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
81	2024-08-05	SpheroScan: A User-Friendly Deep Learning Tool for Spheroid Image Analysis 2023-Jun-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.28.533479 PMID:37425923	研究论文	本文介绍了SpheroScan，一个用户友好的深度学习工具，用于球形图像分析	开发了一个全自动、基于网络的工具，使用掩模区域卷积神经网络进行图像检测和分割	NA	解决缺乏自动化和用户友好的3D球体图像分析工具的问题	使用IncuCyte活细胞分析系统和常规显微镜拍摄的球形图像	数字病理	NA	深度学习	卷积神经网络	图像	使用的训练集和验证集的具体样本数量未提供
82	2024-08-05	Prediction-oriented prognostic biomarker discovery with survival machine learning methods 2023-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqad055 PMID:37332657	研究论文	本文提出了一系列基于生存机器学习方法的预测导向生物标志物选择框架。	采用了随机生存森林、极端梯度提升、轻量级梯度提升和深度学习生存模型等新型机器学习算法进行生物标志物选择，并将PROMISE方法调整为生存模型(PROMISE-Cox)。	在生存模型中不同特征选择方法的表现需要进一步深入研究。	目标是发现新颖且可靠的预后生物标志物，以预测患者的生存结果。	主要研究对象为不同类型的头颈癌数据中的预后生物标志物。	机器学习	癌症	机器学习算法	随机生存森林、极端梯度提升、轻量级梯度提升、深度学习模型	数据	不同类型的头颈癌数据集（具体样本量未提及）
83	2024-08-05	Preclinical-to-clinical Anti-cancer Drug Response Prediction and Biomarker Identification Using TINDL 2023-06, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2023.01.006 PMID:36775056	研究论文	本研究开发了一种名为TINDL的深度学习框架，用于预测癌症患者对不同治疗的反应和识别药物反应的生物标志物	使用基于组织的归一化方法处理数据，使得该模型能够识别预测药物反应的小基因集合，并使深度学习黑箱可解释	本研究的实验主要基于癌症细胞系，是否能充分适用于临床患者仍需进一步验证	个性化医学中预测癌症患者对不同治疗反应和识别药物反应生物标志物的目标	预临床癌症细胞系和癌症肿瘤数据，这些数据用于训练和验证模型	机器学习	癌症	深度学习	NA	数据集	使用了来自两个大型数据库的癌症细胞系和肿瘤数据
84	2024-08-05	An end-to-end deep learning framework for translating mass spectra to de-novo molecules 2023-Jun-23, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-023-00932-3 PMID:37353554	研究论文	本文提出了一种深度学习框架Spec2Mol，用于根据质谱数据推荐分子结构	该研究首次应用类似Speech2Text的架构，将质谱直接转化为新分子的SMILES序列	该方法在参考数据库中无法找到分子结构信息时可能会存在局限性	研究旨在改善新分子结构的推荐过程	研究对象是通过质谱数据得出的化学分子结构	机器学习	NA	深度学习	编码器-解码器架构	质谱数据	使用了大量的化学结构数据进行预训练，但具体样本数量未明确
85	2024-08-05	scTour: a deep learning architecture for robust inference and accurate prediction of cellular dynamics 2023-06-23, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02988-9 PMID:37353848	研究论文	本文介绍了scTour，这是一种深度学习架构，用于在最小化批次效应影响的情况下，进行细胞动态的推断和预测	scTour具备同时估计发育伪时间、描绘向量场和映射转录组潜在空间的能力，整合在一个框架下	NA	构建一种能够推断和预测细胞发育动态的工具	对19个数据集中的多种生物过程进行研究	机器学习	NA	单细胞基因组学	深度学习架构	数据集	19个数据集
86	2024-08-05	Screening for extranodal extension in HPV-associated oropharyngeal carcinoma: evaluation of a CT-based deep learning algorithm in patient data from a multicentre, randomised de-escalation trial 2023-06, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00046-8 PMID:37087370	研究论文	本研究评估了一种基于CT的深度学习算法在HPV相关的口咽癌患者中预测病理性外结节扩展(ENE)的表现	首次在多中心随机试验中使用深度学习算法预测HPV相关口咽癌的病理性ENE	该研究为回顾性评估，且可能受限于已排除的患者群体和标注的一致性	评估深度学习算法在HPV相关口咽癌患者中的ENE预测能力	HPV相关口咽癌患者在ECOG-ACRIN E3311试验中的数据	计算机视觉	口咽癌	CT	深度学习算法	影像	178张扫描图像和313个淋巴结
