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
11821	2024-08-07	Deep learning path-like collective variable for enhanced sampling molecular dynamics 2024-May-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0202156 PMID:38748013	研究论文	本文介绍了一种新的路径类集体变量“深度局部非线性嵌入”，用于增强采样分子动力学，该变量基于局部线性嵌入技术原理，并通过反应轨迹训练得到	提出的深度局部非线性嵌入变量能够自动生成非线性特征组合，通过可微分的广义自编码器结合神经网络与连续k近邻选择，无需事先手动选择地标	NA	解决现有集体变量在描述反应路径上的局限性	路径类集体变量在分子动力学中的应用	机器学习	NA	分子动力学模拟	神经网络	轨迹数据	包括Müller-Brown势能模型和丙氨酸二肽在内的玩具模型，以及RNA四环的分子动力学模拟
11822	2024-08-07	Revealing the reconstruction mechanism of AgPd nanoalloys under fluorination based on a multiscale deep learning potential 2024-May-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0205616 PMID:38748027	研究论文	本文开发了一种可推广的Ag-Pd-F系统的深度学习势能，用于研究氟化过程中AgPd纳米合金的结构演变	开发了一种基于多尺度深度学习势能的方法，用于精确预测吸附能、表面能、形成能和扩散能垒	NA	揭示AgPd纳米合金在氟化过程中的重构机制	AgPd纳米合金的结构演变及其在氟化过程中的行为	机器学习	NA	深度学习	深度学习模型	结构数据	包括体相、表面、纳米团簇、非晶态和点缺陷等多种配置的数据集
11823	2024-08-07	Automated machine learning model for fundus image classification by health-care professionals with no coding experience 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60807-y PMID:38710726	研究论文	评估无代码深度学习（CFDL）平台在眼科视网膜图像二元结果预测中的可行性，比较Google Vertex和Amazon Rekognition两个平台，并使用两个公开数据集Messidor-2和BRSET进行模型开发	首次评估了无代码深度学习平台在眼科视网膜图像分类中的应用，展示了这些平台在无需编程经验的情况下实现高精度的可能性	研究仅限于两个特定的CFDL平台和两个数据集，可能需要进一步验证在其他平台和数据集上的泛化能力	探讨无代码深度学习平台在眼科视网膜图像分类中的应用可行性	评估Google Vertex和Amazon Rekognition平台在视网膜图像分类任务中的性能	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	使用Messidor-2和BRSET两个数据集，具体样本数量未详细说明
11824	2024-08-07	Deep learning-based quantification and transcriptomic profiling reveal a methyl jasmonate-mediated glandular trichome formation pathway in Cannabis sativa 2024-May, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16663 PMID:38332528	研究论文	本研究开发了一种基于深度学习的模型CGTDM，用于区分和量化大麻腺毛的三种类型，并通过基因共表达网络分析揭示了甲基茉莉酸（MeJA）介导的腺毛形成途径	首次使用深度学习模型CGTDM量化大麻腺毛，并通过基因共表达网络分析揭示了MeJA介导的腺毛形成途径	NA	探索大麻腺毛发育的分子机制及其与次生代谢物的关系	大麻腺毛的发育及其分子过程	机器学习	NA	深度学习	CNN	基因表达数据	八个不同时间点的样本
11825	2024-08-07	Comparative analysis of the spatial distribution of brain metastases across several primary cancers using machine learning and deep learning models 2024-May, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-024-04630-5 PMID:38563856	研究论文	本文通过机器学习和深度学习模型，比较了几种原发癌脑转移的空间分布	系统地比较了不同原发癌脑转移的解剖分布，并利用机器学习和深度学习模型进行了精确分类	NA	研究脑转移的解剖分布差异，以改善早期检测和监测	五种不同原发癌类型的脑转移空间坐标	机器学习	NA	机器学习算法（RF, SVM, TabNet DL）	SVM, TabNet	空间坐标数据	3949个颅内转移
11826	2024-08-07	Deep neural network uncertainty estimation for early oral cancer diagnosis 2024-May, Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology IF:2.7Q2 DOI:10.1111/jop.13536 PMID:38632703	研究论文	本研究探索使用深度学习中的不确定性估计方法进行早期口腔癌诊断	开发了一种名为'概率性HRNet'的贝叶斯深度学习模型，利用集合MC dropout方法在HRNet上进行不确定性估计	研究仅限于回顾性分析，未涉及前瞻性临床试验	提高早期口腔癌诊断的准确性和可靠性	口腔癌的早期诊断	机器学习	口腔癌	深度学习	HRNet	图像	两个具有不同分布的口腔病变数据集
11827	2024-08-07	Enhancing hydrological modeling with transformers: a case study for 24-h streamflow prediction 2024-May, Water science and technology : a journal of the International Association on Water Pollution Research IF:2.5Q2 DOI:10.2166/wst.2024.110 PMID:38747952	研究论文	本文使用先进的深度学习模型，特别是变换器架构，解决24小时径流预测的关键任务，并比较了五种不同模型在四个不同区域的性能	本文首次在径流预测任务中广泛应用变换器架构，并展示了其在捕捉复杂时间依赖性和模式方面的优越性	NA	研究如何利用先进的深度学习技术提高径流预测的准确性和可靠性	24小时径流预测任务	机器学习	NA	深度学习	变换器	时间序列数据	四个不同区域的数据
