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	2024-10-14	Ensemble classification of integrated CT scan datasets in detecting COVID-19 using feature fusion from contourlet transform and CNN 2023-11-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47183-9 PMID:37973820	研究论文	本文提出了一种基于机器学习和深度学习的自动化方法，用于通过融合轮廓变换和卷积神经网络的特征来检测COVID-19	本文创新性地使用了轮廓变换和卷积神经网络的特征融合方法，并结合二进制差分进化算法进行特征优化，最终通过集成学习方法提高了检测准确率	NA	开发一种自动化方法，通过CT扫描图像早期检测COVID-19，以降低死亡率	COVID-19的CT扫描图像	计算机视觉	COVID-19	轮廓变换、卷积神经网络、二进制差分进化算法	集成学习	图像	11,407张CT扫描图像，其中7397张为COVID-19图像，4010张为正常图像
82	2024-10-14	Deep learning workflow for the inverse design of molecules with specific optoelectronic properties 2023-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45385-9 PMID:37973879	研究论文	本文介绍了一种用于设计具有特定光电特性的分子的深度学习工作流程	提出了结合密度泛函紧束缚方法、图卷积神经网络和掩码语言模型的迭代深度学习工作流程，以加速分子设计	NA	开发一种加速具有特定光电特性的分子设计的计算方法	具有特定光电特性的新型分子	机器学习	NA	密度泛函紧束缚方法	图卷积神经网络	分子数据	NA
83	2024-10-14	Automated crystal system identification from electron diffraction patterns using multiview opinion fusion machine learning 2023-Nov-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2309240120 PMID:37943836	研究论文	本文开发了一种基于多视角意见融合机器学习的框架，用于从任意方向的电子衍射图案中自动识别晶体系统	提出了一个基于卷积神经网络和证据深度学习的框架，通过量化和融合多视角预测的不确定性，实现了对任意方向电子衍射图案的晶体系统分类	NA	加速高吞吐量材料数据分析实验	电子衍射图案中的晶体系统识别	机器学习	NA	卷积神经网络	CNN	图像	NA
84	2024-10-14	Integrated Molecular Modeling and Machine Learning for Drug Design 2023-Nov-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00814 PMID:37883810	研究论文	本文总结了将分子建模与机器学习相结合以开发计算工具用于调节剂设计的最新努力	提出了基于AlphaSpace的口袋引导理性设计方法，用于靶向蛋白质-蛋白质相互作用，以及用于蛋白质-配体对接和虚拟筛选的delta机器学习评分函数，并使用最先进的深度学习模型预测基于分子力学优化几何结构的计算和实验分子性质	讨论了当前方法的局限性，并指出了未来发展的有前景的方向	开发计算工具以加速新药的研发过程	蛋白质-蛋白质相互作用、蛋白质-配体对接、虚拟筛选以及分子性质预测	机器学习	NA	分子建模、机器学习	深度学习模型	分子几何结构	NA
85	2024-10-14	A Deep Learning Approach for Automatic and Objective Grading of the Motor Impairment Severity in Parkinson's Disease for Use in Tele-Assessments 2023-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s23219004 PMID:37960703	研究论文	研究使用深度学习方法通过低成本可穿戴传感器自动客观评估帕金森病患者的运动障碍严重程度	通过扩展训练数据集和使用无监督预训练权重，提高了运动障碍分类的准确性	研究结果仅限于特定的运动任务，未涵盖所有可能的运动障碍评估	探索深度学习在远程评估帕金森病患者运动障碍严重程度中的应用	帕金森病患者的运动障碍严重程度	机器学习	神经退行性疾病	深度学习	XceptionTime	运动数据	包括帕金森病患者和健康老年人的运动数据
86	2024-10-14	Unsupervised deep learning registration model for multimodal brain images 2023-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14177 PMID:37823748	研究论文	本文提出了一种基于卷积神经网络的无监督深度学习模型，用于多模态脑图像的配准	本文的创新点在于使用无监督学习方法进行多模态脑图像的配准，避免了传统监督学习方法对大量标注数据的依赖和可能的偏差	本文的局限性在于仅使用了CT和MR图像进行实验，未来可以扩展到更多模态的图像	本文的研究目的是开发一种高效且准确的多模态脑图像配准方法，以支持临床图像引导的干预	本文的研究对象是脑部CT和MR图像的配准	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1100对CT/MR切片，来自110名有/无肿瘤的神经心理患者
