文	本文介绍了一种基于深度学习的图表示方法GraphSite，用于蛋白质中配体结合位点的分类	GraphSite利用图神经网络和神经加权消息传递层，有效捕捉结合口袋的结构、物化及进化特征，提高了分类准确性	NA	开发一种高效检测和分类蛋白质中配体结合位点的方法，以促进基于结构的药物发现	蛋白质中的配体结合位点	机器学习	NA	深度学习	图神经网络	图	14种不同功能类别的结合口袋数据集	NA	NA	NA	NA
45	2024-09-04	Breast Cancer Detection in Mammography Images Using Deep Convolutional Neural Networks and Fuzzy Ensemble Modeling Techniques 2022-Jul-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081812 PMID:36010164	研究论文	本文利用深度卷积神经网络和模糊集成建模技术在乳腺X线图像上进行乳腺癌检测	提出了一种基于Gompertz函数的模糊排名集成方法，该方法结合了多个深度学习模型的决策分数，提高了预测准确性	NA	开发一种高效的乳腺癌检测工具，以降低死亡率并提高完全康复的机会	乳腺X线图像中的正常、良性及恶性图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	1145张乳腺X线图像	NA	NA	NA	NA
46	2024-09-04	Strategies for tackling the class imbalance problem of oropharyngeal primary tumor segmentation on magnetic resonance imaging 2022-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.08.005 PMID:36035088	研究论文	本文探讨了在磁共振成像中分割口咽部原发肿瘤时处理类别不平衡问题的不同策略	提出了两种策略：使用不同的损失函数和实施两阶段方法，以改善分割性能	不同损失函数在训练中未显示出显著差异	研究解决口咽部原发肿瘤自动轮廓化中类别不平衡问题的策略	口咽部癌症患者的磁共振成像数据	计算机视觉	口咽癌	磁共振成像 (MRI)	3D U-Net	图像	230名口咽癌患者	NA	NA	NA	NA
47	2024-09-02	Deep learning-based defects detection of certain aero-engine blades and vanes with DDSC-YOLOv5s 2022-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17340-7 PMID:35906368	研究论文	本文通过引入可变形卷积网络和深度可分离卷积优化YOLOv5s结构，提高航空发动机叶片和导叶缺陷检测的准确性和效率	采用可变形卷积网络增强特征图对形状差异的适应性，使用深度可分离卷积提高特征提取效率，并通过k-means聚类优化锚框大小	研究强调了DDSC-YOLOv5s在扩大规模发动机缺陷检测中的应用潜力，但未来仍需进一步增强	实现航空发动机缺陷的智能检测，提高飞行安全性和降低维护成本	航空发动机叶片和导叶的缺陷检测	计算机视觉	NA	可变形卷积网络，深度可分离卷积	YOLOv5s	图像	未具体说明样本数量	NA	NA	NA	NA
48	2024-09-02	Automatic scoring of COVID-19 severity in X-ray imaging based on a novel deep learning workflow 2022-07-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15013-z PMID:35896761	研究论文	本研究提出了一种用于肺部疾病分割和评分的新型深度学习工作流程，该流程继承了放射科医生和临床医生对X光图像上肺部疾病的定量、定性和视觉评估	提出的算法在平均绝对误差（MAE）方面显著优于现有的COVID-19算法，且计算效率更高	NA	开发一种准确、高效且多功能的肺部疾病分割和评分方法，特别适用于COVID-19，并具有更广泛的潜在应用	COVID-19患者的X光图像以及无肺部病理患者的X光图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, MA-Net	图像	580名COVID-19患者和784名无肺部病理患者	NA	NA	NA	NA
49	2024-09-02	A process mining- deep learning approach to predict survival in a cohort of hospitalized COVID-19 patients 2022-07-25, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01934-2 PMID:35879715	研究论文	本文开发了一种结合过程挖掘和深度学习的方法，用于预测住院COVID-19患者的生存率，并在入院后的前72小时内每6小时更新一次预测。	首次将过程挖掘技术应用于COVID-19患者的预测，并结合深度学习模型，利用时间信息提高预测准确性。	NA	开发一种新的模型，通过结合过程挖掘和深度学习技术，提高对住院COVID-19患者生存率的预测准确性。	住院COVID-19患者的生存率预测	机器学习	COVID-19	过程挖掘/深度学习	深度学习模型	临床数据	NA	NA	NA	NA	NA
50	2024-09-02	Thermal fluid fields reconstruction for nanofluids convection based on physics-informed deep learning 2022-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-16463-1 PMID:35869129	研究论文	本文提出了一种基于物理信息深度学习的深度学习模型，用于纳米流体对流的温度流体场重建	该方法通过全连接层建立从设计变量和空间坐标到感兴趣物理场的映射函数，并在损失函数中引入守恒定律，提高了物理可解释性	NA	验证基于物理信息深度学习的温度流体场重建方法的有效性	水-AlO纳米流体的强制对流	机器学习	NA	深度学习	全连接层	物理场数据	未具体说明	NA	NA	NA	NA
51	2024-09-02	Age estimation from sleep studies using deep learning predicts life expectancy 2022-Jul-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00630-9 PMID:35869169	研究论文	本文通过深度神经网络从多导睡眠图（PSG）中估计年龄和死亡风险，预测寿命	使用深度学习技术从多导睡眠图中估计年龄和死亡风险，相较于传统的睡眠评分方法，具有更高的准确性	研究主要基于多导睡眠图数据，可能受限于数据质量和采集条件	探索通过睡眠研究数据预测寿命的可能性	年龄在20至90岁之间的男性和女性	机器学习	NA	深度学习	深度神经网络	多导睡眠图	2500个用于建模的PSG和10,699个用于测试的PSG	NA	NA	NA	NA
52	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	NA	NA	NA	NA
53	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	NA	NA	NA	NA
54	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	NA	NA	NA	NA
55	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	NA	NA	NA	NA
56	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	NA	NA	NA	NA
57	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	NA	NA	NA	NA
58	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	NA	NA	NA	NA
59	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	NA	NA	NA	NA
60	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	NA	NA	NA	NA