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
1341	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
1342	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
1343	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
1344	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）
1345	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
1346	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
1347	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
1348	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
1349	2024-09-15	CAPLA: improved prediction of protein-ligand binding affinity by a deep learning approach based on a cross-attention mechanism 2023-02-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad049 PMID:36688724	研究论文	本文提出了一种基于交叉注意力机制的深度学习方法CAPLA，用于改进蛋白质-配体结合亲和力的预测	CAPLA通过交叉注意力机制捕捉蛋白质结合口袋和配体之间的相互作用，从而提高了结合亲和力的预测准确性	NA	提高蛋白质-配体结合亲和力的预测准确性	蛋白质结合口袋和配体的序列信息	机器学习	NA	深度学习	交叉注意力机制	序列	NA
1350	2024-09-15	Non-invasive classification of IDH mutation status of gliomas from multi-modal MRI using a 3D convolutional neural network 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2651391 PMID:39257452	研究论文	本文提出了一种基于深度学习的方法，利用3D卷积神经网络从多模态MRI图像中非侵入性地分类胶质瘤的IDH突变状态	本文创新性地提出了一个基于3D Mask R-CNN的方法，能够同时检测、分割胶质瘤并分类其IDH状态，无需单独的肿瘤分割步骤	本文的模型在公开数据集上进行了训练和测试，但未提及在实际临床环境中的应用效果	开发一种非侵入性的方法，通过多模态MRI图像预先确定胶质瘤的IDH状态，以辅助治疗计划和提高患者生存率	胶质瘤的IDH突变状态	计算机视觉	脑肿瘤	3D卷积神经网络	3D Mask R-CNN	MRI图像	训练集包含223个病例，测试集包含来自TCGA的62个病例和来自WUSM的261个病例
1351	2024-09-15	Deep learning-based end-to-end scan-type classification, pre-processing, and segmentation of clinical neuro-oncology studies 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2647656 PMID:39263425	研究论文	本文提出了一种基于深度学习的端到端框架，用于分类、预处理和分割临床神经肿瘤学研究中的MRI数据	该框架能够自动化处理多模态的原始神经肿瘤学MRI数据，并生成定量的肿瘤测量结果，采用专家参与的循环方法，允许放射科医生手动修正分割结果	该研究仅在回顾性胶质瘤数据集上进行了验证，未来需要在更多类型的肿瘤数据上进行测试	开发一种自动化工具，用于处理和分析神经肿瘤学中的MRI数据，以提高临床和研究工作流程的效率	神经肿瘤学中的MRI数据，包括扫描类型分类、数据预处理和肿瘤组织亚型的分割	计算机视觉	脑肿瘤	卷积神经网络	CNN	图像	155例经病理学证实的胶质瘤患者的术前MRI扫描
1352	2024-09-15	Recent developments in modeling, imaging, and monitoring of cardiovascular diseases using machine learning 2023-Feb, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-022-01040-7 PMID:36909958	研究论文	本文讨论了利用机器学习技术，特别是深度学习方法，在心血管疾病建模、成像和监测方面的最新进展	本文介绍了利用机器学习技术克服传统技术在计算成本、时空分辨率和数据分析方面的局限性，并展示了其在加速流体建模、提高成像分辨率和减少扫描时间以及准确检测心血管疾病方面的潜力	NA	探讨机器学习技术在心血管疾病建模、成像和监测中的应用潜力	心血管疾病	机器学习	心血管疾病	机器学习	深度学习	数据	NA
1353	2024-09-15	Headache classification and automatic biomarker extraction from structural MRIs using deep learning 2023, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcac311 PMID:36751567	研究论文	本文开发了一种基于深度学习的分类管道，用于从结构MRI中区分三种头痛类型，并自动提取生物标志物	相比传统机器学习方法，深度学习方法无需先验知识，能够自动发现区分不同队列MRI的特征	训练数据有限且样本类别不平衡	研究深度学习方法在神经影像学中对头痛分类和生物标志物自动提取的应用	三种头痛类型（偏头痛、急性创伤后头痛和持续性创伤后头痛）与健康对照组的脑MRI	计算机视觉	头痛	深度学习	3D ResNet-18	图像	偏头痛95例，急性创伤后头痛48例，持续性创伤后头痛49例，健康对照组532例
