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
11761	2024-08-07	Contrastive learning with token projection for Omicron pneumonia identification from few-shot chest CT images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1360143 PMID:38756944	研究论文	本文提出了一种名为CoTP的对比学习模型，通过令牌投影技术提高从少量胸部CT图像中识别Omicron肺炎的诊断质量	利用无标签数据进行CoTP的拟合，并通过少量标记样本进行微调，同时引入新的Omicron数据集和改进的数据增强策略	NA	提高基于少量胸部CT图像的Omicron肺炎诊断效率	Omicron肺炎的胸部CT图像识别	计算机视觉	肺炎	对比学习	ResNet50	图像	少量标记样本和无标签数据
11762	2024-08-07	A Survey on 3D Skeleton-Based Action Recognition Using Learning Method 2024, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0100 PMID:38757045	综述	本文综述了基于三维骨骼的动作识别（3D SAR）在计算机视觉领域的研究进展，特别关注了深度学习架构的应用	首次全面讨论了基于深度学习的3D骨骼数据动作识别方法	之前的综述主要集中在视频或RGB数据为主的方法，对骨骼数据的覆盖有限	强调动作识别的重要性，并突出三维骨骼数据作为宝贵模态的意义	基于四种基本深度架构的动作识别技术	计算机视觉	NA	深度学习	循环神经网络、卷积神经网络、图卷积网络、Transformer	骨骼数据	涉及当前最大的3D骨骼数据集NTU-RGB+D及其新版本NTU-RGB+D 120
11763	2024-08-07	Human Pose Estimation for Clinical Analysis of Gait Pathologies 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241231108 PMID:38757143	研究论文	本研究提出了一种用于定量评估步态障碍的二分类方法，特别是针对杜兴肌营养不良症（DMD）的步态特征进行分析	研究利用从YouTube和公开数据集中收集的新颖基准数据集，提取时间距离变量和下肢矢状关节角度，并采用机器学习和深度学习技术进行模式识别	当前模型能够区分健康对象和DMD患者，但不能区分DMD患者和其他步态障碍患者	开发一种成本效益高的方法，通过分析2D和3D人体姿态估计轨迹来检测步态异常	杜兴肌营养不良症（DMD）患者的步态特征	计算机视觉	神经肌肉疾病	人体姿态估计	支持向量机（SVM）和深度网络	视频（RGB）	数据来自YouTube和公开数据集的健康儿童
11764	2024-08-07	A deep learning model based on contrast-enhanced computed tomography for differential diagnosis of gallbladder carcinoma 2024-Aug, Hepatobiliary & pancreatic diseases international : HBPD INT IF:3.6Q2 DOI:10.1016/j.hbpd.2023.04.001 PMID:37080813	研究论文	本研究开发了一种基于对比增强计算机断层扫描（CT）图像的深度学习模型，用于辅助放射科医生鉴别胆囊癌	本研究首次使用基于ResNet50网络的深度学习模型，结合对比增强CT图像，用于胆囊癌的鉴别诊断	研究样本量相对较小，且仅限于胆囊病变大于10mm的患者	开发一种深度学习模型，以辅助放射科医生在早期诊断胆囊癌	胆囊癌与良性胆囊病变的鉴别	机器学习	胆囊癌	对比增强CT	ResNet50	图像	278名胆囊病变大于10mm的患者，分为训练集194例和验证集84例
11765	2024-08-07	Performance Evaluation of Deep, Shallow and Ensemble Machine Learning Methods for the Automated Classification of Alzheimer's Disease 2024-Jul, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500291 PMID:38576308	研究论文	本文评估了深度、浅层和集成机器学习方法在阿尔茨海默病自动分类中的性能	提出了一种基于机器学习模型的集成分类器，用于磁共振成像数据，准确率达到了96.52%，比最佳个体分类器提高了3-5%	NA	评估不同机器学习方法在阿尔茨海默病分类中的性能，帮助选择最适合数据可用性的算法	阿尔茨海默病及其相关认知状态的分类	机器学习	阿尔茨海默病	机器学习	集成分类器	磁共振成像数据	使用了阿尔茨海默病神经成像倡议和开放获取影像研究系列数据集
11766	2024-08-07	Reduction of ADC bias in diffusion MRI with deep learning-based acceleration: A phantom validation study at 3.0 T 2024-Jul, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.018 PMID:38631532	研究论文	本研究通过深度学习技术加速扩散磁共振成像（diffusion MRI），减少在高b值图像中的信噪比（SNR）低和相关的定量ADC值偏差问题，使用商业扩散模型进行验证。	本研究采用深度学习基础的C-SENSE AI重建技术，有效减少了DWI在低SNR下的ADC偏差和随机测量误差。	研究主要在商业扩散模型上进行验证，实际临床应用中的效果需要进一步验证。	进一步加速诊断放射学中的DWI，并解决由于高b值图像中低SNR导致的ADC值偏差问题。	研究对象包括扩散磁共振成像中的ADC偏差和随机测量误差。	计算机视觉	NA	深度学习	C-SENSE AI	图像	使用商业扩散模型进行实验