87	2024-08-05	Toward next-generation endoscopes integrating biomimetic video systems, nonlinear optical microscopy, and deep learning 2023-Jun, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0133027 PMID:38510341	研究论文	本文审查了三种新兴技术在下一代内镜系统中的潜在应用，以提高胃肠道癌症的诊断能力	提出了结合仿生视频系统、非线性光学显微镜和深度学习的内镜新配置，能够更有效地检测和确认可疑病变	在将这些技术应用于下一代内镜时面临诸多挑战	提高胃肠道癌症的早期检测和诊断效率	主要关注胃癌的内镜诊断技术进展	计算机视觉	癌症	非线性光学显微镜、深度学习	NA	NA	NA
88	2024-08-05	Development of a Deep Learning Model for Retinal Hemorrhage Detection on Head Computed Tomography in Young Children 2023-06-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.19420 PMID:37347482	研究论文	本研究开发了一种基于深度学习的模型，用于儿童头部CT图像中检测视网膜出血	该研究首次使用深度学习图像分析来检测小儿头部CT图像中的视网膜出血	可能需要外部前瞻性验证以确认模型的准确性	评估深度学习模型在儿童头部CT中检测视网膜出血的有效性	301名诊断为虐待性头部创伤（AHT）的儿童患者	计算机视觉	NA	深度学习	NA	图像	301名患者
89	2024-08-05	A Trainable Open-Source Machine Learning Accelerometer Activity Recognition Toolbox: Deep Learning Approach 2023-Jun-08, JMIR AI DOI:10.2196/42337 PMID:38875548	研究论文	本研究开发了一种准确、可训练的开源手机活动追踪工具箱。	提出了一种开放源代码的深度学习加速器活动识别工具，能够适应新行为的检测。	维度自适应神经架构模型在测试自有数据时准确性大幅下降至26%。	解决当前活动追踪器在科学应用中动作判别准确性不足的问题。	使用加速度计和陀螺仪数据识别不同类别的活动。	机器学习	NA	深度学习	维度自适应神经架构模型	加速度计和陀螺仪数据	6种不同的行为，包含来自自身记录的数据和MotionSense数据
90	2024-08-05	Natural Language Processing for Clinical Laboratory Data Repository Systems: Implementation and Evaluation for Respiratory Viruses 2023-Jun-06, JMIR AI DOI:10.2196/44835 PMID:38875570	研究论文	本文探讨了自然语言处理技术在临床实验室数据中的应用，评估了其在呼吸病毒信息提取中的可行性	提出了一种基于深度学习的自然语言处理模型，以替代耗时且资源密集的手工规则工具	模型性能在不同病毒类别和类型间存在差异，且在检测到的病毒案例中的表现较差	研究自然语言处理模型在实验室报告信息提取中的可行性	省级实验室报告中的文本数据，涵盖14种呼吸病毒及其亚型	自然语言处理	呼吸道病毒感染	深度学习	层次多标签分类器	文本	87,500份独特的实验室报告
91	2024-08-05	Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing 2023-Jun-01, JMIR AI DOI:10.2196/44537 PMID:38875565	研究论文	本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征	创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征	样本仅限于肺癌患者，可能不具备更广泛适应性	旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析	本研究对象为13,216名肺癌患者的放射学记录	自然语言处理	肺癌	深度学习，NLP	双向长短期记忆模型	文本	涉及13,216名肺癌患者的放射学记录
92	2024-08-05	Automated deep learning auto-segmentation of air volumes for MRI-guided online adaptive radiation therapy of abdominal tumors 2023-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acda0b PMID:37253374	研究论文	本研究开发了一种自动化方法，用于在MRI引导的腹部肿瘤适应性放射治疗中分割空气区域	提出了一种修改版ResUNet3D深度学习模型用于自动分割MRI中的空气区域	该研究可能受到专门的MR图像序列和模型训练样本的限制	研究的目的是提高腹部肿瘤放射治疗中空气区域的分割速度和准确性	研究对象是102名患者的MRI图像	数字病理学	NA	深度学习	ResUNet3D	图像	102个患者的MR图像
93	2024-08-05	MeshDeform: Surface Reconstruction of Subcortical Structures in Human Brain MRI 2023-Jun, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-34048-2_41 PMID:37915753	研究论文	本论文提出了一种名为MeshDeform的新型深度学习网格变形网络，用于重建人脑MRI中皮层下结构的表面	MeshDeform结合了U-Net编码器提取的特征和网格变形模块，能够以亚体素精度快速重建皮层下结构的拓扑正确表面	NA	研究脑的形态学，通过重建皮层和皮层下结构的表面	人脑MRI中的皮层下结构	数字病理学	NA	深度学习	U-Net	MRI图像	涉及了17个皮层下结构