1354	2024-09-15	Face mask detection and social distance monitoring system for COVID-19 pandemic 2023, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13913-w PMID:36196269	研究论文	本文提出了一种用于COVID-19疫情期间的口罩检测和社交距离监控系统	本文创新性地提出了一个包含10,000张户外图像的大规模数据集，用于加速自动化口罩检测和社交距离测量的发展，并优化了YOLO-v3架构以提高实时应用的性能	本文的方法需要大量的数据来确保在实时应用中的鲁棒性，并且目前没有标准的户外监控数据集可用	旨在开发一种能够在公共场所实时检测口罩佩戴情况和监控社交距离的系统，以帮助减缓COVID-19的传播	口罩检测和社交距离测量	计算机视觉	NA	深度学习	YOLO-v3	图像	10,000张户外图像
1355	2024-09-15	Deep learning of protein sequence design of protein-protein interactions 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac733 PMID:36377772	研究论文	本文开发了一种基于注意力机制的深度学习模型，用于设计蛋白质-蛋白质相互作用的氨基酸序列	该模型受图像-标题匹配算法的启发，能够重新设计天然蛋白质界面或设计蛋白质相互作用片段，并且在不需要精确骨架位置的情况下进行蛋白质-蛋白质相互作用的新设计	NA	开发数据驱动的模型来描述蛋白质序列-结构关系，并解决蛋白质-蛋白质相互作用序列设计的挑战性问题	蛋白质-蛋白质相互作用的氨基酸序列设计	机器学习	NA	深度学习	注意力机制模型	蛋白质序列	NA
1356	2024-09-15	DeepCellEss: cell line-specific essential protein prediction with attention-based interpretable deep learning 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac779 PMID:36458923	研究论文	提出了一种基于注意力机制的可解释深度学习框架DeepCellEss，用于预测特定细胞系的必需蛋白质	DeepCellEss考虑了蛋白质必需性受细胞环境影响的特性，并引入了多头部自注意力机制以提高模型的可解释性	NA	开发一种能够预测特定细胞系必需蛋白质的计算方法	特定细胞系的必需蛋白质	机器学习	NA	卷积神经网络和双向长短期记忆网络	深度学习模型	蛋白质序列	323个细胞系的大规模基准数据集
1357	2024-09-15	ManyFold: an efficient and flexible library for training and validating protein folding models 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac773 PMID:36495196	研究论文	ManyFold 是一个用于蛋白质结构预测的灵活库，支持多种输入和模型的训练与验证	ManyFold 支持多种输入（MSA 和 pLM 嵌入），允许对现有模型（如 AlphaFold 和 OpenFold）进行推理，并支持从零开始训练新模型	NA	开发一个高效且灵活的库，用于训练和验证蛋白质折叠模型	蛋白质结构预测模型	机器学习	NA	深度学习	pLMFold	序列数据	NA
1358	2024-09-15	Stacked ensemble learning based on deep convolutional neural networks for pediatric pneumonia diagnosis using chest X-ray images 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-08099-z PMID:36532883	研究论文	本文提出了一种基于深度卷积神经网络的堆叠集成学习模型，用于通过胸部X光图像诊断儿童肺炎	本文的创新点在于使用堆叠集成学习方法，结合深度学习特征提取和降维技术，提高了儿童肺炎诊断的准确性和效率	本文未提及模型的泛化能力和在不同数据集上的表现	开发一种快速且准确的计算机辅助检测模型，用于儿童肺炎的诊断	儿童肺炎的胸部X光图像	计算机视觉	儿童疾病	深度学习	CNN	图像	使用了公开的儿童肺炎数据集
1359	2024-09-15	NanoSNP: a progressive and haplotype-aware SNP caller on low-coverage nanopore sequencing data 2023-01-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac824 PMID:36548365	研究论文	本文介绍了一种基于深度学习的SNP检测方法NanoSNP，用于在低覆盖率的纳米孔测序数据中识别SNP位点	NanoSNP设计了一个多步骤、多尺度和单倍型感知的SNP检测流程，结合了长程单倍型特征和短程堆叠特征，使用Bi-LSTM网络进行预测	NanoSNP在覆盖率超过16×时性能与Clair3相当，但在更高覆盖率下可能不如Clair3	开发一种能够在低覆盖率纳米孔测序数据中有效检测SNP的方法	低覆盖率纳米孔测序数据中的SNP位点	生物信息学	NA	纳米孔测序	Bi-LSTM	测序数据	六个人类基因组（HG002-HG007）
1360	2024-09-15	COVID-19 Lung CT image segmentation using localization and enhancement methods with U-Net 2023, Procedia computer science DOI:10.1016/j.procs.2023.01.144 PMID:36743788	研究论文	本文提出了一种基于直方图非参数区域定位和增强方法的COVID-19肺部CT图像分割系统	本文创新性地将直方图非参数区域定位和增强方法应用于COVID-19肺部CT图像的预处理，显著提高了U-Net模型的分割能力	NA	研究目的是提高COVID-19肺部CT图像的分割精度，以便更准确地诊断疾病和评估患者病情	COVID-19肺部CT图像	计算机视觉	COVID-19	直方图非参数区域定位和增强方法	U-Net	图像	NA