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
161	2024-09-27	Retracted: The Use of Deep Learning Model for Effect Analysis of Conventional Friction Power Confinement 2023, Computational and mathematical methods in medicine DOI:10.1155/2023/9817901 PMID:37771401	correction	该文章已被撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
162	2024-09-27	Quantitative approaches for decoding the specificity of the human T cell repertoire 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1228873 PMID:37781387	综述	本文综述了用于解码人类T细胞受体（TCR）特异性的定量方法	本文介绍了当前用于预测TCR-pMHC相互作用的高通量免疫学和结构评估数据，并探讨了各种统计学习方法的应用	本文主要讨论了现有方法的数学方法、预测性能和局限性，未提出新的技术或模型	探讨当前用于识别TCR-pMHC识别对的理论、计算和深度学习方法	T细胞受体（TCR）与肽-主要组织相容性复合物（pMHC）的相互作用	机器学习	NA	统计学习	NA	蛋白质序列和结构数据	NA
163	2024-09-27	Global research of artificial intelligence in strabismus: a bibliometric analysis 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1244007 PMID:37799591	研究论文	本文使用文献计量学方法分析了全球范围内人工智能在斜视领域的研究成果	本文首次使用文献计量学方法全面分析了人工智能在斜视领域的研究趋势和热点	研究仅基于Web of Science数据库，可能存在数据不全的问题	分析全球范围内人工智能在斜视领域的研究趋势和热点	人工智能在斜视领域的研究文献	机器学习	NA	文献计量学	NA	文本	146篇相关文献
164	2024-09-27	Automatic sleep staging by a hybrid model based on deep 1D-ResNet-SE and LSTM with single-channel raw EEG signals 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1561 PMID:37810362	研究论文	本文提出了一种基于深度1D-ResNet-SE和LSTM的混合模型，用于使用单通道原始EEG信号进行自动睡眠分期	提出了一个轻量级的序列到序列深度学习模型1D-ResNet-SE-LSTM，结合了卷积神经网络和长短期记忆网络，以克服梯度消失和爆炸问题，并提高EEG信号的特征表示能力	模型是序列到序列网络，需要输入EEG时段序列；损失函数中的权重系数可以进一步优化以平衡每个睡眠阶段的分类性能；除了通道注意力机制外，引入更多高级注意力机制可以增强模型的有效性	开发一种自动睡眠分期模型，以提高睡眠质量评估和睡眠障碍诊断的效率	使用单通道原始EEG信号进行睡眠分期	机器学习	NA	深度学习	1D-ResNet-SE-LSTM	信号	Sleep-EDF Expanded数据集包含153个夜间PSG记录，来自78名健康受试者；ISRUC-Sleep数据集包含100个PSG记录，来自100名患有各种睡眠障碍的受试者
165	2024-09-27	Selecting the best optimizers for deep learning-based medical image segmentation 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1175473 PMID:37810757	研究论文	本文探讨了在医学图像分割中，深度学习模型的最佳优化器选择	提出了基于Nesterov加速梯度优化器的新优化函数，结合了循环学习和最优学习率与动量率	NA	探索医学图像分割中深度学习模型的最佳优化器，并提供有效的优化策略指导	医学图像分割中的优化器选择	计算机视觉	NA	深度学习	CNN	图像	使用了MICCAI 2017 ACDC挑战赛的心脏影像数据集
166	2024-09-27	Retracted: Big Data Analysis of Benign Interaction of Great Power Relations and New International Relations Based on Deep Learning 2023, Journal of environmental and public health DOI:10.1155/2023/9763601 PMID:37811409	correction	该文章已被撤回	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
167	2024-09-27	Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification" 2023, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0011 PMID:37849679	correction	对文章《一种低成本高性能的深度学习皮肤病变分类数据增强方法》的勘误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
