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	2024-08-05	Few-Shot Fault Diagnosis Based on an Attention-Weighted Relation Network 2023-Dec-24, Entropy (Basel, Switzerland) DOI:10.3390/e26010022 PMID:38248148	研究论文	提出了一种基于注意力加权关系网络的故障诊断方法，以实现小样本数据的故障检测和分类	引入了注意力加权机制以增强特征提取的代表性，并在少样本学习中应用关系网络	没有讨论方法在更大规模数据集上的表现和可扩展性	应对气动控制阀故障诊断中对大量标注训练数据的依赖问题	气动控制阀故障诊断	机器学习	NA	深度学习	注意力加权关系网络	时间域信号	使用了DA阀故障数据集和PU滚动轴承故障数据集进行实验
162	2024-08-05	Multi-Modal Ensemble Deep Learning in Head and Neck Cancer HPV Sub-Typing 2023-Dec-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11010013 PMID:38247890	研究论文	本研究探讨了基于深度学习的图像解读方法在头颈癌HPV亚型检测中的准确性	提出了一种基于3D CNN的多模态特征融合架构，用于HPV状态预测	未来需要进行更大规模的队列验证以提高诊断准确性	研究头颈癌患者中HPV状态的自动检测以影响治疗决策	主要针对口咽鳞状细胞癌（OPSCC）患者的HPV状态	计算机视觉	头颈癌	CT和PET图像	3D CNN	图像	使用了公开可得的TCGA和MAASTRO数据集
163	2024-08-05	A Real-Time Defect Detection Strategy for Additive Manufacturing Processes Based on Deep Learning and Machine Vision Technologies 2023-Dec-22, Micromachines IF:3.0Q2 DOI:10.3390/mi15010028 PMID:38258148	研究论文	本文提出了一种基于深度学习和机器视觉的实时缺陷检测技术，用于增材制造过程的监控	采用改进的YOLOv8算法训练缺陷检测模型，能够识别和评估缺陷图像	未提及此方法在其他增材制造过程中的适应性和普遍性	实现增材制造过程中的实时缺陷检测与监控	针对挤出3D打印过程进行缺陷检测	数字病理学	NA	深度学习	YOLOv8	图像	3550张图像
164	2024-08-05	Segmentation of Substantia Nigra in Brain Parenchyma Sonographic Images Using Deep Learning 2023-Dec-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10010001 PMID:38276318	研究论文	本文探讨了一种基于深度学习的自动分割方法，用于脑实质超声图像中的黑质分割	本文提出了一种新的自动分割方法，并实现了黑质分割的最新性能	样本数量和数据集仍需进一步丰富	研究脑实质超声图像中的黑质的自动分割技术	使用新数据集的脑实质超声图像	计算机视觉	帕金森病	深度学习	修改版U-Net网络	超声图像	NA
165	2024-08-05	Fusion Networks of CNN and Transformer with Channel Attention for Accurate Tumor Imaging in Magnetic Particle Imaging 2023-Dec-19, Biology DOI:10.3390/biology13010002 PMID:38275723	研究论文	提出了一种结合CNN和Transformer的深度学习网络，以改善磁粒子成像中的肿瘤成像质量	创新性地将CNN和Transformer结合使用，并引入通道注意机制来同时提取图像的局部和全局特征	缺乏对不同噪音水平下的普适性测试	改善磁粒子成像技术中图像重建的清晰度及肿瘤量化的准确性	聚焦于肿瘤图像的重建和量化	计算机视觉	肿瘤	磁粒子成像	CNN和Transformer	图像	NA
166	2024-08-05	Coupled Reconstruction of Cortical Surfaces by Diffeomorphic Mesh Deformation 2023-Dec, Advances in neural information processing systems PMID:38835722	研究论文	本文提出了一个新的深度学习框架，用于从脑部磁共振影像精确重建皮质表面	本文的创新之处在于联合重建内层、外层及其中厚度表面，并直接从3D MRI中估计皮质厚度	本文未提及任何具体的局限性	研究的目的是提高脑部皮质表面的重建精度和拓扑正确性	研究对象为脑部磁共振成像数据中的皮质表面	数字病理学	NA	深度学习	NA	3D MRI	在两个大规模神经影像数据集ADNI和OASIS上进行评估
167	2024-08-05	Combining generative modelling and semi-supervised domain adaptation for whole heart cardiovascular magnetic resonance angiography segmentation 2023-12-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-023-00981-6 PMID:38124106	研究论文	本研究探讨了在全心脏心血管磁共振血管造影分割中，结合生成模型与半监督领域适应的方法	提出了一种创新的结合生成对抗网络和变分自编码器的无监督领域适应架构，用于处理全心脏CMRA分割问题	仅使用了较少的标记案例进行训练，可能会影响模型的泛化能力	提高心血管磁共振血管造影的分割质量	常规和高分辨率的全心脏心血管磁共振图像	计算机视觉	心血管疾病	生成对抗网络、变分自编码器	无监督生成模型	影像	常规CMRA (n=20) 和高分辨率CMRA (n=45)
