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	2024-09-23	Data-Driven Quantitation of Movement Abnormality after Stroke 2023-May-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10060648 PMID:37370579	研究论文	本文开发了一种结合高维运动捕捉和分布外检测的方法，用于量化中风后运动异常	首次使用分布外检测和高维运动数据来揭示慢性中风患者的临床意义运动异常	仅限于使用可穿戴惯性测量单元捕捉的上半身运动数据	开发一种精确且实用的方法来量化中风后运动异常	中风后上肢运动异常的量化	机器学习	中风	分布外检测	深度学习模型	运动数据	健康和慢性中风受试者
42	2024-09-23	DeepBiomarker2: Prediction of alcohol and substance use disorder risk in post-traumatic stress disorder patients using electronic medical records and multiple social determinants of health 2023-May-25, Research square DOI:10.21203/rs.3.rs-2949487/v1 PMID:37292589	研究论文	本文介绍了使用电子病历和多种社会决定因素健康数据预测创伤后应激障碍患者酒精和物质使用障碍风险的深度学习模型DeepBiomarker2	本文在之前研究的基础上，通过整合多模态信息（实验室检测、药物使用、诊断和社会决定因素健康参数）改进了深度学习模型DeepBiomarker2，并应用于预测酒精和物质使用障碍风险	NA	预测创伤后应激障碍患者酒精和物质使用障碍的风险，并识别关键风险因素和有益药物	创伤后应激障碍患者及其酒精和物质使用障碍风险	机器学习	精神疾病	深度学习	深度学习模型	电子病历数据	38,807名被诊断为创伤后应激障碍的患者
43	2024-09-23	Landmark tracking in liver US images using cascade convolutional neural networks with long short-term memory 2023-May-01, Measurement science & technology DOI:10.1088/1361-6501/acb5b3 PMID:36743834	研究论文	本文提出了一种基于深度学习的超声图像引导放射治疗中的解剖标志点跟踪方法	本文创新性地结合了注意力网络、掩码区域卷积神经网络（mask R-CNN）和长短期记忆网络（LSTM），以提高跟踪精度和减少搜索区域	本文的实验数据集较小，且仅在特定的超声图像模式下进行了测试，可能限制了方法的泛化能力	开发一种准确跟踪肝脏解剖标志点的方法，以支持放射治疗中的运动管理	肝脏超声图像中的解剖标志点	计算机视觉	NA	深度学习	卷积神经网络（CNN）和长短期记忆网络（LSTM）	图像	24个超声序列用于交叉验证，69个标志点用于测试
44	2024-09-23	Role of calibration in uncertainty-based referral for deep learning 2023-05, Statistical methods in medical research IF:1.6Q1 DOI:10.1177/09622802231158811 PMID:37011026	研究论文	本文评估了模型校准在基于不确定性的转诊中的作用，特别是在糖尿病视网膜病变检测中的应用	本文提出了基于不确定性的转诊方法，并探讨了模型校准对这种方法有效性的影响	本文主要集中在糖尿病视网膜病变检测数据上，未涵盖其他疾病或数据类型	研究模型校准在基于不确定性的转诊中的作用，以提高深度学习在医学影像分析中的决策支持能力	糖尿病视网膜病变检测数据和深度神经网络模型	计算机视觉	糖尿病	深度学习	深度神经网络	医学影像	NA
45	2024-09-23	A Data-Efficient Deep Learning Strategy for Tissue Characterization via Quantitative Ultrasound: Zone Training 2023-05, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3245988 PMID:37027531	研究论文	本文提出了一种数据高效的深度学习策略，用于通过定量超声进行组织分类，称为区域训练	本文的创新点在于提出了区域训练策略，将超声图像的完整视野划分为多个区域，并为每个区域训练单独的深度学习网络，从而减少训练数据的需求	本文的局限性在于仅在组织模拟幻影上进行了验证，尚未在临床数据上进行测试	研究目的是开发一种数据高效的深度学习技术，以促进深度学习在生物医学超声成像中的应用	研究对象是基于超声背散射RF数据的组织分类	机器学习	NA	定量超声（QUS）	深度学习网络	超声图像	三种不同的组织模拟幻影