168	2024-09-26	Deep learning based automated epidermal growth factor receptor and anaplastic lymphoma kinase status prediction of brain metastasis in non-small cell lung cancer 2023, Exploration of targeted anti-tumor therapy DOI:10.37349/etat.2023.00158 PMID:37745691	研究论文	研究使用深度学习算法对非小细胞肺癌脑转移的表皮生长因子受体和间变性淋巴瘤激酶状态进行分类	首次使用卷积神经网络Efficient Net模型对脑转移的EGFR和ALK状态进行分类，并与基于语义特征的分类方法进行比较	研究样本量较小，且仅使用了MRI序列数据	探讨开发深度学习算法对非小细胞肺癌脑转移的EGFR和ALK状态进行分类的可行性	非小细胞肺癌脑转移患者的EGFR和ALK状态	计算机视觉	肺癌	MRI	CNN	图像	117名患者，其中33名EGFR阳性，43名ALK阳性，41名无突变
169	2024-09-26	A review on deep learning applications in highly multiplexed tissue imaging data analysis 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1159381 PMID:37564726	综述	本文综述了深度学习在高度多重组织成像数据分析中的应用及其对肿瘤学的影响	本文强调了使用高度多重图像（空间蛋白质组数据）相对于单染色传统病理图像的优势，前者能够提供后者无法获得的深层机制洞察，即使借助可解释的人工智能	NA	探讨人工智能与空间组学技术结合在肿瘤学中的影响，特别是深度学习在生物医学图像分析中的应用	细胞分割、细胞表型识别、癌症预后和治疗预测	计算机视觉	肿瘤学	深度学习	NA	图像	NA
170	2024-09-26	An approach to the diagnosis of lumbar disc herniation using deep learning models 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1247112 PMID:37731760	研究论文	本文研究了使用深度学习模型在磁共振成像（MRI）中诊断腰椎间盘突出（LDH）的方法	本文创新性地使用了YOLOv5、YOLOv6和YOLOv7模型来检测不同腰椎间盘区域的LDH，并比较了不同模型的性能	本文未详细讨论模型的泛化能力和在不同数据集上的表现	验证YOLO系列模型在MRI图像中检测LDH的有效性	腰椎间盘突出的检测	计算机视觉	腰椎间盘突出	深度学习	YOLOv5, YOLOv6, YOLOv7	图像	550个数据集，包括增强和非增强数据
171	2024-09-26	A curated census of pathogenic and likely pathogenic UTR variants and evaluation of deep learning models for variant effect prediction 2023, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2023.1257550 PMID:37745687	研究论文	本文开发了一个高置信度的致病性和可能致病性UTR变异集，并评估了深度学习模型对变异效应预测的性能	本文首次系统地收集和评估了3'和5' UTR的致病性和可能致病性变异，并利用深度学习模型进行预测，验证了这些变异的致病性	本文的局限性在于仅使用了ClinVar数据库中的变异数据，可能存在数据偏差	评估深度学习模型对UTR变异效应预测的准确性，并提供一个高置信度的致病性和可能致病性UTR变异集	3'和5' UTR的致病性和可能致病性变异	数字病理学	罕见病	深度学习	深度学习模型	序列数据	295个3' UTR变异和188个5' UTR变异，其中26个3' UTR变异和68个5' UTR变异被分类为致病性或可能致病性
172	2024-09-26	Low-Latency Active Noise Control Using Attentive Recurrent Network 2023, IEEE/ACM transactions on audio, speech, and language processing DOI:10.1109/taslp.2023.3244528 PMID:37746522	研究论文	本文提出了一种使用注意力循环网络（ARN）的低延迟主动噪声控制（ANC）方法	引入了延迟补偿训练和改进的重叠相加方法，以减少深度ANC的算法延迟	NA	解决主动噪声控制中的低延迟问题	主动噪声控制系统	机器学习	NA	注意力循环网络（ARN）	循环神经网络（RNN）	音频信号	NA
173	2024-09-25	Coronavirus covid-19 detection by means of explainable deep learning 2023-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-27697-y PMID:36627339	研究论文	本文设计并实现了一种基于深度学习的方法，用于从CT医学图像中自动检测新型冠状病毒肺炎（COVID-19）	提出了一种基于深度学习的自动检测方法，能够从CT医学图像中快速诊断COVID-19，并自动标记感染区域	实验数据来自不同机构，但未详细说明样本数量和多样性	提供一种全自动且更快速的COVID-19诊断方法	COVID-19患者的CT医学图像	计算机视觉	新型冠状病毒肺炎	深度学习	NA	图像	来自不同机构的医学图像，未详细说明数量
174	2024-09-25	Region-based evidential deep learning to quantify uncertainty and improve robustness of brain tumor segmentation 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-08016-4 PMID:37724130	研究论文	本文提出了一种基于区域的证据深度学习框架，用于量化不确定性并提高脑肿瘤分割的鲁棒性	引入了一种新的基于区域的证据深度学习方法，能够生成可靠的不确定性图和准确的分割结果，对噪声和图像损坏具有鲁棒性	NA	提高脑肿瘤分割的可靠性和鲁棒性	脑肿瘤的分割和不确定性量化	计算机视觉	脑肿瘤	证据深度学习 (EDL)	神经网络	图像	BraTS 2020数据集
