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
101	2024-09-10	Active deep learning from a noisy teacher for semi-supervised 3D image segmentation: Application to COVID-19 pneumonia infection in CT 2022-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2022.102127 PMID:36257092	研究论文	本文提出了一种基于噪声教师模型的主动学习方法，用于半监督3D图像分割，并应用于COVID-19肺炎感染的CT图像分割	本文的创新点在于提出了一种基于梯度方向和梯度幅度的样本重加权策略，以提高机器生成标注的可靠性，从而改进半监督学习的效果	NA	本文的研究目的是改进半监督学习方法，以解决医学图像分割任务中标注数据不足的问题	本文的研究对象是COVID-19肺炎感染的CT图像	计算机视觉	呼吸系统疾病	深度学习	NA	图像	NA
102	2024-09-10	Integrative Serum Metabolic Fingerprints Based Multi-Modal Platforms for Lung Adenocarcinoma Early Detection and Pulmonary Nodule Classification 2022-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202203786 PMID:36257825	研究论文	开发了一种基于纳米颗粒的激光解吸/电离质谱平台，用于检测血清代谢指纹，并构建多模态平台用于早期肺癌检测和肺结节分类	提出了基于血清代谢指纹和蛋白质肿瘤标志物的多模态模型，显著提高了肺腺癌早期检测和肺结节分类的性能	NA	开发新型非侵入性生物标志物，用于肺腺癌的早期诊断和肺结节的准确分类	血清代谢指纹和肺结节	数字病理学	肺癌	激光解吸/电离质谱	神经网络	代谢指纹和图像	NA
103	2024-09-10	Deep learning modeling of public's sentiments towards temporal evolution of COVID-19 transmission 2022-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2022.109728 PMID:36281433	研究论文	本研究开发了一个模块化的深度学习框架，用于量化公众对COVID-19的情感，并利用这些情感预测全球每日确诊COVID-19病例的增长率	本研究首次使用情感维度指标而非离散模式来建模公众情感，并将其分类为四种主要情感类别	本研究仅分析了2020年1月22日至5月10日期间的推文数据，可能无法全面反映整个疫情时期的公众情感变化	研究公众对COVID-19传播的情感变化，并利用这些情感预测疫情的发展趋势	公众对COVID-19的情感及其对疫情传播的影响	机器学习	NA	深度学习	深度神经网络 (DNN)	文本	数百万条与COVID-19相关的推文
104	2024-09-10	CerebNet: A fast and reliable deep-learning pipeline for detailed cerebellum sub-segmentation 2022-12-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119703 PMID:36349595	研究论文	介绍了一种名为CerebNet的深度学习方法，用于小脑的详细亚分割，包括灰质和白质的分离	CerebNet结合了FastSurferCNN和广泛的数据增强技术，无需额外的预处理步骤，如空间归一化或偏置场校正，展示了高精度和高测试重测可靠性	NA	开发一种自动化的深度学习方法，用于小脑的详细亚分割，以量化小脑及其叶的体积，特别是在神经退行性和获得性疾病中的应用	小脑及其叶的体积量化，特别是在脊髓小脑性共济失调（SCA）中的应用	计算机视觉	神经退行性疾病	深度学习	UNet	图像	30名参与者的T1加权图像
105	2024-09-10	Evaluation of roadside air quality using deep learning models after the application of the diesel vehicle policy (Euro 6) 2022-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24886-z PMID:36456800	研究论文	本研究评估了在实施Euro 6柴油车政策后，使用深度学习模型对路边空气质量的影响	本研究首次使用循环神经网络（RNN）和随机森林（RF）算法来建模空气质量，并发现RNN在空气质量建模中表现更优	本研究仅基于2002-2015年的数据进行建模，未考虑其他可能影响空气质量的因素	评估Euro 6柴油车政策对路边空气质量的影响	路边空气质量中的CO、NO和PM污染物浓度	机器学习	NA	NA	循环神经网络（RNN）和随机森林（RF）	空气质量数据和环境因素数据	2002-2019年的数据
