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
61	2024-09-20	Predicting structures of large protein assemblies using combinatorial assembly algorithm and AlphaFold2 2023-May-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.16.541003 PMID:37293053	研究论文	本文介绍了一种名为CombFold的组合和层次化装配算法，用于预测大型蛋白质复合物的结构，利用AlphaFold2预测的亚基间相互作用	CombFold算法能够准确预测大型蛋白质复合物的结构，相比现有方法提高了20%的结构覆盖率	NA	开发一种新的算法来提高大型蛋白质复合物结构的预测准确性	大型蛋白质复合物的结构	计算机视觉	NA	AlphaFold2	NA	蛋白质结构数据	60个大型不对称复合物数据集中的72%的复合物
62	2024-09-20	Detection of Gallbladder Disease Types Using Deep Learning: An Informative Medical Method 2023-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101744 PMID:37238227	研究论文	本文利用深度学习技术，通过超声图像检测胆囊疾病的类型	本文成功应用深度神经网络模型，能够同时检测九种胆囊疾病	NA	开发一种能够早期诊断胆囊疾病的工具	胆囊疾病的类型	计算机视觉	胆囊疾病	深度学习	深度神经网络	图像	10,692张胆囊超声图像，来自1782名患者
63	2024-09-20	Detection of Paroxysmal Atrial Fibrillation from Dynamic ECG Recordings Based on a Deep Learning Model 2023-May-12, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050820 PMID:37240990	研究论文	本文提出了一种基于深度学习模型的动态心电图记录中阵发性心房颤动的检测方法	该方法不仅区分了心房颤动与正常心律，还能检测其发作和终止，并引入了残差块和Transformer编码器	未区分心房颤动与心房扑动，且在噪声环境下进行了压力测试，但未详细说明其在极端噪声条件下的表现	开发一种能够准确检测心房颤动及其发作和终止的深度学习模型	心房颤动的检测及其发作和终止的识别	机器学习	心血管疾病	深度学习	Transformer	心电图	训练数据来自CPSC2021挑战赛，测试数据包括四个公共数据集
64	2024-09-20	Deep versus Handcrafted Tensor Radiomics Features: Prediction of Survival in Head and Neck Cancer Using Machine Learning and Fusion Techniques 2023-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101696 PMID:37238180	研究论文	本文比较了深度学习和手工特征在头颈癌生存预测中的表现	本文引入了张量放射组学范式，通过生成和探索不同版本的特征来提供额外价值	本文未详细讨论模型的可解释性和泛化能力	比较深度特征和手工特征在头颈癌生存预测中的表现	头颈癌患者的生存预测	机器学习	头颈癌	深度学习算法	卷积神经网络 (CNN)	图像	408名头颈癌患者
65	2024-09-20	The Effect of Coupled Electroencephalography Signals in Electrooculography Signals on Sleep Staging Based on Deep Learning Methods 2023-May-10, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050573 PMID:37237643	研究论文	研究了耦合脑电图信号对基于眼电图信号的自动睡眠分期的影响	首次探讨了耦合脑电图信号在眼电图信号中对自动睡眠分期的影响，并证明了适当耦合的脑电图信号可以提高睡眠分期的准确性	仅使用了三个数据集进行验证，未来需要更多数据集来进一步验证结果	探讨耦合脑电图信号在眼电图信号中对自动睡眠分期的影响	耦合脑电图信号在眼电图信号中的影响	机器学习	NA	盲源分离算法	卷积神经网络和循环神经网络	信号	使用了两个公开数据集和一个临床数据集
66	2024-09-20	An Ensembled Framework for Human Breast Cancer Survivability Prediction Using Deep Learning 2023-May-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101688 PMID:37238173	研究论文	本文提出了一种用于预测乳腺癌生存率的集成模型，利用多模态数据和多个神经网络的输出进行预测	本文的创新点在于提出了一个集成模型，结合了卷积神经网络、深度神经网络和长短期记忆网络，以处理多维数据并提高预测准确性	NA	研究目的是设计一个高效且快速的计算模型，用于乳腺癌的预后预测	研究对象是乳腺癌患者的生存率预测	机器学习	乳腺癌	NA	CNN, DNN, LSTM	多模态数据	NA
67	2024-09-20	Segmentation of Anatomical Structures of the Left Heart from Echocardiographic Images Using Deep Learning 2023-May-09, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101683 PMID:37238168	研究论文	本文介绍了一种基于深度学习的工具，用于从超声心动图图像中自动分割左心房和左心室的心脏解剖结构	本文提出了一种结合YOLOv7算法和U-Net的卷积神经网络模型，用于自动分割超声心动图中的左心房和左心室结构	NA	支持临床实践，提高心脏功能评估的效率	左心房和左心室的心脏解剖结构	计算机视觉	NA	深度学习	卷积神经网络	图像	450名患者的超声心动图图像，包含心尖两腔和四腔视图在收缩末期和舒张末期的图像
