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	2024-09-08	SDN-Defend: A Lightweight Online Attack Detection and Mitigation System for DDoS Attacks in SDN 2022-Oct-28, Sensors (Basel, Switzerland) DOI:10.3390/s22218287 PMID:36365984	研究论文	本文设计并实现了一种用于SDN网络中DDoS攻击的在线检测与缓解系统	采用轻量级混合深度学习方法CNN-ELM进行流量异常检测，并使用IP追踪技术定位攻击者	未提及	解决SDN网络中DDoS攻击的安全问题	SDN网络中的DDoS攻击	计算机网络	NA	卷积神经网络（CNN）、极限学习机（ELM）、IP追踪	CNN-ELM	流量数据	未提及
42	2024-09-08	Predicting Chemical Carcinogens Using a Hybrid Neural Network Deep Learning Method 2022-Oct-26, Sensors (Basel, Switzerland) DOI:10.3390/s22218185 PMID:36365881	研究论文	本文开发了一种混合神经网络（HNN）方法HNN-Cancer，用于预测现实化学物质的潜在致癌性	提出了新的SMILES特征表示方法，并通过修改之前的3D数组表示法来模拟1D SMILES，结合卷积神经网络（CNN）进行处理	尽管HNN-Cancer在大多数已知致癌实验数据集上表现较好，但其预测性能在多样性较少的分子上与文献报道的模型相当	开发一种能够预测多种化学物质潜在致癌性的方法	现实生活中的化学物质及其潜在的致癌性	机器学习	NA	混合神经网络（HNN）	卷积神经网络（CNN）	化学物质的SMILES表示	7994种化学物质用于二分类模型，1618种化学物质用于多分类模型
43	2024-09-08	EVAE-Net: An Ensemble Variational Autoencoder Deep Learning Network for COVID-19 Classification Based on Chest X-ray Images 2022-Oct-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112569 PMID:36359413	研究论文	本文提出了一种基于胸部X光图像的COVID-19分类的集成变分自编码器深度学习网络EVAE-Net	利用变分自编码器的潜在嵌入结合集成技术，提出了三种有效的EVAE-Net模型用于COVID-19检测	未提及	开发一种高精度的COVID-19早期检测方法	胸部X光图像	计算机视觉	肺部疾病	变分自编码器	集成模型	图像	使用了来自Kaggle的COVID-19放射学数据集中的胸部X光图像
44	2024-09-08	Validation of a deep learning-based material estimation model for Monte Carlo dose calculation in proton therapy 2022-10-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9663 PMID:36174551	研究论文	本文开发并验证了一种基于深度学习的材料特性估计模型，用于质子治疗中的蒙特卡罗剂量计算	提出了一个框架，通过使用深度学习模型（PRN）来验证蒙特卡罗剂量计算的准确性，并比较了不同材料转换模型的效果	仅在人体模型和猪模型上进行了验证，未涉及更多种类的样本	开发和验证一种基于CT的材料特性模型，以提高质子治疗计划中剂量计算的准确性	人体模型和猪模型	机器学习	NA	深度学习	残差网络（RN/PRN）	CT图像	两个人体模型和两个猪模型
45	2024-09-08	Virtual labeling of mitochondria in living cells using correlative imaging and physics-guided deep learning 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.464177 PMID:36425635	研究论文	本文提出了一种利用相关成像和物理引导深度学习在活细胞中对线粒体进行虚拟标记的新方法	本文创新性地提出了一种物理引导深度学习方法，用于从明场图像中获取线粒体的虚拟标记显微图像，并展示了优于现有技术的显著结果	NA	开发一种无需荧光标记即可在活细胞中可视化线粒体的方法	活细胞中的线粒体	计算机视觉	NA	物理引导深度学习	对抗神经网络	图像	NA
46	2024-09-08	Using deep learning for the automated identification of cone and rod photoreceptors from adaptive optics imaging of the human retina 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.470071 PMID:36425636	研究论文	本文介绍了一种用于从人眼视网膜自适应光学成像中自动识别锥体和杆状光感受器的深度学习算法RC-UPerNet	提出了RC-UPerNet算法，用于自动识别锥体和杆状光感受器，并在中央和周边视网膜图像上进行了评估，结果优于先前的AI方法	NA	开发一种自动化的深度学习算法，用于从自适应光学成像中识别视网膜中的锥体和杆状光感受器	人眼视网膜中的锥体和杆状光感受器	计算机视觉	NA	深度学习	RC-UPerNet	图像	中央和周边视网膜图像，范围从中央到鼻侧和颞侧30°
