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
721	2024-10-08	Denoising digital breast tomosynthesis projections using deep learning with synthetic data as training set 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034001 PMID:37223635	研究论文	本文研究了使用深度学习技术对数字乳腺断层合成（DBT）投影图像进行去噪，并提出使用合成数据进行训练	提出使用软件生成的合成数据来训练深度神经网络（DNN）进行DBT图像去噪，解决了实际数据集获取困难的问题	仅限于DBT图像去噪，未涉及其他类型的医学图像处理	研究如何在没有大量实际数据的情况下，使用合成数据训练深度神经网络进行DBT图像去噪	数字乳腺断层合成（DBT）投影图像的去噪	计算机视觉	NA	深度神经网络（DNN）	深度神经网络（DNN）	图像	合成数据集包含噪声和原始图像，具体样本数量未提及
722	2024-10-08	Histogram of Oriented Gradients meet deep learning: A novel multi-task deep network for 2D surgical image semantic segmentation 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102747 PMID:36702038	研究论文	本文提出了一种新颖的多任务深度学习方法，用于2D手术图像的语义分割	本文的创新点在于使用无监督方式生成辅助任务的伪标签，并利用方向梯度直方图（HOG）作为伪标签生成的特征	NA	研究目的是改进医学图像分割的性能	研究对象是2D手术图像的语义分割	计算机视觉	NA	方向梯度直方图（HOG）	多任务深度网络	图像	两个不同的医学图像分割数据集
723	2024-10-08	AI-based multi-PRS models outperform classical single-PRS models 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1217860 PMID:37441549	研究论文	本文研究了基于AI的多PRS模型是否能超越传统的单一PRS模型	本文创新性地将其他疾病的PRS添加到预测模型中，并使用机器学习模型替代回归模型，显著提高了预测性能	NA	研究如何通过添加其他疾病的PRS和使用机器学习模型来提高疾病风险的预测性能	多PRS模型与单一PRS模型的比较，以及回归模型与机器学习模型的比较	机器学习	多种复杂疾病	机器学习	深度学习	基因数据	NA
724	2024-10-07	Performance comparison of TCR-pMHC prediction tools reveals a strong data dependency 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1128326 PMID:37143667	研究论文	本文比较了五种最先进的深度学习模型在TCR-pMHC预测工具中的性能，揭示了数据依赖性	提供了数据收集、预处理、分割和生成负样本的通用方法，并使用综合数据集比较了TCR-pMHC预测模型的性能	模型在未见过的肽段上泛化能力较差，且性能受数据平衡和大小影响较大	评估和比较不同TCR-pMHC预测模型的性能	TCR-pMHC结合预测模型	机器学习	NA	深度学习	深度学习模型（TITAN, NetTCR-2.0, ERGO, DLpTCR, ImRex）	TCR-pMHC结合数据	收集并整合了所有主要的公开可用TCR-pMHC结合数据
725	2024-10-06	Visual Enhancement and Semantic Segmentation of Murine Tissue Scans with Pulsed THz Spectroscopy 2023-Feb, Proceedings. IEEE International Conference on Semantic Computing DOI:10.1109/ICSC56153.2023.00018 PMID:39360127	研究论文	本文探讨了使用脉冲太赫兹光谱技术对小鼠组织扫描进行视觉增强和语义分割的应用	引入了两阶段管道，使用无监督图像到图像翻译网络和监督分割网络，以解决传统深度学习方法在太赫兹成像中的低分辨率和缺乏专家标记图像的问题	依赖于合成太赫兹扫描，可能存在与实际数据的差异	提高太赫兹成像技术在医学图像中的应用效果，特别是对切除的乳腺癌组织的分割和分类	小鼠切除的乳腺癌组织	计算机视觉	乳腺癌	脉冲太赫兹光谱技术	无监督图像到图像翻译网络和监督分割网络	图像	NA
726	2024-10-06	Transformer-based deep learning for predicting protein properties in the life sciences 2023-01-18, eLife IF:6.4Q1 DOI:10.7554/eLife.82819 PMID:36651724	综述	本文综述了基于Transformer模型的深度学习在生命科学中预测蛋白质特性的应用	Transformer模型在蛋白质特性预测中的应用带来了新的计算革命，显著改进了旧的预测结果	NA	探讨Transformer模型在蛋白质特性预测中的应用及其潜力	蛋白质特性预测，特别是后翻译修饰的预测	自然语言处理	NA	深度学习	Transformer	蛋白质序列	NA
727	2024-10-06	From sequence to function through structure: Deep learning for protein design 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.014 PMID:36544476	研究论文	本文综述了深度学习在蛋白质设计中的最新进展，并提出了一种从生成序列到预测属性和网络可视化的实用流程	利用自然语言处理和计算机视觉技术，结合计算硬件的进步，从生物数据库中学习模式，用于蛋白质设计	蛋白质设计工具的实际应用复杂，需要进一步简化	探讨深度学习在蛋白质设计中的应用，提出实用流程并讨论挑战和机遇	蛋白质设计工具和流程	计算机视觉	NA	深度学习	NA	生物数据库	NA
