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
121	2024-09-29	High-throughput synthesis provides data for predicting molecular properties and reaction success 2023-10-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj2314 PMID:37889964	研究论文	本文介绍了一种利用光催化N-杂环合成、高通量实验、自动化纯化和物理化学分析的平台，用于预测分子性质和反应成功率	利用深度学习预测立体化学多样化的C-取代N-饱和杂环的可合成性，并揭示了结构与性质之间的新趋势	NA	提高药物发现中吸引骨架的合成效率和成功率	立体化学多样化的C-取代N-饱和杂环	药物发现	NA	光催化合成、高通量实验、自动化纯化、物理化学分析	深度学习	反应数据	1152个独立反应
122	2024-09-30	Federated and Transfer Learning Methods for the Classification of Melanoma and Nonmelanoma Skin Cancers: A Prospective Study 2023-Oct-13, Sensors (Basel, Switzerland) DOI:10.3390/s23208457 PMID:37896548	研究论文	本文综述了联邦学习和迁移学习方法在黑色素瘤和非黑色素瘤皮肤癌分类中的应用	本文综述了最新的联邦学习和迁移学习算法在恶性皮肤癌分类中的应用，并提出了未来研究的方向	本文综述了现有研究的局限性和挑战	帮助皮肤科医生和其他医疗专业人员在早期阶段对患者进行治疗	黑色素瘤和非黑色素瘤皮肤癌的分类	机器学习	皮肤癌	联邦学习、迁移学习	NA	图像	86篇文章
123	2024-09-30	Aurora retrieval in all-sky images based on hash vision transformer 2023-Oct, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e20609 PMID:37916095	研究论文	本文提出了一种基于哈希视觉变换器的极光检索方法，用于从全天图像中提取极光特征	本文引入了基于Vision Transformer的Hash-Transformer模型，有效融合了极光图像的局部和全局特征表示	NA	研究极光现象的形态和时间特征，以更好地理解大规模磁层过程	极光现象及其在全天图像中的特征	计算机视觉	NA	Vision Transformer	Hash-Transformer	图像	基于真实世界数据
124	2024-09-28	[Alzheimer's disease classification based on nonlinear high-order features and hypergraph convolutional neural network] 2023-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202305060 PMID:37879913	研究论文	提出了一种结合非线性高阶特征提取和三维超图神经网络的框架，用于阿尔茨海默病的计算机辅助诊断	利用非线性高阶交互特征和四维时空超图卷积神经网络模型，提高了阿尔茨海默病分类的准确性	NA	提高阿尔茨海默病的诊断准确性	阿尔茨海默病患者的脑部功能磁共振成像数据	计算机视觉	阿尔茨海默病	功能磁共振成像	超图卷积神经网络	图像	来自阿尔茨海默病神经成像倡议数据库的数据
125	2024-09-28	[A review on intelligent auxiliary diagnosis methods based on electrocardiograms for myocardial infarction] 2023-Oct-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202212010 PMID:37879933	综述	本文综述了基于心电图的心肌梗死智能辅助诊断方法	总结了基于机器学习和深度学习的心肌梗死智能辅助诊断方法，并指出了未来的研究方向	未提及具体的研究局限性	探讨心肌梗死的智能辅助诊断方法	心肌梗死及其心电图特征	机器学习	心血管疾病	机器学习、深度学习	NA	心电图	未提及具体样本数量
126	2024-09-28	Deep Learning and Drug Discovery for Healthy Aging 2023-Oct-25, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.3c01212 PMID:37901176	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
127	2024-09-28	Data-Driven Deep Learning Neural Networks for Predicting the Number of Individuals Infected by COVID-19 Omicron Variant 2023-Oct-20, Epidemiologia (Basel, Switzerland) DOI:10.3390/epidemiologia4040037 PMID:37873886	研究论文	本文提出了一种基于神经网络的时间序列模型，用于预测COVID-19 Omicron变种感染人数	引入了基于神经网络的时间序列模型，能够有效预测不同国家在不同防控措施下的每日和累计感染人数	常数模型无法准确预测每日或累计感染人数，而理性和双有理模型在部分防控措施国家表现不佳	开发一种能够准确预测COVID-19 Omicron变种感染人数的模型，以帮助评估和预防疾病的影响	COVID-19 Omicron变种的感染人数预测	机器学习	传染病	深度学习	神经网络	时间序列数据	葡萄牙、意大利和中国的Omicron变种数据
