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
181	2024-09-15	Not getting in too deep: A practical deep learning approach to routine crystallisation image classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282562 PMID:36893084	研究论文	本文比较了四种广泛使用的卷积深度学习网络架构在常规结晶图像分类中的应用	通过组合不同分类器的优势，实现了与大型联盟倡议相当的分类准确性	使用了相对较小的训练集（约1.6万张图像）	探索在常规结晶实验中使用深度学习进行图像分类的可行性	蛋白质结晶实验中的图像分类	计算机视觉	NA	卷积神经网络	CNN	图像	约1.6万张图像
182	2024-09-15	A deep graph convolutional neural network architecture for graph classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0279604 PMID:36897837	研究论文	提出了一种新的深度图卷积神经网络架构用于图分类任务	提出了非局部消息传递框架和新的空间图卷积层，解决了现有图卷积网络深度受限的问题	NA	解决现有图卷积网络深度受限的问题，提升图分类任务的性能	图卷积网络的深度和性能	机器学习	NA	图卷积网络	深度图卷积神经网络II (DGCNNII)	图数据	基准图分类数据集
183	2024-09-15	Deep learning-based EEG emotion recognition: Current trends and future perspectives 2023, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2023.1126994 PMID:36923142	综述	本文综述了基于深度学习的脑电图（EEG）情感识别的最新进展和未来展望	探讨了深度学习技术在EEG情感识别中的应用，包括深度信念网络、卷积神经网络和循环神经网络	未提及具体实验数据和模型性能评估	提供EEG情感识别领域的最新综述，特别是深度学习技术的应用	脑电图（EEG）情感识别	机器学习	NA	深度学习	深度信念网络、卷积神经网络、循环神经网络	脑电图（EEG）	NA
184	2024-09-15	Sleep staging in the ICU with heart rate variability and breathing signals. An exploratory cross-sectional study using deep neural networks 2023, Frontiers in network physiology DOI:10.3389/fnetp.2023.1120390 PMID:36926545	研究论文	研究使用深度神经网络基于心率变异性和呼吸信号在重症监护病房（ICU）中进行睡眠分期	探索了使用心率变异性和呼吸信号结合人工智能方法在ICU中估计传统睡眠指标的可行性	研究样本量有限，且仅限于手术和内科ICU的患者	评估在ICU中使用心率变异性和呼吸信号进行睡眠分期的可行性	重症监护病房中的成年患者和睡眠实验室中的患者	机器学习	NA	深度学习	深度神经网络	心率变异性和呼吸信号	102名ICU患者和220名睡眠实验室患者
185	2024-09-15	A deep learning-based framework for retinal fundus image enhancement 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282416 PMID:36928209	研究论文	本文提出了一种基于深度学习的视网膜眼底图像增强框架，旨在提高低质量眼底图像的质量并去除复杂图像降解	本文提出了一种新的基于深度学习的模型，能够自动增强低质量视网膜眼底图像，并设计了定制的卷积神经网络架构来处理不同类型的图像降解	本文未详细讨论模型的泛化能力以及在不同数据集上的表现差异	创建一个自动化的视网膜黄斑图像增强框架，以提高低质量眼底图像的质量并去除复杂图像降解	低质量的视网膜眼底图像及其复杂降解	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	1068对高质量和低质量的视网膜眼底图像
186	2024-09-15	Modelling blood flow in patients with heart valve disease using deep learning: A computationally efficient method to expand diagnostic capabilities in clinical routine 2023, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2023.1136935 PMID:36937926	研究论文	本文提出了一种基于深度学习的方法，用于计算主动脉和主动脉瓣狭窄患者中的压力和壁面剪切应力，以替代传统的计算流体动力学方法	使用深度学习算法替代传统的计算流体动力学方法，显著提高了计算效率和临床实用性	NA	开发一种计算效率高的方法，用于在临床实践中扩展基于血流建模的诊断和治疗支持能力	主动脉和主动脉瓣狭窄患者的血流动力学参数	机器学习	心血管疾病	深度学习	人工神经网络	图像	103个主动脉和主动脉瓣的表面模型，267个患者特定的稳态CFD模拟，23个测试案例
187	2024-09-15	Retinal fluid is associated with cytokines of aqueous humor in age-related macular degeneration using automatic 3-dimensional quantification 2023, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2023.1157497 PMID:36968207	研究论文	研究通过自动三维量化技术探讨年龄相关性黄斑变性中视网膜液与房水中细胞因子的关联	使用深度学习Deeplabv3+自动量化OCT图像中的视网膜液体积，并分析其与房水中细胞因子浓度的相关性	样本量较小，仅涉及20名nAMD患者的三次临床访问数据	探讨房水中细胞因子在年龄相关性黄斑变性发病机制中的生物学作用	年龄相关性黄斑变性患者的视网膜液和房水细胞因子	数字病理学	年龄相关性黄斑变性	光相干断层扫描（OCT）、深度学习Deeplabv3+、Luminex技术	Deeplabv3+	图像	20名nAMD患者的三次临床访问数据
