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
161	2024-09-27	Spatial and Channel Aggregation Network for Lightweight Image Super-Resolution 2023-Oct-01, Sensors (Basel, Switzerland) DOI:10.3390/s23198213 PMID:37837043	研究论文	介绍了一种轻量级网络——空间和通道聚合网络（SCAN），用于图像超分辨率任务	首次在单图像超分辨率（SISR）方法中结合了大核卷积和特征减少操作，并引入了创新的9×9大核卷积以扩展感受野	未提及	解决现有SISR方法在性能和计算成本之间的平衡问题，提高图像超分辨率的效果和效率	图像超分辨率任务	计算机视觉	NA	大核卷积	空间和通道聚合网络（SCAN）	图像	使用了基准数据集和遥感数据集进行评估
162	2024-09-27	Generation of skin tone and pigmented region-modified images using a pigment discrimination model trained with an optical approach 2023-Oct, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13486 PMID:37881042	研究论文	本文介绍了一种结合光学方法和深度学习的混合技术，用于生成具有数值控制的皮肤色调和色素区域修改图像	本文的创新点在于引入了一种新的混合技术，结合光学方法和深度学习，实现了对皮肤色调和色素区域的精确数值控制	当前方法在数值控制和多功能性方面存在局限	研究目的是开发一种能够模拟多种色素沉着条件的技术，以扩展应用范围	研究对象是皮肤色调和色素区域，特别是与黑色素和血红蛋白相关的区域	计算机视觉	NA	深度学习	NA	图像	NA
163	2024-09-26	Reproducibility of a combined artificial intelligence and optimal-surface graph-cut method to automate bronchial parameter extraction 2023-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-09615-y PMID:37071168	研究论文	评估一种结合深度学习和最优表面图割方法的自动支气管参数提取方法的可重复性	结合深度学习和最优表面图割方法，自动分割气道管腔和壁，并计算支气管参数	自动测量方法在第7代及以后的气道中可重复性显著下降	评估自动支气管参数提取方法的可重复性	支气管参数的自动分割和测量	计算机视觉	NA	深度学习	深度学习模型	CT扫描图像	188名参与者，每人两次CT扫描，平均间隔3个月
164	2024-09-26	Large-scale automatic extraction of agricultural greenhouses based on high-resolution remote sensing and deep learning technologies 2023-Oct, Environmental science and pollution research international DOI:10.1007/s11356-023-29802-0 PMID:37733202	研究论文	本文利用高分辨率遥感图像和深度学习技术，自动提取了中国山东省的大规模农业温室分布	首次实现了大规模高分辨率（约1米）的农业温室提取，并结合深度学习算法达到了94.04%的平均交并比	研究仅限于山东省，未涵盖其他地区	获取农业温室的空间分布，为农业生产、政策制定和环境保护提供支持	中国山东省的农业温室	计算机视觉	NA	高分辨率遥感图像	深度学习算法	图像	山东省总面积的1.11%，总耕地面积的2.31%，覆盖面积为1755.3平方公里
165	2024-09-25	Dataset of a parameterized U-bend flow for deep learning applications 2023-Oct, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.109477 PMID:37645446	研究论文	本文介绍了一个包含10,000个U型弯曲流体流动和传热模拟的数据集，适用于深度学习应用	该数据集的独特之处在于每个形状可以通过三种不同的数据类型表示，包括设计参数和目标组合、五种不同分辨率的2D图像以及数值模拟的网格单元值	NA	提供一个全面的基准数据集，用于研究设计优化领域中的各种问题和方法	U型弯曲流体流动和传热模拟	计算流体动力学	NA	计算流体动力学方法	深度学习	设计参数、2D图像、数值模拟网格单元值	10,000个模拟样本
166	2024-09-25	Deep learning assisted classification of spectral photoacoustic imaging of carotid plaques 2023-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2023.100544 PMID:37671317	研究论文	本文利用卷积神经网络（CNN）对颈动脉斑块的光谱光声成像（sPAI）进行分类	本文首次使用CNN对sPAI图像中的斑块成分进行分类，无需进行光通量或光谱校正	研究样本量较小，仅涉及九个颈动脉斑块	开发一种新的方法来准确分类颈动脉斑块的成分，以评估其易损性	颈动脉斑块的光谱光声成像	计算机视觉	心血管疾病	光谱光声成像（sPAI）	卷积神经网络（CNN）	图像	九个颈动脉斑块
