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
861	2024-09-21	Rapid protein stability prediction using deep learning representations 2023-05-15, eLife IF:6.4Q1 DOI:10.7554/eLife.82593 PMID:37184062	研究论文	本文介绍了一种利用深度学习表示快速准确预测蛋白质稳定性的方法RaSP	RaSP方法在蛋白质稳定性预测方面与基于生物物理学的方法表现相当，并且能够在不到一秒的时间内完成饱和突变稳定性预测	NA	开发一种快速准确的蛋白质稳定性预测方法	人类蛋白质组的单氨基酸变化及其在人类群体中的变异	机器学习	NA	深度学习	NA	蛋白质结构数据	约2.3亿个稳定性变化，涉及人类蛋白质组中的几乎所有单氨基酸变化
862	2024-09-21	DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction 2023-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.12.024 PMID:37332394	研究论文	本文提出了一种用于密集预测任务的深度扩张卷积神经网络DDCNet	通过在深层网络中使用扩张卷积层，实现了更大的有效感受野和更高的空间特征分辨率，同时减少了可训练参数的数量	NA	设计一种能够在保持高空间特征分辨率的同时提供更大感受野的网络架构	密集像素匹配问题，如光流和视差估计	计算机视觉	NA	扩张卷积	CNN	图像	NA
863	2024-09-21	Exploiting multi-granularity visual features for retinal layer segmentation in human eyes 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1191803 PMID:37324431	研究论文	本文提出了一种基于ConvNeXt的端到端视网膜层分割网络，利用多粒度视觉特征进行精确分割	引入了新的深度高效注意力模块和多尺度结构，保留更多特征图细节	NA	提高视网膜层边界分割的准确性，辅助早期眼科疾病的检测	人眼视网膜层的分割	计算机视觉	NA	ConvNeXt	ConvNeXt	图像	206张健康人眼视网膜图像（NR206数据集）
864	2024-09-21	Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1195923 PMID:37333009	研究论文	本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区	首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区	样本量较小，仅包括51名疼痛患者和20名健康对照	探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用	骨关节炎慢性疼痛患者和健康对照的脑区	计算机视觉	骨关节炎	fMRI	CNN	图像	51名疼痛患者和20名健康对照
865	2024-09-21	A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.15408 PMID:37334122	研究论文	本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应	首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应	仅限于使用苏木精-伊红染色图像进行分类	开发一种多分类算法，用于预测直肠癌新辅助治疗的反应	直肠癌新辅助治疗的病理反应	数字病理学	直肠癌	NA	残差神经网络 (ResNet)	图像	NA
866	2024-09-21	A novel framework based on deep learning for COVID-19 diagnosis from X-ray images 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1375 PMID:37346600	研究论文	本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测	本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断	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	设计一种高精度的深度神经网络，用于在线识别医学图像	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	涉及不同类型的肺炎数据
867	2024-09-20	Deep learning based hybrid prediction model for predicting the spread of COVID-19 in the world's most populous countries 2023-Nov-30, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120769 PMID:37334273	研究论文	本文开发了一种基于深度学习的混合预测模型，用于预测全球人口最多的国家中COVID-19的传播	本研究首次尝试预测和分析全球人口最多的国家之间的COVID-19跨国家传播	NA	预测COVID-19的传播，以帮助制定健康管理计划和社会经济行动计划	全球人口最多的国家中COVID-19的传播	机器学习	COVID-19	深度学习	CNN-GRU混合模型	NA	全球人口最多的国家
