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
9261	2024-08-05	Automated detection of anterior crossbite on intraoral images and videos utilizing deep learning 2024-May-03, International journal of computerized dentistry IF:1.8Q2 DOI:10.3290/j.ijcd.b5290567 PMID:38700086	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于自动检测和分类口腔内部图像和视频中的前牙反咬合	采用深度学习模型自动识别前牙反咬合，提供了一种新的自动化解决方案	CNN模型的敏感性低于两位正畸医生的评估	研究口腔内部图像和视频中前牙反咬合的自动检测技术	1865幅口腔内部图像和10个视频，累计时长124秒	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像和视频	1865幅图像，10个视频
9262	2024-08-05	Incorporating longitudinal history of risk factors into atherosclerotic cardiovascular disease risk prediction using deep learning 2024-01-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-51685-5 PMID:38296982	研究论文	本研究探讨了使用深度学习模型整合纵向危险因素历史来提高动脉粥样硬化心血管疾病风险预测的效果	首次比较了纵向深度学习模型与传统Pooled Cohort Equations (PCE)在ASCVD风险预测中的效果	未提及模型在不同人群或环境下的推广性和适用性	研究纵向风险因素对动脉粥样硬化心血管疾病风险预测的影响	该研究包含来自四个心血管疾病队列的15,565名没有基线ASCVD的参与者	机器学习	心血管疾病	深度学习	Dynamic-DeepHit	纵向数据	15,565名参与者
9263	2024-08-05	Deep learning-based respiratory muscle segmentation as a potential imaging biomarker for respiratory function assessment 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306789 PMID:39058719	研究论文	本研究开发了一种基于深度学习的自动化方法，用于从CT图像中分割和分类三种类型的呼吸肌肉	提出了一种使用Attention U-Net架构进行呼吸肌肉定量分析的新方法，且呼吸肌肉体积可能作为呼吸功能的潜在成像生物标志物	肌肉密度与肺功能测试参数的相关性较弱，可能限制了其在医学研究中的意义	评估呼吸肌肉的状态及其对肺功能的影响	从3200个个体的约600,000个胸部CT图像中提取的呼吸肌肉	计算机视觉	呼吸系统疾病	计算机断层扫描（CT）	Attention U-Net	图像	3200个个体的约600,000个胸部CT图像
9264	2024-08-05	DeepDRA: Drug repurposing using multi-omics data integration with autoencoders 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307649 PMID:39058696	研究论文	该文章提出了一种基于多组学数据集成的深度学习模型，用于癌症药物重新利用的预测。	创新点在于使用自编码器降维多组学数据，并结合多任务学习模型与多层感知器进行深度学习。	没有详细说明数据收集的局限性和模型的可扩展性。	研究旨在开发一个深度学习模型，以根据多组学数据预测癌症药物反应并促进药物重新利用。	研究对象是癌症药物的反应和多组学数据。	机器学习	癌症	深度学习、自编码器	多层感知器（MLP）	多组学数据	使用了三个主要数据集：GDSC、CTRP 和 CCLE
9265	2024-08-05	Deep learning-based material decomposition of iodine and calcium in mobile photon counting detector CT 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306627 PMID:39058758	研究论文	本文提出了一种基于深度学习的材料分解方法，用于在移动光子计数检测器CT中分解碘和钙。	创新点在于提出了一种基于Unet架构的MD-Unet模型，能够在使用实时动物数据进行材料分解时提供更高精度的成像。	研究可能受到数据获取的限制，尽管使用了预训练模型和增强策略。	研究的目的是开发一种准确的材料分解技术，以改善基于光子计数检测器的CT成像。	研究对象为使用实时动物数据进行的材料分解。	数字病理学	NA	光子计数检测器CT	Unet	动物数据	NA
9266	2024-08-05	TUnA: an uncertainty-aware transformer model for sequence-based protein-protein interaction prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae359 PMID:39051117	研究论文	本文提出了一个基于Transformer的模型TUnA，用于预测蛋白质-蛋白质相互作用并评估不确定性	TUnA结合了ESM-2嵌入和光谱标准化神经高斯过程，提供了对未见序列的预测不确定性评估	该模型的通用性可能仍受限于训练集的代表性	研究旨在提高蛋白质-蛋白质相互作用预测的准确性和不确定性评估	研究对象为蛋白质序列及其相互作用	机器学习	NA	NA	Transformer	序列数据	NA