168	2024-08-05	Artificial Intelligence-Triaged 3-Dimensional Pathology to Improve Detection of Esophageal Neoplasia While Reducing Pathologist Workloads 2023-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100322 PMID:37657711	研究论文	本研究提出了一种基于深度学习的方法，以提高食道肿瘤的早期检测并减少病理学家的工作负担	提出了一种自动识别3D病理数据集中最关键2D图像部分的深度学习方法，生成肿瘤风险的3D热图	研究中使用的3D病理数据集的庞大体积可能仍对现有技术进步带来了挑战	旨在通过3D病理技术提高食道肿瘤的检测率	食道活检样本	数字病理学	食道癌	深度学习	NA	图像	临床验证研究中每种活检使用3张图像，共涉及食道活检
169	2024-08-07	Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26542 PMID:37357816	研究论文	本文开发了一种结合成对结构相似性评分和基于深度学习的界面接触概率评分的混合方法，用于评估蛋白质复合体模型准确性	提出了一种结合成对结构相似性评分和界面接触概率评分的混合方法，用于评估蛋白质复合体模型准确性，这在以往的研究中较少应用	当多个结构模型质量较低且彼此相似时，成对相似性方法往往失效	评估蛋白质复合体和组装体的四级结构模型的准确性	蛋白质复合体和组装体的四级结构模型	计算机视觉	NA	深度学习	CNN	结构模型	参与CASP15的多个目标模型
170	2024-08-07	Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26585 PMID:37650367	研究论文	本文报告了UM-TBM和Zheng团队在CASP15中使用D-I-TASSER和DMFold-Multimer算法进行蛋白质单体和复合物结构预测的结果	D-I-TASSER引入了四个新特征，包括多源MSA搜索和基于结构建模的MSA排序器、基于注意力网络的空间约束、多域模块以及优化的I-TASSER折叠模拟系统。DMFold-Multimer通过集成新的MSA生成算法DeepMSA2和AlphaFold2-Multimer的端到端建模模块，提高了蛋白质复合物结构预测的准确性	未来改进的方向包括病毒蛋白建模和复合物模型排序	提高蛋白质单体和复合物结构预测的准确性	蛋白质单体和复合物的结构预测	生物信息学	NA	深度学习	CNN	蛋白质结构数据	47个自由建模目标和38个复合物目标
171	2024-08-07	Assessment of three-dimensional RNA structure prediction in CASP15 2023-Dec, Proteins IF:3.2Q2 DOI:10.1002/prot.26602 PMID:37876231	研究论文	本文评估了CASP15中RNA三维结构预测的表现，这是首次涉及RNA结构建模的CASP练习。	首次在CASP中评估RNA结构预测，并使用蛋白质评估的指标和方法进行RNA评估。	在模型细节预测、模型排序和多结构预测方面仍存在挑战。	评估RNA三维结构预测在CASP15中的表现。	RNA三维结构预测模型。	NA	NA	NA	NA	NA	42个预测组提交了至少一个RNA结构模型的预测。
172	2024-08-07	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-Dec-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本文测试了一种使用深度学习（DL）进行结构预测（AlphaFold2）和序列优化（ProteinMPNN）的蛋白质设计流程，以设计PD-L1拮抗剂的自抑制域（AiDs）。	本研究展示了基于DL的蛋白质建模可以快速生成高亲和力的蛋白质结合剂。	NA	旨在创造一种在到达肿瘤环境之前不活跃的抗癌药物。	设计自抑制形式的PD-L1拮抗剂，该拮抗剂可以在肿瘤富集的蛋白酶作用下解除抑制。	机器学习	NA	深度学习（DL）	AlphaFold2, ProteinMPNN	蛋白质序列	23个从头设计的AiDs
173	2024-08-07	Live-cell imaging in the deep learning era 2023-12, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2023.102271 PMID:37897927	研究论文	本文探讨了深度学习在活细胞成像中的应用及其对关键任务的辅助作用	介绍了深度学习在活细胞成像中的新应用，包括漂移校正、去噪、超分辨率成像、人工标记、跟踪和时间序列分析	NA	探讨深度学习在活细胞成像中的应用及其对关键任务的辅助作用	活细胞成像技术及其数据分析	计算机视觉	NA	深度学习	NA	图像	NA
174	2024-08-07	Artificial intelligence for evaluating the risk of gastric cancer: reliable detection and scoring of intestinal metaplasia with deep learning algorithms 2023-12, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2023.06.056 PMID:37392953	研究论文	本文研究使用深度学习算法评估胃癌风险，特别是通过深度卷积神经网络（DCNN）模型ResNet50检测和评分肠上皮化生（IM）	开发了一种基于深度学习的AI系统，用于评估胃癌风险，该系统能够准确、可靠且重复地检测和评分肠上皮化生	该AI系统在识别小的肠上皮化生病灶方面存在局限	开发一种AI系统，用于准确评估胃癌风险	胃癌风险评估，特别是肠上皮化生的检测和评分	机器学习	胃癌	深度卷积神经网络（DCNN）	ResNet50	图像	5753张图像
