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
41	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
42	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
43	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
44	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
45	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
46	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）
47	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
48	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
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	2024-09-14	Single-cell gene regulatory network prediction by explainable AI 2023-02-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac1212 PMID:36629274	研究论文	本文提出了一种可解释的深度学习方法scGeneRAI，用于从单细胞RNA测序数据中推断基因调控网络，并应用于人类肺癌数据集	本文提出的方法能够从单细胞层面重建基因调控网络，而现有最先进的方法只能预测细胞群体的平均网络	本文仅在合成数据和人类肺癌数据集上进行了验证，未来需要在更多类型的癌症数据上进行验证	通过单细胞基因调控网络预测揭示癌症细胞的分子异质性	单细胞RNA测序数据中的基因调控网络	机器学习	肺癌	单细胞RNA测序	深度学习	基因数据	一组人类肺癌样本
57	2024-09-14	Tumor Diagnosis against Other Brain Diseases Using T2 MRI Brain Images and CNN Binary Classifier and DWT 2023-Feb-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci13020348 PMID:36831891	研究论文	本文提出了一种基于卷积神经网络（CNN）和离散小波变换（DWT）的诊断框架，用于通过T2-SWI MRI扫描诊断脑胶质瘤肿瘤	本文创新性地将DWT与CNN结合，用于MRI图像的特征提取，以提高脑胶质瘤诊断的准确性	研究样本量相对较小，且仅限于特定类型的MRI图像	提高脑肿瘤诊断的准确性，减少人为因素导致的误诊风险	脑胶质瘤肿瘤与其他脑部疾病的诊断	计算机视觉	脑肿瘤	离散小波变换（DWT）	卷积神经网络（CNN）	图像	382名成年患者，包括健康和病理图像
58	2024-09-14	Deep-EEG: An Optimized and Robust Framework and Method for EEG-Based Diagnosis of Epileptic Seizure 2023-Feb-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040773 PMID:36832260	研究论文	本文提出了一种基于深度学习的EEG数据自动检测癫痫发作的优化和鲁棒框架	本文提出的DCAE-ESD-Bi-LSTM模型在理想和实际情况下均能实现精确和优化的癫痫诊断	NA	开发一种能够自动检测癫痫发作的深度学习模型	癫痫发作的自动检测	机器学习	神经疾病	深度学习	卷积自编码器-双向长短期记忆网络	脑电图数据	使用了CHB-MIT基准数据集和作者收集的数据集
59	2024-09-14	Improving Automatic Melanoma Diagnosis Using Deep Learning-Based Segmentation of Irregular Networks 2023-Feb-16, Cancers IF:4.5Q1 DOI:10.3390/cancers15041259 PMID:36831599	研究论文	本文提出了一种结合深度学习和传统图像处理技术的方法，用于提高黑色素瘤诊断的准确性	通过融合深度学习图像级结果与传统手工特征，显著提高了黑色素瘤的召回率和准确率	需要进一步研究以验证该方法在其他数据集上的泛化能力	提高黑色素瘤诊断的准确性	黑色素瘤及其不规则色素网络	计算机视觉	皮肤癌	深度学习	U-Net++	图像	487个独特的皮肤镜黑色素瘤病变图像，以及1000张用于训练和测试的图像
60	2024-09-14	Assessing the Impact of Image Resolution on Deep Learning for TB Lesion Segmentation on Frontal Chest X-rays 2023-Feb-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13040747 PMID:36832235	研究论文	研究探讨了不同图像分辨率对基于深度学习的肺结核病变分割模型在胸部X光片上的影响	提出了使用Inception-V3 UNet模型在不同图像分辨率下进行肺结核病变分割，并通过实验确定了最佳图像分辨率	研究仅使用了深圳胸部X光片数据集，可能限制了结果的普适性	探讨并确定用于肺结核病变分割的最佳图像分辨率	胸部X光片中的肺结核病变	计算机视觉	肺结核	深度学习	Inception-V3 UNet	图像	662张胸部X光片，包括326名正常患者和336名肺结核患者