87	2024-10-14	Deep Learning for Genomics: From Early Neural Nets to Modern Large Language Models 2023-Nov-01, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms242115858 PMID:37958843	review	本文从基因组学角度简要讨论了不同深度学习模型的优势，以便为每个特定任务选择合适的基于深度学习的架构，并强调了开发基因组学深度学习架构的实际考虑	本文回顾了深度学习在基因组学研究各个方面的应用，并指出了当前的挑战和未来基因组学应用的潜在研究方向	NA	探讨深度学习在基因组学中的应用及其未来发展方向	不同深度学习模型在基因组学任务中的适用性	machine learning	NA	high-throughput sequencing	NA	genomic data	NA
88	2024-10-14	Deep Learning Framework for Liver Segmentation from T1-Weighted MRI Images 2023-Nov-01, Sensors (Basel, Switzerland) DOI:10.3390/s23218890 PMID:37960589	研究论文	研究提出了一种用于从T1加权MRI图像中分割肝脏的深度学习框架	提出了一种新的级联网络，用于分割轴向肝脏切片，并在肝脏分割任务中表现优于现有方法	研究仅使用了20名患者的647张MR切片数据，样本量较小	开发一种自动分割肝脏的深度学习框架，以辅助临床诊断	肝脏在T1加权MRI图像中的分割	计算机视觉	NA	MRI	CNN	图像	20名患者，647张MR切片
89	2024-10-14	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.30.563998 PMID:37961180	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的语义分割，并探索了半监督学习方法	引入了半监督学习方法Cross Pseudo Supervision，并比较了多种先进模型在稀疏标注数据上的表现	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁	计算机视觉	癌症	电子显微镜	UNet++, FracTALResNet, SenFormer, CEECNet	图像	三个完全标注的内部数据集
90	2024-10-14	Deep learning-based multimodal fusion network for segmentation and classification of breast cancers using B-mode and elastography ultrasound images 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10480 PMID:38023698	研究论文	本文提出了一种基于深度学习的乳腺肿瘤分割与分类方法，利用B模式和弹性成像超声图像进行多模态融合	本文提出了一种加权多模态U-Net模型和多模态融合框架，能够同时从B模式和弹性成像超声图像中学习互补信息，并在实际临床数据上表现优异	NA	开发一种能够提高乳腺肿瘤分类准确性的计算机辅助诊断系统	乳腺肿瘤的分割与分类	计算机视觉	乳腺癌	深度学习	U-Net、CNN	图像	NA
91	2024-10-14	4D-CT deformable image registration using unsupervised recursive cascaded full-resolution residual networks 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10587 PMID:38023695	研究论文	提出了一种用于腹部四维计算机断层扫描（4D-CT）图像配准的新型递归级联全分辨率残差网络（RCFRR-Net）	该网络采用无监督学习方法，无需变形向量场的真实值，通过级联三个不同架构的全分辨率残差子网络实现渐进式配准	NA	开发一种在医学图像配准中表现优越且具有广泛应用前景的新方法	腹部四维计算机断层扫描（4D-CT）图像的配准	计算机视觉	NA	递归级联全分辨率残差网络（RCFRR-Net）	递归级联全分辨率残差网络（RCFRR-Net）	图像	使用了内部4D-CT数据集、公开的DIRLAB 4D-CT数据集和4D锥束CT（4D-CBCT）数据集进行广泛的网络测试
92	2024-10-14	Virtual differential phase-contrast and dark-field imaging of x-ray absorption images via deep learning 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10494 PMID:38023711	研究论文	本文展示了使用深度卷积神经网络将X射线吸收图像转换为差分相衬和暗场图像的方法	通过生成对抗网络训练的深度卷积神经网络，能够直接将X射线吸收图像转换为差分相衬和暗场图像，效果可与同步辐射光源和实验室设备获得的图像相媲美	NA	解决生物组织中弱吸收对比度问题，扩展X射线图像对比度生成的方法	X射线吸收图像转换为差分相衬和暗场图像	计算机视觉	NA	深度学习	深度卷积神经网络	图像	NA
93	2024-10-13	Protein language models can capture protein quaternary state 2023-Nov-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05549-w PMID:37964216	研究论文	本文探讨了蛋白质语言模型在预测蛋白质四级结构中的应用	首次研究了嵌入技术在预测蛋白质四级结构中的能力	模型性能不如基于已解析晶体结构的方法	探索蛋白质语言模型在预测蛋白质四级结构中的潜力	蛋白质的四级结构	机器学习	NA	深度学习	蛋白质语言模型（如ESM-2）	蛋白质序列	来自QSbio数据集的大量蛋白质数据
