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
961	2024-09-25	Deep learning assisted classification of spectral photoacoustic imaging of carotid plaques 2023-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2023.100544 PMID:37671317	研究论文	本文利用卷积神经网络（CNN）对颈动脉斑块的光谱光声成像（sPAI）进行分类	本文首次使用CNN对sPAI图像中的斑块成分进行分类，无需进行光通量或光谱校正	研究样本量较小，仅涉及九个颈动脉斑块	开发一种新的方法来准确分类颈动脉斑块的成分，以评估其易损性	颈动脉斑块的光谱光声成像	计算机视觉	心血管疾病	光谱光声成像（sPAI）	卷积神经网络（CNN）	图像	九个颈动脉斑块
962	2024-09-25	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.13.557544 PMID:37745446	研究论文	本文研究了基于深度自编码器的行为模式识别在高维斑马鱼研究中优于传统统计方法	本文提出了使用半监督深度自编码器从无暴露的斑马鱼幼体行为数据中提取典型“正常”行为，并能识别出传统统计框架未捕捉到的多种化学物质引起的行为异常	NA	本文旨在开发一种先进的行为数据分析方法，以更好地理解和识别斑马鱼在暴露于有毒物质后的行为变化	斑马鱼幼体及其在暴露于纳米材料、芳香族化合物、全氟和多氟烷基物质（PFAS）等环境污染物后的行为变化	机器学习	NA	深度自编码器	深度自编码器	行为数据	大量斑马鱼幼体样本
963	2024-09-25	B-factor prediction in proteins using a sequence-based deep learning model 2023-Sep-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100805 PMID:37720331	研究论文	本文开发了一种基于序列的深度学习模型，用于预测蛋白质中的B因子	该模型在2442个蛋白质上测试，比现有最先进模型高出30%	NA	开发一种能够准确预测蛋白质中B因子的深度学习模型	蛋白质中的B因子	机器学习	NA	深度学习	深度学习模型	序列	2442个蛋白质
964	2024-09-25	Kernel-weighted contribution: a method of visual attribution for 3D deep learning segmentation in medical imaging 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.054001 PMID:37692092	研究论文	本文介绍了一种名为核加权贡献的视觉解释方法，用于三维医学图像分割模型的解释	核加权贡献方法专门为医学图像分割模型设计，通过评估每个激活图对预测分割的相对贡献来评估特征重要性	NA	解释深度学习模型在医学图像分割中的决策，以促进其在医疗领域的广泛应用	三维医学图像分割模型	计算机视觉	NA	NA	分割模型	图像	100个测试样本
965	2024-09-25	Development and validation of convolutional neural network-based model to predict the risk of sentinel or non-sentinel lymph node metastasis in patients with breast cancer: a machine learning study 2023-Sep, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2023.102176 PMID:37662514	研究论文	开发并验证了一种基于卷积神经网络的模型，用于预测乳腺癌患者前哨淋巴结或非前哨淋巴结转移的风险	提出了一种基于卷积神经网络的模型，用于预测乳腺癌患者前哨淋巴结和非前哨淋巴结的转移风险，并展示了其在不同验证集中的良好表现	NA	开发并验证一种自动化的术前深度学习工具，用于预测乳腺癌患者前哨淋巴结和非前哨淋巴结的转移风险	乳腺癌患者的前哨淋巴结和非前哨淋巴结转移风险	机器学习	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	卷积神经网络（CNN）	图像	988名乳腺癌患者
966	2024-09-25	Structure-based prediction of nucleic acid binding residues by merging deep learning- and template-based approaches 2023-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011428 PMID:37672551	研究论文	本文开发了一种名为NABind的新型结构基础整合算法，用于准确预测DNA和RNA结合残基	结合了深度学习和模板基础方法，采用堆叠策略和随机游走算法进行后处理，显著提高了预测性能	NA	提高蛋白质中核酸结合残基的预测准确性	DNA和RNA结合残基	机器学习	NA	深度学习	图注意力网络	序列和结构描述符	NA
