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
1281	2024-09-16	Electron transfer rules of minerals under pressure informed by machine learning 2023-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37384-1 PMID:37002237	研究论文	本文通过机器学习模型预测了96种元素在任意压力下的电负性，并推导出一个统一的公式来量化电负性与压力和电子构型之间的关系	首次将电子转移规则应用于高压环境，并提出了一个统一的公式来量化电负性与压力和电子构型的关系	NA	研究高压环境下元素及其化合物的基本物理化学性质	96种元素在任意压力下的电负性及其与压力和电子构型的关系	机器学习	NA	机器学习	深度学习模型	数值数据	96种元素
1282	2024-09-16	Predicting COVID-19 positivity and hospitalization with multi-scale graph neural networks 2023-03-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31222-6 PMID:37002271	研究论文	本文提出了一种基于多尺度图神经网络的方法，用于预测COVID-19的阳性病例和住院人数	首次利用高分辨率时空数据进行多尺度分析，并结合疫苗接种率和人口流动数据	未提及	分析COVID-19传播的时空特征，并预测阳性病例和住院人数	COVID-19的阳性病例和住院人数	机器学习	COVID-19	图神经网络	多尺度图神经网络	时空数据	涉及数千居民的精细地理区域
1283	2024-09-16	Automated segmentation of long and short axis DENSE cardiovascular magnetic resonance for myocardial strain analysis using spatio-temporal convolutional neural networks 2023-03-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-023-00927-y PMID:36991474	研究论文	本文开发了一种时空卷积神经网络模型，用于自动分割DENSE心血管磁共振图像中的左心室心肌，以进行心肌应变分析	本文提出了一个时空深度学习模型，用于自动分割DENSE图像中的左心室心肌，解决了传统方法依赖用户输入的问题	NA	开发一种自动化的方法来分割DENSE图像中的左心室心肌，以提高心肌应变分析的准确性和可重复性	左心室心肌的分割和心肌应变分析	计算机视觉	心血管疾病	DENSE	时空卷积神经网络	图像	360个短轴切片和124个长轴切片，来自健康受试者和患有不同心脏疾病的患者
1284	2024-09-16	Model-based whole-brain perturbational landscape of neurodegenerative diseases 2023-03-30, eLife IF:6.4Q1 DOI:10.7554/eLife.83970 PMID:36995213	研究论文	本文结合深度学习和模型重现了阿尔茨海默病和行为变异额颞叶痴呆患者的全脑功能连接，并通过扰动模型揭示了从病理状态到健康状态的过渡关键区域	本文首次将深度学习与全脑模型结合，揭示了神经退行性疾病中脑萎缩的动态特征，并通过扰动模型展示了从病理状态到健康状态的过渡关键区域	本文主要集中在阿尔茨海默病和行为变异额颞叶痴呆两种疾病，未涵盖其他神经退行性疾病	研究神经退行性疾病的全脑扰动景观，探索通过外部刺激控制疾病进展的可能性	阿尔茨海默病和行为变异额颞叶痴呆患者	机器学习	神经退行性疾病	深度学习	变分自编码器	功能连接	NA
1285	2024-09-16	3DProtDTA: a deep learning model for drug-target affinity prediction based on residue-level protein graphs 2023-Mar-27, RSC advances IF:3.9Q2 DOI:10.1039/d3ra00281k PMID:37006369	研究论文	本文提出了一种基于残基级蛋白质图的深度学习模型3DProtDTA，用于预测药物-靶点亲和力	利用AlphaFold的蛋白质结构预测结果和蛋白质图表示，提出了一种新的深度学习DTA模型3DProtDTA	NA	提高药物-靶点亲和力预测的准确性，加速药物开发过程并降低成本	药物-靶点亲和力	机器学习	NA	深度学习技术，图神经网络	3DProtDTA	蛋白质结构数据	NA
1286	2024-09-16	ST-CenterNet: Small Target Detection Algorithm with Adaptive Data Enhancement 2023-Mar-16, Entropy (Basel, Switzerland) DOI:10.3390/e25030509 PMID:36981396	研究论文	提出了一种名为ST-CenterNet的新型深度学习模型，用于小目标检测，并通过自适应数据增强技术提高检测性能	引入了选择性小目标复制算法（SSTRA）和目标适应特征提取模块（TAFEM），结合ResNet和自适应特征金字塔网络（AFPN）进行双向特征提取	NA	解决小目标检测中样本不足和特征信息提取不完整的问题	自动驾驶中的远距离标志和行人检测，以及医学早期病变的肿瘤检测	计算机视觉	NA	深度学习	CenterNet	图像	NA
1287	2024-09-16	Camera- and Viewpoint-Agnostic Evaluation of Axial Postural Abnormalities in People with Parkinson's Disease through Augmented Human Pose Estimation 2023-Mar-16, Sensors (Basel, Switzerland) DOI:10.3390/s23063193 PMID:36991904	研究论文	本文介绍了一种通过增强的人体姿态估计来评估帕金森病患者轴向姿势异常的软件	该软件通过计算机视觉后处理原语增强了从RGB图像中提取的人体骨骼，以准确评估姿势	标准人体姿态估计平台的关键点与评估轴向姿势异常所需的关键点不一致，且对相机和场景敏感	开发一种自动工具，用于测量和分析帕金森病患者在不同治疗条件和任务下的轴向姿势异常	帕金森病患者的轴向姿势异常	计算机视觉	神经退行性疾病	计算机视觉后处理	NA	图像	76张RGB图像，来自55名不同程度的帕金森病患者
