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
21	2024-11-19	MuLan-Methyl-multiple transformer-based language models for accurate DNA methylation prediction 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad054 PMID:37489753	研究论文	本文介绍了一种基于多重Transformer语言模型的深度学习框架MuLan-Methyl，用于预测DNA甲基化位点	MuLan-Methyl框架结合了5种流行的Transformer语言模型，通过预训练和微调的方式，能够准确预测三种不同类型的DNA甲基化位点	NA	开发一种能够准确预测DNA甲基化位点的深度学习框架	DNA甲基化位点，包括N6-腺苷、N4-胞嘧啶和5-羟甲基胞嘧啶	机器学习	NA	Transformer语言模型	Transformer	DNA序列	使用了一个基准数据集进行性能评估
22	2024-11-19	Computational prediction of human deep intronic variation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad085 PMID:37878682	研究论文	本文研究了计算方法在预测人类基因深内含子变异中的应用	本文比较了SpliceAI等深度学习模型与其他新方法的性能，并提出了新的工具可解释性评估方法	工具在预测可能影响剪接调控元件的变异时表现较差	评估不同计算工具在分析深内含子变异中的性能，并提供实用建议	人类基因的深内含子变异	基因组学	NA	深度学习	深度学习模型	基因序列	使用了多种数据集进行评估
23	2024-11-19	SpheroScan: a user-friendly deep learning tool for spheroid image analysis 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad082 PMID:37889008	研究论文	开发了一种名为SpheroScan的用户友好型深度学习工具，用于球状体图像分析	SpheroScan利用Mask R-CNN框架进行图像检测和分割，解决了3D球状体分析中缺乏自动化和用户友好工具的问题	NA	开发一种自动化工具，以提高3D球状体分析的重复性和通量	3D球状体图像	计算机视觉	NA	深度学习	Mask R-CNN	图像	使用IncuCyte活细胞分析系统和传统显微镜捕获的球状体图像进行训练
24	2024-11-19	Accurate and fast clade assignment via deep learning and frequency chaos game representation 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac119 PMID:36576129	研究论文	本文利用频率混沌游戏表示（FCGR）和卷积神经网络（CNN）开发了一种新的方法，用于SARS-CoV-2基因序列的支系分类	本文首次将深度学习和FCGR应用于物种内分类，并开发了CouGaR-g工具，在GISAID测试子集上实现了96.29%的总体准确率，优于类似工具Covidex	NA	开发快速且准确的工具，用于区分不同的SARS-CoV-2变体并将其分配到相应的支系	SARS-CoV-2基因序列及其变体	机器学习	冠状病毒病	频率混沌游戏表示（FCGR）	卷积神经网络（CNN）	基因序列	GISAID平台上的数百万个完整基因序列
25	2024-10-27	A Deep Learning Framework for the Detection and Quantification of Reticular Pseudodrusen and Drusen on Optical Coherence Tomography 2022-12-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.12.3 PMID:36458946	研究论文	开发并验证了一种深度学习框架，用于在光学相干断层扫描（OCT）图像中检测和量化网状假性玻璃膜疣（RPD）和玻璃膜疣	提出了一个包含分类模型和分布外检测模型的深度学习框架，用于识别不可评估的扫描、区分玻璃膜疣和RPD，并独立分割这两种病变	研究样本主要来自UK Biobank，可能限制了结果的普适性	开发和验证一个深度学习框架，用于在OCT扫描中检测和量化RPD和玻璃膜疣	网状假性玻璃膜疣（RPD）和玻璃膜疣	计算机视觉	老年性疾病	深度学习	CNN	图像	1284名年龄相关性黄斑变性（AMD）患者和250名对照组
26	2024-10-25	Usability of deep learning pipelines for 3D nuclei identification with Stardist and Cellpose 2022-12, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2022.203806 PMID:36029974	研究论文	比较了两种开源机器学习算法Cellpose和Stardist在3D荧光染色增殖细胞核识别中的应用	展示了图像分块和背景减除对两种算法的影响，并评估了它们的易用性和处理时间	未提及	评估Cellpose和Stardist在3D细胞分割中的适用性和性能	3D荧光染色增殖细胞核	计算机视觉	NA	机器学习	NA	图像	未提及
27	2024-10-21	CHAP-Adult: A Reliable and Valid Algorithm to Classify Sitting and Measure Sitting Patterns Using Data From Hip-Worn Accelerometers in Adults Aged 35 2022-Dec, Journal for the measurement of physical behaviour DOI:10.1123/jmpb.2021-0062 PMID:38260182	研究论文	开发并验证了一种基于卷积神经网络的算法CHAP-Adult，用于通过髋部佩戴的加速度计数据准确分类坐姿和测量坐姿模式	CHAP-Adult算法在测量坐姿和坐姿模式方面比传统的100次每分钟切点方法更准确	算法在身体质量指数≥30 kg/m²的个体中表现出的误差较大	开发和验证一种新的算法，以准确测量和分类使用髋部佩戴加速度计的坐姿和坐姿模式	35-99岁成年人的坐姿和坐姿模式	机器学习	NA	卷积神经网络	卷积神经网络	加速度计数据	训练数据包括981名35-99岁的成年人，验证数据包括419名未参与训练的成年人