106	2024-09-10	Using deep-learning predictions of inter-residue distances for model validation 2022-Dec-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798322010415 PMID:36458613	研究论文	本文介绍了一种基于深度学习预测的残基间距离进行模型验证的新方法	利用深度学习技术准确预测残基间距离，并将其应用于蛋白质模型的验证	主要关注物理化学方面的模型验证，未涉及其他可能的验证方法	开发新的蛋白质结构模型验证方法	蛋白质结构模型及其验证	机器学习	NA	深度学习	NA	蛋白质模型数据	NA
107	2024-09-10	Giant panda age recognition based on a facial image deep learning system 2022-Dec, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.9507 PMID:36479031	研究论文	本文开发了一种基于面部图像的深度学习系统，用于识别圈养大熊猫的年龄组	首次提出使用面部图像进行大熊猫年龄组分类的深度学习方法	仅限于圈养大熊猫的面部图像，未涉及野生大熊猫	研究大熊猫年龄分布及其对保护措施有效性的验证	圈养大熊猫的年龄组分类	计算机视觉	NA	深度学习	EfficientNet	图像	NA
108	2024-09-10	Detection and localization of hyperfunctioning parathyroid glands on [18F]fluorocholine PET/ CT using deep learning - model performance and comparison to human experts 2022-Dec-01, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2022-0037 PMID:36503715	研究论文	本文探讨了使用深度学习方法在[18F]氟胆碱PET/CT图像中检测和定位原发性甲状旁腺功能亢进症中的功能亢进甲状旁腺组织	首次报道了使用深度学习分析[18F]氟胆碱PET在原发性甲状旁腺功能亢进症中的应用	深度学习方法在检测和定位功能亢进甲状旁腺组织方面的表现不如人类专家，且研究样本量较小	评估深度学习方法在[18F]氟胆碱PET/CT图像中检测和定位功能亢进甲状旁腺组织的性能	原发性甲状旁腺功能亢进症患者的功能亢进甲状旁腺组织	计算机视觉	内分泌疾病	深度学习	Resnet10, mPETResnet10	图像	93名原发性甲状旁腺功能亢进症患者和19名对照组
109	2024-09-10	Field-based adipose tissue quantification in sea turtles using bioelectrical impedance spectroscopy validated with CT scans and deep learning 2022-Dec, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.9610 PMID:36523527	研究论文	本文通过生物电阻抗谱（BIS）和深度学习技术，提出了一种用于评估海龟脂肪组织质量的新方法，并通过CT扫描进行验证	本文首次将生物电阻抗谱（BIS）与深度学习结合，用于量化海龟的脂肪组织，并提出了一种新的校准协议	本文的模型预测性能基于2/3的样本构建，并在1/3的样本上进行测试，可能存在样本量不足的问题	开发一种新的方法来量化野生动物的脂肪组织，以改善生态研究中的营养状态评估	海龟	计算机视觉	NA	生物电阻抗谱（BIS），计算机断层扫描（CT）	深度学习模型	图像	2/3的样本用于模型构建，1/3的样本用于测试
110	2024-09-10	Overview of deep learning based pedestrian attribute recognition and re-identification 2022-Dec, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e12086 PMID:36561663	综述	本文综述了基于深度学习的行人属性识别和重识别技术	总结了属性辅助重识别的主要思想，并分析了PAR与ReID之间的关联	未提及具体的技术局限性	旨在组织基于深度学习的ReID综述，并分析PAR与ReID之间的关联	行人属性识别和重识别技术	计算机视觉	NA	深度学习	NA	图像	未提及具体样本数量