9267	2024-08-05	Multi-modal co-learning with attention mechanism for head and neck tumor segmentation on 18FDG PET-CT 2024-Jul-25, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00670-y PMID:39052194	研究论文	本文提出了一种新的深度学习方法，用于头颈癌的肿瘤分割。	提出的肿瘤区域注意模块充分利用了PET的高灵敏度，并设计了无需分离特征提取和融合功能的网络，利用了上下文信息的多尺度融合。	研究的局限性未在摘要中提及	提高头颈癌的肿瘤分割准确性，以支持放射治疗的有效性。	头颈癌肿瘤的分割，使用18FDG PET-CT影像。	数字病理学	头颈癌	深度学习	NA	医学影像	HECKTOR挑战2021数据集
9268	2024-08-05	Parkinson's image detection and classification based on deep learning 2024-Jul-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01364-8 PMID:39054448	研究论文	本文提出了一种基于深度学习的改进YOLOv5检测算法，用于预测和分类帕金森病的MRI图像	引入CA注意力机制提升模型对小病理特征的敏感性，并优化多层次图像特征提取	NA	提高帕金森病MRI图像的早期诊断准确性	582张来自108名患者的MRI图像数据集	计算机视觉	帕金森病	深度学习	YOLOv5s	图像	582张MRI图像
9269	2024-08-05	ChemReco: automated recognition of hand-drawn carbon-hydrogen-oxygen structures using deep learning 2024-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67496-7 PMID:39054356	研究论文	本文章介绍了ChemReco工具，能够识别手绘的化学分子结构	提出了合成图像方法以快速生成手绘化学分子结构的图像，并开发了高准确率的识别模型	目前关于手绘化学分子结构的研究有限	构建用于手绘化学分子结构识别的数据集	目标是识别绘制有C、H和O三种原子的化学分子结构	数字病理学	NA	深度学习	EfficientNet + Transformer	图像	NA
9270	2024-08-05	Context-aware geometric deep learning for protein sequence design 2024-Jul-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50571-y PMID:39054322	研究论文	这篇文章介绍了一种基于几何变换器的深度学习方法，用于蛋白质序列设计	引入了一种仅基于原子坐标和元素名称的几何变换器，能够在蛋白质设计过程中考虑非蛋白质实体	当前模型尚无法完美整合设计过程中所有可能的非蛋白质实体	旨在通过深度学习提升蛋白质设计的灵活性和效率	研究对象为蛋白质序列和分子环境对蛋白质功能的影响	生物信息学	NA	深度学习	几何变换器	序列数据	NA
9271	2024-08-05	A permutable MLP-like architecture for disease prediction from gut metagenomic data 2024-Jul-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05856-w PMID:39048979	研究论文	本文提出了一种基于可重排的多层感知器架构的模型用于从肠道宏基因组数据进行疾病预测	提出了Metagenomic Permutator模型，利用可重排的多层感知器网络结构捕捉微生物的系统发育信息	样本数量有限及宏基因组数据的高维度和稀疏性可能仍然对模型性能构成挑战	旨在提高深度学习在宏基因组数据分类和预测中的应用效果	使用肠道宏基因组数据分析微生物与疾病之间的关系	计算机视觉	NA	NA	可重排的多层感知器	宏基因组数据	NA
9272	2024-08-05	Research on a soft saturation nonlinear SSVEP signal feature extraction algorithm 2024-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67853-6 PMID:39048655	研究论文	本文提出了一种基于软饱和非线性模块的SSVEP信号识别深度学习网络模型e-SSVEPNet	引入了软饱和非线性模块，改善了对噪声的鲁棒性，并提高了SSVEP信号分类和识别的性能	对于不同参与者的分类效果仍有提升空间	旨在提高SSVEP信号识别的准确性和性能	SSVEP信号数据集	计算机视觉	NA	深度学习	e-SSVEPNet	信号	多个实验结果，具体样本量未提及
9273	2024-08-05	Sound as a bell: a deep learning approach for health status classification through speech acoustic biomarkers 2024-Jul-24, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-024-00973-3 PMID:39049005	研究论文	本研究采用深度学习方法通过语音声学生物标志物对健康状态进行分类。	将中医体质理论与深度学习技术相结合，以非侵入性的方式识别亚健康人群。	排除了具有近期疾病、牙科问题和特定病史的参与者，可能限制了样本的代表性。	使用语音音频来识别特征为失衡体质类型的亚健康人群。	参与者年龄在18-45岁之间，样本来源于健康声学研究。	机器学习	NA	音频信号处理	Conv1D, Conv2D, LSTM	音频	1378个健康音频记录和1413个亚健康音频记录
