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
1101	2024-09-15	Classification modeling of intention to donate for victims of Typhoon Odette using deep learning neural network 2023-Mar, Environmental development IF:4.7Q2 DOI:10.1016/j.envdev.2023.100823 PMID:36844910	研究论文	研究使用深度学习神经网络模型分析台风奥黛特受害者捐赠意愿的影响因素	首次使用深度学习神经网络模型分析台风受害者捐赠意愿的影响因素，并获得了97.12%的分类准确率	研究仅限于菲律宾的台风奥黛特事件，可能不适用于其他国家或地区的自然灾害	确定影响台风奥黛特受害者捐赠意愿的关键因素，以促进捐赠行为和经济发展	台风奥黛特受害者的捐赠意愿及其影响因素	机器学习	NA	深度学习神经网络	深度学习神经网络	文本	菲律宾81个省份中的38个
1102	2024-09-15	TextureWGAN: texture preserving WGAN with multitask regularizer for computed tomography inverse problems 2023-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.2.024003 PMID:36895762	研究论文	本文提出了一种基于深度学习的TextureWGAN方法，用于解决计算机断层扫描（CT）逆问题中的过度平滑问题，同时保持高像素保真度	本文引入了多任务正则化器（MTR）到WGAN框架中，以提高生成图像与真实图像的相关性，从而在不损害像素保真度的情况下解决过度平滑问题	NA	解决医学影像行业中后处理算法导致的图像过度平滑问题	计算机断层扫描（CT）图像	计算机视觉	NA	深度学习	WGAN	图像	NA
1103	2024-09-15	Automated Monkeypox Skin Lesion Detection Using Deep Learning and Transfer Learning Techniques 2023-03-01, International journal of environmental research and public health DOI:10.3390/ijerph20054422 PMID:36901430	研究论文	研究使用深度学习和迁移学习技术自动检测猴痘皮肤病变	本研究首次使用MobileNetV2模型在猴痘图像分类中取得了98.16%的准确率，优于以往文献中的模型	研究仅评估了五种预训练深度学习模型，未探讨其他可能的模型	旨在通过深度学习方法检测和验证用于猴痘检测的最佳模型	猴痘皮肤病变图像	计算机视觉	NA	深度学习	MobileNetV2	图像	不同数据集的验证显示最高准确率为0.94%
1104	2024-09-15	Exploring Self-Supervised Vision Transformers for Gait Recognition in the Wild 2023-Mar-01, Sensors (Basel, Switzerland) DOI:10.3390/s23052680 PMID:36904884	研究论文	探索自监督视觉变换器在野外步态识别中的应用	首次将五种不同的视觉变换器架构直接应用于自监督步态识别，并在大规模步态数据集上进行预训练	研究主要集中在视觉变换器架构的性能比较，未深入探讨其他潜在的步态识别技术	研究自监督视觉变换器在步态识别中的应用，并评估其在不同数据集上的性能	步态识别	计算机视觉	NA	自监督学习	视觉变换器	视频	使用了两个大规模步态数据集：GREW和DenseGait，以及两个基准步态识别数据集：CASIA-B和FVG
1105	2024-09-15	Variation of Female Pronucleus Reveals Oocyte or Embryo Chromosomal Copy Number Variations 2023-Mar, Advanced genetics (Hoboken, N.J.) DOI:10.1002/ggn2.202200001 PMID:36910589	研究论文	本文介绍了一种结合专家经验和深度学习从大量标注数据中生成的定量原核测量方法，用于评估人类卵子和胚胎的质量	本文提出了一种新的定量原核测量方法，结合了专家经验和深度学习技术，能够更准确地评估卵子和胚胎的染色体完整性	本文仅在女性供体群体中进行了验证，尚未在男性供体群体中进行验证	研究目的是开发一种新的方法来评估人类卵子和胚胎的染色体完整性	研究对象是人类卵子和胚胎的原核	NA	NA	深度学习	NA	图像	大量标注数据