11767	2024-08-07	Deepm6A-MT: A deep learning-based method for identifying RNA N6-methyladenosine sites in multiple tissues 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.03.004 PMID:38485031	研究论文	本文提出了一种基于双向门控循环单元（Bi-GRU）和卷积神经网络（CNN）的改进方法Deepm6A-MT，用于预测RNA N6-甲基腺苷（m6A）修饰位点	Deepm6A-MT通过两个输入通道提高了预测准确性和效率，其中一个通道使用嵌入层后接Bi-GRU和CNN，另一个通道使用单热编码、二核苷酸单热编码和核苷酸化学性质编码	NA	开发一种新的深度学习方法，以提高RNA m6A修饰位点的预测性能	RNA m6A修饰位点	机器学习	NA	双向门控循环单元（Bi-GRU）和卷积神经网络（CNN）	Bi-GRU和CNN	RNA序列	NA
11768	2024-08-07	Deep learning methods in biomedical informatics 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.002 PMID:38588786	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11769	2024-08-07	DEEP-EP: Identification of epigenetic protein by ensemble residual convolutional neural network for drug discovery 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.004 PMID:38621436	研究论文	本文提出了一种基于深度学习的新模型，用于准确预测表观遗传蛋白（EP）	引入了基于深度学习的模型，结合DDE编码和ERCNN模型，实现了对EP的精确预测	NA	旨在通过深度学习技术加速表观遗传蛋白的研究和药物发现	表观遗传蛋白（EP）	机器学习	NA	深度学习	ERCNN	蛋白质序列	两个不同的数据集
11770	2024-08-07	Language model based on deep learning network for biomedical named entity recognition 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.013 PMID:38641084	研究论文	本文提出了一种基于BiLSTM-CRF架构的多任务学习框架，结合语言模型用于生物医学命名实体识别，通过差异化编码和多任务学习方法提高实体识别性能	模型使用语言模型设计差异化编码，获取动态词向量以区分不同数据集中的词汇，并通过多任务学习方法共享不同类型实体的动态词向量	深度学习方法需要大量训练数据，数据不足会影响模型识别性能	解决生物医学命名实体识别任务中多义词和数据不足的问题	生物医学文本中的命名实体	自然语言处理	NA	深度学习	BiLSTM-CRF	文本	四个典型训练集
11771	2024-08-07	Quantifying abnormal emotion processing: A novel computational assessment method and application in schizophrenia 2024-Jun, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115893 PMID:38657475	研究论文	本文介绍了一种使用深度学习技术从口语中快速评估情感处理的新方法，并在精神分裂症谱系障碍患者和健康对照组中进行了测试	提出了一种新的计算评估方法，利用深度学习从口语中估计情感处理，并引入了“情感对齐”（EA）这一新指标	需要进一步的验证工作来确认该方法的有效性和普遍性	开发一种自动化的方法来评估精神分裂症谱系障碍中的情感处理	精神分裂症谱系障碍患者和健康对照组的情感处理能力	机器学习	精神分裂症	深度学习	NA	口语	37名精神分裂症谱系障碍患者和51名健康对照组
11772	2024-08-07	A deep learning based multi-model approach for predicting drug-like chemical compound's toxicity 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.020 PMID:38702021	研究论文	本研究开发了多种深度学习模型，用于评估不同类型的化合物毒性，包括急性毒性、致癌性、hERG心脏毒性、肝毒性和致突变性	利用图卷积网络（GCN）回归模型和多个GCN二元分类模型，针对不同类型的毒性进行预测，并集成了这些模型到一个虚拟筛选流程中，以识别潜在的低毒性药物候选物	NA	通过早期和准确的化合物毒性预测，减少药物开发过程中的成本和风险	化学化合物的毒性预测	机器学习	NA	图卷积网络（GCN）	GCN	化合物数据	使用了批准的药物数据集来确定预测分数的适当阈值
11773	2024-08-07	DEBFold: Computational Identification of RNA Secondary Structures for Sequences across Structural Families Using Deep Learning 2024-May-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00458 PMID:38648189	研究论文	本文介绍了一种基于深度学习的RNA二级结构预测工具DEBFold，通过卷积编码/解码和自注意力机制提高预测性能	DEBFold采用两阶段预测策略，结合深度集成提升和折叠方法，提高了模型在不同结构家族序列上的泛化性能	NA	开发一种新的深度学习工具，用于从序列中预测RNA的二级结构	RNA二级结构	机器学习	NA	深度学习	CNN, 自注意力机制	序列	NA