68	2024-09-20	Empowering Hand Rehabilitation with AI-Powered Gesture Recognition: A Study of an sEMG-Based System 2023-May-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050557 PMID:37237627	研究论文	本文介绍了一种基于sEMG信号和深度学习算法的智能手部康复手套，旨在帮助中风患者进行有效的手部康复训练	该手套集成了四个sEMG传感器和深度学习算法，能够通过非受影响手部的手势识别来驱动受影响手部的运动，从而实现镜像疗法和任务导向疗法	NA	开发一种智能手部康复设备，帮助中风患者恢复手部功能	中风患者的手部康复	机器学习	中风	sEMG信号	1D-CNN算法和InceptionTime算法	sEMG信号	NA
69	2024-09-20	DeepCOVID-Fuse: A Multi-Modality Deep Learning Model Fusing Chest X-rays and Clinical Variables to Predict COVID-19 Risk Levels 2023-May-05, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10050556 PMID:37237626	研究论文	本文介绍了一种名为DeepCOVID-Fuse的多模态深度学习模型，该模型通过融合胸部X光片和临床变量来预测COVID-19患者的风险等级	DeepCOVID-Fuse模型通过结合胸部X光片和临床变量，显著提高了COVID-19风险预测的准确性	研究数据仅来自特定时间段和特定医院，可能限制了模型的普适性	开发一种能够准确预测COVID-19患者风险等级的多模态深度学习模型	COVID-19患者的胸部X光片和临床变量	机器学习	COVID-19	深度学习	多模态深度学习模型	图像和临床数据	训练集1657例，验证集428例，测试集439例
70	2024-09-20	Automated Retrieval of Heterogeneous Proteomic Data for Machine Learning 2023-May-02, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm13050790 PMID:37240960	研究论文	本文提出了一种自动化方法，用于从公开的蛋白质组学数据库中检索异构蛋白质组数据，以供机器学习应用	本文的创新点在于将不同来源和条件的蛋白质组学数据整合成一个大型数据库，便于应用新兴的生物信息学工具和深度学习算法	本文的局限性在于数据收集过程中可能涉及的伦理和法律问题，以及确保数据质量和准确性的挑战	本文的研究目的是为机器学习应用提供一个整合的蛋白质组学数据集，以促进对蛋白质表达和功能的深入理解	本文的研究对象是心脏相关的蛋白质组学数据	机器学习	心血管疾病	质谱分析（MS/MS）	NA	蛋白质组学数据	NA
71	2024-09-20	Computerized Diagnosis of Liver Tumors From CT Scans Using a Deep Neural Network Approach 2023-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3248489 PMID:37027632	研究论文	本文研究了使用深度神经网络从CT扫描中自动分类肝肿瘤的方法	提出了一种基于改进的Inception v3网络的分类模型，能够客观地提取肉眼不可见的鉴别特征	NA	旨在通过深度学习方法自动分类CT扫描中的肝肿瘤	肝肿瘤，包括肝细胞癌（HCC）、肝内胆管癌（ICC）、结直肠肝转移（CRLM）和良性肿瘤	计算机视觉	肝癌	深度学习	Inception v3	图像	814名患者的多机构数据集
72	2024-09-20	Generative adversarial network based digital stain conversion for generating RGB EVG stained image from hyperspectral H&E stained image 2023-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.5.056501 PMID:37265876	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于从高光谱H&E染色图像生成RGB EVG染色图像	本文创新性地使用CycleGAN模型进行数字染色转换，并引入一组三个基函数来计算损失，保留了EVG染色图像的相关特征	NA	提出一种基于深度学习的计算机化方法，用于生成RGB EVG染色组织图像，以节省传统EVG染色过程的时间和成本	高光谱H&E染色图像和EVG染色的RGB全切片图像	数字病理学	NA	生成对抗网络（GAN）	CycleGAN	图像	人类胰腺组织的高光谱H&E染色图像和EVG染色的RGB全切片图像
73	2024-09-20	Astronomia ex machina: a history, primer and outlook on neural networks in astronomy 2023-May, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221454 PMID:37266039	综述	本文回顾了人工智能和深度学习在天文学中的历史发展及未来前景	提出了采用类似GPT的基础模型进行天文应用的微调，以利用高质量的多模态天文数据服务于最先进的下游任务	NA	探讨人工智能和深度学习在天文学中的应用及其未来发展	天文学中的连接主义发展及其在人工智能和深度学习中的应用	机器学习	NA	深度学习	多层感知器、卷积神经网络、循环神经网络、生成对抗网络	多模态数据	NA
74	2024-09-19	Deep learning for multi-class semantic segmentation enables colorectal cancer detection and classification in digital pathology images 2023-05-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-35491-z PMID:37225743	研究论文	本文介绍了一种基于深度学习的多类语义分割方法，用于在数字病理图像中检测和分类结直肠癌	本文提出了一种基于人工智能的方法，用于在H&E染色的全切片图像中分割多个组织隔室，并测试和比较了用于分割模型的多种最先进的损失函数	本文的局限性在于其研究范围主要集中在荷兰和德国的五个医疗中心的结直肠癌病例，以及两个公开的结直肠癌分割数据集	本文的研究目的是开发一种能够自动评估结直肠癌病理全切片图像的人工智能方法	本文的研究对象是结直肠癌的病理全切片图像	数字病理学	结直肠癌	深度学习	语义分割模型	图像	超过1000名患者的独立队列