28	2024-10-18	Artificial Intelligence (AI) for Fracture Diagnosis: An Overview of Current Products and Considerations for Clinical Adoption, From the AJR Special Series on AI Applications 2022-12, AJR. American journal of roentgenology DOI:10.2214/AJR.22.27873 PMID:35731103	综述	本文综述了人工智能（AI）和深度学习算法在骨折诊断中的应用，并提供了临床采用这些技术的指导	介绍了AI和深度学习在骨折检测中的准确性，并讨论了其在临床实践中的应用潜力	尽管AI产品在增加，但关于放射科医生如何采用这些新技术的指导有限	探讨AI和深度学习算法在骨折诊断中的应用，并提供临床采用这些技术的指导	骨折诊断和AI技术在放射科的应用	计算机视觉	NA	深度学习	NA	图像	NA
29	2024-10-12	Deep learning of longitudinal mammogram examinations for breast cancer risk prediction 2022-Dec, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2022.108919 PMID:37089470	研究论文	本文提出了一种新的深度学习结构LRP-NET，用于捕捉多次乳腺X光检查中的时空变化，以预测近期乳腺癌风险	首次设计了能够捕捉多次乳腺X光检查中时空信息的深度学习模型，用于乳腺癌风险预测	研究样本量较小，仅涉及200名患者，未来需要在大规模数据集上验证模型效果	开发一种能够利用多次乳腺X光检查中的时空信息来预测乳腺癌风险的深度学习模型	多次乳腺X光检查中的时空变化信息	计算机视觉	乳腺癌	深度学习	LRP-NET	图像	200名患者，每人进行四次检查，共3200张图像
30	2024-10-06	Machine learning and deep learning approach for medical image analysis: diagnosis to detection 2022-Dec-24, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14305-w PMID:36588765	review	本文综述了机器学习和深度学习在医学图像分析中的应用，特别是从诊断到检测的过程	深度学习被认为是机器学习的增强技术，能够更高效地处理大量数据，并使用多层神经网络获取更多信息	机器学习在处理当前模态的大量数据时存在局限性	旨在系统综述机器学习和深度学习在多种疾病检测和分类中的应用	医学图像分析中的机器学习和深度学习方法	computer vision	NA	深度学习 (DL) 和机器学习 (ML)	多层神经网络	图像	40项主要研究，使用MRI数据集进行实验
31	2024-09-30	Water Meter Reading for Smart Grid Monitoring 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010075 PMID:36616673	研究论文	本文提出了一种自动读取表盘表数字的方法，以促进智能电网的实施	利用深度学习中的YOLOv5s模型进行数字定位和识别	未提及	促进智能电网的实施	表盘表的数字读取	计算机视觉	NA	深度学习	YOLOv5s	图像	未提及
32	2024-09-30	Classification and visual explanation for COVID-19 pneumonia from CT images using triple learning 2022-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24936-6 PMID:36460708	研究论文	本文提出了一种新的框架，用于从CT图像中分类和可视化由COVID-19引起的肺炎	本文引入了对比学习和注意力机制，以改进分类效果并提供详细的可视化解释	NA	提高COVID-19肺炎CT图像分类的准确性和可解释性	COVID-19肺炎的CT图像	计算机视觉	肺部疾病	对比学习，注意力机制	NA	图像	使用三折交叉验证进行实验
33	2024-09-30	McS-Net: Multi-class Siamese network for severity of COVID-19 infection classification from lung CT scan slices 2022-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2022.109683 PMID:36277300	研究论文	本文提出了一种基于深度学习的P-shot N-ways孪生网络，结合原型最近邻分类器，用于从肺部CT扫描切片中分类COVID-19感染的严重程度	本文的创新点在于使用孪生网络和原型最近邻分类器，能够在有限数据集的情况下实现高精度的COVID-19感染严重程度分类	本文的局限性在于仅在MosMed数据集和两个特定数据集上进行了验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是开发一种高效的方法，用于从肺部CT扫描中分类COVID-19感染的严重程度	本文的研究对象是COVID-19感染的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	孪生网络	图像	1110名患者和42名患者的低剂量CT扫描图像
