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
81	2024-10-28	Deep learning assisted XRF spectra classification 2024-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-53988-z PMID:38351176	研究论文	本文探讨了使用深度学习辅助XRF光谱分类的方法	本文创新性地设计并使用了自编码器神经网络作为维度减少工具，以处理原始EDXRF光谱数据，从而提高分类算法的效率	NA	研究如何利用人工智能技术提高EDXRF光谱分析的速度和准确性	EDXRF光谱数据及其在考古学研究中的应用	机器学习	NA	EDXRF光谱分析	自编码器神经网络	光谱数据	NA
82	2024-10-28	InsightSleepNet: the interpretable and uncertainty-aware deep learning network for sleep staging using continuous Photoplethysmography 2024-Feb-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02437-y PMID:38355559	研究论文	本研究开发了一种基于连续光电容积脉搏波（PPG）信号的睡眠分期模型InsightSleepNet，旨在提高睡眠监测的便捷性和降低成本，同时增强模型的可解释性和预测结果的不确定性估计	引入局部注意力模块和能量评分估计，以提高模型的可解释性和预测结果的不确定性估计	NA	开发一种更高效的睡眠监测方法，通过考虑模型的可解释性和预测结果的不确定性，为医疗专业人员提供决策支持	连续光电容积脉搏波（PPG）信号	机器学习	NA	光电容积脉搏波（PPG）	卷积神经网络（CNN）、时间卷积网络（TCN）	信号	使用了三个数据集：MESA、CFS和CAP
83	2024-10-28	Data-centric artificial olfactory system based on the eigengraph 2024-Feb-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45430-9 PMID:38332010	研究论文	本文提出了一种基于特征图的数据中心化人工嗅觉系统	引入特征图概念，将隐含的气味属性数学化，并应用于气体分类的深度学习过程	NA	开发标准化的人工嗅觉系统	气体分子识别	机器学习	NA	傅里叶变换	深度学习	特征向量	复杂混合气体和汽车尾气
84	2024-10-28	Transfer learning to leverage larger datasets for improved prediction of protein stability changes 2024-Feb-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2314853121 PMID:38285937	研究论文	本文介绍了一种名为ThermoMPNN的深度神经网络，用于预测蛋白质点突变对稳定性的影响	利用迁移学习技术，通过结合两个大型数据集来提高预测蛋白质稳定性变化的准确性	NA	开发一种能够准确预测蛋白质稳定性变化的计算方法	蛋白质点突变对稳定性的影响	机器学习	NA	深度学习	深度神经网络	蛋白质结构数据	两个大型数据集
85	2024-10-28	DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model 2024-Feb-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45461-2 PMID:38316797	研究论文	本文介绍了一种名为DynamicBind的深度学习方法，用于预测配体特异性蛋白质-配体复合物结构	DynamicBind采用等变几何扩散网络构建平滑能量景观，促进不同平衡状态之间的有效过渡，无需holo结构或大量采样	NA	理解蛋白质功能并促进药物发现	蛋白质-配体相互作用	机器学习	NA	深度学习	等变几何扩散网络	蛋白质结构	NA
86	2024-10-28	Species identification through deep learning and geometrical morphology in oaks (Quercus spp.): Pros and cons 2024-Feb, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.11032 PMID:38357593	研究论文	本文比较了通过几何形态学方法和深度学习在两种相近的落叶栎树中进行物种鉴定的准确性和效率	本文首次将几何形态学方法与深度学习结合，用于栎树叶形态的物种鉴定，并比较了两者的效果	本文仅在两种相近的落叶栎树中进行了实验，结果的普适性有待进一步验证	比较几何形态学方法和深度学习在栎树叶形态物种鉴定中的准确性和效率	两种相近的落叶栎树及其叶形态	计算机视觉	NA	几何形态学方法，深度学习	Xception	图像	538棵亚洲落叶栎树，2328片叶子
87	2024-10-28	Multi-modal deep learning for joint prediction of otitis media and diagnostic difficulty 2024-Feb, Laryngoscope investigative otolaryngology IF:1.6Q2 DOI:10.1002/lio2.1199 PMID:38362190	研究论文	本文提出了一种基于耳镜图像和宽带鼓室测量数据的多模态深度学习模型，用于联合预测中耳炎及其诊断难度	本文创新性地采用了深度度量学习方法，并与标准的多任务网络进行了性能比较	NA	开发一种自动检测中耳炎的诊断模型，并评估其诊断难度	中耳炎及其诊断难度	机器学习	中耳炎	深度度量学习	神经网络	图像和测量数据	NA