1106	2024-09-15	Deep learning for predicting epidermal growth factor receptor mutations of non-small cell lung cancer on PET/CT images 2023-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-22-760 PMID:36915325	研究论文	本文利用深度学习技术预测非小细胞肺癌PET/CT图像中的表皮生长因子受体（EGFR）基因突变	本文采用先进的EfficientNet-V2模型，通过融合PET和CT图像来预测EGFR突变，相比传统放射组学方法表现更优	由于医学数据量小和PET/CT设备参数不同，预测基因突变仍具有挑战性	开发一种非侵入性、低成本的方法，通过PET/CT图像预测非小细胞肺癌中的EGFR基因突变，以支持靶向治疗	非小细胞肺癌患者的PET/CT图像	计算机视觉	肺癌	深度学习	EfficientNet-V2	图像	150名患者
1107	2024-09-15	Relationship between the deep features of the full-scan pathological map of mucinous gastric carcinoma and related genes based on deep learning 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e14374 PMID:36942252	研究论文	本研究探讨了基于深度学习的全扫描病理图深度特征与粘液性胃癌相关基因之间的关系	首次尝试通过深度学习提取病理图的深度特征，并分析其与疾病相关基因表达的相关性，为病理学与基因组学的联合分析提供了新思路	研究样本量较小，且仅基于TCGA数据，可能影响结果的普适性	探索深度学习提取的病理图深度特征与粘液性胃癌相关基因表达之间的关系	粘液性胃癌患者的全病理扫描图像、基因测序数据和临床数据	数字病理学	胃癌	深度学习	VGG-16	图像	NA
1108	2024-09-15	A pathomic approach for tumor-infiltrating lymphocytes classification on breast cancer digital pathology images 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e14371 PMID:36950640	研究论文	本文提出了一种基于数字病理图像的肿瘤浸润淋巴细胞分类的新方法	本文提出了一种新的病理学方法，通过高通量图像特征提取技术分析全切片图像中的微观模式，提供比传统深度学习方法更易解释和可解释的结果	NA	开发一种客观的肿瘤浸润淋巴细胞浸润分级方法，并支持乳腺癌的决策制定	乳腺癌的全切片病理图像中的肿瘤浸润淋巴细胞	数字病理学	乳腺癌	高通量图像特征提取	随机森林	图像	195张H&E染色的全切片图像，包含1037个感兴趣区域
1109	2024-09-15	Deep Learning Algorithms with LIME and Similarity Distance Analysis on COVID-19 Chest X-ray Dataset 2023-02-28, International journal of environmental research and public health DOI:10.3390/ijerph20054330 PMID:36901338	研究论文	本研究利用深度学习算法结合LIME和相似性距离分析，对COVID-19胸部X光数据集进行分析	本研究创新性地使用LIME解释模型，并通过U-Net分割技术去除非肺部区域，以提高分类器的准确性，同时引入相似性分析来识别异常值并提供客观的置信度参考	本研究未详细讨论低准确性子空间的改进方法	研究如何通过深度学习算法提高COVID-19胸部X光图像的分类准确性	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习算法	U-Net	图像	未明确提及具体样本数量
1110	2024-09-15	NOVEL APPROACH EXPLAINS SPATIO-SPECTRAL INTERACTIONS IN RAW ELECTROENCEPHALOGRAM DEEP LEARNING CLASSIFIERS 2023-Feb-27, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.26.530118 PMID:36909628	研究论文	本文提出了一种新的方法，用于解释静息态脑电图（rs-EEG）深度学习分类器中的空间-频谱相互作用	首次结合梯度和基于扰动的方法，揭示了rs-EEG深度学习分类器中的空间-频谱相互作用	NA	研究深度学习方法在静息态脑电图分类中的可解释性	静息态脑电图数据和深度学习分类器	机器学习	NA	深度学习	深度学习分类器	脑电图数据	NA