47	2024-09-08	Using a Visual Turing Test to Evaluate the Realism of Generative Adversarial Network (GAN)-Based Synthesized Myocardial Perfusion Images 2022-Oct, Cureus DOI:10.7759/cureus.30646 PMID:36439582	研究论文	评估专家心脏病学家能否通过视觉图灵测试识别由生成对抗网络（GAN）生成的合成心肌灌注图像（MPI）的真实性	首次使用视觉图灵测试评估GAN生成的心肌灌注图像的真实性	视觉图灵测试的平均正确率仅为61.1%，尽管在提供线索信息后有所提高	评估专家心脏病学家识别合成心肌灌注图像的能力	由GAN生成的合成心肌灌注图像	计算机视觉	心血管疾病	生成对抗网络（GAN）	深度卷积GAN	图像	1448张极坐标图
48	2024-09-07	De novo analysis of bulk RNA-seq data at spatially resolved single-cell resolution 2022-10-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-34271-z PMID:36310179	研究论文	本文介绍了一种基于深度学习框架的空间反卷积算法Bulk2Space，用于在单细胞分辨率下解析批量RNA-seq数据的空间和细胞异质性	Bulk2Space算法能够利用现有的单细胞和空间转录组学参考数据，同时揭示批量RNA-seq数据的空间和细胞异质性	NA	揭示组织分子结构在单细胞分辨率下的空间和细胞异质性，以更好地理解生物和病理过程	批量RNA-seq数据的空间和细胞异质性	生物信息学	NA	RNA-seq	深度学习框架	RNA-seq数据	涉及来自两个不同小鼠脑区域的批量转录组数据
49	2024-09-07	Quantifying neuro-motor correlations during awake deep brain stimulation surgery using markerless tracking 2022-10-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-21860-7 PMID:36302865	研究论文	本文开发了一种基于深度学习的无标记跟踪方法，用于在清醒状态下进行深部脑刺激手术时量化神经运动相关性	利用深度学习计算机视觉和相关计算方法，自动化和标准化了手动且主观的理想DBS电极放置识别过程	需要进一步研究以确定改进的相关性检测是否能带来更好的治疗效果	开发一种客观的方法来量化神经信号与运动之间的相关性，以优化深部脑刺激电极的放置	深部脑刺激手术中的神经信号与运动	计算机视觉	帕金森病	深度学习	深度神经网络	视频	7例深部脑刺激手术，100个不同的运动测试时期
50	2024-09-07	Glycoinformatics in the Artificial Intelligence Era 2022-10-26, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.2c00110 PMID:35961636	研究论文	本文讨论了人工智能方法在糖信息学中的应用历史和发展，特别关注了糖数据处理的挑战	本文探讨了深度学习方法在糖信息学中的最新应用，并展望了糖信息学在系统生物学时代的未来发展	糖数据的特殊性导致其生产和分析困难，限制了人工智能技术在糖科学中的广泛应用	探讨人工智能方法在糖信息学中的应用及其未来发展	糖信息学中的糖组学、糖蛋白质组学和糖结合数据	生物信息学	NA	人工智能	深度学习	糖数据	NA
51	2024-09-07	Impact of random outliers in auto-segmented targets on radiotherapy treatment plans for glioblastoma 2022-Oct-22, Radiation oncology (London, England) DOI:10.1186/s13014-022-02137-9 PMID:36273161	研究论文	研究自动分割目标中的随机异常对胶质母细胞瘤放射治疗计划的影响	分析了自动分割异常的发生及其可能的剂量效应，并发现多数投票方法可以减少异常	研究主要集中在合成异常和少数测试病例上，实际应用中的效果可能有所不同	探讨自动分割目标中的异常对放射治疗计划的影响	胶质母细胞瘤患者的自动分割目标异常及其剂量效应	计算机视觉	脑癌	深度学习	U-Net	图像	80个训练集和20个测试集
52	2024-09-07	A fingerprints based molecular property prediction method using the BERT model 2022-Oct-21, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-022-00650-3 PMID:36271394	研究论文	本文提出了一种基于BERT模型的分子指纹分子性质预测方法	本文创新性地使用BERT模型对化合物指纹进行语义表示，并通过CNN提取更高层次的抽象特征	NA	研究分子性质预测在药物发现和药物再定位中的应用	化合物指纹及其分子性质	机器学习	NA	BERT	CNN	分子指纹	NA
53	2024-09-07	Recent Progress in the Discovery and Design of Antimicrobial Peptides Using Traditional Machine Learning and Deep Learning 2022-Oct-21, Antibiotics (Basel, Switzerland) DOI:10.3390/antibiotics11101451 PMID:36290108	综述	本文综述了使用传统机器学习和深度学习方法在抗菌肽发现和设计方面的最新进展	本文首次专注于深度学习方法在抗菌肽预测中的应用	本文讨论了抗菌肽预测的局限性和挑战	综述最新的抗菌肽预测方法，特别是基于深度学习的方法	抗菌肽及其在药物发现中的应用	机器学习	NA	深度学习	NA	序列数据	NA
54	2024-09-07	A Deep Learning Approach to Organic Pollutants Classification Using Voltammetry 2022-Oct-21, Sensors (Basel, Switzerland) DOI:10.3390/s22208032 PMID:36298383	研究论文	本文提出了一种利用循环伏安法和深度学习技术对水中有机污染物进行准确检测和分类的方法	通过使用碳纳米管修饰电极，显著提高了检测灵敏度，并利用卷积神经网络结合Gramian角场变换实现了100%的分类准确率	NA	提高水中有机污染物的检测和分类准确性	水中的对苯二酚和苯醌	机器学习	NA	循环伏安法	卷积神经网络	图像	NA