75	2024-09-19	A Small Step Toward Generalizability: Training a Machine Learning Scoring Function for Structure-Based Virtual Screening 2023-05-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00322 PMID:37166179	研究论文	本文开发了一种基于机器学习的评分函数，用于结构导向的虚拟筛选，旨在提高其对未见分子的泛化能力	本文提出了一种新的机器学习评分函数，通过彻底的训练和测试数据集筛选来避免数据集偏差的影响，并首次使用深度学习方法从目标中提取结构信息用于分子设计	本文未详细讨论该评分函数在不同蛋白质目标上的泛化能力，以及其在实际应用中的表现	开发一种能够准确预测小分子与蛋白质结合亲和力的机器学习评分函数，并提高其对未见分子的泛化能力	小分子与蛋白质的结合亲和力预测	机器学习	NA	机器学习	NA	结构数据	使用了CASF-2016基准测试集进行训练和测试
76	2024-09-19	A survey on automatic generation of medical imaging reports based on deep learning 2023-May-18, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-023-01113-y PMID:37202803	综述	本文综述了基于深度学习的医学影像报告自动生成领域的最新研究进展，并提出了未来的研究方向	本文总结了多种深度学习架构在诊断报告生成中的应用，包括分层RNN框架、基于注意力机制的框架和基于强化学习的框架	本文指出了当前研究中存在的潜在挑战，并提出了未来研究方向以支持临床应用和决策	综述基于深度学习的医学影像报告自动生成领域的研究进展，并提出未来研究方向	医学影像报告的自动生成	计算机视觉	NA	深度学习	RNN、注意力机制、强化学习	影像	NA
77	2024-09-19	General framework for E(3)-equivariant neural network representation of density functional theory Hamiltonian 2023-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38468-8 PMID:37208320	研究论文	提出了一种E(3)-等变深度学习框架，用于表示密度泛函理论（DFT）哈密顿量作为材料结构的函数	该方法能够自然地保留欧几里得对称性，即使在存在自旋轨道耦合的情况下，也能实现高效的电子结构计算	NA	设计一种结合深度学习和从头计算的神经网络模型，以实现高效的电子结构计算	密度泛函理论（DFT）哈密顿量和材料结构	机器学习	NA	深度学习	E(3)-等变神经网络	材料结构数据	小尺寸结构的数据
78	2024-09-19	The effect of neural network architecture on virtual H&E staining: Systematic assessment of histological feasibility 2023-May-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100725 PMID:37223268	研究论文	本文研究了神经网络架构对虚拟H&E染色的影响，评估了其在组织学上的可行性	本文通过使用pix2pix模型，发现用密集卷积单元替代简单卷积可以提高结构相似性分数、峰值信噪比和细胞核再现精度	NA	研究神经网络架构对虚拟H&E染色的影响，评估其在组织学分析中的应用潜力	未染色的组织切片和虚拟H&E染色图像	计算机视觉	NA	深度学习	生成对抗网络 (GAN)	图像	涉及多种组织类型
79	2024-09-19	Sentiment Impact of Public Health Agency communication Strategies on TikTok under COVID-19 Normalization: Deep Learning Exploration 2023-May-11, Zeitschrift fur Gesundheitswissenschaften = Journal of public health DOI:10.1007/s10389-023-01921-5 PMID:37361279	研究论文	研究探讨了COVID-19常态化背景下，公共卫生机构在TikTok上的沟通策略对公众情感倾向的影响	首次探索了公共卫生机构在TikTok上的沟通策略与公众情感倾向之间的关系	研究仅基于2022年上海封城事件，可能缺乏普适性	探讨公共卫生机构在TikTok上的沟通策略与公众情感倾向之间的关系	公共卫生机构的沟通策略和公众的情感倾向	自然语言处理	NA	ERNIE预训练模型	ERNIE	文本	基于2022年上海封城事件的TikTok数据
80	2024-09-19	Deep learning models challenge the prevailing assumption that face-like effects for objects of expertise support domain-general mechanisms 2023-05-10, Proceedings. Biological sciences DOI:10.1098/rspb.2023.0093 PMID:37161322	研究论文	本文探讨了专家对象识别中任务表现的最佳机制是领域特定还是领域通用的处理机制	通过训练深度学习算法在不同领域和分类级别上，发现面孔般的反转效应并不支持领域通用机制，而是可能源自领域特定机制	人类研究中领域、经验和分类级别的效果混淆可能导致错误推断	测试专家对象识别中任务表现的最佳机制	深度学习模型在不同领域和分类级别上的表现	机器学习	NA	深度学习	深度学习算法	图像	不同领域（对象、面孔、鸟类）和分类级别（基本、下属、个体）的数据