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	2024-10-20	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并比较不同图像采集技术和临床因素的影响	使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类，并评估其在不同测试集上的性能	模型在当前测试集上的性能显著低于原始测试集，可能由于模型过拟合和泛化能力不足	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并考虑不同图像采集参数、临床因素和患者人口统计学的影响	COVID-19阳性患者和阴性患者的胸部X光片	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	9860名患者的标准和软组织胸部X光片用于训练和测试，5893名患者的当前测试集用于评估模型性能
42	2024-10-19	Image-Domain Material Decomposition for Dual-energy CT using Unsupervised Learning with Data-fidelity Loss 2023-Nov-17, ArXiv PMID:38013889	研究论文	本文提出了一种基于无监督学习的数据保真损失的图像域材料分解方法，用于双能CT	本文的创新点在于开发了一种无监督学习框架，利用数据测量一致性进行图像域材料分解，避免了传统方法中图像先验无法准确表示目标图像流形特征的问题	本文的局限性在于未提及具体的实验验证和临床应用效果	本研究旨在开发一种无监督学习框架，用于双能CT中的图像域材料分解	本研究的对象是双能CT图像中的材料分解	计算机视觉	NA	双能CT	无监督学习	图像	NA
43	2024-10-16	Enhancing Ligand Pose Sampling for Molecular Docking 2023-Nov-30, ArXiv PMID:38076510	研究论文	本文介绍了两种改进的配体姿态采样协议，用于分子对接中的姿态预测和虚拟筛选	提出了GLOW和IVES两种新的姿态采样技术，显著提高了采样准确姿态的可能性，特别是在结合口袋形状变化较大的情况下	当前的采样协议在生成候选姿态时经常失败，除非提供正确的姿态信息	改进分子对接中的配体姿态采样方法，提高评分函数的准确性	配体姿态采样协议及其在分子对接中的应用	分子对接	NA	分子对接	NA	蛋白质-配体对接数据	约5000个蛋白质-配体对接对
44	2024-10-16	H-Packer: Holographic Rotationally Equivariant Convolutional Neural Network for Protein Side-Chain Packing 2023-Nov-28, ArXiv PMID:38013891	研究论文	本文提出了一种基于全息旋转等变卷积神经网络的蛋白质侧链包装算法H-Packer	H-Packer通过联合回归侧链的真实自由度（二面角）来解决蛋白质侧链包装问题，并利用轻量级的旋转等变神经网络进行高效计算	NA	开发一种高效且准确的蛋白质侧链包装算法	蛋白质侧链的构象预测	机器学习	NA	卷积神经网络	CNN	结构数据	CASP13和CASP14目标数据集
45	2024-10-16	Sign Language Motion Generation from Sign Characteristics 2023-Nov-23, Sensors (Basel, Switzerland) DOI:10.3390/s23239365 PMID:38067738	研究论文	本文提出并评估了一种基于transformer的深度学习架构，用于从手语音素生成手语动作	使用手语音素生成高细节的手语动作，并引入停止检测模块预测生成过程的结束	NA	开发一种能够从手语音素生成手语动作的自动化系统	手语动作生成和停止检测	自然语言处理	NA	transformer	transformer	序列数据	NA
46	2024-10-16	Molecular geometric deep learning 2023-11-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100621 PMID:37875121	研究论文	本文提出了一种分子几何深度学习模型，用于预测分子性质，综合考虑了共价和非共价相互作用	本文创新性地将更广泛的分子表示引入几何深度学习模型，以全面考虑分子中的共价和非共价相互作用	NA	研究分子性质预测	分子中的共价和非共价相互作用	机器学习	NA	几何深度学习	几何深度学习模型	分子数据	十四种常用的基准数据集
47	2024-10-16	Removing Radiographic Markers Using Deep Learning to Enable Image Sharing 2023-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.230369 PMID:38074775	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
