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
10101	2024-08-05	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种生成对抗网络生成合成PET图像，以改善肺癌的诊断和预后	首次证明了使用深度学习将CT转换为高保真PET图像的可行性	该研究的合成PET图像尚未在临床广泛应用，且限制于特定的数据集	提升肺癌的诊断、分期、风险预测及预后评估	使用多中心多模态肺癌数据集中的CT扫描	数字病理学	肺癌	生成对抗网络	NA	图像	1,478个肺癌样本
10102	2024-08-05	Translating prognostic quantification of c-MYC and BCL2 from tissue microarrays to whole slide images in diffuse large B-cell lymphoma using deep learning 2024-Jan-19, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-023-01425-6 PMID:38243330	研究论文	本研究开发了一种基于深度学习的方法，可以在全切片图像中对c-MYC和BCL2的阳性肿瘤细胞进行自动量化	提出了一种使用注意力机制的多实例学习技术，能够在不需要单个细胞核注释的情况下，从组织微阵列核心的注释中回归阳性肿瘤细胞的比例	本研究的模型可能在不同类型组织样本或更复杂的组织结构中表现不如预期	评估c-MYC和BCL2在弥漫大B细胞淋巴瘤中的预后能力，并通过深度学习技术实现自动化量化	弥漫大B细胞淋巴瘤患者的肿瘤样本，尤其是关注c-MYC和BCL2的阳性表达	数字病理学	淋巴瘤	注意力机制的多实例学习	NA	全切片图像	使用来自斯坦福的公开组织微阵列数据集进行训练，涉及多中心队列的全切片图像
10103	2024-08-05	StratoLAMP: Label-free, multiplex digital loop-mediated isothermal amplification based on visual stratification of precipitate 2024-Jan-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2314030121 PMID:38165933	研究论文	本研究提出了一种无需标签的多重数字环介导等温扩增方法StratoLAMP，基于沉淀物的可视化分层进行分析	StratoLAMP通过视觉分层沉淀物无标签实现多重核酸检测，省去荧光染料或探针，降低复杂性和成本	尚未提及研究的具体局限性	开发一种高效且成本低的无标签多重核酸检测方法	研究不同浓度引物对核酸靶标扩增沉淀物产生的影响	数字病理学	NA	数字环介导等温扩增	深度学习	图像	NA
10104	2024-08-05	Heterogeneity in intrahepatic macrophage populations and druggable target expression in patients with steatotic liver disease-related fibrosis 2024-Jan, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2023.100958 PMID:38162144	研究论文	本研究评估了脂肪性肝病患者体内的肝内巨噬细胞与药物靶点的表达情况	发现了脂肪性肝病患者中巨噬细胞表型及药物靶点的显著异质性	患者内表型差异很大，可能影响结果的一致性	确定肝内巨噬细胞活性评分或纤维化分期对表型和药物靶点表达的影响	评估脂肪性肝病患者及对照者的肝内巨噬细胞	数字病理学	脂肪性肝病	基因表达分析、免疫组化、谱成像和空间分析	深度学习/人工智能算法	基因和蛋白质数据	共计64个样本，包含30个来自活检的样本和34个用于蛋白表达分析的样本
10105	2024-08-05	A deep learning algorithm to identify carotid plaques and assess their stability 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1321884 PMID:38952409	研究论文	本文开发了一种深度学习算法，以识别颈动脉斑块并评估其稳定性	提出了一种基于BCNN-ResNet的自动化算法，提供更一致和客观的诊断方法	研究未提及潜在的临床适用性和长期效果验证	旨在利用深度学习解决颈动脉斑块筛查中的主观性问题	使用超声图像评估颈动脉斑块的存在与稳定性	计算机视觉	NA	超声	BCNN-ResNet	图像	3860张超声图像，来自1339名参与者
10106	2024-08-05	Residual and bidirectional LSTM for epileptic seizure detection 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1415967 PMID:38952709	研究论文	本文提出了一种名为ResBiLSTM的混合深度学习方法，用于通过EEG信号检测癫痫发作	创新性地结合了一维残差神经网络和双向长短时记忆网络来提取空间和时间特征	NA	旨在提高癫痫发作检测的准确性和效率	癫痫发作数据集，特别是来自波恩大学和天普大学医院的数据集	机器学习	癫痫	EEG信号分析	残差神经网络和双向LSTM	生物信号	使用了波恩数据集和天普大学医院的数据集进行评估