111	2024-09-10	Skin Cancer Detection Based on Deep Learning 2022-Dec, Journal of biomedical physics & engineering DOI:10.31661/jbpe.v0i0.2207-1517 PMID:36569567	研究论文	本文提出了一种基于深度学习的皮肤癌检测方法，结合患者元数据和病变图像进行分类	本文创新性地将患者的元数据（如病变部位、年龄和性别）与病变图像结合，作为深度学习模型的输入，以提高分类准确性	NA	提出一种可行的基于深度学习的皮肤癌检测方法，以辅助医生诊断	皮肤癌病变图像及患者的元数据	计算机视觉	皮肤癌	深度卷积神经网络 (CNN)	Inception-ResNet-v2	图像	57536张皮肤镜图像
112	2024-09-08	A robust semantic lung segmentation study for CNN-based COVID-19 diagnosis 2022-Dec-15, Chemometrics and intelligent laboratory systems : an international journal sponsored by the Chemometrics Society IF:3.7Q1 DOI:10.1016/j.chemolab.2022.104695 PMID:36311473	研究论文	本文通过深度学习系统使用胸部X光扫描图像诊断COVID-19，首先使用COVID-19胸部X光数据集对CXR图像中的肺部进行语义分割，然后使用改进的AlexNet提取特征并通过支持向量机进行分类	提出的方法在分类COVID-19、正常和病毒性肺炎三类数据时，成功率达到99.8%，优于现有的最先进方法	NA	通过胸部X光扫描图像诊断COVID-19	COVID-19胸部X光数据集中的肺部图像	计算机视觉	COVID-19	深度学习	DeepLabV3+, 改进的AlexNet (mAlexNet), 支持向量机 (SVM)	图像	COVID-19胸部X光数据集中的图像
113	2024-09-08	Applying a deep residual network coupling with transfer learning for recyclable waste sorting 2022-Dec, Environmental science and pollution research international DOI:10.1007/s11356-022-22167-w PMID:35882737	研究论文	本研究利用深度残差网络结合迁移学习的方法，开发了一种智能高效的可回收废物分类方法	提出了基于迁移学习的RWNet模型，结合循环学习率和数据增强技术，显著提高了分类性能	塑料类废物的AUC值较低，分类效果有待进一步提升	开发一种智能高效的可回收废物分类方法，促进循环经济的发展	不同类型的可回收废物	计算机视觉	NA	深度学习	ResNet	图像	多种类型的可回收废物样本
114	2024-09-08	Deep learning analysis of clinical course of primary nephrotic syndrome: Japan Nephrotic Syndrome Cohort Study (JNSCS) 2022-Dec, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-022-02256-3 PMID:35962244	研究论文	本研究使用机器学习方法对日本肾病综合征队列研究中的205例病例进行聚类分析，以评估肾病综合征的自然病程	首次使用长短期记忆（LSTM）编码器-解码器架构对肾病综合征的时间序列数据进行聚类分析，识别出四种临床病程	研究样本仅限于日本肾病综合征队列研究的205例病例，可能存在地域和人群的局限性	评估肾病综合征的自然病程，并识别不同的临床病程模式	肾病综合征患者的临床参数、血清肌酐、血清白蛋白、尿液试纸血尿和蛋白尿	机器学习	肾病综合征	机器学习聚类	LSTM编码器-解码器架构	时间序列数据	205例肾病综合征患者
115	2024-09-08	A pilot study of deep learning-based CT volumetry for traumatic hemothorax 2022-Dec, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-022-02087-5 PMID:35971025	研究论文	本研究使用nnU-Net深度学习方法对创伤性血胸患者进行CT体积测量，并评估其性能	采用先进的nnU-Net深度学习方法进行血胸的定量可视化，并与传统的手动测量和专家共识评分进行比较	研究样本量较小，仅包括77名患者，且仅限于一家创伤中心的数据	评估基于深度学习的CT体积测量方法在创伤性血胸中的应用效果	创伤性血胸患者的CT图像	计算机视觉	创伤	深度学习	nnU-Net	图像	77名成年创伤性血胸患者
