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	2024-09-05	Super-Resolution Reconstruction of Cytoskeleton Image Based on A-Net Deep Learning Network 2022-Sep-13, Micromachines IF:3.0Q2 DOI:10.3390/mi13091515 PMID:36144138	研究论文	本研究开发了一种名为A-net的深度学习网络，用于提高共聚焦显微镜捕获的细胞骨架图像的分辨率	结合A-net深度学习网络和DWDC算法，显著提高了细胞骨架图像的空间分辨率，达到原始分辨率的10倍	NA	提高细胞骨架图像的分辨率，以便更好地进行生物分子结构的体内重建	细胞骨架图像的分辨率	计算机视觉	NA	深度学习网络	A-net	图像	NA
82	2024-09-05	Struct2Graph: a graph attention network for structure based predictions of protein-protein interactions 2022-Sep-10, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04910-9 PMID:36088285	研究论文	本文介绍了一种基于图注意力网络的蛋白质-蛋白质相互作用预测方法Struct2Graph，该方法直接从折叠蛋白质的结构数据中识别相互作用	Struct2Graph是首个基于三维结构的图注意力网络，用于预测蛋白质-蛋白质相互作用，并引入了一种新的互注意力机制，通过无监督的知识选择过程提供可能的相互作用位点	NA	开发新的方法来分析分子和纳米尺度的蛋白质-蛋白质相互作用，以深入了解细胞内信号传导途径和蛋白质功能	蛋白质-蛋白质相互作用	机器学习	NA	图注意力网络	图注意力网络	结构数据	平衡数据集包含相等数量的正负对，不平衡数据集正负对比例为1:10
83	2024-09-05	COVID-19 pneumonia level detection using deep learning algorithm and transfer learning 2022-Sep-10, Evolutionary intelligence IF:2.3Q3 DOI:10.1007/s12065-022-00777-0 PMID:36105664	研究论文	本文开发了一种人工智能引擎，用于分类COVID-19确诊患者的肺部炎症程度（轻度、进展期、重度阶段），并使用深度学习算法和迁移学习技术进行肺炎水平检测	本文采用了改进的卷积神经网络（CNN）和k-最近邻算法，并通过迁移学习技术在较小数据集上训练预训练的CNN模型，提高了检测准确率	NA	开发智能、快速、高效的COVID-19肺炎检测技术	COVID-19确诊患者的肺部炎症程度	计算机视觉	COVID-19	深度学习算法	CNN	图像	相对较大的数据集
84	2024-09-05	Accurate prediction of virus-host protein-protein interactions via a Siamese neural network using deep protein sequence embeddings 2022-Sep-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100551 PMID:36124304	研究论文	本文提出了一种基于深度蛋白质序列嵌入技术的深度学习方法，用于预测病毒-宿主蛋白质-蛋白质相互作用	本文采用了基于深度蛋白质序列嵌入技术的孪生神经网络方法，该方法在病毒-宿主蛋白质-蛋白质相互作用预测中表现出色	NA	开发一种新的深度学习方法，用于预测和理解病毒-宿主蛋白质-蛋白质相互作用，以促进新型治疗干预措施的发展	病毒-宿主蛋白质-蛋白质相互作用	自然语言处理	NA	深度蛋白质序列嵌入技术	孪生神经网络	蛋白质序列	NA
85	2024-09-05	Predicting drug toxicity at the intersection of informatics and biology: DTox builds a foundation 2022-Sep-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100586 PMID:36124303	研究论文	Hao等人（2022年）介绍了DTox（毒理学深度学习），这是一种神经网络，旨在预测和探究化学毒性的位点和潜在机制	DTox提供了一个地图，以促进跨多个不同应用的模块化测试和改进	NA	预测药物毒性并探究其潜在机制	化学毒性的位点和潜在机制	机器学习	NA	深度学习	神经网络	化学数据	NA