11828	2024-08-07	NanoBERTa-ASP: predicting nanobody paratope based on a pretrained RoBERTa model 2024-Mar-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05750-5 PMID:38515052	研究论文	本文介绍了一种名为NanoBERTa-ASP的新型纳米抗体预测模型，专门用于预测纳米抗体-抗原结合位点	该模型基于先进的自然语言处理模型BERT，采用RoBERTa方法学习纳米抗体序列的上下文信息，以准确预测其结合位点	现有的预测模型可能不适用于纳米抗体，且纳米抗体数据集的有限性对构建准确模型构成挑战	开发一种适用于纳米抗体的预测模型，以提高抗体工程、药物开发和免疫治疗的准确性	纳米抗体的结合位点预测	自然语言处理	NA	RoBERTa	BERT	序列数据	NA
11829	2024-08-07	Fully automatic mpMRI analysis using deep learning predicts peritumoral glioblastoma infiltration and subsequent recurrence 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3001752 PMID:38742150	研究论文	本研究提出了一种利用深度学习进行全自动多参数磁共振成像（mpMRI）分析的方法，用于预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本研究创新性地结合了全自动方法生成感兴趣区域（ROIs）与深度学习算法，创建肿瘤浸润的预测图，避免了传统方法对专家绘制的ROIs的依赖	NA	开发一种全自动的mpMRI分析方法，以早期准确检测胶质母细胞瘤的肿瘤浸润	胶质母细胞瘤（GBM）患者的肿瘤浸润和复发	机器学习	脑肿瘤	多参数磁共振成像（mpMRI）	卷积神经网络（CNN）	图像	使用了多个mpMRI扫描序列（T1、T1Gd、T2、T2-FLAIR和ADC）进行训练和验证
11830	2024-08-07	Convolutional Neural Networks for Glioma Segmentation and Prognosis: A Systematic Review 2024, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2023050852 PMID:38683153	综述	本文综述了卷积神经网络（CNN）在胶质瘤分割和预后预测中的应用	CNN在医学影像处理中的应用，特别是在胶质瘤分类和预后预测中的创新应用	模型可解释性、数据可用性和计算效率方面的挑战	探讨CNN在神经肿瘤学领域中的应用及其未来发展方向	胶质瘤的分割、分类和预后预测	计算机视觉	脑癌	CNN	CNN	图像	NA
11831	2024-08-07	A multifaceted suite of metrics for comparative myoelectric prosthesis controller research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291279 PMID:38739557	研究论文	本文提出了一套全面的肌电假肢控制评估指标，用于分析设备运动细节，包括任务表现、控制特性和用户体验	引入了新的肌电假肢控制评估指标，能够更详细地分析设备运动质量和用户意图匹配度，以及用户对设备可靠性和控制器训练要求的看法	NA	开发适用于个人的假肢控制器，以预测用户的意图运动	肌电假肢控制器及其在复杂功能任务中的表现	机器人技术	NA	深度学习	循环卷积神经网络（RCNN）	NA	8名无上肢损伤的参与者
11832	2024-08-07	Transformer-based framework for multi-class segmentation of skin cancer from histopathology images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1380405 PMID:38741771	研究论文	本文提出了一种基于Transformer的模型，用于从组织病理学图像中对皮肤癌进行多类别分割	该研究通过不确定性图谱可视化模型预测的置信度，这是与大多数深度学习方法的区别	NA	旨在开发一种智能决策支持系统，以解决专家数量有限的问题，并帮助缓解城市中心与偏远地区之间的医疗服务差距	非黑色素瘤皮肤癌，包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和表皮内癌（IEC）	数字病理学	皮肤癌	Transformer	Transformer	图像	使用公开可用的数据集进行评估
11833	2024-08-07	Design of urban road fault detection system based on artificial neural network and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1369832 PMID:38741790	研究论文	本文提出了一种基于人工神经网络和深度学习的城市道路故障检测系统，通过结合图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，实现高效准确的道路故障检测	本研究创新性地结合了图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，提高了道路故障检测的准确性	NA	提高城市交通管理中的道路故障检测效率和安全性	城市道路故障检测系统	机器学习	NA	图卷积网络（GCN）、双向门控循环单元（BiGRU）、自注意力机制	多层感知器（MLP）	道路拓扑图、交通数据	使用标记的道路故障数据进行训练
11834	2024-08-07	Identifying pests in precision agriculture using low-cost image data acquisition 2024, Brazilian journal of biology = Revista brasleira de biologia DOI:10.1590/1519-6984.281671 PMID:38747863	研究论文	本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性	本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术	NA	探索无人机在精准农业中识别害虫的应用	评估VGG-16、CNN和FCN模型在植物病害检测中的有效性	计算机视觉	NA	深度学习	CNN	图像	NA