188	2024-09-15	Application of artificial intelligence in diagnosis and treatment of colorectal cancer: A novel Prospect 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1128084 PMID:36968824	综述	本文综述了人工智能在结直肠癌诊断和治疗中的最新进展	探讨了人工智能在结直肠癌早期筛查、生物标志物筛选、病理图像分析、辅助诊断系统、机器人手术和基因测序中的应用	NA	探讨人工智能在结直肠癌诊断和治疗中的应用前景	结直肠癌及其相关诊断和治疗技术	机器学习	结直肠癌	NA	卷积神经网络	图像	NA
189	2024-09-15	End to End Multitask Joint Learning Model for Osteoporosis Classification in CT Images 2023, Computational intelligence and neuroscience DOI:10.1155/2023/3018320 PMID:36970245	研究论文	本文提出了一种端到端的多任务联合学习模型，用于CT图像中的骨质疏松分类	本文创新性地提出了一个结合定位、分割和分类的联合学习框架，以提高骨质疏松诊断的准确性，并引入了边界热图回归分支和门控卷积模块来优化特征提取	本文未提及具体的局限性	开发一种高效且经济的骨质疏松诊断方法	骨质疏松的分类和诊断	计算机视觉	骨质疏松	深度学习	联合学习模型	CT图像	自建数据集，测试数据集包含正常、骨质减少和骨质疏松三种标签类别，总体准确率为93.3%
190	2024-09-14	ChromDL: A Next-Generation Regulatory DNA Classifier 2023-Jan-29, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.27.525971 PMID:36789431	研究论文	本文介绍了一种名为ChromDL的神经网络架构，结合了双向门控循环单元（BiGRU）、卷积神经网络（CNN）和双向长短期记忆单元（BiLSTM），用于预测非编码DNA的调控功能	ChromDL在转录因子结合位点（TFBS）、组蛋白修饰（HM）和DNase-I超敏感位点（DHS）检测方面显著优于其前身，并能更准确地检测弱转录因子（TF）结合	NA	开发一种新的神经网络架构，用于预测非编码DNA的调控功能	非编码DNA的调控功能	机器学习	NA	深度学习	混合神经网络（BiGRU、CNN、BiLSTM）	DNA序列	数千种深度学习架构的性能比较
191	2024-09-14	Myocardial Segmentation of Tagged Magnetic Resonance Images with Transfer Learning Using Generative Cine-To-Tagged Dataset Transformation 2023-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020166 PMID:36829660	研究论文	本文开发并比较了两种用于标记磁共振图像心肌分割的深度学习模型，并展示了预训练模型在性能和收敛速度上的优势	提出了两种将心脏图像转换为标记图像的方法，并利用生成对抗网络进行风格迁移，从而利用大规模公开注释数据集	初始心肌参考点的选择仍需领域专家手动输入	提高心肌分割模型的性能，减少测量心肌应变所需的时间	标记磁共振图像中的心肌	计算机视觉	心血管疾病	深度学习	生成对抗网络 (GAN)	图像	NA
192	2024-09-14	Design and Prediction of Aptamers Assisted by In Silico Methods 2023-Jan-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines11020356 PMID:36830893	综述	本文介绍了通过计算机方法辅助设计与预测适配体的过程	本文探讨了通过构象结构预测、分子对接和分子动力学模拟等计算机方法来估计适配体与目标分子的结合，并介绍了机器学习和深度学习技术在预测目标与配体结合中的应用	NA	探讨通过计算机方法辅助适配体的设计与预测，以减少筛选和优化适配体的繁琐工作	适配体与目标分子的结合	生物信息学	NA	分子对接、分子动力学模拟	机器学习、深度学习	NA	NA
193	2024-09-14	Correlative Fluorescence and Raman Microscopy to Define Mitotic Stages at the Single-Cell Level: Opportunities and Limitations in the AI Era 2023-Jan-26, Biosensors DOI:10.3390/bios13020187 PMID:36831953	综述	本文综述了在人工智能时代，结合荧光显微镜和拉曼显微光谱技术在单细胞水平上定义有丝分裂阶段的机会和局限性	提出了基于神经网络的新方法，并讨论了人工智能，特别是深度学习，在分析拉曼光谱数据以分类有丝分裂细胞阶段方面的机会和局限性	亚细胞光谱图复杂且难以解释	探讨荧光显微镜和拉曼显微光谱技术结合在单细胞水平上定义有丝分裂阶段的应用及其在人工智能时代的潜力	单细胞水平上的有丝分裂阶段	生物学	NA	荧光显微镜和拉曼显微光谱技术	神经网络	光谱图	NA