86	2024-09-05	Micro-Expression Recognition Using Uncertainty-Aware Magnification-Robust Networks 2022-Sep-09, Entropy (Basel, Switzerland) DOI:10.3390/e24091271 PMID:36141156	研究论文	本文提出了一种名为不确定性感知放大鲁棒网络（UAMRN）的深度学习方法，用于微表情识别（MER），旨在解决微表情强度低和样本不平衡的问题	通过放大微表情强度和引入稀疏自注意力（SSA）块来改善微表情的识别，同时通过基于估计置信度的网络优化来处理类别不平衡问题	NA	提高微表情识别的准确性	微表情及其在审讯和临床诊断中的应用	计算机视觉	NA	深度学习	不确定性感知放大鲁棒网络（UAMRN）	视频	使用了三个公开的微表情数据库，即CASME II、SAMM和SMIC-HS
87	2024-09-05	A microblog content credibility evaluation model based on collaborative key points 2022-09-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19444-6 PMID:36076015	研究论文	本文提出了一种基于协同关键点的微博内容可信度评估模型CECKP，通过从词级到句级提取微博文本的关键点，并根据关键点的语义进行可信度评估	模型通过协同构建的谣言词典加强相关词汇的语义，解决了使用深度学习方法进行内容可信度评估时的特征选择问题	NA	解决微博平台上虚假内容传播带来的信息安全威胁，优化内容可信度评估	微博平台上的虚假内容	自然语言处理	NA	深度学习方法	CECKP	文本	NA
88	2024-09-05	Deep Learning for Diabetic Retinopathy Analysis: A Review, Research Challenges, and Future Directions 2022-Sep-08, Sensors (Basel, Switzerland) DOI:10.3390/s22186780 PMID:36146130	综述	本文综述了深度学习在糖尿病视网膜病变（DR）分析领域的最新进展，包括筛查、分割、预测、分类和验证	深度学习在医疗健康领域的多个方面，如腹部、心脏、病理学和视网膜，通过改进筛查、识别、分割、预测和分类应用，产生了显著的积极影响	文章指出了当前研究中的空白和未来挑战，以促进研究社区开发更高效、稳健和准确的深度学习模型	综述深度学习在糖尿病视网膜病变分析中的应用，并探讨未来的研究方向和挑战	糖尿病视网膜病变（DR）的监测和诊断	机器学习	糖尿病视网膜病变	深度学习（DL）	NA	图像	NA
89	2024-09-05	Semi-Supervised Deep Learning Model for Efficient Computation of Optical Properties of Suspended-Core Fibers 2022-Sep-07, Sensors (Basel, Switzerland) DOI:10.3390/s22186751 PMID:36146101	研究论文	本文提出了一种半监督深度学习模型，用于高效计算悬浮芯光纤的光学特性	引入半监督学习策略以减轻数据获取负担，并能在小规模训练数据基础上获得满意的计算结果	依赖于深度学习模型的优势需要大规模先验数据集	提高悬浮芯光纤结构设计的效率和准确性	悬浮芯光纤的光学特性，包括有效模式面积、非线性系数和色散	机器学习	NA	深度学习	半监督学习模型	光学特性数据	小规模训练数据
90	2024-09-05	Multi-Class Cancer Subtyping in Salivary Gland Carcinomas with MALDI Imaging and Deep Learning 2022-Sep-05, Cancers IF:4.5Q1 DOI:10.3390/cancers14174342 PMID:36077876	研究论文	本文利用MALDI成像技术和深度学习模型对唾液腺癌进行多类别亚型分类	提出了一个深度学习模型，能够处理高分辨率MALDI成像数据并实现超过80%的分类准确率	NA	实现唾液腺癌的准确亚型分类	唾液腺癌及其亚型	机器学习	唾液腺癌	MALDI成像	深度学习模型	图像	25名患者（包括六种不同的唾液腺癌亚型和六名健康对照组）