175	2024-09-25	Deformable image registration based on single or multi-atlas methods for automatic muscle segmentation and the generation of augmented imaging datasets 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0273446 PMID:36897869	研究论文	本文提出了一种基于单或多图谱方法的可变形图像配准技术，用于自动分割肌肉并生成增强的成像数据集	本文首次使用非线性可变形图像配准技术生成69个手动校验的3D人工数据集，为未来研究提供了大量可靠的参考数据	本文的研究对象仅限于下肢肌肉，且平均绝对相对体积误差为12.7%，仍有改进空间	开发一种自动化的肌肉分割方法，以减少手动劳动和操作员重复性问题	下肢骨骼肌肉	计算机视觉	NA	可变形图像配准	NA	图像	5名受试者的23块主要下肢骨骼肌肉
176	2024-09-25	Comparative evaluation and analysis of DNA N4-methylcytosine methylation sites using deep learning 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1254827 PMID:37671040	研究论文	本文比较了多种先进的深度学习模型在六个基准数据集上的表现，以评估其在4mC甲基化位点检测中的性能	本文首次系统地比较了多种深度学习模型在4mC甲基化位点检测中的应用，展示了深度学习在此领域的潜力	本文仅限于对现有深度学习模型的比较，未提出新的模型或方法	评估和分析深度学习模型在DNA N4-甲基胞嘧啶甲基化位点检测中的性能	DNA N4-甲基胞嘧啶甲基化位点	机器学习	NA	深度学习	多种深度学习模型	DNA序列数据	六个基准数据集
177	2024-09-25	Inferring the Effects of Protein Variants on Protein-Protein Interactions with Interpretable Transformer Representations 2023, Research (Washington, D.C.) DOI:10.34133/research.0219 PMID:37701056	研究论文	本文介绍了一种名为MIPPI的可解释Transformer模型，用于推断蛋白质变体对蛋白质-蛋白质相互作用的影响	MIPPI是一个端到端的深度学习模型，通过利用IMEx的相互作用数据直接从序列中学习特征，并能通过学习到的注意力权重进行解释	NA	旨在识别致病变体并推断其对蛋白质-蛋白质相互作用的影响，从而揭示其在疾病中的功能后果	蛋白质变体对蛋白质-蛋白质相互作用的影响	机器学习	神经发育障碍	Transformer	Transformer	序列	NA
178	2024-09-25	Sample-efficient multi-agent reinforcement learning with masked reconstruction 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291545 PMID:37708154	研究论文	本文提出了一种结合掩码重构任务的多智能体强化学习方法（M-QMIX），以提高样本效率	通过引入掩码重构任务作为辅助任务，旨在增强多智能体系统中强化学习的样本效率	本文未提及具体的局限性	提高多智能体强化学习中的样本效率	多智能体强化学习中的决策问题	机器学习	NA	强化学习	QMIX	游戏数据	使用了11个场景，包括5个简单、3个困难和3个非常困难的场景
179	2024-09-25	Local refinement mechanism for improved plant leaf segmentation in cluttered backgrounds 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1211075 PMID:37711291	研究论文	本文提出了一种基于深度学习的植物叶片实例分割方法，通过局部细化机制在杂乱背景下提高分割性能	引入了局部细化机制，使用高斯低通和高提升滤波器来增强目标实例，并可应用于训练或测试数据集	较大的高斯低通滤波器核尺寸会导致预测性能下降	旨在解决真实温室场景中的挑战，实现智能农业中表型数据的自动识别	番茄叶片的实例分割	计算机视觉	NA	深度学习	实例分割架构	图像	番茄叶片数据集
180	2024-09-25	EEG-based investigation of effects of mindfulness meditation training on state and trait by deep learning and traditional machine learning 2023, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2023.1033420 PMID:37719770	研究论文	本研究使用深度学习和传统机器学习方法，探讨短期正念减压训练对状态和特质的影响	本研究结合了深度学习和传统机器学习方法，评估短期正念减压训练对状态和特质的影响，并比较了不同分类策略的效果	本研究样本量较小，且仅包括11名初学者，可能影响结果的普适性	探讨短期正念减压训练对状态和特质的影响，并比较深度学习和传统机器学习方法的效果	短期正念减压训练对状态和特质的影响	机器学习	NA	卷积神经网络（CNN）、支持向量机（SVM）	卷积神经网络（CNN）	脑电图（EEG）	11名初学者正念减压训练者（6名男性，5名女性；平均年龄35.7岁；7名亚洲人，4名高加索人）