728	2024-10-05	Game-Based Learning in Neuroscience: Key Terminology, Literature Survey, and How To Guide to Create a Serious Game 2023-Dec-22, Neurology. Education DOI:10.1212/NE9.0000000000200103 PMID:39359316	研究论文	本文综述了基于游戏的学习（GBL）在神经科学教育中的应用现状，并提供了创建严肃游戏的指南	本文首次系统地综述了GBL在神经科学教育中的应用，并提供了创建教育游戏的实用建议	本文主要基于文献综述，未涉及具体的游戏开发实践	探讨基于游戏的学习在神经科学教育中的应用潜力	神经科学教育中的游戏元素、游戏化、严肃游戏和GBL	教育技术	NA	NA	NA	文本	NA
729	2024-10-05	Validity of Neural Networks to Determine Body Position on the Bicycle 2023-12, Research quarterly for exercise and sport IF:1.4Q3 DOI:10.1080/02701367.2022.2070103 PMID:35575754	研究论文	本研究评估了两种深度学习方法（MSRA和OpenPose）在自行车上自动估计人体关节角度以确定身体位置的有效性	本研究首次比较了两种深度学习方法在自行车上自动估计人体关节角度的准确性	研究仅在一个静止的自行车上进行，且样本量较小，可能限制了结果的普适性	评估神经网络在自行车上自动估计人体关节角度以确定身体位置的有效性	自行车上的身体位置和关节角度	计算机视觉	NA	深度学习	神经网络	视频	14名自行车手
730	2024-10-05	Direct prediction of gas adsorption via spatial atom interaction learning 2023-Nov-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42863-6 PMID:37923711	研究论文	本文介绍了一种名为DeepSorption的空间原子相互作用学习网络，用于直接预测气体吸附	提出了DeepSorption模型，通过考虑全局结构和局部空间原子相互作用，实现了对晶体多孔材料吸附性能的准确、快速预测	NA	开发一种能够快速准确预测晶体多孔材料气体吸附性能的深度学习模型	晶体多孔材料的气体吸附性能	机器学习	NA	深度学习	Matformer	原子坐标和化学元素类型信息	NA
731	2024-10-05	An invertible, invariant crystal representation for inverse design of solid-state materials using generative deep learning 2023-Nov-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42870-7 PMID:37919277	研究论文	本文介绍了一种可逆且不变的晶体表示方法SLICES，用于固态材料的逆向设计	开发了一种名为SLICES的简化线输入晶体编码系统，解决了固态材料设计中缺乏可逆晶体表示的问题	NA	解决固态材料设计中缺乏可逆晶体表示的问题，并应用于光电应用中的直接窄带隙半导体逆向设计	固态材料及其结构排列	材料科学	NA	生成式深度学习	NA	晶体结构数据	超过40,000种结构和化学多样化的晶体结构
732	2024-10-05	Image harmonization and deep learning automated classification of plus disease in retinopathy of prematurity 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.061107 PMID:37794884	研究论文	本文开发了一种基于深度学习的方法，用于自动分类早产儿视网膜病变中的plus疾病，并使用智能手机摄像头获取的图像进行图像协调	本文创新性地使用智能手机摄像头和廉价镜头获取眼底图像，并通过预处理管道增强血管和协调图像，然后使用深度学习进行分类	研究结果基于有限的数据集，未来需要更大规模的数据集进行验证	开发一种能够使用智能手机图像进行plus疾病分期的算法和软件	早产儿视网膜病变中的plus疾病	计算机视觉	眼科疾病	深度学习	GoogLeNet	图像	有限的数据集
733	2024-10-05	Hybrid deep learning model based smart IOT based monitoring system for Covid-19 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e21150 PMID:37928011	研究论文	本文设计了一种基于物联网的智能健康监测系统，用于监测COVID-19患者的生理参数，并提出了一种基于循环卷积神经网络（RCNN）和拼图优化算法（PO）的分类方法	本文提出了一种创新的循环卷积神经网络（RCNN）和拼图优化算法（PO）的混合模型，用于分类和监测患者的生理参数	NA	设计一种基于物联网的智能健康监测系统，用于远程监测COVID-19患者的生理参数	COVID-19患者的生理参数，如血氧水平、血压、体温和心率	机器学习	COVID-19	物联网（IoT）	循环卷积神经网络（RCNN）	生理参数数据	NA
734	2024-10-05	3D multiplexed tissue imaging reconstruction and optimized region of interest (ROI) selection through deep learning model of channels embedding 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1275402 PMID:37928169	研究论文	本文提出了一种深度学习方法，用于从多通道图像中重建3D组织图像并优化感兴趣区域（ROI）的选择	本文的创新点在于使用生成模型重建3D CyCIF表示，并通过跨域翻译学习多模态映射，以实现最小代表性ROI的选择	本文的局限性在于处理大量组织切片时的高成本和时间消耗，以及ROI选择的定性和主观性	本文的研究目的是解决肿瘤异质性问题，通过深度学习方法优化组织图像的重建和感兴趣区域的选择	本文的研究对象是结直肠癌的组织图像和多通道图像	数字病理学	结直肠癌	深度学习	生成模型	图像	NA