91	2024-09-05	Challenges and Opportunities of Deep Learning for Cough-Based COVID-19 Diagnosis: A Scoping Review 2022-Sep-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12092142 PMID:36140543	综述	本文综述了利用深度学习模型通过咳嗽声音诊断COVID-19的研究现状，旨在创建一种成本效益高且易于获取的测试工具。	本文探讨了咳嗽作为生物标志物的潜力，并发现卷积神经网络在特征提取和分类方面特别适用。	本文指出在利用大规模和多样化数据集进行研究方面存在文献缺口。	开发神经网络模型，通过咳嗽声音诊断COVID-19，作为抗击疫情的有效工具。	COVID-19的诊断	机器学习	COVID-19	深度学习	卷积神经网络	音频	数据集大小从16到超过30,000个咳嗽音频样本
92	2024-09-05	Advancement of deep learning in pneumonia/Covid-19 classification and localization: A systematic review with qualitative and quantitative analysis 2022-Sep, Chronic diseases and translational medicine DOI:10.1002/cdt3.17 PMID:35572951	综述	本文系统地回顾和分析了深度学习在肺炎和COVID-19分类与定位中的进展	提供了对不同深度学习模型架构的详细解释，包括它们的设计原因、克服的挑战和权衡	某些权衡无法量化，仅在定性分析中提及	旨在提取、解释和定量评估用于从胸部X射线和CT扫描图像中检测社区获得性肺炎、病毒性肺炎和COVID-19的深度学习方法的所有进展	社区获得性肺炎、病毒性肺炎和COVID-19的检测	计算机视觉	肺部疾病	深度学习	CNN	图像	涉及约4.5亿肺炎患者和1.81亿COVID-19患者
93	2024-09-05	Label efficient segmentation of single slice thigh CT with two-stage pseudo labels 2022-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.9.5.052405 PMID:35607409	研究论文	本文提出了一种两阶段深度学习方法，用于高效分割大腿CT图像中的肌肉、骨骼和脂肪	通过使用伪标签和两阶段训练方法，减少了深度学习模型对大量标注数据的需求	NA	提高医学图像分割的效率和准确性	大腿和下肢的CT图像	计算机视觉	NA	深度学习	深度神经网络	图像	3022张大腿切片和8939张下肢切片来自BLSA数据集，121张大腿切片来自GESTALT研究
94	2024-09-05	Inferring structural and dynamical properties of gene networks from data with deep learning 2022-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqac068 PMID:36110897	研究论文	本文利用深度神经网络（DNNs）从数据中推断基因调控网络（GRNs）的结构和动力学特性	本文展示了深度神经网络在网络推断方面优于现有的布尔网络、随机森林和部分交叉映射方法，并提出了一种结合深度神经网络和部分自洽平均场近似（PSCA）的数据驱动方法来量化基因调控系统的能量景观	NA	从数据中重建基因调控网络，并推断其因果关系	基因调控网络的结构和动力学特性	系统生物学	NA	深度神经网络（DNNs）	深度神经网络（DNNs）	单细胞数据	NA
95	2024-09-05	Comparison of Convolutional Neural Networks and Transformers for the Classification of Images of COVID-19, Pneumonia and Healthy Individuals as Observed with Computed Tomography 2022-Sep-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8090237 PMID:36135403	研究论文	本研究评估了五种深度学习架构在多类别设置中分类COVID-19的表现	比较了卷积神经网络和Transformer在COVID-19、肺炎和健康个体CT图像分类中的性能	NA	评估不同深度学习模型在COVID-19分类中的性能	COVID-19、肺炎和健康个体的CT图像	计算机视觉	COVID-19	深度学习	CNN, Transformer	图像	NA
