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
101	2024-09-13	Using machine learning to predict the effects and consequences of mutations in proteins 2023-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2022.102518 PMID:36603229	研究论文	本文探讨了利用机器学习和深度学习方法预测蛋白质突变效应及其后果	本文提出了一种利用大规模蛋白质序列、结构和突变效应数据集进行预测的方法，并通过无监督和自监督预训练结合混合或迁移学习进行优化	研究的主要限制在于数据可用性和质量，尤其是在实验数据有限的情况下	旨在利用机器学习技术预测蛋白质突变的影响	蛋白质突变及其效应	机器学习	NA	机器学习和深度学习	NA	蛋白质序列和结构数据	大规模数据集
102	2024-09-13	Biologically informed deep learning to query gene programs in single-cell atlases 2023-02, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-022-01072-x PMID:36732632	研究论文	本文提出了一种生物学信息驱动的深度学习架构expiMap，用于单细胞参考图谱的映射	expiMap能够将细胞映射到生物学上可理解的基因程序组件，同时学习每个细胞的基因程序活性，并进行程序的优化和新程序的学习	NA	开发一种能够将新产生的查询数据快速映射到参考图谱的深度学习方法，并使其结果具有生物学解释性	单细胞数据及其在不同组织和物种中的扰动响应	机器学习	NA	深度学习	深度学习架构	单细胞数据	NA
103	2024-09-13	Periodic-net: an end-to-end data driven framework for diffuse optical imaging of breast cancer from noisy boundary data 2023-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.2.026001 PMID:36761256	研究论文	本文提出了一种端到端的深度学习框架Periodic-net，用于从噪声边界数据中进行乳腺癌症的漫射光学成像	提出的Periodic-net算法在重建和评估不均匀性方面具有高精度，并且在图像重建中表现出对噪声的更强免疫力	NA	开发一种端到端的深度学习框架，用于早期检测乳腺癌并重建其光学特性	乳腺癌症的光学特性	机器学习	乳腺癌	漫射光学成像	深度学习算法	图像	包括16×15、20×19和36×35边界测量设置的多种组合
104	2024-09-11	Improving performance of deep learning predictive models for COVID-19 by incorporating environmental parameters 2023-Feb, Gondwana research : international geoscience journal IF:7.2Q1 DOI:10.1016/j.gr.2022.03.014 PMID:35431596	研究论文	研究通过引入环境参数来提高深度学习预测模型在COVID-19疫情中的表现	通过引入环境参数（温度和相对湿度）来改进LSTM模型在预测每日COVID-19病例中的表现	研究结果受其他正负混杂因素的影响，可能影响预测能力	提供更好的预测工具来管理COVID-19疫情	分析环境参数对每日COVID-19病例预测的影响	机器学习	COVID-19	NA	LSTM	数值数据	9个城市，跨越3个国家（印度、美国和瑞典），涵盖热带、亚热带和寒冷气候区
105	2024-09-11	COVID-19 spread control policies based early dynamics forecasting using deep learning algorithm 2023-Feb, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2022.112984 PMID:36530380	研究论文	本文提出了一种基于深度学习的堆叠双向长短期记忆网络（Stacked Bi-LSTM），用于预测韩国COVID-19的传播动态，并评估不同控制政策的影响	使用堆叠双向长短期记忆网络（Stacked Bi-LSTM）进行COVID-19传播预测，并研究了不同控制政策和激活函数对预测准确性的影响	NA	预测COVID-19的传播动态，并评估不同控制政策的效果	韩国的COVID-19传播数据和控制政策	机器学习	COVID-19	深度学习	Stacked Bi-LSTM	时间序列数据	韩国的COVID-19数据集，包括多种控制政策
106	2024-09-10	Plant Parasitic Nematode Identification in Complex Samples with Deep Learning 2023-Feb, Journal of nematology IF:1.4Q2 DOI:10.2478/jofnem-2023-0045 PMID:37849469	研究论文	本文介绍了一种利用深度学习技术在复杂样本中识别植物寄生线虫的新方法	本文提出了一个新的公共数据集，包含从异源土壤提取物中注释的植物寄生线虫图像，用于推动自动化方法的发展	NA	开发一种快速且自动化的方法来识别和量化植物寄生线虫，以减少作物损失	植物寄生线虫	计算机视觉	NA	深度学习	目标检测模型	图像	NA
107	2024-09-10	UncertaintyFuseNet: Robust uncertainty-aware hierarchical feature fusion model with Ensemble Monte Carlo Dropout for COVID-19 detection 2023-Feb, An international journal on information fusion DOI:10.1016/j.inffus.2022.09.023 PMID:36217534	研究论文	本文提出了一种新的深度学习特征融合模型UncertaintyFuseNet，用于COVID-19检测，结合了CT和X射线图像数据	本文创新性地引入了不确定性感知和层次特征融合方法，并使用Ensemble Monte Carlo Dropout技术量化预测不确定性	NA	开发一种能够准确区分COVID-19与其他疾病的计算机辅助检测系统	COVID-19的CT和X射线图像数据	计算机视觉	COVID-19	Ensemble Monte Carlo Dropout	深度学习模型	图像	CT扫描和X射线数据集，分别达到99.08%和96.35%的预测准确率