1111	2024-09-15	Cyclic peptide structure prediction and design using AlphaFold 2023-Feb-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.25.529956 PMID:36865323	研究论文	本文报道了使用AlphaFold网络进行环肽结构预测和设计的方法	开发了一种基于AlphaFold的环肽结构预测和设计方法，能够准确预测环肽的结构并设计新的环肽序列	主要依赖于AlphaFold网络的性能，且环肽结构的可用数据较少	开发一种能够准确预测和设计环肽结构的深度学习方法	环肽的结构和序列设计	生物信息学	NA	AlphaFold	深度学习网络	蛋白质序列和结构数据	49个环肽结构，10,000个独特设计候选
1112	2024-09-15	A Comparative Study of Automated Deep Learning Segmentation Models for Prostate MRI 2023-Feb-25, Cancers IF:4.5Q1 DOI:10.3390/cancers15051467 PMID:36900261	研究论文	本文比较了用于前列腺MRI自动深度学习分割模型的性能	提出了使用对象检测器作为预处理步骤来辅助分割过程的新方法	模型在交叉验证中的表现较差，尽管在外部测试集上泛化能力更好	改进和开发新的临床辅助系统以帮助及时检测和治疗前列腺癌	前列腺腺体和区域的分割模型	计算机视觉	前列腺癌	深度学习	nnU-Net	MRI图像	两个公共数据集，一个用于交叉验证，另一个用于外部测试
1113	2024-09-15	Application of simultaneous uncertainty quantification for image segmentation with probabilistic deep learning: Performance benchmarking of oropharyngeal cancer target delineation as a use-case 2023-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2023.02.20.23286188 PMID:36865296	研究论文	本文研究了使用概率深度学习模型进行图像分割的不确定性量化，并以口咽癌目标勾画为用例进行了性能基准测试	本文首次系统地研究并比较了多种不确定性自动估计方法在口咽癌目标勾画中的应用	本文仅使用了公开的2021 HECKTOR Challenge训练数据集进行模型开发和验证，未来需要更多数据集进行进一步验证	提高临床医生对口咽癌放射治疗计划中自动分割结果的信任度，促进不确定性量化在临床中的广泛应用	口咽癌患者的PET/CT扫描图像及其对应的主要原发肿瘤体积（GTVp）分割	计算机视觉	口咽癌	概率深度学习	MC Dropout Ensemble, Deep Ensemble	图像	开发集包含224例口咽癌患者的PET/CT扫描图像，验证集包含67例口咽癌患者的PET/CT扫描图像
1114	2024-09-15	Hepatocellular Carcinoma Recognition from Ultrasound Images Using Combinations of Conventional and Deep Learning Techniques 2023-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s23052520 PMID:36904722	研究论文	本文研究了从超声图像中识别肝细胞癌的方法，结合了传统和深度学习技术	本文创新性地将传统方法与卷积神经网络技术结合，在分类器层面进行组合，显著提高了识别准确率	NA	开发一种非侵入性、基于医学图像的肝细胞癌自动诊断方法	肝细胞癌的超声图像	计算机视觉	肝癌	卷积神经网络、堆叠去噪自编码器、广义共生矩阵	卷积神经网络	图像	两个数据集，使用不同的超声设备采集
1115	2024-09-15	Attention Deep Feature Extraction from Brain MRIs in Explainable Mode: DGXAINet 2023-Feb-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13050859 PMID:36900004	研究论文	本文提出了一种基于可解释人工智能（XAI）的深度学习模型DGXAINet，用于从脑部MRI图像中提取特征并诊断脑肿瘤	本文创新性地结合了DenseNet201和GradCAM进行特征提取和可视化，并使用INCA特征选择器和支持向量机（SVM）进行分类，显著提高了脑肿瘤检测的准确性	NA	旨在利用可解释人工智能方法更快更准确地诊断脑肿瘤	脑部MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	深度学习	DenseNet201	图像	两个数据集：四类kaggle脑肿瘤数据集（Dataset I）和三类figshare脑肿瘤数据集（Dataset II）