96	2024-09-05	MF-AV-Net: an open-source deep learning network with multimodal fusion options for artery-vein segmentation in OCT angiography 2022-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.468483 PMID:36187235	研究论文	本研究旨在展示多模态融合对深度学习在光学相干断层扫描（OCT）和OCT血管造影（OCTA）中动脉静脉分割性能的影响，并探索用于深度学习AV分割的OCT/OCTA特性	提出了一个开放源代码的深度学习网络MF-AV-Net，该网络具有多模态融合选项，用于OCTA中的动脉静脉分割	NA	探索多模态融合在OCT和OCTA中动脉静脉分割的性能	OCT和OCTA图像中的动脉静脉分割	计算机视觉	NA	深度学习	CNN	图像	6 mm×6 mm和3 mm×3 mm的OCTA图像数据集
97	2024-09-04	Pushing the limits of remote RF sensing by reading lips under the face mask 2022-09-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-32231-1 PMID:36071056	研究论文	本文提出了一种基于无线电频率（RF）的唇读框架，能够在佩戴口罩的情况下进行唇读	利用Wi-Fi和雷达技术实现RF传感唇读，解决了传统基于摄像头的唇读技术的遮挡和隐私问题	NA	解决传统摄像头基唇读技术的基本限制	唇读技术	计算机视觉	NA	Wi-Fi, 雷达	神经网络（NN）, VGG16	数据集	包含元音A, E, I, O, U及静态/闭合嘴唇的数据集
98	2024-09-04	Systemic injection of nicotinic acetylcholine receptor antagonist mecamylamine affects licking, eyelid size, and locomotor and autonomic activities but not temporal prediction in male mice 2022-09-06, Molecular brain IF:3.3Q2 DOI:10.1186/s13041-022-00959-y PMID:36068635	研究论文	本研究探讨了烟碱型乙酰胆碱受体拮抗剂美卡拉明对雄性小鼠行为的影响，包括舔食、眼睑大小、运动和自主活动，但不影响时间预测能力。	本研究首次结合头部固定实验设计和基于深度学习算法的计算机视觉分析，成功量化了清醒小鼠的眼睑大小。	研究主要集中在美卡拉明对特定行为的影响，未全面探讨烟碱型乙酰胆碱受体在其他行为和认知功能中的作用。	探讨烟碱型乙酰胆碱受体在学习和行为中的作用。	雄性小鼠	NA	NA	计算机视觉分析，深度学习算法	深度学习算法	行为数据，眼睑大小数据	未明确指出具体数量
99	2024-09-04	A deep learning-based self-adapting ensemble method for segmentation in gynecological brachytherapy 2022-Sep-05, Radiation oncology (London, England) DOI:10.1186/s13014-022-02121-3 PMID:36064571	研究论文	本研究应用基于深度学习的自适应集成方法，用于妇科近距离放射治疗中快速且可重复的自动分割危险器官和临床肿瘤体积	采用nnU-Net（一种基于U-Net的自动适应深度卷积神经网络）进行分割，并通过集成2D U-Net、3D U-Net和3D-Cascade U-Net三种架构来提高分割精度	NA	旨在应用自配置的集成方法，实现妇科癌症中危险器官和临床肿瘤体积的快速且可重复的自动分割	膀胱、直肠和临床肿瘤体积的分割	计算机视觉	妇科癌症	深度学习	U-Net	CT图像	训练集207例，测试集30例
100	2024-09-04	Fast, efficient, and accurate neuro-imaging denoising via supervised deep learning 2022-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-32886-w PMID:36056020	研究论文	本文介绍了一种基于监督深度学习的神经影像去噪方法，旨在提高影像质量和分析效率	提出了一种新的监督深度去噪方法，能够在训练和推理中实现快速且高效的处理，并具有较小的内存占用	该方法需要使用小规模的非时间序列独立采集的训练数据集	开发一种能够克服体积功能成像中质量和速度之间权衡的去噪技术	包括全脑成像、自由移动动物的大视野成像以及C. elegans中复杂神经结构的恢复	计算机视觉	NA	深度学习	深度去噪模型	影像	约500对图像