10107	2024-08-05	Toward the design of persuasive systems for a healthy workplace: a real-time posture detection 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1359906 PMID:38953011	研究论文	本研究开发了用于实时姿势检测的说服性技术	本研究使用YOLO-V3模型在姿势检测中取得了比CNN模型更高的精确度，提出了将其集成到健康工作场所设计中的建议	研究中收集的姿态数据仅来源于YouTube视频和Kaggle，可能存在数据集的多样性和代表性不足问题	探讨如何设计用于促使健康行为的系统，特别是姿势检测技术	研究对象为工作场所中的用户姿势，特别关注舒适与不舒适的姿势分类	计算机视觉	NA	深度学习	YOLO-V3和CNN	图像	使用了来自YouTube视频和Kaggle的姿势数据集进行训练
10108	2024-08-05	Winter wheat ear counting based on improved YOLOv7x and Kalman filter tracking algorithm with video streaming 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1346182 PMID:38952848	研究论文	本文提出了一种基于改进YOLOv7x和卡尔曼滤波追踪算法的实时麦穗计数方法	引入了空间到深度模块和新的归一化高斯瓦瑟斯坦距离损失函数，以提升YOLOv7x的检测性能	样本可能仅限于特定环境，实时检测帧率相对较低	实现大型分辨率无人机视频下的麦穗检测与计数	作者研究了麦穗的检测与计数	计算机视觉	NA	YOLOv7x, 卡尔曼滤波	YOLOv7xSPD Counter	视频	NA
10109	2024-08-05	ProactiV: Studying Deep Learning Model Behavior Under Input Transformations 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3301722 PMID:37535493	研究论文	该文探讨了在输入变换下深度学习模型行为的可视分析方法ProactiV	提出了一种模型无关的可视分析方法，以帮助开发者主动研究输出行为并识别模型的脆弱点	现有的方法主要集中在每类或实例级别的分析，未能全面评估模型在各种输入变换下的行为	改善深度学习模型的可解释性与性能	深度学习模型的输入变换对模型输出行为的影响	机器学习	NA	输入优化方法	NA	图像	NA
10110	2024-08-05	AutoTitle: An Interactive Title Generator for Visualizations 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3290241 PMID:37384476	研究论文	我们提出了AutoTitle，这是一种满足多种用户需求的交互式可视化标题生成器	AutoTitle通过深度学习生成标题，并提供用户交互界面以过滤指标，创新地结合了用户反馈和六个标题质量因素	未提及此工具的适用范围或在特定应用中的效果	旨在为可视化作品生成高质量的标题	可视化作者和潜在的标题生成用户	计算机视觉	NA	深度学习	NA	NA	参与用户研究的用户人数未明确说明
10111	2024-08-05	Shading-Guided Manga Screening From Reference 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3282223 PMID:37267131	研究论文	本研究提出了一种基于阴影引导的漫画筛选方法	引入阴影线条绘画作为屏幕漫画的中间对应物，将漫画筛选任务分解为生成阴影和替换适当的筛网色调两个子任务	研究未提及对多种艺术风格的适应性和通用性	旨在改善漫画制作中漫画筛选过程中的效率和质量	目标是生成阴影和合适的筛网色调	计算机视觉	NA	参考图像生成网络	NA	图像	进行大量视觉和定量实验以验证系统的有效性
10112	2024-08-05	Novel progressive deep learning algorithm for uncovering multiple single nucleotide polymorphism interactions to predict paclitaxel clearance in patients with nonsmall cell lung cancer 2024-Aug, Cancer innovation DOI:10.1002/cai2.110 PMID:38948246	研究论文	本文开发了一种新型的深度学习算法，用于揭示多重单核苷酸多态性相互作用，以预测非小细胞肺癌患者的紫杉醇清除率	提出了一种名为GEP-CSIs的数据挖掘算法，通过线性代数计算处理离散变量，优于传统的生物信息学方法	目前尚无关于该算法在不同癌症类型中的广泛适用性测试	研究紫杉醇的清除率与基因多态性之间的关系	非小细胞肺癌患者的基因多态性与紫杉醇清除数据	机器学习	肺癌	深度学习	GEP-CSIs算法	基因数据	使用了主要集和验证集的数据进行分析
10113	2024-08-05	Optimizing time prediction and error classification in early melanoma detection using a hybrid RCNN-LSTM model 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24559 PMID:38515433	研究论文	本文提出了一种混合RCNN-LSTM模型，用于早期黑色素瘤检测中的时间预测和错误分类优化	采用了递归卷积神经网络(RCNN)和长短期记忆网络(LSTM)的深度学习方法，并考虑上下文依赖性来减少黑色素瘤检测中的分类错误	针对模型的局限性、外部数据的适用性及模型在未见数据上的表现尚需进一步探讨	优化早期黑色素瘤检测中的时间预测和错误分类	使用国际皮肤图像数据库，通过RCNN-LSTM对黑色素瘤进行分类和分析	计算机视觉	皮肤癌	深度学习	RCNN-LSTM	图像	三个数据集