34	2024-09-28	Could artificial intelligence revolutionize the development of nanovectors for gene therapy and mRNA vaccines? 2022-Dec, Nano today IF:13.2Q1 DOI:10.1016/j.nantod.2022.101665 PMID:37034382	综述	本文综述了人工智能在基因治疗和mRNA疫苗纳米载体开发中的潜在应用	探讨了人工智能在设计靶向基因递送载体和改进CRISPR/Cas系统中的创新应用	NA	探讨人工智能如何革新基因治疗和mRNA疫苗纳米载体的发展	基因治疗和mRNA疫苗的纳米载体	机器学习	NA	人工智能	神经网络	NA	NA
35	2024-09-25	Deep Learning Based MS2 Feature Detection for Data-Independent Shotgun Proteomics 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995258 PMID:37635836	研究论文	本文开发了一种基于深度学习的模型，用于在数据独立 shotgun 蛋白质组学中进行 MS2 特征检测	本文提出了一种创新的滑动窗口过程，能够对定量 MS/MS 数据进行高分辨率处理，从而提高 MS2 特征检测的准确性	NA	提高 LC-MS 分析中肽段鉴定的准确性，以促进生物标志物发现和复杂蛋白质组学的研究	肽段片段离子在串联质谱中的检测	机器学习	NA	LC-MS 分析	深度学习模型	MS2 数据	NA
36	2024-09-23	Characterizing physiological high-frequency oscillations using deep learning 2022-12-07, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aca4fa PMID:36541546	研究论文	本研究利用深度学习算法分析了儿童颞叶外癫痫患者的脑电图数据，以区分生理性和病理性高频振荡（HFOs）	本研究提出了一种新的弱监督深度学习模型，用于提取和解释生理性HFOs的形态特征	研究样本仅限于儿童颞叶外癫痫患者，结果的普适性有待进一步验证	旨在利用深度学习技术表征生理性高频振荡的显著特征	儿童颞叶外癫痫患者的脑电图数据	机器学习	癫痫	深度学习	深度学习模型	时间序列数据	63,379个高频振荡数据，来自18名儿童
37	2024-09-19	Cross-vender, cross-tracer, and cross-protocol deep transfer learning for attenuation map generation of cardiac SPECT 2022-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-02978-7 PMID:35474443	研究论文	研究使用深度迁移学习生成心脏SPECT的衰减图（μ-maps），特别是在不同供应商、示踪剂和协议下的应用	提出了一种跨供应商、跨示踪剂和跨协议的深度迁移学习方法，用于生成心脏SPECT的衰减图	研究仅限于特定的扫描仪、示踪剂和协议组合，未来研究需要验证在更广泛条件下的适用性	探索在不同扫描仪、示踪剂和协议下生成心脏SPECT衰减图的可行性	心脏SPECT的衰减图生成	计算机视觉	NA	深度学习	深度神经网络	图像	训练数据包括120个使用Tc-tetrofosmin注射的研究，测试数据包括80个使用Tc-sestamibi注射的研究
38	2024-09-17	Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review 2022-12-22, Advances in nutrition (Bethesda, Md.) DOI:10.1093/advances/nmac078 PMID:35803496	综述	本文对基于图像的食物识别系统（IBFRS）在饮食评估中的应用进行了系统性综述	综述了IBFRS在专业营养实践中的应用优势，并讨论了未来的发展方向	未提及具体的技术局限性	评估基于图像的食物识别系统在饮食评估中的应用效果	基于图像的食物识别系统及其在饮食评估中的应用	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	共筛选了159项研究，其中78项被纳入综述
39	2024-09-17	AutoMed: Automated Medical Risk Predictive Modeling on Electronic Health Records 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995209 PMID:37063974	研究论文	本文提出了一种名为AutoMed的自动化风险预测模型，用于自动搜索最优模型架构以提高电子健康记录（EHR）数据的风险预测任务性能	创新点在于使用神经架构搜索技术自动设计模型架构，减少了对专家先验知识的依赖	实验仅在三个真实世界数据集上进行，可能需要更多数据集验证其泛化能力	旨在通过自动化技术改进电子健康记录的风险预测模型设计	电子健康记录数据及其在风险预测任务中的应用	机器学习	NA	神经架构搜索	AutoMed	电子健康记录	三个真实世界数据集
40	2024-09-15	Computational macroscopic lifetime imaging and concentration unmixing of autofluorescence 2022-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202200133 PMID:36546622	研究论文	本文介绍了一种基于单像素结构光平台的计算宏观寿命成像和自体荧光浓度解混方法	利用单像素成像技术，结合超连续可见光激发和超光谱单像素检测，实现了自体荧光强度和寿命的并行表征，并通过深度学习数据处理管道进行自体荧光解混，得到自体荧光物质的浓度	NA	开发一种新的计算成像方法，用于宏观量化自体荧光的强度和寿命	自体荧光物质，包括黄素腺嘌呤二核苷酸、核黄素和原卟啉	计算机视觉	NA	单像素成像技术	深度学习	光谱数据	临床相关的自体荧光物质样本