194	2024-09-14	Jointly Learning Non-Cartesian k-Space Trajectories and Reconstruction Networks for 2D and 3D MR Imaging through Projection 2023-Jan-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020158 PMID:36829652	研究论文	本文提出了一种联合学习非笛卡尔k空间轨迹和重建网络的方法，用于2D和3D磁共振成像	通过投影步骤强制执行硬件约束，而不是在训练损失中添加额外的惩罚项，从而使k空间轨迹在投影方案下更加灵活，提高了重建图像的质量	NA	改进磁共振成像中的压缩感知方法，特别是在非笛卡尔采集设置下	非笛卡尔k空间轨迹和图像重建网络	计算机视觉	NA	磁共振成像	NA	图像	在fastMRI数据集上的2D研究中，使用了20倍加速因子，3D研究中使用了数据驱动的联合学习方法
195	2024-09-14	Detection of Colorectal Polyps from Colonoscopy Using Machine Learning: A Survey on Modern Techniques 2023-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s23031225 PMID:36772263	综述	本文综述了利用机器学习技术从结肠镜检查中检测结直肠息肉的现代方法	本文总结了最新的研究成果，并分析了现有方法的差距和趋势，为未来的研究提供了方向	现有方法面临的主要问题包括训练数据不足、白光反射和模糊等问题	探讨利用人工智能辅助工具在医疗领域中的应用，特别是结直肠息肉的检测和分类	结直肠息肉的检测和分类	机器学习	结直肠癌	深度学习	NA	图像	NA
196	2024-09-14	Deep Learning-Based Segmentation and Volume Calculation of Pediatric Lymphoma on Contrast-Enhanced Computed Tomographies 2023-Jan-20, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13020184 PMID:36836418	研究论文	本文提出了一种基于深度学习的自动分割方法，用于儿童淋巴瘤在增强CT上的分割和体积计算	本文首次提出了一种基于nnU-Net的自动分割方法，用于儿童胸腔淋巴瘤的分割	该方法在测试集上的Dice分数为0.81，但需要在大规模数据集上进行外部验证	开发一种自动化的分割方法，用于儿童淋巴瘤的诊断和监测	儿童胸腔淋巴瘤	计算机视觉	淋巴瘤	深度学习	nnU-Net	图像	30个CT扫描
197	2024-09-14	[Construction of an epileptic seizure prediction model using a semi-supervised method of generative adversarial and long short term memory network combined with Stockwell transform] 2023-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2023.01.03 PMID:36856206	研究论文	提出了一种半监督的癫痫发作预测模型，通过改进脑电信号的时间-频率分析和增强无监督特征学习模型的稳定性来提高预测性能	结合生成对抗网络和长短期记忆网络，并使用Stockwell变换进行时间-频率分析，提高了模型的预测性能	NA	提高癫痫发作的预测性能	脑电信号的时间-频率特征	机器学习	NA	Stockwell变换	生成对抗网络和双向长短期记忆网络	脑电信号	使用了CHB-MIT头皮脑电数据集
198	2024-09-14	[Comparison of prediction ability of two extended Cox models in nonlinear survival data analysis] 2023-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2023.01.10 PMID:36856213	研究论文	比较两种扩展Cox模型在非线性生存数据分析中的预测能力	通过蒙特卡罗模拟和实证研究，比较了限制性立方样条Cox模型和DeepSurv神经网络Cox模型在非线性生存数据分析中的预测能力	研究结果表明，在某些条件下，传统的生存分析方法并不逊色于机器学习或深度学习方法	比较两种扩展Cox模型在非线性生存数据分析中的预测能力	限制性立方样条Cox模型和DeepSurv神经网络Cox模型	机器学习	NA	蒙特卡罗模拟	Cox模型	生存数据	样本量≥500，删除率<40%
199	2024-09-14	Deep Learning-Based Medical Images Segmentation of Musculoskeletal Anatomical Structures: A Survey of Bottlenecks and Strategies 2023-Jan-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10020137 PMID:36829631	综述	本文综述了基于深度学习的肌肉骨骼解剖结构医学图像分割的瓶颈和策略	本文系统地总结了肌肉骨骼结构分析中的常见瓶颈和相关策略	不同方法需要根据具体案例进行比较和讨论	旨在介绍肌肉骨骼结构分析中的常见瓶颈和相关策略	肌肉骨骼系统的解剖结构	计算机视觉	NA	深度学习	NA	图像	140篇文章
200	2024-09-14	Elucidating the functional roles of prokaryotic proteins using big data and artificial intelligence 2023-01-16, FEMS microbiology reviews IF:10.1Q1 DOI:10.1093/femsre/fuad003 PMID:36725215	综述	本文综述了利用大数据和人工智能技术阐明原核生物蛋白质功能的方法	本文介绍了利用人工智能技术处理大规模'组学'数据以填补假设蛋白质（HPs）功能知识空白的创新方法	NA	帮助生物学家应用AI工具进行全面的基因组注释，并协助计算机科学家参与这一前沿生物学研究	原核生物蛋白质的功能注释	生物信息学	NA	下一代测序技术	机器学习与深度学习算法	蛋白质序列数据	NA