94	2024-08-05	Pashto Handwritten Invariant Character Trajectory Prediction Using a Customized Deep Learning Technique 2023-Jun-30, Sensors (Basel, Switzerland) DOI:10.3390/s23136060 PMID:37447909	研究论文	本研究专注于使用深度学习技术检测和识别普什图手写字符和连字	开发了针对普什图的特定数据集，并引入了数据增强技术，以提升手写字符识别的准确性	专注于普什图语言，可能对其他区域语言的适用性有限	旨在保护普什图手写字符的识别和记录	普什图手写字符和连字	计算机视觉	NA	深度学习	定制CNN	图像	NA
95	2024-08-05	ConvNeXt steel slag sand substitution rate detection method incorporating attention mechanism 2023-Jun-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37676-y PMID:37391568	研究论文	提出了一种基于深度学习的钢渣砂替代率检测方法	通过在ConvNeXt模型中加入Squeeze and Excitation注意力机制，提高了钢渣砂混合物颜色特征的提取效率	检测方法效率低，缺乏具有代表性的采样	提升钢渣砂替代率检测的效率和准确性	钢渣砂的替代率	计算机视觉	NA	深度学习	ConvNeXt	图像	NA
96	2024-08-05	Micro-architecture design exploration template for AutoML case study on SqueezeSEMAuto 2023-Jun-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-37682-0 PMID:37391458	研究论文	本文探讨了一种AutoML框架，用于SqueezeNet的微架构设计探索	提出了将SE块与残差块组合并应用于SqueezeNet的创新方法	没有提及实验的计算资源和时间成本	旨在优化CNN架构设计以提高图像识别任务的准确性	研究对象为基于SqueezeNet的深度学习模型	计算机视觉	NA	卷积神经网络	SqueezeNet	图像	CIFAR-10和清华人脸表情数据集
97	2024-08-05	Performance Degradation Assessment of Railway Axle Box Bearing Based on Combination of Denoising Features and Time Series Information 2023-Jun-26, Sensors (Basel, Switzerland) DOI:10.3390/s23135910 PMID:37447760	研究论文	提出了一种基于深度残差收缩网络和深度长短期记忆网络的铁路轴箱轴承性能退化评估模型	提出了结合去噪特征和时间序列信息的方法，提高模型对早期故障的敏感性	未提及特定的应用环境和实际操作中的限制	解决现有滚动轴承性能退化评估方法中噪声和时间信息被忽略的问题	铁路轴箱轴承的性能退化评估	机器学习	NA	深度残差收缩网络，深度长短期记忆网络	DRSN-LSTM	信号	人工诱导缺陷和加速疲劳测试数据
98	2024-08-05	FPGA Implementation of Keyword Spotting System Using Depthwise Separable Binarized and Ternarized Neural Networks 2023-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s23125701 PMID:37420866	研究论文	该研究提出了一种深度可分离的二元/三元神经网络硬件加速器，用于关键词识别系统	提出了一种新的深度可分离二元/三元神经网络加速器，能够在单一设备上同时进行唤醒词识别和命令分类	没有提到在不同硬件平台上的适应性和扩展性	研究旨在优化关键词识别系统的硬件实现，以提高效率	本研究对象是关键词识别系统中的深度学习算法和硬件实现	机器学习	NA	硬件加速	深度可分离二元/三元神经网络	音频数据	NA
99	2024-08-05	Forest Fire Smoke Detection Based on Deep Learning Approaches and Unmanned Aerial Vehicle Images 2023-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s23125702 PMID:37420867	研究论文	该文章提出了一种基于深度学习的森林火灾烟雾检测方法，使用无人机图像提高检测效率	提出了改进的YOLOv7模型，结合CBAM注意机制和SPPF+层来增强烟雾特征提取能力	未提及限制条件	旨在快速识别森林火灾初期烟雾，以便及时响应并防止火势蔓延	森林火灾烟雾图像	计算机视觉	NA	YOLOv7	YOLOv7	图像	6500张无人机拍摄的烟雾图像
100	2024-08-05	Indoor Scene Recognition Mechanism Based on Direction-Driven Convolutional Neural Networks 2023-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s23125672 PMID:37420835	研究论文	本文提出了一种基于深度学习的房间级室内定位系统，结合视觉信息和智能手机传感器。	引入了方向驱动的卷积神经网络（CNN），并采用多种加权融合策略提升系统性能。	研究仍受限于智能手机计算能力，需结合服务器进行部分计算。	研究旨在提升室内场景识别与定位的准确性。	研究对象包括使用智能手机拍摄的室内图像。	计算机视觉	NA	深度学习、卷积神经网络（CNN）	卷积神经网络（CNN）	图像	在真实数据集上进行的多个实验分析