9274	2024-08-07	Correction: Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-Jul-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01375-5 PMID:39048934	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9275	2024-08-05	Cascaded Aggregation Convolution Network for Salient Grain Pests Detection 2024-Jul-22, Insects IF:2.7Q1 DOI:10.3390/insects15070557 PMID:39057289	研究论文	提出了一种新的级联聚合卷积网络（CACNet）用于存储谷物中的显著害虫检测	本研究通过模仿人类观察和聚焦感兴趣物体的视觉注意机制，提出了一种新型的CACNet，以提高小型谷物害虫检测的准确性	NA	提高存储谷物中害虫检测的准确性	小型谷物害虫的检测与控制	计算机视觉	NA	卷积神经网络（CNN）	VGG16	图像	500张图片，展示零至五个或更多害虫
9276	2024-08-05	Insights into Flexible Bioinspired Fins for Unmanned Underwater Vehicle Systems through Deep Learning 2024-Jul-17, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics9070434 PMID:39056875	研究论文	本文探讨了通过深度学习对仿生无人水下车辆系统柔性鳍的洞察。	该研究开发了新的前向神经网络模型，能够考虑鳍材料的刚度对其动力学性能、推力和功率的影响，并实现了对各种运动方式的插值。	本文未提及具体的实验规模和环境适用性，可能限制了模型的应用范围。	研究仿生无人水下车辆的推进效率及其优化材料和动力学特性。	本研究针对仿生无人水下车辆的推进系统进行建模和性能分析。	机器学习	NA	深度学习	前向神经网络	时间序列数据	NA
9277	2024-08-05	Deep Efficient Data Association for Multi-Object Tracking: Augmented with SSIM-Based Ambiguity Elimination 2024-Jul-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070171 PMID:39057742	研究论文	本文提出了一种高效的统一数据关联方法，以解决多目标跟踪中的不确定性问题	结合深度特征关联网络和SSIM改善数据关联的准确性	未提及具体的高复杂场景下的表现	解决多目标跟踪中的数据关联问题	通过深度学习方法跟踪视频中的多个对象	计算机视觉	NA	深度学习	深度特征关联网络 (deepFAN)	视频	综合分析多个MOT数据集，如MOT挑战赛和UA-DETRAC
9278	2024-08-05	Automatically Detecting Pancreatic Cysts in Autosomal Dominant Polycystic Kidney Disease on MRI Using Deep Learning 2024-Jul-16, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10070087 PMID:39058059	研究论文	本文提出了一种基于深度学习的自动检测自体显性多囊肾病患者胰腺囊肿的MRI图像的方法	使用nnU-Net模型提高了胰腺囊肿的检测效率，特别是在ADPKD患者中	尽管模型表现良好，但敏感性不足，且标注的一致性也较低	自动化检测自体显性多囊肾病患者的胰腺囊肿	146名具有胰腺囊肿的自体显性多囊肾病患者	计算机视觉	自体显性多囊肾病	深度学习	nnU-Net	MRI图像	254个扫描，涉及146名患者
9279	2024-08-05	Automated Lung Cancer Diagnosis Applying Butterworth Filtering, Bi-Level Feature Extraction, and Sparce Convolutional Neural Network to Luna 16 CT Images 2024-Jul-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10070168 PMID:39057739	研究论文	本研究提出了一种基于人工智能的方法用于肺癌诊断	使用Butterworth平滑滤波算法、双层特征提取和稀疏卷积神经网络实现了对LUNA 16 CT图像的肺癌自动诊断	没有提到具体的样本限制或研究中遇到的具体挑战	研究旨在通过医学影像分析提高肺癌的诊断准确性	主要研究对象为LUNA 16肺癌数据集中的CT图像	数字病理学	肺癌	Butterworth滤波, 多空间图像重建, 稀疏卷积神经网络	稀疏卷积神经网络与概率神经网络	图像	LUNA 16数据集的CT图像
9280	2024-08-05	A deep learning-based toolkit for 3D nuclei segmentation and quantitative analysis in cellular and tissue context 2024-Jul-15, Development (Cambridge, England) DOI:10.1242/dev.202800 PMID:39036998	研究论文	我们呈现了一套新的计算工具，能够在各种3D数字器官中实现准确且广泛适用的细胞核3D分割。	开发了生成真实标签和迭代训练3D核分割模型的方法，并改进了MorphoGraphX分析和可视化软件。	尚未提及具体的限制	研究3D细胞核的分割和定量分析方法。	针对来自不同植物和动物组织的固态或活体样本的细胞核进行3D分割。	数字病理学	NA	NA	CellPose, PlantSeg, StarDist	3D图像	约10,000个细胞核