108	2024-09-10	Three-dimensional reconstructing undersampled photoacoustic microscopy images using deep learning 2023-Feb, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2022.100429 PMID:36544533	研究论文	本文提出了一种基于深度学习的全重建欠采样三维光声显微镜图像的方法	本文首次报道了基于深度学习的全重建欠采样三维光声显微镜数据的方法，展示了在不同欠采样比例下优于插值重建方法的鲁棒性	NA	提高光声显微镜的成像速度和数据处理效率	欠采样的三维光声显微镜图像	计算机视觉	NA	深度学习	NA	三维体积数据	NA
109	2024-08-22	Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT 2023-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.220101 PMID:36125375	研究论文	本文开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类为正常或含有肿块，并评估了该算法的性能	提出了一个两阶段的机器学习流程，能够分割肾上腺并区分正常肾上腺和含有肿块的肾上腺	研究是回顾性的，且分类敏感性和特异性在不同测试集上有所差异	创建一种机器学习算法，以提高肾上腺肿块的诊断一致性和管理建议的准确性	肾上腺及其肿块的CT图像	机器学习	NA	深度学习	CNN	图像	开发数据集包含274个CT检查（251名患者），次级测试集包含991个CT检查（991名患者）
110	2024-08-14	Preoperative Prediction and Identification of Extracapsular Extension in Head and Neck Cancer Patients: Progress and Potential 2023-Feb, Cureus DOI:10.7759/cureus.34769 PMID:36909098	研究论文	本研究旨在展示术前识别头颈部癌症患者淋巴结外扩展的潜力和发展进展	开发了一种利用多层梯度映射引导的可解释网络架构的深度学习模型，并采用梯度加权类激活映射方法生成解剖区域的热图	热图结果对某些患者可能有用，但对其他患者可能会产生误导，需要进一步训练	术前识别头颈部癌症患者淋巴结外扩展	头颈部癌症患者	计算机视觉	头颈部癌症	深度学习	CNN	CT影像	NA
111	2024-08-11	Visual analysis of image-guided radiation therapy based on bibliometrics: A review 2023-Feb-22, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000032989 PMID:36827068	综述	本研究利用文献计量方法，分析了1987年至2021年间Web of Science收录的6407篇关于图像引导放射治疗（IGRT）的论文，揭示了IGRT的研究现状、热点和发展趋势	首次对IGRT研究进行全面的文献计量分析，展示了该领域的研究成熟度和成果	NA	揭示图像引导放射治疗的研究现状和未来趋势	图像引导放射治疗技术及其相关研究	医学影像	NA	文献计量方法	NA	文本	6407篇论文
112	2024-08-10	Plaque burden estimated from optical coherence tomography with deep learning: In vivo validation using co-registered intravascular ultrasound 2023-Feb, Catheterization and cardiovascular interventions : official journal of the Society for Cardiac Angiography & Interventions IF:2.1Q3 DOI:10.1002/ccd.30525 PMID:36519717	研究论文	本研究通过深度学习算法，利用光学相干断层扫描（OCT）图像自动评估斑块负担（PB），并与血管内超声（IVUS）结果进行比较	开发了一种深度学习算法，用于从OCT图像中自动进行斑块特征化和PB量化，并首次验证了该算法在PB量化中的性能	研究样本量较小，仅包括15名植入生物可吸收血管支架（BVS）的患者	比较基于深度学习的OCT和IVUS在斑块负担评估中的一致性	植入生物可吸收血管支架的患者	计算机视觉	心血管疾病	光学相干断层扫描（OCT），血管内超声（IVUS）	深度学习（DL）	图像	15名患者，64对OCT和IVUS横断面图像
113	2024-08-04	DeepWEST: Deep Learning of Kinetic Models with the Weighted Ensemble Simulation Toolkit for Enhanced Sampling 2023-Feb-28, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00282 PMID:36719802	研究论文	本文介绍了一种混合方法，通过深度学习动模型为加权集成模拟提供良好采样的初始状态分布	提出了一种深度学习动模型的方法，克服了初始采样对加权集成方法性能的显著影响	没有提到特定的限制	提高分子动力学模拟中动力学性质的采样效率	短时间的分子动力学轨迹	计算机视觉	NA	分子动力学模拟	深度学习动模型	短MD轨迹	NA