116	2024-09-08	Reducing Geometric Uncertainty in Computational Hemodynamics by Deep Learning-Assisted Parallel-Chain MCMC 2022-12-01, Journal of biomechanical engineering DOI:10.1115/1.4055809 PMID:36166284	研究论文	本文提出了一种基于深度学习的并行马尔可夫链蒙特卡罗方法，用于减少计算血流动力学中的几何不确定性	本文的创新点在于引入深度学习模型来近似几何到血流动力学的映射，并通过并行马尔可夫链蒙特卡罗方法进行高效的贝叶斯后验采样和几何不确定性减少	本文的局限性在于仅在二维主动脉流中进行了数值研究，尚未在更复杂的实际血管系统中验证	本文的研究目的是减少计算血流动力学模型中的几何不确定性，提高模型预测的可靠性	本文的研究对象是血管几何形状的不确定性及其对血流动力学模拟结果的影响	计算流体动力学	心血管疾病	深度学习	深度学习模型	几何数据	NA
117	2024-09-08	Computed cancer interactome explains the effects of somatic mutations in cancers 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4479 PMID:36261849	研究论文	研究利用AlphaFold预测癌症蛋白质相互作用网络，并分析体细胞突变对这些相互作用的影响	首次应用AlphaFold预测癌症驱动蛋白的蛋白质相互作用，并提供这些相互作用的结构细节	研究依赖于AlphaFold的预测结果，可能存在预测误差	探讨体细胞突变对癌症蛋白质相互作用网络的影响	癌症驱动蛋白及其相互作用网络	生物信息学	癌症	AlphaFold	NA	蛋白质相互作用数据	1,798个预测的蛋白质相互作用，1,087个缺乏先前3D结构信息的二元蛋白质复合物
118	2024-09-08	GeoPacker: A novel deep learning framework for protein side-chain modeling 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4484 PMID:36309961	研究论文	本文介绍了一种名为GeoPacker的新型深度学习框架，用于蛋白质侧链建模	GeoPacker利用几何深度学习结合ResNet，显式表示原子间的旋转和平移不变性，以提取相对位置信息，显著提高了蛋白质侧链结构预测的准确性和效率	NA	开发一种高效且准确的蛋白质侧链预测方法	蛋白质侧链结构	机器学习	NA	深度学习	ResNet	蛋白质结构数据	NA
119	2024-09-07	Forecasting of non-accidental, cardiovascular, and respiratory mortality with environmental exposures adopting machine learning approaches 2022-Dec, Environmental science and pollution research international DOI:10.1007/s11356-022-21768-9 PMID:35834079	研究论文	本研究利用机器学习和深度学习算法，基于每日或每小时的环境气象和空气污染数据，开发了针对特定死因的预测模型	本研究采用机器学习和深度学习算法，相较于传统方法，显著提高了预测性能，特别是在非意外、心血管和呼吸系统死亡率的预测上	最佳算法依赖于不良健康结果，且每小时数据在某些模型中并未提升性能	开发和验证基于环境暴露的机器学习和深度学习算法，用于预测特定死因的死亡率	非意外死亡、心血管死亡和呼吸系统死亡	机器学习	心血管疾病	机器学习	极端梯度提升、岭回归、弹性网络	环境数据	每日或每小时的环境气象和空气污染数据
120	2024-09-07	Predicting infectious disease for biopreparedness and response: A systematic review of machine learning and deep learning approaches 2022-Dec, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2022.100439 PMID:36277100	综述	本文通过PRISMA系统综述方法，调查了使用机器学习和深度学习技术预测人类和动物传染病的发展	本文首次全面综述了机器学习和深度学习在传染病预测中的应用，涵盖了多种疾病类型、地理分布、预测任务和技术方法	尽管涵盖了多种疾病和地理区域，但大多数研究集中在人类疾病上，忽略了动物疾病和生态系统的全面性，且很少有研究解决不确定性量化、计算效率和缺失数据处理等关键问题	评估和总结机器学习和深度学习在传染病预测中的应用现状，为未来的研究提供指导	人类和动物的传染病预测	机器学习	传染病	机器学习（ML）和深度学习（DL）	树形模型和前馈神经网络	多种数据类型，包括时间序列、空间数据和疾病风险数据	237篇相关文章，涵盖了37种疾病，其中51.4%为人畜共患病，37.8%为仅人类疾病，8.1%为仅动物疾病