46	2024-09-23	A new polygenic score for refractive error improves detection of children at risk of high myopia but not the prediction of those at risk of myopic macular degeneration 2023-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104551 PMID:37055258	研究论文	本文开发了一种新的多基因评分（PGS）用于预测儿童高度近视的风险，并测试了该评分对近视性黄斑变性（MMD）风险的预测能力	提出了一个新的多基因评分（PGS）用于预测儿童高度近视的风险，并首次尝试评估该评分对近视性黄斑变性风险的预测能力	该多基因评分在非欧洲人群中的表现不佳，且无法预测近视性黄斑变性的风险	开发一种改进的多基因评分（PGS）来预测儿童高度近视的风险，并评估其对近视性黄斑变性风险的预测能力	高度近视（HM）和近视性黄斑变性（MMD）的风险预测	遗传学	眼科疾病	全基因组关联研究（GWAS）	深度学习算法	基因数据	UK Biobank、CREAM Consortium和Genetic Epidemiology Research on Adult Health and Aging的参与者
47	2024-09-21	Prediction of clinicopathological features, multi-omics events and prognosis based on digital pathology and deep learning in HR+/HER2- breast cancer 2023-May-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-23-445 PMID:37324098	研究论文	本研究利用深度学习技术，基于数字病理图像预测HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	首次在HR+/HER2-乳腺癌中应用深度学习模型预测治疗靶点和预后	研究样本量有限，且仅基于单一中心的病理图像数据	开发基于深度学习的模型，预测HR+/HER2-乳腺癌患者的临床病理特征、多组学特征及预后	HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	数字病理学	乳腺癌	深度学习	深度学习模型	病理图像	421例HR+/HER2-乳腺癌患者
48	2024-09-21	Rapid protein stability prediction using deep learning representations 2023-05-15, eLife IF:6.4Q1 DOI:10.7554/eLife.82593 PMID:37184062	研究论文	本文介绍了一种利用深度学习表示快速准确预测蛋白质稳定性的方法RaSP	RaSP方法在蛋白质稳定性预测方面与基于生物物理学的方法表现相当，并且能够在不到一秒的时间内完成饱和突变稳定性预测	NA	开发一种快速准确的蛋白质稳定性预测方法	人类蛋白质组的单氨基酸变化及其在人类群体中的变异	机器学习	NA	深度学习	NA	蛋白质结构数据	约2.3亿个稳定性变化，涉及人类蛋白质组中的几乎所有单氨基酸变化
49	2024-09-20	Deep learning model accurately classifies metastatic tumors from primary tumors based on mutational signatures 2023-05-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-35842-w PMID:37253775	研究论文	本文开发了一种基于突变特征的深度神经网络模型MetaWise，用于准确分类转移性肿瘤和原发性肿瘤	首次利用突变特征作为输入特征，通过深度学习模型准确分类转移性肿瘤和原发性肿瘤，并优于传统的机器学习模型和深度学习模型DiaDeL	NA	开发一种能够准确分类转移性肿瘤和原发性肿瘤的深度学习模型，以帮助癌症治疗	转移性肿瘤和原发性肿瘤的分类	机器学习	NA	全外显子测序（WES）	深度神经网络（DNN）	突变特征	来自TCGA和其他转移性队列的全外显子测序数据
50	2024-09-20	Skin Cancer Detection Using Deep Learning-A Review 2023-May-30, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13111911 PMID:37296763	综述	本文综述了使用深度学习方法进行皮肤癌分类的最新研究	本文综述了最新的深度学习方法在皮肤癌分类中的应用	NA	探讨深度学习在皮肤癌早期和准确诊断中的应用	皮肤癌分类	计算机视觉	皮肤癌	深度学习	NA	图像	NA