11835	2024-08-07	Identification of surface-enhanced Raman spectroscopy using hybrid transformer network 2024-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124295 PMID:38703407	研究论文	本研究开发了一种混合Transformer网络TMNet，用于识别表面增强拉曼光谱（SERS），通过集成Transformer编码器和多层感知器来提高序列光谱的特征提取能力	提出了一种新的混合Transformer网络TMNet，通过Transformer编码器和多层感知器的结合，有效提升了序列光谱的特征提取和识别准确性	NA	开发一种新的深度学习方法，以提高表面增强拉曼光谱的识别准确性和抗噪声能力	表面增强拉曼光谱（SERS）及其在药物检测中的应用	机器学习	NA	表面增强拉曼光谱（SERS）	混合Transformer网络	光谱	包含药物的头发和尿液光谱
11836	2024-08-07	Single particle mass spectral signatures from on-road and non-road vehicle exhaust particles and their application in refined source apportionment using deep learning 2024-Jun-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172822 PMID:38688364	研究论文	本研究收集了道路和非道路车辆的颗粒物，并使用单颗粒气溶胶质谱法分析其化学成分，通过自适应共振理论神经网络对数据进行分组，建立移动源的质谱数据库，并开发了一种基于深度学习的气溶胶颗粒分类模型（DeepAerosolClassifier），用于源解析。	本研究开发了一种高度自动化的源解析模型，无需特征选择，实现了端到端的操作，适用于精细和在线的颗粒物源解析。	NA	更新源解析的源谱以满足当前需求，并开发一种基于深度学习的气溶胶颗粒分类模型。	道路和非道路车辆的颗粒物及其化学成分。	机器学习	NA	单颗粒气溶胶质谱法	深度学习模型	质谱数据	NA
11837	2024-08-07	Automatic offline-capable smartphone paper-based microfluidic device for efficient biomarker detection of Alzheimer's disease 2024-Jun-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.342575 PMID:38740448	研究论文	本文介绍了一种基于智能手机的离线微流控纸基分析装置，用于阿尔茨海默病的早期筛查和生物标志物检测	该平台采用深度学习辅助的智能手机控制旋转结构，实现μPADs上的自动化c-ELISA，并集成了YOLOv5模型进行高精度检测	NA	开发一种低成本、高效率的离线智能手机平台，用于在资源有限地区进行阿尔茨海默病的快速检测	阿尔茨海默病及其生物标志物β-淀粉样蛋白1-42	机器学习	阿尔茨海默病	c-ELISA	YOLOv5	图像	38个人工血浆样本（健康：19，不健康：19，N = 6）
11838	2024-08-07	VENet: Variational energy network for gland segmentation of pathological images and early gastric cancer diagnosis of whole slide images 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108178 PMID:38652995	研究论文	本文提出了一种名为VENet的变分能量网络，用于病理图像中的腺体分割和全切片图像中的早期胃癌诊断	VENet结合了变分数学模型和深度学习方法的数据适应性，有效平衡了边界和区域分割，并能在大尺寸全切片图像中可靠地分割和分类腺体	NA	解决腺体分割中边界和区域分割结果不理想的问题，并辅助早期胃癌诊断	病理图像中的腺体分割和全切片图像中的早期胃癌诊断	数字病理学	胃癌	深度学习	变分能量网络（VENet）	图像	在2015 MICCAI腺体分割挑战（GlaS）数据集、结直肠腺癌腺体（CRAG）数据集和南方医院自收集数据集上进行了评估，包括69张全切片图像（WSIs）
11839	2024-08-07	RegWSI: Whole slide image registration using combined deep feature- and intensity-based methods: Winner of the ACROBAT 2023 challenge 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108187 PMID:38657383	research paper	本文提出了一种两步混合方法，用于不同染色全幻灯片图像（WSI）的自动配准，该方法结合了深度学习和特征基于的初始对齐算法以及基于强度的非刚性配准	该方法无需对特定数据集进行微调，可直接用于任何所需的组织类型和染色，并且在ACROBAT 2023挑战赛中获得第一名	NA	提高通过融合不同可见结构产生的互补信息来进行诊断和预后的自动配准	不同染色的全幻灯片图像（WSI）的自动配准	digital pathology	NA	深度学习	NA	image	使用了三个公开数据集进行评估：Automatic Nonrigid Histological Image Registration Dataset (ANHIR)、Automatic Registration of Breast Cancer Tissue Dataset (ACROBAT) 和 Hybrid Restained and Consecutive Histological Serial Sections Dataset (HyReCo)
11840	2024-08-07	Brain tumor detection using proper orthogonal decomposition integrated with deep learning networks 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108167 PMID:38669717	研究论文	本研究通过将正交分解（POD）与卷积神经网络（CNN）结合，用于从磁共振成像（MRI）扫描的2D图像中有效识别脑肿瘤	首次将POD与CNN集成用于脑肿瘤检测，特别是在使用有限MRI扫描数据的情况下	NA	开发一种自动可靠的技术，以帮助医疗从业者及时诊断患者	脑肿瘤的自动检测	计算机视觉	脑肿瘤	磁共振成像（MRI）	卷积神经网络（CNN）	图像	NA