175	2024-08-07	A deep learning image analysis method for renal perfusion estimation in pseudo-continuous arterial spin labelling MRI 2023-Dec, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.09.007 PMID:37776961	研究论文	本文提出了一种基于伪连续动脉自旋标记磁共振成像的深度学习图像分析方法，用于自动估计肾移植患者的肾灌注	该方法利用机器/深度学习工具自动分割和分类肾皮质和髓质组织，并自动估计灌注值	NA	开发一种自动化的方法来估计肾灌注，以辅助肾移植手术后的评估	肾移植患者的肾灌注	机器学习	NA	伪连续动脉自旋标记（PCASL）	深度学习	图像	16名肾移植患者
176	2024-08-07	Explainable variational autoencoder (E-VAE) model using genome-wide SNPs to predict dementia 2023-12, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104536 PMID:37926392	研究论文	本研究开发了一种可解释的变分自编码器（E-VAE）模型，利用全基因组SNP数据预测痴呆症	首次展示了使用遗传变异在独立队列中进行深度学习预测模型对痴呆症的泛化能力	NA	阐明与阿尔茨海默病相关痴呆症（ADRD）相关的生物学机制	阿尔茨海默病及相关痴呆症（ADRD）	机器学习	痴呆症	GWAS	变分自编码器（VAE）	基因型数据	2714名研究参与者和234名验证参与者
177	2024-08-07	Single-cell spatial metabolomics with cell-type specific protein profiling for tissue systems biology 2023-Dec-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-43917-5 PMID:38086839	研究论文	本文提出了一种名为scSpaMet的单细胞空间代谢框架，用于在男性人体组织中对免疫和癌细胞进行蛋白质-代谢物联合分析	scSpaMet框架结合了非靶向空间代谢组学和靶向多重蛋白质成像，为系统级理解组织生物学提供了一种新兴工具	NA	研究癌症和免疫细胞在生物组织中的代谢重编程	人类肺癌、扁桃体和子宫内膜组织中的单个免疫和癌细胞	数字病理学	肺癌	空间代谢组学	深度学习	蛋白质和代谢物数据	19507、31156和8215个单细胞
178	2024-08-07	Multimodal transformer network for incomplete image generation and diagnosis of Alzheimer's disease 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102303 PMID:37832503	研究论文	本文提出了一种深度学习框架，结合多级引导生成对抗网络（MLG-GAN）和多模态变换器（Mul-T），用于生成不完整图像和疾病分类	提出了多级引导生成对抗网络（MLG-GAN）和多模态变换器（Mul-T），能够生成缺失数据并结合全局和局部特征进行疾病诊断	NA	开发一种新的深度学习框架，用于处理不完整的多模态脑图像并提高阿尔茨海默病诊断的准确性	多模态脑图像和阿尔茨海默病	机器学习	阿尔茨海默病	生成对抗网络（GAN）	多模态变换器（Mul-T）	图像	三个独立数据集（ADNI-1、ADNI-2和OASIS-3）
179	2024-08-07	Image reconstruction using UNET-transformer network for fast and low-dose PET scans 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102315 PMID:38006648	研究论文	本文提出了一种基于UNET-transformer网络的图像重建方法，用于快速和低剂量的PET扫描	结合UNET和Transformer网络的优势，提高低剂量PET图像重建的质量，同时保留边缘和小细节	由于可用数据有限和采集图像中噪声水平高，这是一个具有挑战性的问题	开发一种有效且准确的基于深度学习的方法，用于重建低剂量PET图像	低剂量PET图像	计算机视觉	NA	PET扫描	UNET-transformer	图像	使用Brainweb仿真数据集和Siemens Biograph mMR PET扫描仪采集的真实患者数据集
180	2024-08-07	A review on brain tumor segmentation based on deep learning methods with federated learning techniques 2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102313 PMID:38011781	综述	本文综述了基于深度学习和联邦学习技术的脑肿瘤分割方法	提出了联邦学习方法以提高全局分割性能并确保隐私	集中于未解决的脑肿瘤分割问题和客户端联邦模型训练策略	探讨最有效的脑肿瘤分割技术，并提出联邦学习方法以改进性能	脑肿瘤分割技术及其在医学影像中的应用	计算机视觉	脑肿瘤	联邦学习	CNN	图像	超过100篇相关论文