88	2024-10-28	Facial and mandibular landmark tracking with habitual head posture estimation using linear and fiducial markers 2024-Feb, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12076 PMID:38370162	研究论文	本研究比较了基于深度学习的基准标记（FM）和任意宽度参考（AWR）方法在面部标志测量中的准确性	开发了一个自定义的深度学习系统来识别面部标志，用于测量头部倾斜和下颌侧向运动	基准标记在面部中部和下部参数评估中表现出可变性	评估不同方法在面部标志测量中的准确性	面部和下颌的硬组织和软组织侧向运动以及头部倾斜	计算机视觉	NA	深度学习	深度学习系统	视频	37名参与者
89	2024-10-27	A modified U-Net convolutional neural network for segmenting periprostatic adipose tissue based on contour feature learning 2024-Feb-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e25030 PMID:38318024	研究论文	本研究基于周边轮廓测量，训练了一个U型全卷积神经网络（U-Net）模型，以实现对前列腺周围脂肪组织（PPAT）的快速、准确自动识别和分割	提出了一种新颖的、基于少量MRI T2W图像数据集及其梯度图像的U型卷积神经网络轮廓控制点特征学习方法，以减少不同患者PPAT轮廓差异引起的特征模糊	降低原始图像分辨率会降低U-Net卷积神经网络的准确性	实现对前列腺周围脂肪组织的快速、准确自动识别和分割	前列腺周围脂肪组织（PPAT）	计算机视觉	NA	卷积神经网络	U-Net	图像	少量MRI T2W图像数据集
90	2024-10-27	Automated Deep Learning Segmentation of Cardiac Inflammatory FDG PET 2024-Feb-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.01.31.24302113 PMID:38352354	研究论文	开发了一种基于3D U-Net深度学习算法的自动化心肌分割工具，用于心脏肉瘤FDG PET图像的分割	提出的深度学习算法显著提高了心肌分割的准确性和临床可读性，优于现有的自动化方法	需要进一步研究以验证其在不同数据集上的适用性	开发一种自动化工具，以提高心脏肉瘤FDG PET图像处理的效率和一致性	心脏肉瘤FDG PET图像的心肌分割	计算机视觉	心脏疾病	深度学习	3D U-Net	图像	316名患者的FDG PET扫描数据
91	2024-10-27	Introduction to the virtual collection of papers on Artificial neural networks: applications in X-ray photon science and crystallography 2024-Feb-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576723010476 PMID:38322721	评论	介绍了人工神经网络在X射线光子科学和晶体学中的应用	NA	NA	介绍人工神经网络在特定科学领域的应用	人工神经网络在X射线光子科学和晶体学中的应用	机器学习	NA	人工神经网络	深度学习	NA	NA
92	2024-10-26	Learning-based Free-Water Correction using Single-shell Diffusion MRI 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006901 PMID:39281711	研究论文	本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法	利用数据驱动技术在不同扩散MRI采集方案中可靠地推断自由水体积，包括单壳采集	当前数学模型在临床常见的单壳采集中的适用性有限	提高单壳扩散MRI分析的准确性和可靠性	脑微结构和连接性评估	计算机视觉	NA	扩散磁共振成像（dMRI）	深度学习	图像	NA
93	2024-10-25	Mobile Apps for COVID-19 Detection and Diagnosis for Future Pandemic Control: Multidimensional Systematic Review 2024-Feb-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/44406 PMID:38231538	综述	本文对使用移动应用进行COVID-19检测和诊断的多维度系统性综述	首次对使用移动应用进行COVID-19检测和诊断的研究进行了全面分析	仅限于对已发表研究的综述，未进行新的实验或数据收集	帮助软件公司和临床研究人员了解移动应用在COVID-19诊断中的应用	移动应用在COVID-19检测和诊断中的应用	机器学习	COVID-19	深度学习	卷积神经网络	图像、临床症状	42项研究
94	2024-10-21	Flexible protein-protein docking with a multitrack iterative transformer 2024-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4862 PMID:38148272	研究论文	本文介绍了一种名为GeoDock的多轨道迭代Transformer网络，用于预测蛋白质-蛋白质对接结构	GeoDock能够预测蛋白质结合时的构象变化，并在测试集上表现优于其他方法	训练集中的同源污染导致成功率下降，且由于训练和评估数据的限制，结合诱导的构象变化仍是一个挑战	开发一种能够高效且准确预测蛋白质-蛋白质对接结构的深度学习模型	蛋白质-蛋白质对接结构	机器学习	NA	Transformer网络	Transformer	蛋白质序列和结构数据	使用Database of Interacting Protein Structures (DIPS)测试集和DB5.5测试集进行评估