94	2024-10-13	Deep learning and single-cell phenotyping for rapid antimicrobial susceptibility detection in Escherichia coli 2023-11-14, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05524-4 PMID:37964031	研究论文	本文介绍了一种基于深度学习的单细胞表型分析方法，用于快速检测大肠杆菌的抗生素敏感性	提出了一种新的概念验证方法，通过深度学习单细胞特定的形态表型来直接关联大肠杆菌的抗生素敏感性	仅在实验室参考的完全敏感的大肠杆菌菌株和六种来自人类血流感染的大肠杆菌菌株上进行了验证	开发一种快速检测大肠杆菌抗生素敏感性的方法，以应对抗生素耐药性的上升	大肠杆菌的抗生素敏感性	计算机视觉	NA	深度学习	深度学习模型	图像	六种来自人类血流感染的大肠杆菌菌株
95	2024-10-13	Effect of the telemedicine-supported multicomponent exercise therapy in patients with knee osteoarthritis: study protocol for a randomized controlled trial 2023-Nov-14, Trials IF:2.0Q3 DOI:10.1186/s13063-023-07749-4 PMID:37964273	研究论文	研究远程医疗支持的多成分运动疗法对膝骨关节炎患者的疗效	结合运动疗法、患者教育和健康指导，通过mHealth应用程序在家中进行治疗	现有研究中存在患者依从性问题和缺乏客观评估方法	评估多成分运动疗法对膝骨关节炎患者疼痛自我管理的有效性	膝骨关节炎患者	NA	骨关节炎	NA	NA	NA	未具体说明
96	2024-10-13	Conformer Generation for Structure-Based Drug Design: How Many and How Good? 2023-11-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01245 PMID:37903507	研究论文	本文探讨了构象生成在基于结构的药物设计中的重要性，并研究了构象集合的大小、多样性和质量对药物发现任务性能的影响	本文通过实验阐明了构象集合的大小、多样性和质量对药物发现任务性能的影响，并比较了先进的生成深度学习方法与经典几何方法的性能	NA	研究构象生成在基于结构的药物设计中的最佳实践	构象集合的大小、多样性和质量对药物发现任务性能的影响	药物设计	NA	生成深度学习	NA	分子结构	NA
97	2024-10-13	Counting manatee aggregations using deep neural networks and Anisotropic Gaussian Kernel 2023-Nov-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45507-3 PMID:37957170	研究论文	本文提出了一种基于深度学习的海牛聚集计数方法，使用各向异性高斯核（AGK）和低质量图像来自动计算海牛数量	本文创新性地使用了各向异性高斯核（AGK）来捕捉不同聚集中个体海牛的形状，并将其应用于多种深度神经网络以学习海牛密度	NA	开发一种自动计数海牛聚集的方法，以观察其习性并设计安全规则和护理计划	海牛及其聚集	计算机视觉	NA	各向异性高斯核（AGK）	深度神经网络（包括VGG、SANet、CSRNet、MARUNet等）	图像	使用从监控视频中提取的低质量图像进行实验
98	2024-10-13	Evaluation of deep learning-based feature selection for single-cell RNA sequencing data analysis 2023-11-10, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-03100-x PMID:37950331	研究论文	本文探讨了基于深度学习的特征选择方法在单细胞RNA测序数据分析中的应用	本文提出了基于深度学习的特征选择方法，与传统的基于差异分布的方法相比，该方法通过神经网络确定基因的重要性	NA	评估基于深度学习的特征选择方法在单细胞RNA测序数据分析中的效用	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	神经网络	基因表达数据	从Tabula Muris和Tabula Sapiens图谱中采样创建的单细胞RNA测序数据集
99	2024-10-13	trRosettaRNA: automated prediction of RNA 3D structure with transformer network 2023-11-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42528-4 PMID:37945552	研究论文	本文介绍了trRosettaRNA，一种基于深度学习的RNA三维结构预测自动化方法	trRosettaRNA在RNA三维结构预测中表现优异，尤其是在CASP15和RNA-Puzzles实验中的盲测中，其预测结果与顶尖人类预测结果相当	对于合成RNA的准确结构预测仍然具有挑战性	开发一种自动化方法来预测RNA的三维结构	RNA的三维结构	机器学习	NA	深度学习	Transformer网络	RNA结构数据	涉及CASP15和RNA-Puzzles实验中的RNA样本
100	2024-10-13	Categorization of collagen type I and II blend hydrogel using multipolarization SHG imaging with ResNet regression 2023-11-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-46417-0 PMID:37945626	研究论文	本文提出了一种基于多极化SHG成像和ResNet回归的方法，用于分类和回归胶原I型和II型混合水凝胶	本文的创新点在于使用多极化SHG成像和ResNet模型，无需预先进行耗时的模型拟合，即可实现对胶原I型和II型混合水凝胶的分类和回归	本文的局限性在于仅测试了特定比例的混合水凝胶，未涵盖所有可能的混合比例	研究目的是开发一种自动化方法，利用深度学习从胶原基质中提取有价值的信息	研究对象是胶原I型和II型混合水凝胶	计算机视觉	NA	多极化SHG成像	ResNet	图像	18张渐进极化SHG图像，每种比例10°间隔