167	2024-09-23	Independent regulation of Z-lines and M-lines during sarcomere assembly in cardiac myocytes revealed by the automatic image analysis software sarcApp 2023-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.11.523681 PMID:36711995	研究论文	本文介绍了一种名为sarcApp的图像分析工具，用于量化心肌细胞中肌节及其组件的排列	开发了sarcApp工具，利用深度学习分割和实空间量化技术，自动分析肌节中的Z线和M线的组织结构	NA	研究肌节装配过程中Z线和M线的独立调控机制	心肌细胞中的肌节及其组件	计算机视觉	心血管疾病	深度学习	NA	图像	NA
168	2024-09-13	Unbiased curriculum learning enhanced global-local graph neural network for protein thermodynamic stability prediction 2023-10-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad589 PMID:37740312	研究论文	本文提出了一种基于无偏课程学习增强的全局-局部图神经网络，用于蛋白质热力学稳定性预测	本文创新性地结合了全局-局部图神经网络和无偏课程学习方法，以解决现有方法在蛋白质结构自然拓扑和噪声样本处理上的不足	NA	提高蛋白质热力学稳定性预测的准确性	蛋白质及其点突变后的热力学稳定性	机器学习	NA	图神经网络	全局-局部图神经网络	蛋白质结构数据	NA
169	2024-09-11	An experimental system for detection and localization of hemorrhage using ultra-wideband microwaves with deep learning 2023-Oct-03, ArXiv PMID:37873017	研究论文	本文介绍了一种使用超宽带微波和深度学习进行出血检测和定位的实验系统	开发了一种包含机器人导航系统的实验框架，使用超宽带微波阵列和深度神经网络进行出血分类和定位	实验仅在血样模拟的幻影和人体头部模型中进行，尚未在真实临床环境中验证	探索低成本、小型化、快速且安全的微波成像技术在出血检测中的应用	出血的检测和定位	计算机视觉	NA	超宽带微波	深度神经网络	微波散射参数	8个元素的超宽带阵列
170	2024-08-31	Comparison of Machine Learning Detection of Low Left Ventricular Ejection Fraction Using Individual ECG Leads 2023-Oct, Computing in cardiology DOI:10.22489/cinc.2023.047 PMID:39193485	研究论文	本研究开发并应用了一种深度学习架构，用于检测低左心室射血分数（LVEF），并比较了使用单个导联和整个12导联ECG训练该架构的性能	探索了使用单个导联ECG数据进行机器学习分析的可能性，并发现单导联训练的网络与全12导联训练的网络性能相似	未提及具体限制	开发和比较使用单个导联和整个12导联ECG进行机器学习分析的性能	低左心室射血分数（LVEF）的检测	机器学习	心血管疾病	机器学习（ML）	深度学习	ECG数据	未提及具体样本数量
171	2024-08-28	Clinical evaluation of deep learning-based automatic clinical target volume segmentation: a single-institution multi-site tumor experience 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01690-x PMID:37597126	研究论文	本研究评估了基于深度学习的自动临床靶区（CTV）分割模型在多部位肿瘤CT图像上的表现	本研究首次在文献中探讨了多部位肿瘤的自动CTV分割，填补了这一领域的空白	研究中部分患者（如食管癌患者）的自动分割结果与手动分割结果的Dice相似系数较低，表明模型在某些肿瘤类型上的性能有待提高	评估基于深度学习的自动CTV分割模型在不同部位肿瘤CT图像上的准确性和临床接受度	包括鼻咽癌、食管癌、乳腺癌、宫颈癌、前列腺癌和直肠癌等多种癌症患者	计算机视觉	多种癌症	深度学习	Flexnet, Unet, Vnet, Segresnet	CT图像	577名患者
172	2024-08-28	New trend in artificial intelligence-based assistive technology for thoracic imaging 2023-Oct, La Radiologia medica DOI:10.1007/s11547-023-01691-w PMID:37639191	综述	本文综述了人工智能技术在胸部影像诊断中的应用，特别关注于病灶检测和定性诊断	介绍了可解释的人工智能在定性诊断中的发展需求	强调了人工智能作为医生辅助系统的局限性，最终决策应由医生做出	帮助放射科医生和临床医生更熟悉人工智能在胸部影像中的应用	人工智能技术在胸部影像诊断中的应用	计算机视觉	NA	深度学习	NA	影像	NA
173	2024-08-21	Investigation of machine learning algorithms for taxonomic classification of marine metagenomes 2023-Oct-17, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.05237-22 PMID:37695074	研究论文	本研究从公开的海洋宏基因组数据构建训练/测试数据集，并评估机器学习方法在基于读取的海洋宏基因组分类中的性能	本研究提供了关于深度学习在海洋微生物宏基因组数据集上的方法、结果和挑战的见解	未来的机器学习方法可以通过纠正训练数据集中的基因组覆盖和类别不平衡、开发替代模型以及增加模型训练和改进的计算资源可访问性来改进	开发和评估机器学习方法在海洋宏基因组分类中的应用	海洋宏基因组数据集	机器学习	NA	机器学习	深度学习模型	宏基因组数据	公开的海洋宏基因组数据