868	2024-09-20	MRI-based T1rho and T2 cartilage compositional imaging in osteoarthritis: what have we learned and what is needed to apply it clinically and in a trial setting? 2023-Nov, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-023-04310-x PMID:37000230	研究论文	本文探讨了基于MRI的T1rho和T2关节软骨成分成像在骨关节炎中的应用，分析了其在临床和试验设置中的现状和需求	开发了基于深度学习的自动软骨分割和更快的成像方法，推动了T1rho和T2成像在临床和科学试验中的可行性	软骨分割的挑战、图像采集时间长、成像标准化不足以及缺乏参考数据库和异常阈值定义	研究T1rho和T2关节软骨成分成像在骨关节炎早期诊断和治疗中的应用	骨关节炎患者的关节软骨	数字病理学	骨关节炎	MRI	深度学习	图像	NA
869	2024-09-20	ADU-Net: An Attention Dense U-Net based deep supervised DNN for automated lesion segmentation of COVID-19 from chest CT images 2023-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2023.104974 PMID:37122956	研究论文	提出了一种基于注意力密集U-Net的深度监督DNN模型，用于从胸部CT图像中自动分割COVID-19病变	引入了注意力机制和深度监督机制，使用5×5卷积核代替3×3卷积核，并在编码器级别引入密集连接网络	未提及具体限制	开发一种自动化的COVID-19预测框架，用于胸部CT图像的定性和定量评估	COVID-19患者的胸部CT图像中的肺部病变	计算机视觉	COVID-19	深度学习	注意力密集U-Net	图像	MedSeg COVID-19胸部CT分割数据集
870	2024-09-20	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文验证了一种基于深度学习的人工智能模型在冠状动脉造影图像分割中的应用	首次在多中心数据集上验证了该深度学习模型在冠状动脉造影图像分割中的准确性	研究仅限于一个月内的患者数据，且样本量相对较小	验证人工智能模型在冠状动脉造影图像分割中的准确性	冠状动脉造影图像的自动分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	90名患者，117张图像，123个感兴趣区域
871	2024-09-20	Deep learning framework for rapid and accurate respiratory COVID-19 prediction using chest X-ray images 2023-Jul, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2023.101596 PMID:37275558	研究论文	本文提出了一种基于深度特征拼接和多头自注意力网络的端到端深度学习框架，用于通过胸部X光图像快速准确地预测COVID-19	该研究采用了深度特征拼接和多头自注意力网络，结合了DenseNet、VGG-16和InceptionV3的预训练模型，并在COVID-19_Radiography_Dataset上进行了端到端训练和评估	NA	开发一种快速准确的深度学习框架，用于通过胸部X光图像预测COVID-19	COVID-19感染的胸部X光图像	计算机视觉	呼吸系统疾病	深度学习	多头自注意力网络	图像	使用了COVID-19_Radiography_Dataset进行训练和评估
872	2024-09-20	Predicting the antigenic evolution of SARS-COV-2 with deep learning 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39199-6 PMID:37311849	研究论文	本文介绍了一种基于机器学习的抗原进化预测方法MLAEP，用于预测SARS-CoV-2的抗原进化	结合结构建模、多任务学习和遗传算法，通过计算机模拟定向进化探索抗原进化	NA	预测SARS-CoV-2的抗原进化，以辅助疫苗开发和应对未来变种	SARS-CoV-2的抗原进化及其对免疫逃逸的影响	机器学习	NA	结构建模、多任务学习、遗传算法	NA	序列数据	现有SARS-CoV-2变种及免疫缺陷COVID-19患者样本
873	2024-09-20	A generalizable deep learning regression model for automated glaucoma screening from fundus images 2023-Jun-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00857-0 PMID:37311940	研究论文	本文提出了一种可推广的深度学习回归模型，用于从眼底图像中自动筛查青光眼	该模型在多种挑战性设置下表现出色，并能有效减少数据偏移问题	需要进一步的前瞻性队列研究进行验证	开发一种可推广的青光眼筛查模型	青光眼筛查	计算机视觉	眼科疾病	深度学习	回归模型	图像	共149,455张眼底图像
874	2024-09-20	NISNet3D: three-dimensional nuclear synthesis and instance segmentation for fluorescence microscopy images 2023-06-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36243-9 PMID:37308499	研究论文	本文介绍了一种名为NISNet3D的三维核合成与实例分割网络，用于荧光显微镜图像中的细胞核分割	NISNet3D通过使用改进的3D U-Net、3D标记控制的分水岭变换和核实例分割系统，能够直接分割三维体积，并能有效处理具有挑战性的图像体积	NISNet3D的实现依赖于大量手动标注的训练数据，尽管它可以通过合成数据进行训练	开发一种有效的三维核分割方法，以推动组织细胞计量的发展	荧光显微镜图像中的细胞核	计算机视觉	NA	3D U-Net、3D标记控制的分水岭变换	3D U-Net	图像	大量合成核数据，可能来自相对较少的标注体积或无标注体积