51	2024-09-20	Deep learning generates synthetic cancer histology for explainability and education 2023-May-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00399-4 PMID:37248379	研究论文	本文提出了一种利用条件生成对抗网络（cGAN）生成合成癌症组织学图像以提高深度神经网络（DNN）模型可解释性的方法	利用cGAN生成高质量的合成组织学图像，用于解释DNN模型在分子亚型肿瘤分类中的决策过程，并展示了这些合成图像在病理学教育中的应用	NA	提高深度神经网络在肿瘤分子分类中的可解释性，并探索其在病理学教育中的应用	深度神经网络模型和条件生成对抗网络生成的合成组织学图像	计算机视觉	NA	条件生成对抗网络（cGAN）	深度神经网络（DNN）	图像	NA
52	2024-09-20	Marbling-Net: A Novel Intelligent Framework for Pork Marbling Segmentation Using Images from Smartphones 2023-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s23115135 PMID:37299862	研究论文	提出了一种基于深度学习的管道，使用浅层上下文编码网络（Marbling-Net）和基于补丁的训练策略以及图像上采样，从智能手机采集的猪肉背最长肌（LD）图像中准确分割脂肪纹理区域	提出了Marbling-Net，一种新的智能框架，用于从智能手机图像中分割猪肉脂肪纹理，并采用了基于补丁的训练策略和图像上采样技术	NA	开发一种准确分割猪肉脂肪纹理区域的方法，以量化这些特征，从而改善猪肉质量	猪肉背最长肌（LD）图像中的脂肪纹理区域	计算机视觉	NA	深度学习	浅层上下文编码网络（Marbling-Net）	图像	173张猪肉背最长肌（LD）图像
53	2024-09-20	A comprehensive review of analyzing the chest X-ray images to detect COVID-19 infections using deep learning techniques 2023-May-27, Soft computing IF:3.1Q2 DOI:10.1007/s00500-023-08561-7 PMID:37362273	综述	本文综述了使用深度学习技术分析胸部X光图像以检测COVID-19感染的研究	本文综述了使用卷积神经网络（CNN）和其他深度学习方法在胸部X光图像上诊断COVID-19的研究，并提供了未来研究方向	本文主要综述了现有研究，未提出新的技术或模型	提高COVID-19的快速准确诊断	胸部X光图像和COVID-19感染	计算机视觉	呼吸系统疾病	深度学习	CNN	图像	NA
54	2024-09-20	Retrosynthesis prediction using an end-to-end graph generative architecture for molecular graph editing 2023-May-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38851-5 PMID:37230985	研究论文	本文提出了一种端到端的图生成架构Graph2Edits，用于分子图编辑的逆合成预测	Graph2Edits模型通过图神经网络以自回归方式预测产物图的编辑，并将半模板方法的两个阶段过程整合为一个学习过程，提高了复杂反应的适用性和预测的可解释性	NA	改进逆合成预测的准确性和实用性	有机合成中的逆合成规划	机器学习	NA	图神经网络	Graph2Edits	分子图	在标准基准数据集USPTO-50k上进行评估，模型达到了55.1%的top-1准确率
55	2024-09-20	Unsupervised Deep Learning Can Identify Protein Functional Groups from Unaligned Sequences 2023-May-22, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evad084 PMID:37217837	研究论文	本文介绍了一种名为DeepSeqProt的无监督深度学习程序，用于从非对齐序列中识别蛋白质功能组	DeepSeqProt能够从非对齐、未注释的序列中学习显著的生物学特征，并能比其他聚类方法更有效地捕捉完整的蛋白质家族和统计上显著的共享本体	NA	解释从序列数据中推断蛋白质功能的生物信息学基本目标	蛋白质序列数据	机器学习	NA	无监督深度学习	NA	序列	NA