48	2024-10-16	A Deep Learning Decision Support Tool to Improve Risk Stratification and Reduce Unnecessary Biopsies in BI-RADS 4 Mammograms 2023-Nov, Radiology. Artificial intelligence DOI:10.1148/ryai.220259 PMID:38074778	研究论文	评估一种名为iBRISK的智能增强乳腺癌风险计算器的性能，以改善BI-RADS 4乳腺X光片的分层风险并减少不必要的活检	开发了一种基于深度学习的决策支持工具iBRISK，用于提高乳腺癌风险分层和减少不必要的活检	研究仅限于BI-RADS 4类病变，且结果基于回顾性数据	评估iBRISK模型在多中心患者数据集上的性能	BI-RADS 4类乳腺X光片	机器学习	乳腺癌	深度学习	NA	图像	4209名女性（中位年龄56岁）
49	2024-10-15	Formulation Graphs for Mapping Structure-Composition of Battery Electrolytes to Device Performance 2023-11-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01030 PMID:37948621	研究论文	本文介绍了一种深度学习模型，即配方图卷积网络（F-GCN），用于将电池电解质的结构-组成关系映射到整体性能	提出了F-GCN模型，通过并行组装的多个GCN来实时特征化配方成分，并基于成分的摩尔百分比进行缩放，最终集成到一个代表完整配方的组合描述符中	NA	加速新化合物在目标应用中的发现，并减少实验室实验驱动的过程	电池电解质的结构-组成关系及其对电池性能的影响	机器学习	NA	深度学习	卷积神经网络（GCN）	数据集	两个数据集，一个来自Li/Cu半电池的文献，另一个来自锂-碘全电池化学的实验室实验
50	2024-10-15	Design and deep learning of synthetic B-cell-specific promoters 2023-Nov-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad930 PMID:37889080	研究论文	本文设计并合成了23,640个B细胞特异性启动子，并通过深度学习模型预测其转录强度	利用合成生物学和深度学习的协同作用，解码和重编DNA调控语法，设计出具有更大序列空间和多样转录模式的B细胞特异性启动子	NA	揭示B细胞特异性启动子的转录机制，并为B细胞工程提供大量非相似启动子	B细胞特异性启动子的设计和转录强度预测	合成生物学	NA	MPRA (Massively parallel reporter assays)	深度学习模型	DNA序列	23,640个合成B细胞特异性启动子
51	2024-10-15	The past, current, and future of neonatal intensive care units with artificial intelligence: a systematic review 2023-Nov-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00941-5 PMID:38012349	综述	本文系统回顾了机器学习和深度学习在新生儿学应用中的最新进展	本文通过PRISMA 2020指南系统评估了机器学习和深度学习在新生儿学中的应用，并讨论了未来AI模型的发展方向	本文主要集中在1996年至2022年间的106篇研究文章，可能未能涵盖所有相关研究	探讨人工智能在新生儿重症监护病房中的应用及其未来发展	新生儿疾病及其相关应用	机器学习	新生儿疾病	机器学习和深度学习	NA	图像、生命体征和生物信号	106篇研究文章
52	2024-10-15	Deep learning-enhanced microscopy with extended depth-of-field 2023-Nov-24, Light, science & applications DOI:10.1038/s41377-023-01323-y PMID:37996459	研究论文	本文报道了一种利用深度学习设计的二元相位滤波器和联合优化的去卷积神经网络的计算成像平台，实现了在扩展深度范围内的高分辨率和高对比度成像	本文的创新点在于结合物理原理和深度学习设计，实现了无需连续调焦的扩展深度范围成像	NA	研究目的是开发一种能够在扩展深度范围内实现高分辨率和高对比度成像的计算成像平台	研究对象是二元相位滤波器和去卷积神经网络的设计与优化	计算机视觉	NA	深度学习	去卷积神经网络	图像	NA
53	2024-10-15	Saliency of breast lesions in breast cancer detection using artificial intelligence 2023-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-46921-3 PMID:37996504	研究论文	研究使用人工智能（AI）系统在乳腺X光片中检测乳腺癌时，乳腺病灶在决策过程中的作用	使用显著性图分析AI系统在乳腺癌检测中的决策过程，并测量AI系统识别的感兴趣区域与乳腺病灶的重叠程度	研究样本量较小，且AI系统的检测性能和重叠程度较低	探讨AI系统在乳腺癌检测中乳腺病灶的作用	乳腺X光片中的乳腺病灶	计算机视觉	乳腺癌	深度学习	NA	图像	382名女性（191名乳腺癌患者和191名健康对照）的乳腺X光片
54	2024-10-15	Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning 2023-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.04.23293673 PMID:37609311	研究论文	开发并验证了一种基于深度学习的扫描预测管道，用于非侵入性MRI辅助的儿童低级别胶质瘤BRAF突变状态分类	结合了预训练的医学影像特定网络的迁移学习和自监督标签交叉训练，提高了分类性能和泛化能力	研究样本量有限，且仅限于两个数据集	开发和验证一种非侵入性的深度学习方法，用于基于MRI的儿童低级别胶质瘤BRAF突变状态分类	儿童低级别胶质瘤的BRAF突变状态	数字病理学	脑肿瘤	深度学习	CNN	MRI影像	开发数据集214例，外部验证数据集112例