1116	2024-09-15	Towards Automation in IVF: Pre-Clinical Validation of a Deep Learning-Based Embryo Grading System during PGT-A Cycles 2023-Feb-23, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm12051806 PMID:36902592	研究论文	本文介绍了基于深度学习的胚胎分级系统iDAScore v1.0在PGT-A周期中的预临床验证	提出了基于3D卷积神经网络的深度学习模型iDAScore v1.0，用于自动化胚胎分级，减少人工干预	AUC值较低，临床价值需通过随机对照试验进一步评估	验证基于深度学习的胚胎分级系统在PGT-A周期中的有效性	3604个囊胚和808个整倍体移植	机器学习	NA	深度学习	3D卷积神经网络	视频	3604个囊胚，808个整倍体移植，1232个周期
1117	2024-09-15	ConMLP: MLP-Based Self-Supervised Contrastive Learning for Skeleton Data Analysis and Action Recognition 2023-Feb-22, Sensors (Basel, Switzerland) DOI:10.3390/s23052452 PMID:36904656	研究论文	提出了一种基于多层感知机（MLP）的自监督对比学习框架ConMLP，用于骨骼数据分析和动作识别	ConMLP框架不需要大量的计算资源，能够有效减少计算资源的消耗，并且对未标记的训练数据友好	NA	解决传统深度学习方法在动作识别中的复杂性、对标签的依赖性以及不利于实时应用的问题	骨骼数据和动作识别	计算机视觉	NA	自监督对比学习	多层感知机（MLP）	骨骼序列	NTU RGB+D数据集
1118	2024-09-15	Application of Artificial Intelligence Techniques for Monkeypox: A Systematic Review 2023-Feb-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13050824 PMID:36899968	综述	本文系统回顾了近期利用人工智能技术进行猴痘相关研究的文献	本文首次系统性地总结了人工智能在猴痘诊断、流行病学建模、药物和疫苗发现以及媒体风险管理中的应用	本文仅限于对现有研究的回顾，未进行新的实验或模型开发	总结和评估人工智能技术在猴痘相关研究中的应用	猴痘病毒及其在人类中的传播和症状	机器学习	传染病	人工智能	NA	NA	34项研究
1119	2024-09-15	Deep Learning Dynamic Allostery of G-Protein-Coupled Receptors 2023-Feb-20, Research square DOI:10.21203/rs.3.rs-2543463/v1 PMID:36865316	研究论文	本文利用高斯加速分子动力学（GaMD）、深度学习（DL）和自由能轮廓工作流程（GLOW）系统地映射了G蛋白偶联受体（GPCRs）在结合变构调节剂后的自由能景观动态变化	首次通过深度学习和自由能计算揭示了GPCRs在结合变构调节剂后的构象空间显著减少，并发现了变构调节剂对GPCRs信号传导的特定构象限制	研究主要基于计算模型和模拟数据，缺乏实验验证	揭示G蛋白偶联受体（GPCRs）的动态变构调节机制，为设计选择性变构药物提供理论支持	G蛋白偶联受体（GPCRs）及其变构调节剂	机器学习	NA	高斯加速分子动力学（GaMD）	深度学习（DL）	结构数据	18个高分辨率实验结构，44个GPCR系统，总模拟时间66微秒
1120	2024-09-15	Massively parallel characterization of psychiatric disorder-associated and cell-type-specific regulatory elements in the developing human cortex 2023-Feb-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.15.528663 PMID:36824845	研究论文	本文通过大规模并行报告分析技术，研究了发育中的人类大脑皮层中与精神疾病相关和细胞类型特异性的调控元件	本文首次使用大规模并行报告分析技术，结合原代细胞和脑类器官，系统性地研究了发育中大脑皮层的调控元件及其与精神疾病的关联	本文主要依赖于体外模型（脑类器官），可能无法完全模拟体内复杂的神经发育过程	研究发育中人类大脑皮层中与精神疾病相关的调控元件及其功能	发育中的人类大脑皮层中的调控元件及其与精神疾病的关联	基因调控	精神疾病	大规模并行报告分析	深度学习	序列数据	102,767个序列，包括46,802个活性增强子序列和164个与疾病相关的变异