1288	2024-09-16	Deep Learning-Based Prediction of Diabetic Retinopathy Using CLAHE and ESRGAN for Enhancement 2023-Mar-15, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11060863 PMID:36981520	研究论文	本文提出了一种基于深度学习的糖尿病视网膜病变诊断模型，通过CLAHE和ESRGAN进行图像增强，提高了诊断准确性	本文创新性地结合了CLAHE和ESRGAN进行图像增强，显著提高了深度学习模型在糖尿病视网膜病变诊断中的准确性	本文仅比较了两种情况下的模型性能，未探讨其他可能的图像增强方法	开发一种能够更准确诊断糖尿病视网膜病变的深度学习模型	糖尿病视网膜病变的五个阶段	计算机视觉	糖尿病视网膜病变	深度学习	Inception-V3	图像	使用了Asia Pacific Tele-Ophthalmology Society (APTOS)数据集
1289	2024-09-16	Synthesizing Complex-Valued Multicoil MRI Data from Magnitude-Only Images 2023-Mar-14, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10030358 PMID:36978749	研究论文	本文提出了一种从仅包含幅值信息的MRI图像中合成复杂值多线圈MRI数据的方法	使用条件生成对抗网络（GAN）框架从输入的幅值图像生成合成相位图像，并结合ESPIRiT方法生成多线圈数据，从而在MRI重建中使用临床影像档案中的多样化数据	尚未提及	解决大规模多样化MRI数据集构建的挑战，促进MRI技术的临床转化	MRI图像重建和数据合成	计算机视觉	NA	生成对抗网络（GAN）、ESPIRiT	生成对抗网络（GAN）、变分网络（Variational Network）	图像	未明确提及具体样本数量
1290	2024-09-16	Artificial Intelligence: A Next-Level Approach in Confronting the COVID-19 Pandemic 2023-Mar-14, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11060854 PMID:36981511	综述	本文综述了人工智能在应对COVID-19大流行中的作用	探讨了AI及其子领域机器学习和深度学习在遏制疫情中的应用	NA	评估近期文献中AI在应对COVID-19大流行中的作用	COVID-19感染、次级感染检测、技术辅助防护、全球AI法规及疫情对公众生活的影响	机器学习	COVID-19	NA	NA	NA	NA
1291	2024-09-16	Detection of Corona Faults in Switchgear by Using 1D-CNN, LSTM, and 1D-CNN-LSTM Methods 2023-Mar-14, Sensors (Basel, Switzerland) DOI:10.3390/s23063108 PMID:36991819	研究论文	本文系统分析了三种深度学习技术（1D-CNN、LSTM和1D-CNN-LSTM混合模型）用于检测开关设备中的电晕故障，并确定最有效的模型	本文提出了1D-CNN-LSTM混合模型，该模型在时间和频率域中均表现出高准确性，优于单独使用1D-CNN或LSTM	NA	研究如何利用深度学习技术有效检测开关设备中的电晕故障	开关设备中的电晕故障	机器学习	NA	深度学习	1D-CNN, LSTM, 1D-CNN-LSTM	声音波形	训练、验证和测试阶段的样本数量未明确提及
1292	2024-09-16	An Analysis of Deep Learning Models in SSVEP-Based BCI: A Survey 2023-Mar-13, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13030483 PMID:36979293	综述	本文综述了基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）中深度学习模型的应用	提供了最新的设计指南，帮助研究人员使用深度学习模型分类SSVEP信号	深度学习模型的设计差异很大，许多超参数对模型性能的影响难以预测	分析和总结用于分类SSVEP信号的深度学习模型的设计方面	31种用于分类SSVEP信号的深度学习模型	机器学习	NA	深度学习	深度学习模型	信号	31种模型（2011-2023年）
1293	2024-09-16	Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15 2023-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.08.531814 PMID:36945536	研究论文	本文提出了一种结合成对结构相似性和深度学习界面接触预测的混合方法，用于估计蛋白质复合物模型在CASP15中的准确性	本文的创新点在于开发了一种结合成对相似性评分和界面接触概率评分的混合方法，用于估计蛋白质复合物模型的准确性，并在CASP15中取得了优异的成绩	本文未明确提及具体的局限性	本文的研究目的是开发一种新的方法来估计蛋白质复合物模型的准确性，并应用于预测四级结构和研究蛋白质功能与相互作用	本文的研究对象是蛋白质复合物的四级结构模型及其准确性	机器学习	NA	深度学习	NA	结构模型	参与CASP15的24个预测器