55	2024-09-07	Automatic deep learning-based consolidation/collapse classification in lung ultrasound images for COVID-19 induced pneumonia 2022-10-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-22196-y PMID:36266463	研究论文	本文提出了一种基于深度学习的自动化方法，用于在肺超声图像中识别COVID-19诱导的肺炎晚期的实变/塌陷	引入了一种新的采样四元方法，该方法随机抽取10%的肺超声视频帧，并根据正样本的比例为所有帧分配分类标签，这种方法在精度和召回率曲线下面积（PR-AUC）和F1分数等指标上优于不准确监督的视频方法和完全监督的帧方法	该方法的有效性需要在更大的实变/塌陷数据集上进行验证	开发一种自动化方法，用于在肺超声图像中识别COVID-19诱导的肺炎晚期的实变/塌陷，以辅助临床诊断	肺超声图像中的实变/塌陷	计算机视觉	肺部疾病	深度学习	NA	图像	NA
56	2024-09-07	DAD-Net: Classification of Alzheimer's Disease Using ADASYN Oversampling Technique and Optimized Neural Network 2022-Oct-20, Molecules (Basel, Switzerland) DOI:10.3390/molecules27207085 PMID:36296677	研究论文	提出了一种新的深度卷积神经网络DAD-Net，用于阿尔茨海默病的分类，通过ADASYN过采样技术和优化神经网络提高分类准确性	提出了DAD-Net架构，通过减少参数和计算成本，适用于小数据集训练，并在分类准确性上优于现有模型	NA	开发一种可靠且高效的深度学习方法，用于通过MRI图像识别阿尔茨海默病	阿尔茨海默病的早期阶段分类	计算机视觉	阿尔茨海默病	ADASYN过采样技术	CNN	图像	使用Kaggle MRI图像数据集，存在严重的类别不平衡问题
57	2024-09-07	A Systematic Review of Time Series Classification Techniques Used in Biomedical Applications 2022-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s22208016 PMID:36298367	综述	本文系统回顾了在生物医学应用中用于时间序列分类的非深度学习模型	本文总结了在生物医学应用中常用的时间序列分类模型和解释方法，并进行了分类	目前没有标准化的基准数据集、建模方法或报告方法	系统回顾和总结在生物医学应用中用于时间序列分类的非深度学习模型	时间序列分类技术在生物医学应用中的表现和方法	机器学习	NA	时间序列分类	非深度学习模型	数字临床数据	从四个数据库中筛选出135篇相关文章进行详细回顾和数据提取
58	2024-09-07	Semantic Segmentation of Pancreatic Cancer in Endoscopic Ultrasound Images Using Deep Learning Approach 2022-Oct-18, Cancers IF:4.5Q1 DOI:10.3390/cancers14205111 PMID:36291895	研究论文	本文提出了一种基于深度学习的方法，用于内镜超声图像中胰腺癌的语义分割	提出了一个具有深度注意力特征的网络（DAF-Net），用于胰腺癌的分割，并展示了其在分割性能上的优越性	未提及具体的局限性	开发一种能够准确分割内镜超声图像中胰腺癌的深度学习方法，以辅助手术治疗规划	胰腺癌的语义分割	计算机视觉	胰腺癌	深度学习	DAF-Net	图像	150名被诊断为胰腺癌的患者
59	2024-09-07	Scalable training of graph convolutional neural networks for fast and accurate predictions of HOMO-LUMO gap in molecules 2022-Oct-17, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-022-00652-1 PMID:36253845	研究论文	本文研究了在HPC系统上训练图卷积神经网络（GCNN）以快速准确预测分子HOMO-LUMO间隙的方法	利用HydraGNN库和ADIOS数据管理框架，实现了大规模GCNN训练的数据加载时间缩短4.2倍，并在1024个GPU上实现了线性扩展性能	NA	提高GCNN在材料科学中预测分子性质的训练效率	分子HOMO-LUMO间隙的预测	机器学习	NA	图卷积神经网络（GCNN）	图卷积神经网络（GCNN）	图数据	数百万个分子
60	2024-09-07	Blind Deblurring of Remote-Sensing Single Images Based on Feature Alignment 2022-Oct-17, Sensors (Basel, Switzerland) DOI:10.3390/s22207894 PMID:36298241	研究论文	本文提出了一种基于特征对齐的生成对抗网络（SDD-GAN）用于单幅遥感图像的去模糊处理	引入特征对齐模块（FAFM）和特征重要性选择模块，以解决现有深度学习算法中的特征错位问题，并优化模糊遥感图像的恢复效果	NA	提高遥感图像处理中的运动模糊恢复精度	单幅遥感图像	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	自建遥感数据集（RSDATA）和公开数据集，以及CX-6(02)卫星拍摄的真实遥感模糊图像