967	2024-09-25	Deep learning in precision medicine and focus on glioma 2023-Sep, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10553 PMID:37693051	综述	本文综述了深度学习在精准医学中的应用，特别是胶质瘤领域	探讨了深度学习在精准医学多个领域（如心脏病学、胃肠病学、眼科学、皮肤病学和肿瘤学）的应用前景，并强调了其在胶质瘤中的应用潜力	目前深度学习数据集的质量和数量仍需改进，且多组学数据（如全外显子序列、RNA序列、蛋白质组学和表观基因组学）尚未得到充分应用	总结人工智能模型的发展历史，展示机器学习和深度学习网络的特征，并探讨其在精准医学中的应用	深度学习在精准医学中的应用，特别是胶质瘤的诊断和监测	机器学习	脑肿瘤	NA	深度学习网络	医学数据	NA
968	2024-09-25	Non-annotated renal histopathological image analysis with deep ensemble learning 2023-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-46 PMID:37711826	研究论文	本文开发了一种基于深度卷积神经网络的异构集成模型，用于自动分析未详细标注的肾组织病理图像	提出了基于深度学习的异构集成模型，用于肾组织病理图像的自动分析，无需详细标注	未提及具体限制	开发一种自动化的肾组织病理图像分析方法，以提高肾癌的早期检测效率和准确性	肾组织病理图像	数字病理	肾癌	深度卷积神经网络	CNN	图像	未提及具体样本数量
969	2024-09-25	Machine and deep learning approaches to understand and predict habitat suitability for seabird breeding 2023-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.10549 PMID:37727776	研究论文	研究利用机器学习和深度学习算法预测海鸟繁殖栖息地的适宜性	首次结合卷积神经网络和随机森林模型，全面分析海鸟繁殖栖息地的选择	研究仅基于古巴地区的历史记录，可能不适用于其他地理区域	理解并预测海鸟繁殖栖息地的适宜性	海鸟的繁殖栖息地选择	机器学习	NA	卷积神经网络、随机森林	CNN、随机森林	图像	49个古巴地区海鸟繁殖地的历史记录
970	2024-09-25	Unleashing the Power of Artificial Intelligence in Materials Design 2023-Aug-30, Materials (Basel, Switzerland) DOI:10.3390/ma16175927 PMID:37687620	研究论文	本文探讨了人工智能算法在材料设计中的应用，展示了其在预测材料性能、设计新型材料和发现新机制方面的潜力	本文介绍了人工智能在材料设计中的创新应用，包括机器学习、深度学习和材料信息学工具，这些方法能够从大量数据中提取有意义的信息，揭示材料属性、结构和成分之间的复杂关联	NA	本文旨在展示人工智能在材料设计中的应用，加速和丰富新材料发现的过程	本文研究的对象是人工智能算法在材料设计中的应用，特别是机器学习、深度学习和材料信息学工具	机器学习	NA	机器学习、深度学习、材料信息学	NA	材料属性、结构和成分的数据	NA
971	2024-09-25	Deep Learning and Geometry Flow Vector Using Estimating Vehicle Cuboid Technology in a Monovision Environment 2023-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s23177504 PMID:37687960	研究论文	本研究提出了一种利用单目视觉传感器和道路几何信息准确估计道路车辆长方体的新模型	该模型通过利用对象检测模型和核心向量，克服了多传感器设置的局限性，提供了一种成本效益高的解决方案	NA	提供一种实用且高效的3D边界框估计方法	道路车辆的长方体估计	计算机视觉	NA	NA	NA	图像	通过CCTV摄像头捕获的真实道路图像进行验证
972	2024-09-25	Hybrid Fusion of High-Resolution and Ultra-Widefield OCTA Acquisitions for the Automatic Diagnosis of Diabetic Retinopathy 2023-Aug-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13172770 PMID:37685306	研究论文	本研究评估了一种深度学习算法，用于使用高分辨率和超广角OCTA自动评估糖尿病视网膜病变的严重程度	本研究提出了一种新颖的深度学习算法，采用独特的混合融合框架，结合了高分辨率和超广角OCTA的结构和血流信息	本研究仅使用了PLEX®Elite 9000设备的数据，未来需要扩展数据集并整合其他成像模式	本研究的目的是开发一种自动评估糖尿病视网膜病变严重程度的深度学习算法	本研究的对象是糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管造影（OCTA）	深度学习算法	图像	875只眼睛，444名患者用于训练；53名患者（97只眼睛）用于测试