56	2024-09-20	Using EfficientNet-B7 (CNN), Variational Auto Encoder (VAE) and Siamese Twins' Networks to Evaluate Human Exercises as Super Objects in a TSSCI Images 2023-May-22, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050874 PMID:37241044	研究论文	本文介绍了一种将人体运动定义为静态超对象的新方法，通过单个二维图像表示运动，适用于远程医疗应用	提出了一种将人体运动定义为静态超对象的新方法，使用EfficientNet-B7、变分自编码器和孪生网络来评估和生成类似运动	未提及具体局限性	开发一种新的方法来评估和生成人体运动，适用于远程医疗应用	人体运动，特别是健身和物理治疗中的运动	计算机视觉	NA	EfficientNet-B7, 变分自编码器, 孪生网络	CNN, VAE, 孪生网络	图像	未提及具体样本数量
57	2024-09-20	Augmented Reality Surgical Navigation System Integrated with Deep Learning 2023-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050617 PMID:37237687	研究论文	本文提出了一种基于图像定位的增强现实手术导航系统，结合深度学习技术，提供直观的外科手术指导	该系统通过增强现实技术提供直观的手术指导，并结合深度学习U-Net分割网络实现自动识别脑积水位置，显著提高了识别准确性、敏感性和特异性	临床试验仅限于EVD手术，未来需在更多手术类型中验证其有效性	开发一种低成本、高稳定性、高精度的增强现实手术导航系统，提供直观的外科手术指导	增强现实手术导航系统及其在EVD手术中的应用	计算机视觉	NA	增强现实技术	U-Net	图像	临床试验涉及EVD手术
58	2024-09-20	Histopathological Gastric Cancer Detection on GasHisSDB Dataset Using Deep Ensemble Learning 2023-May-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101793 PMID:37238277	研究论文	本文提出了一种基于深度集成学习的胃癌病理图像检测方法，并在公开的胃癌数据集上进行了验证	本文的创新点在于使用集成模型结合多个深度学习模型的决策，以提高分类性能	本文的局限性在于仅在特定数据集上进行了验证，尚未在其他数据集上进行广泛测试	本文的研究目的是开发一种计算机辅助诊断工具，以帮助病理学家进行胃癌的早期检测	本文的研究对象是胃癌的病理图像	数字病理学	胃癌	深度学习	集成模型	图像	本文使用了公开的胃癌数据集，包含不同子数据库的图像
59	2024-09-20	Person Recognition Based on Deep Gait: A Survey 2023-May-18, Sensors (Basel, Switzerland) DOI:10.3390/s23104875 PMID:37430786	综述	本文综述了基于深度步态识别的研究进展、挑战和局限性	本文通过分类法组织了深度学习方法在步态识别领域的研究现状，并指出了当前方法的基本局限性	本文主要关注深度学习方法在步态识别中的局限性，如环境因素、复杂性和人体表现的可变性	综述基于深度学习的步态识别领域的进展，分析现有技术的性能，并提出未来研究方向	步态识别技术及其在深度学习方法中的应用	计算机视觉	NA	深度学习	NA	步态数据集	NA
60	2024-09-20	Detection of Monkeypox Disease from Human Skin Images with a Hybrid Deep Learning Model 2023-May-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101772 PMID:37238256	研究论文	本文开发了一种混合深度学习模型，用于从人类皮肤图像中检测猴痘疾病	本文提出了一种独特的混合深度学习模型，结合了两种表现最佳的深度学习模型和长短期记忆（LSTM）模型，以提高分类结果	NA	开发一种能够从皮肤图像中检测猴痘疾病的混合人工智能系统	猴痘疾病的皮肤图像	计算机视觉	猴痘	深度学习	混合模型（CSPDarkNet, InceptionV4, MnasNet, MobileNetV3, RepVGG, SE-ResNet, Xception, LSTM）	图像	包含水痘、麻疹、猴痘和正常类别的多类结构数据集，数据分布不平衡，经过数据增强和预处理后使用