11774	2024-08-07	Artificial intelligence to analyze magnetic resonance imaging in rheumatology 2024-May, Joint bone spine IF:3.8Q1 DOI:10.1016/j.jbspin.2023.105651 PMID:37797827	综述	本文综述了人工智能在风湿病学中分析磁共振成像（MRI）的应用	人工智能（包括机器学习和深度学习）提供了改进和推进MRI分析的手段，显示出高灵敏度、特异性和准确性，达到或超过专家表现	文章讨论了临床实施挑战和未来研究方向	探讨人工智能在风湿病学MRI分析中的应用，以提高诊断和管理	风湿性疾病中的MRI分析	计算机视觉	风湿性疾病	人工智能（AI），机器学习（ML），深度学习（DL）	NA	图像	NA
11775	2024-08-07	Deep Learning-Driven Exploration of Pyrroloquinoline Quinone Neuroprotective Activity in Alzheimer's Disease 2024-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308970 PMID:38454653	研究论文	本研究利用深度学习和药理学方法，探讨吡咯喹啉醌（PQQ）作为阿尔茨海默病（AD）神经保护剂的潜力	本研究首次结合深度学习技术预测血脑屏障通透性，并验证了PQQ在AD模型中的神经保护作用	NA	探索PQQ作为AD神经保护剂的潜力	PQQ的神经保护作用及其分子机制	机器学习	阿尔茨海默病	深度学习	NA	分子数据集	Aβ₁₋₄₂诱导的AD小鼠模型
11776	2024-08-07	Trans-Atlantic Differences in Approach to Sudden Death Prevention in Patients With Hypertrophic Cardiomyopathy 2024-May, The Canadian journal of cardiology DOI:10.1016/j.cjca.2024.03.011 PMID:38522619	综述	本文综述了美国和欧洲在预防肥厚型心肌病患者猝死方面的不同方法	探讨了未来通过新影像技术和基因分型改进预测模型的可能性，以及深度学习在整合多种形态和遗传特征中的应用	美国方法具有高敏感性但特异性有限，而欧洲方法则相反	概述美国和欧洲指南的差异及其产生原因，并展望肥厚型心肌病患者猝死风险预测的未来	肥厚型心肌病患者的猝死预防	NA	心血管疾病	NA	NA	NA	NA
11777	2024-08-07	Image segmentation of impacted mesiodens using deep learning 2024-May, The Journal of clinical pediatric dentistry IF:1.5Q2 DOI:10.22514/jocpd.2024.059 PMID:38755982	研究论文	本研究旨在评估深度学习算法在儿童全景X光片中对阻生中切牙的分类和分割性能	采用预训练的ResNet模型增强U-Net算法的编码路径，提高了分割性能	NA	评估深度学习算法在阻生中切牙诊断中的性能	阻生中切牙的分类和分割	计算机视觉	NA	深度学习	U-Net	图像	850张儿童全景X光片
11778	2024-08-07	Classification of presence of missing teeth in each quadrant using deep learning artificial intelligence on panoramic radiographs of pediatric patients 2024-May, The Journal of clinical pediatric dentistry IF:1.5Q2 DOI:10.22514/jocpd.2024.062 PMID:38755985	研究论文	本研究旨在开发一种新的深度学习模型，用于在儿童患者的全景X光片上分类缺失牙齿，并评估其准确性	本研究首次定义了小尺寸感兴趣区域，并使用深度学习模型进行缺失牙齿的分类	在实验组中，对于缺失磨牙的分类准确性最低	开发和评估一种深度学习模型，用于在儿童患者的全景X光片上分类缺失牙齿	8至16岁儿童患者的全景X光片	计算机视觉	NA	深度学习	CNN	图像	806张全景X光片，分为3224个数据点，其中1457个数据点包含缺失牙齿，1767个数据点不包含缺失牙齿
11779	2024-08-07	In the right direction: A deep learning tool for assessment of right ventricular function 2024-May, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15831 PMID:38757551	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11780	2024-08-07	Predicting small molecules solubility on endpoint devices using deep ensemble neural networks 2024-Apr-17, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00217a PMID:38638648	研究论文	本文提出了一种在终端设备上使用深度集成神经网络预测小分子水溶性的方法	该方法通过在静态网站上运行深度学习模型，实现了无需服务器维护和安装的计算需求，同时提供了预测不确定性量化	NA	解决传统计算方法在预测小分子水溶性时计算时间长且精度低的问题，以及数据驱动方法缺乏不确定性量化和使用不便的问题	小分子的水溶性预测	机器学习	NA	深度学习	深度集成神经网络	分子数据	NA