174	2024-08-08	SaLT&PepPr is an interface-predicting language model for designing peptide-guided protein degraders 2023-10-24, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05464-z PMID:37875551	研究论文	本文介绍了一种名为SaLT&PepPr的结构无关语言转换器和肽优先级排序管道，用于从蛋白质序列中预测相互作用界面，进而生成肽结合基序	该模型仅使用氨基酸序列作为输入，与基于结构同源性的方法竞争，但性能低于输入结构和序列特征的深度学习模型	模型在性能上低于那些同时输入结构和序列特征的深度学习模型	旨在预测蛋白质-蛋白质相互作用（PPIs）的位点，这对于计算和实验应用都很有用	蛋白质-蛋白质相互作用位点的预测以及肽结合基序的生成	机器学习	NA	蛋白质语言模型（pLM）	语言转换器（Transformer）	序列	使用来自PDB的数据进行模型训练和验证
175	2024-08-08	Scaffolding cooperation in human groups with deep reinforcement learning 2023-Oct, Nature human behaviour IF:21.4Q1 DOI:10.1038/s41562-023-01686-7 PMID:37679439	研究论文	本文利用深度强化学习和模拟方法训练一个'社会规划者'，通过推荐来创建或打破群体成员之间的联系，以促进人类群体在合作游戏中的合作行为	本文采用深度强化学习技术，训练出一个能够促进群体合作的社会规划者，与以往将背叛者与合作者分离的策略不同，该规划者采取和解的方式鼓励背叛者表现出亲社会行为	NA	探索促进群体合作的有效方法	人类群体在合作游戏中的合作行为	机器学习	NA	深度强化学习	NA	NA	208名参与者分为13个群体
176	2024-08-05	Machine Learning in Cardio-Oncology: New Insights from an Emerging Discipline 2023-Oct, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2410296 PMID:39077576	综述	本文概述了机器学习在心脏肿瘤学中的应用，包括心脏毒性的预测、诊断和治疗	提出了机器学习在心脏肿瘤学领域的新应用，尤其是在风险分层方面	缺乏具体的样本数据和定量分析	研究机器学习在心脏肿瘤学中的应用和影响	癌症患者的心脏毒性和相关风险因素	机器学习	心脏病	机器学习	深度学习、人工神经网络、随机森林	NA	NA
177	2024-08-05	Deep learning and clustering approaches for dental implant size classification based on periapical radiographs 2023-10-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-42385-7 PMID:37803022	研究论文	本研究探讨了两种人工智能方法用于基于根尖影像自动分类牙种植体的直径和长度	提出将深度学习和聚类分析结合用于牙种植体尺寸分类，并使用预训练的VGG16模型进行微调	AI模型需在多中心数据上进行验证以用于临床应用	旨在自动化牙种植体尺寸的分类，提高分类准确性	基于根尖影像的牙种植体直径和长度	机器学习	NA	深度学习和聚类分析	VGG16和k-means++	图像	NA
178	2024-08-05	Bidirectional Mapping with Contrastive Learning on Multimodal Neuroimaging Data 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43898-1_14 PMID:39005889	研究论文	文章提出了一种新的双向映射模型，通过对比学习减少脑结构与功能之间单向映射的偏差	创新点在于提出了双向映射模型BMCL，解决了单向映射方法的偏差问题	研究中只使用了两个公开数据集，可能限制了结果的普遍性	探讨脑结构与功能之间的相互作用，并识别不同临床表型和脑疾病的潜在生物标志物	使用临床表型和神经退行性疾病的预测作为研究对象	计算机视觉	神经退行性疾病	对比学习	BMCL	多模态神经影像数据	使用了两个公开数据集（HCP和OASIS）中的样本
179	2024-08-05	Protein Structure Prediction: Challenges, Advances, and the Shift of Research Paradigms 2023-10, Genomics, proteomics & bioinformatics DOI:10.1016/j.gpb.2022.11.014 PMID:37001856	综述	该文章综述了蛋白质结构预测领域的研究进展与研究范式的转变	强调了深度学习在蛋白质结构预测中的成功以及研究范式的转变	理论解释神经网络的机制和对蛋白质折叠的知识仍然高度缺乏	探讨蛋白质结构预测的不同研究范式及其演变	涉及多领域研究者对蛋白质结构预测的努力	计算机科学	NA	深度学习	深度神经网络	NA	NA
180	2024-08-05	Learning from prepandemic data to forecast viral escape 2023-Oct, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06617-0 PMID:37821700	研究论文	本研究开发了EVEscape框架，用于预测病毒逃逸变异的潜力	本研究的创新点在于结合深度学习模型的fitness预测与生物物理和结构信息，提供了一种可在疫情监测之前应用的预测方法	模型的有效性依赖于历史序列数据，可能无法涵盖所有潜在的突变	旨在建立一种工具，以促进疫苗和治疗设计，通过预测病毒突变来增强疫情准备能力	针对SARS-CoV-2及其他病毒如流感、HIV和潜在疫情病毒的突变进行研究	计算机视觉	NA	深度学习	NA	序列数据	使用了2020年前的序列数据进行训练