128	2024-09-28	AI-Driven Segmentation and Automated Analysis of the Whole Sagittal Spine from X-ray Images for Spinopelvic Parameter Evaluation 2023-Oct-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10101229 PMID:37892959	研究论文	本文开发了一种基于人工智能的深度学习方法，用于从X光图像中自动分割、对齐和测量脊柱-骨盆参数	本文首次提出了一种基于深度学习的自动化方法，用于从侧位X光片中分割和分析整个脊柱，并测量脊柱-骨盆参数	本文的样本量相对较小，且仅限于侧位X光片，未来研究应扩大样本量并验证其在其他类型影像中的适用性	开发一种自动化方法，用于从X光图像中分割和分析整个脊柱，并测量脊柱-骨盆参数，以提高骨科诊断和治疗的准确性和效率	脊柱-骨盆参数的自动分割、对齐和测量	计算机视觉	NA	深度学习	深度学习模型	图像	932张标注的X光图像，其中748张用于训练，90张用于验证，90张用于测试
129	2024-09-28	Skeletal Fracture Detection with Deep Learning: A Comprehensive Review 2023-Oct-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13203245 PMID:37892066	综述	本文对使用深度学习进行骨骼骨折检测的研究进行了全面综述	本文建立了骨骼骨折识别、分类、检测和定位任务的精确定义，并总结了不同研究的关键方面，提出了一个通用的处理框架	本文主要集中在X射线图像上的骨骼骨折检测，未涵盖其他成像技术或临床信息	解决深度学习在骨骼骨折诊断中的任务定义不明确和解释性不足的问题	骨骼骨折的识别、分类、检测和定位	计算机视觉	NA	深度学习	NA	图像	分析了40篇近期发表的论文，涵盖了337篇论文中的研究
130	2024-09-28	Interactive Dairy Goat Image Segmentation for Precision Livestock Farming 2023-Oct-18, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani13203250 PMID:37893974	研究论文	提出了一种新的交互式分割模型UA-MHFF-DeepLabv3+，用于提高奶山羊图像分割的准确性	引入了层级多头部特征融合（MHFF）和上采样注意力（UA）机制，显著提升了DeepLabv3+在对象边界和小对象上的分割精度	未提及	减少奶山羊图像标注的工作量，提高标注效率	奶山羊图像的语义分割和实例分割	计算机视觉	NA	深度学习	DeepLabv3+	图像	未提及具体数量，但提到了验证集DGImgs
131	2024-09-28	Deep learning for precision medicine: Guiding laser therapy in ischemic retinal diseases 2023-10-17, Cell reports. Medicine DOI:10.1016/j.xcrm.2023.101239 PMID:37852186	研究论文	本文介绍了一种多任务人工智能系统，用于辅助眼底荧光血管造影（FFA）成像的全过程，减少对视网膜专家的依赖	开发了一种多任务人工智能系统，能够辅助FFA成像的全过程	NA	利用深度学习技术指导缺血性视网膜疾病的激光治疗	眼底荧光血管造影（FFA）成像	计算机视觉	视网膜疾病	深度学习	多任务人工智能系统	图像	NA
132	2024-09-28	HDR-EfficientNet: A Classification of Hypertensive and Diabetic Retinopathy Using Optimize EfficientNet Architecture 2023-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13203236 PMID:37892058	研究论文	提出了一种基于深度学习的HDR-EfficientNet方法，用于高效准确地识别高血压性视网膜病变和糖尿病性视网膜病变	引入了一种基于EfficientNet-V2网络的深度学习方法，并结合空间-通道注意力机制，提高了对特定损伤区域和不同疾病的识别能力	NA	开发一种高效准确的计算机辅助方法，用于早期识别和评估高血压性视网膜病变和糖尿病性视网膜病变	高血压性视网膜病变和糖尿病性视网膜病变	计算机视觉	眼科疾病	深度学习	EfficientNet-V2	图像	超过36,000张增强的视网膜眼底图像
133	2024-09-28	Leveraging AI in Postgraduate Medical Education for Rapid Skill Acquisition in Ultrasound-Guided Procedural Techniques 2023-Oct-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9100225 PMID:37888332	研究论文	本文提出了一种利用人工智能加速研究生医学教育中超声引导技术技能获取的方法	本文创新性地开发了一种模拟人体组织的琼脂模型，并采用深度学习技术为学员提供实时目标结构可视化及自动化评估	NA	加速研究生在超声引导技术中的技能获取	研究生医学教育中的超声引导技术	机器学习	NA	深度学习	NA	图像	NA
134	2024-09-28	Bodily expressed emotion understanding through integrating Laban movement analysis 2023-Oct-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100816 PMID:37876902	研究论文	本文通过整合Laban动作分析来研究身体表达情感的理解	提出了一个双源解决方案，结合身体运动元素和情感标签来增强情感理解模型	NA	自动识别从身体动作中表达的人类情感	身体运动元素和情感表达	计算机视觉	NA	深度学习	双源模型	数据集	BoME数据集包含高度精确的人类运动元素