95	2024-10-21	A novel dataset of date fruit for inspection and classification 2024-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.110026 PMID:38260861	研究论文	本文介绍了一个新的用于日期水果检测和分类的数据集	提供了包含3004张预处理图像的日期水果数据集，分为四个品种和不同尺寸及质量等级	未提及	开发一个智能系统来分级和检测日期水果，以促进水果加工行业和农民的可持续发展	日期水果的分级和分类	计算机视觉	NA	深度学习算法	VGG16, VGG19	图像	3004张预处理图像，分为四个品种和不同尺寸及质量等级
96	2024-10-21	BDHusk: A comprehensive dataset of different husk species images as a component of cattle feed from different regions of Bangladesh 2024-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.110018 PMID:38260865	研究论文	本文介绍了一个名为BDHusk的综合数据集，包含来自孟加拉国不同地区的八种不同种类的外壳图像，作为牛饲料的组成部分	该数据集包含2,400张原始图像和9,280张增强图像，为机器学习和深度学习模型提供了丰富的资源	NA	通过利用这一广泛的数据集和各种机器学习及深度学习技术，研究人员有望在农业、食品与营养科学、环境监测和计算机科学等领域取得显著进展	八种不同种类的外壳图像	计算机视觉	NA	机器学习和深度学习技术	NA	图像	2,400张原始图像和9,280张增强图像
97	2024-10-18	Performance Analysis in Children of Traditional and Deep Learning CT Lung Nodule Computer-Aided Detection Systems Trained on Adults 2024-02, AJR. American journal of roentgenology DOI:10.2214/AJR.23.30345 PMID:37991333	研究论文	本研究评估了基于成人数据训练的传统和深度学习计算机辅助检测系统在儿童胸部CT扫描中检测肺结节的表现	首次比较了基于成人数据训练的传统和深度学习CAD系统在儿童患者中的诊断性能	研究结果表明，基于成人数据训练的CAD系统在儿童患者中的敏感性显著降低，表明需要针对儿童的特定CAD系统	评估传统和深度学习CAD系统在儿童患者中检测肺结节的诊断性能，并比较其对儿童和其他成人的泛化能力	儿童和成人的胸部CT扫描数据	计算机视觉	肺部疾病	计算机辅助检测系统	传统CAD系统和深度学习MONAI模型	CT扫描图像	59名儿童和89名成人的CT扫描数据
98	2024-10-17	Optimizing Deep Learning for Cardiac MRI Segmentation: The Impact of Automated Slice Range Classification 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.07.008 PMID:37541826	研究论文	本研究通过集成自动切片范围分类步骤，优化了深度学习在心脏MRI分割中的应用	本研究创新性地引入了自动切片范围分类步骤，显著提高了深度学习模型在心脏MRI分割中的性能	本研究的局限性在于仅使用了公开数据集，未来需要进一步验证其在不同数据集上的泛化能力	本研究旨在优化深度学习在心脏MRI分割中的应用，减少人工分割的偏差	本研究主要针对心脏MRI图像中的左心室、右心室和心肌进行分割	计算机视觉	心血管疾病	深度学习	2D-UNet	图像	本研究使用了160个训练样本、40个验证样本和160个测试样本
99	2024-10-12	Design of target specific peptide inhibitors using generative deep learning and molecular dynamics simulations 2024-Feb-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45766-2 PMID:38383543	研究论文	本文介绍了一种基于生成式深度学习和分子动力学模拟的计算方法，用于设计靶向特定肽抑制剂	本文创新地将门控循环单元（GRU）变分自编码器与Rosetta FlexPepDock结合，用于肽序列生成和结合亲和力评估，并通过分子动力学模拟筛选肽段进行实验验证	NA	开发一种计算方法，用于设计靶向特定肽抑制剂	β-catenin和NF-κB基本调节因子	机器学习	NA	分子动力学模拟	变分自编码器（VAE）	肽序列	β-catenin抑制剂12个，NF-κB基本调节因子抑制剂4个
100	2024-10-11	Weakly supervised learning for subcutaneous edema segmentation of abdominal CT using pseudo-labels and multi-stage nnU-Nets 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3008793 PMID:39371589	研究论文	本文提出了一种基于伪标签和多阶段nnU-Nets的弱监督学习方法，用于腹部CT图像中皮下水肿的分割	本文的创新点在于使用基于强度先验的伪标签和多阶段nnU-Nets，以减少分割错误并提高水肿量化精度	本文的局限性在于依赖于基于强度先验的伪标签，可能仍存在一定的误差	本文的研究目的是开发一种非侵入性的方法，用于从腹部CT扫描中自动分割水肿，以帮助监测疾病进展	本文的研究对象是腹部CT图像中的皮下水肿	计算机视觉	NA	弱监督学习	nnU-Nets	图像	NA