973	2024-09-25	A New Weighted Deep Learning Feature Using Particle Swarm and Ant Lion Optimization for Cervical Cancer Diagnosis on Pap Smear Images 2023-Aug-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13172762 PMID:37685299	研究论文	本文提出了一种新的加权深度学习特征，结合粒子群优化和蚁狮优化算法，用于宫颈癌的诊断	本文创新性地将整个细胞、细胞质区域或仅核区域分为七类宫颈癌，并使用新的进化算法进行特征优化	结果的进一步提升需要大量数据的支持	提高宫颈癌早期检测的准确性	宫颈癌的诊断	计算机视觉	宫颈癌	卷积神经网络	支持向量机分类器和随机森林分类器	图像	NA
974	2024-09-25	A Systematic Review on Deep Structured Learning for COVID-19 Screening Using Chest CT from 2020 to 2022 2023-Aug-24, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11172388 PMID:37685422	综述	本文综述了2020年至2022年间使用胸部CT进行COVID-19筛查的深度结构学习方法	探讨了AI在COVID-19筛查中的应用，涵盖了数据收集、系统贡献、新兴技术和挑战	由于数据集规模随时间变化，难以比较2020年和2022年的结果	评估深度学习算法在COVID-19筛查中的有效性	COVID-19的检测、定位和分割	计算机视觉	COVID-19	深度学习	NA	图像	231篇研究论文
975	2024-09-25	iCircDA-NEAE: Accelerated attribute network embedding and dynamic convolutional autoencoder for circRNA-disease associations prediction 2023-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011344 PMID:37651321	研究论文	提出了一种名为iCircDA-NEAE的新型深度学习模型，用于预测circRNA与疾病之间的关联	首次同时使用疾病语义相似性、高斯交互轮廓核、circRNA表达谱相似性和Jaccard相似性，并基于加速属性网络嵌入和动态卷积自编码器提取隐藏特征	现有方法在数据中未充分利用生物信息，且提取的特征不足以代表circRNA与疾病之间的关联特征	开发一种新的深度学习模型，以提高circRNA与疾病关联预测的准确性	circRNA与疾病之间的关联	机器学习	NA	深度学习	卷积神经网络	生物信息数据	circR2Disease数据集
976	2024-09-25	Inpainting surgical occlusion from laparoscopic video sequences for robot-assisted interventions 2023-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.4.045002 PMID:37649957	研究论文	本文提出了一种利用数字修复算法从腹腔镜/内窥镜视频中移除手术器械的应用	本文采用了改进的U-Net架构（U-NetPlus）进行手术器械分割，并通过最近邻插值替代转置卷积操作，消除了转置卷积产生的伪影	NA	旨在通过深度学习技术提高手术器械在手术场景中的检测和识别准确性，并减少组织损伤的风险	手术器械在腹腔镜/内窥镜视频中的分割和移除	计算机视觉	NA	深度学习	U-NetPlus	视频	使用了MICCAI 2015和2017 EndoVis Challenge的机器人器械数据集
977	2024-09-25	De novo distillation of thermodynamic affinity from deep learning regulatory sequence models of in vivo protein-DNA binding 2023-May-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.11.540401 PMID:37214836	研究论文	本文介绍了一种从深度学习模型中提取热力学亲和力的方法，用于解释体内蛋白质-DNA结合的调控序列模型	开发了Affinity Distillation (AD)方法，通过边缘化基因组序列上下文的影响，从深度学习模型中提取热力学亲和力	NA	旨在理解和解释转录因子在不同细胞上下文中的序列特异性结合	转录因子与DNA的结合及其在基因调控中的作用	生物信息学	NA	深度学习	神经网络	基因组数据	涉及多种酵母和哺乳动物转录因子
978	2024-09-25	Leveraging deep learning to improve vaccine design 2023-05, Trends in immunology IF:13.1Q1 DOI:10.1016/j.it.2023.03.002 PMID:37003949	研究论文	本文探讨了深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	深度学习在疫苗研究和开发中的应用具有高公共卫生意义，特别是在蛋白质结构预测、免疫库分析和系统发育学等领域	深度学习在免疫学研究中的应用仍处于早期阶段，存在一些挑战	探讨深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	疫苗设计、蛋白质结构预测、免疫库分析和系统发育学	机器学习	NA	深度学习	NA	NA	NA
979	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
980	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