10114	2024-08-05	Motion In-Betweening via Deep ∆-Interpolator 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3309107 PMID:37639420	研究论文	本文展示了使用深度学习基的插值器在基于关键帧合成人体运动中的应用	提出了一种在delta模式下操作的深度插值方法并利用球面线性插值器作为基线，取得了更高的准确性和有效性	文章未明确提及具体的局限性	探讨基于关键帧的人体运动合成的更优方法	通过公共数据集的实验验证方法的有效性和性能	计算机视觉	NA	深度学习	NA	运动数据	使用了公共数据集，具体样本数量未说明
10115	2024-08-05	Supervertex Sampling Network: A Geodesic Differential SLIC Approach for 3D Mesh 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3294845 PMID:37440384	研究论文	提出了一种新的可微分分段方法GDSV用于3D网格的分析	将深度超像素学习方法扩展到3D网格，并提出可微分的GDSV方法	现有的聚类基础网格层次构建方法难以嵌入其他可训练网络	旨在改进3D网格的分段和Hierarchical表示	3D网格数据集的分析和分类	计算机图形学	NA	可微分SLIC聚类算法	NA	3D网格	多个数据集
10116	2024-08-05	Advanced feature learning and classification of microscopic breast abnormalities using a robust deep transfer learning technique 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24557 PMID:38553901	研究论文	本研究探讨了使用强大的深度迁移学习技术识别微观乳腺病变的特征学习与分类。	提出了一种基于低维多通道特征的乳腺癌微观图像识别方法，克服了特征利用和计算复杂度的限制。	研究未提及具体的样本来源和数据集精确大小，可能影响结果泛化性。	提高乳腺癌微观图像识别的诊断效率和准确性。	使用显微图像数据集来识别良性和恶性乳腺癌病变。	数字病理学	乳腺癌	深度学习，迁移学习	SqE-DDConvNet	图像	未提供具体样本大小
10117	2024-08-05	Using Multi-Level Consistency Learning for Partial-to-Partial Point Cloud Registration 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3280171 PMID:37235469	研究论文	提出了一种新颖的端到端框架MCLNet，用于点云注册。	利用多级一致性学习来处理部分到部分的点云注册任务	在处理更大规模数据时的性能尚不明晰	提高点云注册的准确性，特别是在部分到部分的匹配中	进行点云注册的深度学习方法	计算机视觉	NA	深度学习	NA	点云数据	较小规模的数据集
10118	2024-08-05	SmartGD: A GAN-Based Graph Drawing Framework for Diverse Aesthetic Goals 2024-Aug, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3306356 PMID:37594870	研究论文	本文提出了一种基于GAN的图形绘制框架SmartGD，旨在优化多种美学目标	提出了一种新的GAN框架，可以优化多种定量美学目标，不受可微分性的限制	现有方法无法直接应用于优化非可微分标准	探讨优化图形绘制中的不同美学目标	设计并测试一种新颖的GAN框架用于图形绘制	计算机视觉	NA	生成对抗网络 (GAN)	NA	NA	进行了多种美学标准的实验
10119	2024-08-07	Automated segmentation of cell organelles in volume electron microscopy using deep learning 2024-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24548 PMID:38501891	研究论文	本文提出了一种基于深度学习的快速自动轮廓分割方法（FAMOUS），用于在体积电子显微镜数据集中自动分割、可视化和量化细胞器	引入了快速、多模态的机器学习工作流程，用于3D细胞器的自动分割，并在多种体积电子显微镜数据集和细胞系中成功应用，优于手动分割方法的时间和准确性	NA	加速从细胞器检测到定量分析的过程	细胞器在体积电子显微镜数据集中的分割、可视化和量化	计算机视觉	NA	深度学习	神经网络	图像	展示了在HeLa细胞数据集和酵母细胞数据集上的应用
10120	2024-08-05	Importance of Terrain and Climate for Predicting Soil Organic Carbon Is Highly Variable across Local to Continental Scales 2024-Jul-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c01172 PMID:38904357	研究论文	本研究探讨地形和气候对土壤有机碳分布的重要性	创新点在于通过深度学习方法揭示不同尺度下地形和气候在预测SOC分布中的作用	未评估因果机制，仅为观察性研究	旨在全面理解土壤有机碳的空间分布及其控制因素	研究对象为土壤有机碳(SOC)的空间分布	NA	NA	深度学习	NA	NA	局部尺度为1.25公里，大陆尺度为美国