735	2024-10-05	Applications of discriminative and deep learning feature extraction methods for whole slide image analysis: A survey 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100335 PMID:37928897	综述	本文综述了用于全切片图像分析的判别性和深度学习特征提取方法	深度学习特征提取方法在组织学相关任务中表现出优越的性能	NA	探讨数字病理学中特征提取方法的进展、挑战和机遇	全切片图像（WSI）的特征提取方法	数字病理学	NA	深度学习	NA	图像	NA
736	2024-10-04	Deep learning quantification reveals a fundamental prognostic role for ductular reaction in biliary atresia 2023-12-01, Hepatology communications IF:5.6Q1 DOI:10.1097/HC9.0000000000000333 PMID:38051554	研究论文	使用神经网络量化胆道闭锁中的导管反应（DR），并探讨其与病理生理和预后的关系	首次使用神经网络模型量化胆道闭锁中的导管反应，并发现其与预后的关联	样本量相对较小，且仅限于胆道闭锁患者	量化胆道闭锁中的导管反应，并探讨其与病理生理和预后的关系	胆道闭锁患者的肝脏活检样本	数字病理	胆道疾病	神经网络模型	神经网络	图像	259例胆道闭锁患者和43例对照组的肝脏活检样本
737	2024-10-04	Validation of a Deep Learning Algorithm for Continuous, Real-Time Detection of Atrial Fibrillation Using a Wrist-Worn Device in an Ambulatory Environment 2023-10-03, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.030543 PMID:37750558	研究论文	本文验证了一种基于卷积神经网络的腕戴设备在连续实时检测房颤中的性能	首次在腕戴设备中实现了连续实时房颤检测，并具有临床级别的性能	研究样本量较小，且仅限于阵发性房颤患者	验证腕戴设备在连续实时房颤检测中的临床应用潜力	腕戴设备、卷积神经网络、房颤检测	机器学习	心血管疾病	卷积神经网络	卷积神经网络	心电图数据	117名阵发性房颤患者
738	2024-10-04	Predicting Prostate Cancer Molecular Subtype With Deep Learning on Histopathologic Images 2023-Oct, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100247 PMID:37307876	研究论文	本文利用深度学习算法在组织病理学图像上预测前列腺癌的分子亚型	本文提出了一种基于transformer的分层架构，用于从H&E染色的全切片图像中识别前列腺癌中的ERG融合和PTEN缺失	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	开发一种能够通过组织病理学图像预测前列腺癌分子亚型的深度学习算法	前列腺癌中的ERG融合和PTEN缺失	数字病理学	前列腺癌	深度学习	Transformer	图像	224例ERG融合和205例PTEN缺失的前列腺癌样本
739	2024-10-04	Automated Triage of Screening Breast MRI Examinations in High-Risk Women Using an Ensemble Deep Learning Model 2023-10-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000000976 PMID:37058323	研究论文	研究开发并评估了一种深度学习模型，用于在无漏诊癌症的情况下对高风险女性的乳腺MRI检查进行分类	提出了一种自动化的深度学习模型，能够在不漏诊癌症的情况下对乳腺MRI检查进行分类，并可能用于减少工作量	模型在独立使用时可能不适用于所有情况，更适合作为分流工具或基础模型	开发和评估一种深度学习模型，用于对高风险女性的乳腺MRI检查进行分类，以减少工作量并提高诊断效率	高风险女性的乳腺MRI检查	计算机视觉	乳腺癌	深度学习	深度学习模型	图像	16,535次连续的对比增强MRI检查，涉及8354名女性
740	2024-10-04	Quantification of spatially localized MRS by a novel deep learning approach without spectral fitting 2023-10, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29711 PMID:37183798	研究论文	提出了一种新的端到端深度学习模型，用于从体内J-点分辨光谱（JPRESS）中量化绝对代谢物浓度，无需使用光谱拟合	该模型通过深度学习直接从JPRESS数据中预测代谢物浓度和单个代谢物信号，无需光谱拟合，消除了传统方法中浓度估计与噪声水平及代谢物之间的相关性	该研究仅在20个人体脑样本上进行了体内测试，样本量较小	开发一种新的深度学习方法，用于从体内JPRESS数据中直接量化代谢物浓度，无需光谱拟合	体内JPRESS数据中的代谢物浓度	机器学习	NA	深度学习	编码器-解码器神经网络	时间域数据	训练数据集包含100,000个样本，验证数据集包含2,000个样本，体内测试数据集包含20个人体脑样本