135	2024-09-28	Deep Learning Approach for Differentiating Etiologies of Pediatric Retinal Hemorrhages: A Multicenter Study 2023-Oct-12, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms242015105 PMID:37894785	研究论文	研究利用深度学习方法区分儿童视网膜出血的不同病因，涉及多中心研究	采用基于ResNet和transformer架构的深度学习模型，特别是FastViT-SA12模型，在区分儿童视网膜出血病因方面取得了高准确率	尽管AI在诊断视网膜出血方面有价值，但医学专家的专业知识仍然不可替代	探索深度学习方法在区分儿童视网膜出血病因中的潜力	儿童视网膜出血的病因	计算机视觉	NA	深度学习	ResNet和transformer	图像	597张视网膜出血眼底照片，分为医学和创伤两类
136	2024-09-28	In silico discovery of repetitive elements as key sequence determinants of 3D genome folding 2023-Oct-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2023.100410 PMID:37868032	研究论文	本文开发了一种深度学习策略，用于量化任何插入、删除或替换对染色质接触的影响，并系统地评估了数百万个合成变异	首次使用深度学习方法系统评估了序列扰动对染色质组织的全基因组影响，并发现非编码RNA基因和重复元件对染色质相互作用的显著影响	NA	研究序列扰动如何影响染色质的三维组织	染色质接触、CTCF基序、非编码RNA基因、重复元件	机器学习	NA	深度学习	深度学习模型	DNA序列	数百万个合成变异
137	2024-09-28	Learning functional conservation between human and pig to decipher evolutionary mechanisms underlying gene expression and complex traits 2023-Oct-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2023.100390 PMID:37868039	研究论文	本文开发了一种基于深度学习的方法（DeepGCF），用于研究人类和猪之间在功能水平上的基因组保守性	提出了DeepGCF方法，相比之前的方法在预测性能上有所提升，并能捕捉人类和猪之间的功能保守性	NA	研究人类和猪之间在功能水平上的基因组保守性，以揭示基因表达和复杂性状的进化机制	人类和猪的基因组功能保守性	机器学习	NA	深度学习	深度学习模型	功能谱	386个来自人类的功能谱和374个来自猪的功能谱
138	2024-09-28	TAVI-PREP: A Deep Learning-Based Tool for Automated Measurements Extraction in TAVI Planning 2023-Oct-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13203181 PMID:37892002	研究论文	本文介绍了一种基于深度学习的自动化工具TAVI-PREP，用于在经导管主动脉瓣植入术（TAVI）规划中自动提取测量数据	提出了一个全自动的深度学习方法TAVI-PREP，用于从CT扫描中提取22种不同的测量数据，并使用MeshDeformNet和3D Residual U-Net进行3D表面网格生成和地标检测	在左冠状和右冠状高度测量上，算法与专家手动测量的相关系数较低，分别为0.8和0.72，且相对误差较高，分别为11.6%和16.5%	开发一种自动化工具，以提高TAVI手术前规划的效率和准确性	从CT扫描中提取主动脉瓣复合体的测量数据	计算机视觉	心血管疾病	深度学习	3D Residual U-Net	图像	200个CT扫描数据，其中115个用于评估操作者间变异性
139	2024-09-28	Scaling cross-tissue single-cell annotation models 2023-Oct-10, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.07.561331 PMID:37873298	研究论文	提出了一种名为scTab的自动化、基于特征注意力的细胞类型预测模型，并在大规模单细胞RNA-seq数据集上进行了训练和验证	scTab模型能够跨组织进行细胞类型预测，并利用深度集成进行不确定性量化，同时考虑了标签之间的本体关系	NA	开发一种能够跨组织进行细胞类型预测的模型，并在大规模单细胞RNA-seq数据集上验证其性能	单细胞RNA-seq数据中的细胞类型	机器学习	NA	单细胞RNA-seq	神经网络	表格数据	2220万个人类细胞
140	2024-09-28	Training biologically plausible recurrent neural networks on cognitive tasks with long-term dependencies 2023-Oct-10, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561588 PMID:37873445	研究论文	本文探讨了在认知任务中训练具有长期依赖性的生物学上合理的循环神经网络（RNNs）	提出了一种基于时间跳跃连接的特殊方法，以支持任务相关动态的出现，并恢复生物学上的合理性	目前缺乏实验支持的门控机制如LSTMs或GRUs的直接比较	解决在认知任务中训练具有长期依赖性的RNNs的难题，并恢复其生物学上的合理性	具有长期依赖性的认知任务，如工作记忆和决策制定	机器学习	NA	循环神经网络（RNNs）	RNN	NA	NA