114	2024-08-05	Deep learning-enabled volumetric cone photoreceptor segmentation in adaptive optics optical coherence tomography images of normal and diseased eyes 2023-Feb-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.478693 PMID:36874491	研究论文	本文提出了一种深度学习框架，用于自动分割适应性光学光学相干断层扫描图像中的锥细胞	该方法实现了从传统人工标记到自动化的3-D体积数据分析，达到人类水平的性能	NA	自动化测量视网膜神经退行性疾病中光受体细胞的形态	健康和疾病参与者的光受体细胞	数字病理学	视网膜神经退行性疾病	适应性光学光学相干断层扫描	深度学习	3-D图像	涉及健康和疾病参与者的AO-OCT扫描，具体样本大小未提供
115	2024-08-05	Siam-VAE: A hybrid deep learning based anomaly detection framework for automated quality control of head CT scans 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2654464 PMID:39040978	研究论文	提出了一种基于深度学习的框架，用于对头部CT扫描进行自动质量控制	提出了一种混合模型，结合变分自编码器和孪生神经网络，利用弱标签增强标准异常检测技术	需要大量注释数据进行有效训练，且存在类不平衡和弱标签问题	开发能够分类CT扫描为可用或不可用质量的深度学习框架	头部CT扫描的质量控制	计算机视觉	NA	深度学习	变分自编码器和孪生神经网络	图像	NA
116	2024-08-05	Generative adversarial network constrained multiple loss autoencoder: A deep learning-based individual atrophy detection for Alzheimer's disease and mild cognitive impairment 2023-02-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26146 PMID:36394351	研究论文	本文提出了一种生成对抗网络约束的多损失自编码器框架用于阿尔茨海默病和轻度认知障碍的个体萎缩检测	提出了一种新颖的GANCMLAE模型，能够精确描述个体大脑萎缩模式并具有良好的临床应用潜力	尚缺乏对其他人群或更广泛样本的验证，以评估模型的通用性	研究个体大脑萎缩模式，以提高阿尔茨海默病和轻度认知障碍的精准医学	正常对照组与阿尔茨海默病和轻度认知障碍患者	数字病理学	阿尔茨海默病	生成对抗网络	自编码器	图像	来自阿尔茨海默病神经影像学倡议队列的正常对照组和Xuanwu队列的数据
117	2024-08-05	Structure primed embedding on the transcription factor manifold enables transparent model architectures for gene regulatory network and latent activity inference 2023-Feb-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.02.526909 PMID:36778259	研究论文	提出了一种基于深度学习的框架，以进行基因调控网络推断和潜在活性估计	提出了一种新颖的深度学习自编码器框架，有助于在保持可解释性的同时进行基因调控网络推断	尚待评估该框架在其他生物系统或大规模数据集中的适用性	研究基因调控网络及其潜在活性	关注转录因子及其与目标基因之间的调控关系	机器学习	NA	深度学习	自编码器	单细胞基因组数据	NA
118	2024-08-05	A Bibliometric Review: Brain Tumor Magnetic Resonance Imagings Using Different Convolutional Neural Network Architectures 2023-02, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2022.11.091 PMID:36442778	综述	本研究对脑肿瘤的磁共振成像进行了文献计量学评估，重点关注不同卷积神经网络架构的应用	通过文献计量学方法系统整理和分析了现有的关于脑肿瘤的CNN研究文献	本研究未涉及药物剂量的分析	旨在识别脑肿瘤识别的当前研究趋势和热点	脑肿瘤的磁共振成像和卷积神经网络研究文献	计算机视觉	脑肿瘤	卷积神经网络	CNN	文献	NA
119	2024-08-05	An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy 2023-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3198600 PMID:35984807	研究论文	本研究提出了一种基于CBCT的自动靶向系统用于非侵入性治疗癌症的Histotripsy技术。	提出了一种替代超声成像的X射线C臂靶向方法，结合深度学习和数字模型提高靶点定位精度。	实验主要在验证物模型上进行，临床应用的准确性和效果尚待进一步验证。	探讨CBCT在Histotripsy靶向中的应用，提升靶点定位的准确性和自动化程度。	研究主要针对肿瘤靶点的精准定位与治疗技术。	数字病理学	癌症	CBCT	深度学习	影像	在虚拟模型实验中评估了靶向精度
120	2024-08-05	Characterizing browser-based medical imaging AI with serverless edge computing: towards addressing clinical data security constraints 2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653626 PMID:37063644	研究论文	本文提出了一种基于浏览器的医学成像人工智能部署系统，以增强临床数据安全性	该研究创新性地利用无服务器边缘计算实现隐私保护的医学成像AI应用，避免了常规云计算的隐私风险	研究中未明确讨论与其他类型隐私保护模型的比较	研究旨在解决医学成像AI应用中的数据隐私问题	研究对象为利用CT进行肺癌筛查的3D医学图像分割模型	数字病理学	肺癌	无服务器边缘计算	3D卷积神经网络 (CNN)	医学图像	NA