55	2024-10-15	Integrated Protocol of Protein Structure Modeling for Cryo-EM with Deep Learning and Structure Prediction 2023-Nov-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.19.563151 PMID:37904978	研究论文	本文开发了一种名为DeepMainmast的蛋白质结构建模方法，结合深度学习和Alphafold2的结构预测，用于从冷冻电镜（cryo-EM）图谱中进行蛋白质主链追踪	本文创新性地将深度学习与Alphafold2的结构预测相结合，提高了蛋白质结构建模的准确性，并能准确分配同源多聚体的链身份	NA	开发一种新的蛋白质结构建模方法，以提高从冷冻电镜图谱中进行蛋白质主链追踪的准确性	蛋白质及其复合物的结构	计算机视觉	NA	深度学习	CNN	图像	NA
56	2024-10-15	Efficient Thorax Disease Classification and Localization Using DCNN and Chest X-ray Images 2023-Nov-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13223462 PMID:37998598	研究论文	本文提出了一种基于DenseNet-121和胸部X光图像的胸部疾病自动检测和定位方法	使用加权交叉熵损失函数（W-CEL）解决了ChestX-ray14数据集中的类别不平衡问题，并实现了最高的性能	NA	开发一种高精度和精确的计算机辅助诊断系统	胸部疾病的自动检测和定位	计算机视觉	NA	深度学习	DenseNet-121	图像	112,120张胸部X光图像，其中60,412张为正常图像，其余包含胸部疾病
57	2024-10-15	Flow-field inference from neural data using deep recurrent networks 2023-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.14.567136 PMID:38014290	研究论文	本文介绍了一种名为FINDR的无监督深度学习方法，用于从神经数据中推断低维非线性随机动力学	FINDR方法在捕捉个体神经元的异质响应方面优于现有方法，并能发现可解释的低维动力学	NA	揭示神经群体的低维任务相关动力学及其相关计算	前脑区域执行听觉决策任务的鼠群的神经群体活动	机器学习	NA	深度循环网络	深度循环网络	神经元放电数据	执行听觉决策任务的鼠群的神经群体活动数据
58	2024-10-15	Unsupervised deep learning for molecular dynamics simulations: a novel analysis of protein-ligand interactions in SARS-CoV-2 Mpro 2023-Nov-16, RSC advances IF:3.9Q2 DOI:10.1039/d3ra06375e PMID:38019981	研究论文	本文采用无监督深度学习框架分析SARS-CoV-2主蛋白酶与配体的分子动力学模拟数据	本文首次将无监督深度学习应用于更灵活的SARS-CoV-2主蛋白酶的分子动力学模拟分析	本文未提及具体的局限性	研究分子动力学模拟中蛋白质-配体相互作用的分析方法	SARS-CoV-2主蛋白酶及其配体的相互作用	机器学习	NA	分子动力学模拟	神经网络	分子动力学数据	涉及多种配体的分子动力学模拟数据
59	2024-10-15	Attention TurkerNeXt: Investigations into Bipolar Disorder Detection Using OCT Images 2023-Nov-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13223422 PMID:37998558	研究论文	本文提出了一种新的注意力卷积神经网络模型TurkerNeXt，用于通过OCT图像检测双相情感障碍	提出了一个新的注意力卷积神经网络模型TurkerNeXt，并引入了一个独特的OCT图像数据集	NA	开发一种自动化的OCT图像检测系统，用于检测双相情感障碍	双相情感障碍的检测	计算机视觉	精神疾病	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	包含987个训练图像和328个测试图像的两个不同案例
60	2024-10-15	MERGE: A model for multi-input biomedical federated learning 2023-Nov-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100856 PMID:38035188	研究论文	本文介绍了一种用于多输入生物医学联合学习的模型，通过结合图像和表格数据来提高模型性能并保护数据隐私	提出了一个多输入的联合学习架构，结合图像和表格数据，以提高模型性能并保护数据隐私	NA	旨在通过联合学习方法解决数据隐私问题，并提高模型在生物医学任务中的性能	COVID-19的预后和阿尔茨海默病患者的分层	机器学习	NA	联合学习	多输入模型	图像和表格数据	NA