875	2024-09-20	Designing catalysts with deep generative models and computational data. A case study for Suzuki cross coupling reactions 2023-Jun-12, Digital discovery IF:6.2Q1 DOI:10.1039/d2dd00125j PMID:37312682	研究论文	本文介绍了一种基于深度生成模型和计算数据的催化剂设计方法，以Suzuki交叉偶联反应为例	利用变分自编码器（VAE）和前馈神经网络生成新的催化剂-配体候选物，并通过计算结合能进行优化	NA	开发更高效的催化过程设计方法	催化剂和配体的设计	机器学习	NA	密度泛函理论（DFT）	变分自编码器（VAE）	分子表示和结合能数据	NA
876	2024-09-20	Deep learning-assisted radiomics facilitates multimodal prognostication for personalized treatment strategies in low-grade glioma 2023-06-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36298-8 PMID:37302994	研究论文	本文开发了一种深度学习辅助的放射组学模型，用于评估低级别胶质瘤患者的总生存期、未来恶性转化概率和肿瘤生长速度	首次将深度学习与放射组学结合，用于多模态预测低级别胶质瘤患者的个性化治疗策略	研究样本量有限，且仅限于低级别胶质瘤患者	开发一种综合的深度学习辅助放射组学模型，用于评估低级别胶质瘤患者的预后	低级别胶质瘤患者的总生存期、未来恶性转化概率和肿瘤生长速度	数字病理学	脑肿瘤	放射组学	深度学习模型	影像数据	349名低级别胶质瘤患者
877	2024-09-20	Preserving privacy in surgical video analysis using a deep learning classifier to identify out-of-body scenes in endoscopic videos 2023-06-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36453-1 PMID:37286660	研究论文	开发并验证了一种深度学习模型，用于识别内窥镜视频中的体外图像，以保护手术视频分析中的隐私	首次开发并验证了一种深度学习模型，能够可靠地识别内窥镜视频中的体外图像，并公开分享该模型	仅限于识别内窥镜视频中的体外图像，未涉及其他类型的隐私保护方法	开发一种能够识别内窥镜视频中体外图像的深度学习模型，以保护患者和手术室工作人员的隐私	内窥镜视频中的体外图像	计算机视觉	NA	深度学习	深度学习分类器	图像	内部数据集包含356,267张图像，来自48个视频；两个多中心测试数据集分别包含54,385和58,349张图像，来自10和20个视频
878	2024-09-20	A comprehensive review of COVID-19 detection with machine learning and deep learning techniques 2023-Jun-07, Health and technology IF:3.1Q2 DOI:10.1007/s12553-023-00757-z PMID:37363343	综述	本文综述了使用机器学习和深度学习技术进行COVID-19检测的研究进展	本文总结了现有的机器学习和深度学习模型在COVID-19检测中的应用，并探讨了未来的改进方向	本文指出机器学习和深度学习模型在COVID-19检测中存在过拟合问题，可能导致错误预测和模型过载	本文旨在为研究专家提供人工智能在COVID-19检测中的应用概述，帮助他们探索未来的改进方向	本文研究对象为COVID-19患者的健康状况分类	机器学习	COVID-19	机器学习、深度学习	机器学习模型、深度学习模型	图像	本文收集了200篇研究论文，最终筛选出50篇进行分析
879	2024-09-20	Influence of Mg2+ Distribution on the Stability of Folded States of the Twister Ribozyme Revealed Using Grand Canonical Monte Carlo and Generative Deep Learning Enhanced Sampling 2023-Jun-06, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.3c00931 PMID:37305323	研究论文	本文研究了镁离子分布对Twister核酶折叠状态稳定性的影响	结合大正则蒙特卡罗和生成式深度学习增强采样方法，揭示了镁离子在RNA三维结构稳定中的具体作用	研究仅限于Twister核酶，且主要关注镁离子的作用	探讨镁离子在RNA三维结构形成和稳定中的作用	Twister核酶的折叠状态稳定性	生物信息学	NA	大正则蒙特卡罗（GCMC）和元动力学	生成式深度学习	RNA结构数据	9个独立系统，进行了6微秒的模拟
880	2024-09-20	SSMD-UNet: semi-supervised multi-task decoders network for diabetic retinopathy segmentation 2023-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36311-0 PMID:37277554	研究论文	提出了一种用于糖尿病视网膜病变分割的半监督多任务解码器网络SSMD-UNet	利用未标记数据进行半监督学习，通过多解码器架构提高分割性能	未明确提及	开发一种自动化的深度学习工具，用于糖尿病视网膜病变的早期筛查和诊断	糖尿病视网膜病变	计算机视觉	糖尿病并发症	深度学习	UNet	图像	使用了两个公开数据集（FGADR和IDRiD）进行评估