1294	2024-09-16	Deep Monocular Depth Estimation Based on Content and Contextual Features 2023-Mar-08, Sensors (Basel, Switzerland) DOI:10.3390/s23062919 PMID:36991629	研究论文	提出了一种利用上下文语义信息进行单目深度估计的新方法	利用HRNet-v2语义分割模型的高质量语义特征，通过深度自编码器网络提高深度估计的准确性和鲁棒性	NA	提高单目图像深度估计的准确性和鲁棒性	单目图像的深度估计	计算机视觉	NA	深度学习	自编码器网络	图像	在NYU Depth v2和SUN RGB-D两个公开数据集上进行了测试
1295	2024-09-16	GLH: From Global to Local Gradient Attacks with High-Frequency Momentum Guidance for Object Detection 2023-Mar-06, Entropy (Basel, Switzerland) DOI:10.3390/e25030461 PMID:36981349	研究论文	本文提出了一种基于高频动量引导的从全局到局部梯度攻击方法，用于目标检测任务	本文的创新点在于提出了一种针对目标检测任务的从全局到局部梯度攻击方法，并引入了高频特征梯度作为动量引导，以提高攻击效果	本文未提及具体的局限性	研究目的是提高深度学习模型在目标检测任务中的鲁棒性和安全性	研究对象是目标检测任务中的对抗攻击方法	计算机视觉	NA	梯度攻击	NA	图像	未提及具体样本数量
1296	2024-09-16	BLENDS: Augmentation of Functional Magnetic Resonance Images for Machine Learning Using Anatomically Constrained Warping 2023-03, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2021.0186 PMID:36097756	研究论文	提出了一种新的数据增强方法BLENDS，用于生成解剖学上真实的四维功能磁共振成像（fMRI）图像，以提高深度学习模型的准确性	BLENDS通过结合对称归一化计算的跨受试者配准图，生成新的非线性变形场，从而创建新的增强fMRI图像	NA	解决神经影像学中缺乏验证的特定于合成解剖学上真实四维图像的数据增强方法的问题	功能磁共振成像（fMRI）图像的数据增强	机器学习	NA	对称归一化	深度学习模型	图像	抗抑郁药物反应预测任务中使用了163个原始数据集，帕金森病症状轨迹预测任务中使用了43个原始数据集
1297	2024-09-16	Evidence of a predictive coding hierarchy in the human brain listening to speech 2023-03, Nature human behaviour IF:21.4Q1 DOI:10.1038/s41562-022-01516-2 PMID:36864133	研究论文	本文探讨了人类大脑在听语音时预测编码层次的存在	通过分析功能性磁共振成像数据，验证了人类大脑在语言处理中使用多时间尺度的层次预测编码，并展示了这种编码方式如何通过增强语言模型的预测能力来改善大脑映射	NA	测试预测编码理论在解释人类语言能力与语言模型之间差异中的作用	304名参与者的功能性磁共振成像脑信号	自然语言处理	NA	功能性磁共振成像	深度学习算法	脑信号	304名参与者
1298	2024-09-16	A novel smart photoelectric lock system: Speech transmitted by laser and speech to text 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e14510 PMID:36967961	研究论文	提出了一种通过激光传输语音信号并将其转换为文本的智能光电锁系统	通过激光传输语音密码并使用深度学习模型进行语音到文本转换，显著提高了解锁容错率	实验结果仅限于英语语音，且未提及其他语言的适用性	实现一种基于激光传输语音密码的智能锁系统，提高解锁的容错率和安全性	智能光电锁系统及其语音传输和识别技术	机器学习	NA	激光调制、深度学习	TDNN、LSTM	语音	男性语音样本和女性语音样本
1299	2024-09-16	Impact of Training Data, Ground Truth and Shape Variability in the Deep Learning-Based Semantic Segmentation of HeLa Cells Observed with Electron Microscopy 2023-Mar-01, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9030059 PMID:36976110	研究论文	研究了训练数据量和形状变异性对基于深度学习的U-Net架构在电子显微镜下观察到的HeLa细胞语义分割的影响	通过自动生成的数据对训练U-Net架构，提供了比手动分割更好的结果	缺乏对8192×8192切片的全局真值进行定量评估	评估训练数据量和形状变异性对深度学习模型分割性能的影响	HeLa细胞的电子显微镜图像	计算机视觉	NA	深度学习	U-Net	图像	36,000对数据和标签补丁，135,000对自动生成的补丁，最终合并为270,000对补丁
1300	2024-09-16	Self-supervised denoising of Nyquist-sampled volumetric images via deep learning 2023-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.2.024005 PMID:36992871	研究论文	本文开发了一种名为noise2Nyquist的算法，利用Nyquist采样提供的相邻切片之间的最大差异保证，实现了无需干净图像的自监督去噪	该算法不依赖于干净图像进行训练，相比其他自监督去噪算法更具广泛适用性和有效性	NA	展示noise2Nyquist算法在真实生物医学图像上的广泛适用性和有效性	生物医学图像的去噪效果	计算机视觉	NA	深度学习	NA	图像	涉及荧光共聚焦显微镜、计算机断层扫描和光学相干断层扫描图像