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
141	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
142	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
143	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
144	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
145	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
146	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
147	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
148	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
149	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
150	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
151	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
152	2024-10-09	Substrate recognition principles for the PP2A-B55 protein phosphatase 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.10.579793 PMID:38370611	研究论文	研究PP2A-B55蛋白磷酸酶的底物识别原理	通过整合AlphaFold建模和全面的突变扫描，揭示了底物α-螺旋通过进化保守机制与B55结合，并利用深度学习蛋白质设计生成了特异且强效的竞争性肽抑制剂	NA	揭示PP2A-B55蛋白磷酸酶的底物选择机制	PP2A-B55蛋白磷酸酶及其底物	NA	NA	AlphaFold建模、突变扫描、深度学习蛋白质设计	深度学习	蛋白质序列	NA
153	2024-10-05	End-to-end Deep Learning Restoration of GLCM Features from blurred and noisy images 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006205 PMID:39239466	研究论文	本文提出了一种端到端的深度学习算法，用于从模糊和噪声图像中恢复灰度共生矩阵（GLCM）特征	开发了一种双域深度学习算法，通过两个U-Net网络和一个可微分的GLCM估计器来恢复图像和GLCM特征	NA	解决放射组学模型在不同扫描仪和成像条件下特征值变异性问题，提高模型的泛化能力	肺部CT图像块	计算机视觉	NA	深度学习	U-Net	图像	NA
154	2024-10-05	Developing a deep learning model for sleep stage prediction in obstructive sleep apnea cohort using 60 GHz frequency-modulated continuous-wave radar 2024-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.14050 PMID:37752626	研究论文	本研究利用60 GHz调频连续波雷达和注意力机制的双向长短期记忆模型，对阻塞性睡眠呼吸暂停患者的睡眠阶段进行预测	首次使用60 GHz调频连续波雷达结合注意力机制的双向长短期记忆模型进行睡眠阶段预测，并展示了多雷达数据结合的优势	模型性能随OSA严重程度增加而下降，但通过增加雷达数据可以部分缓解	开发一种非侵入性且成本效益高的睡眠阶段预测方法，以替代传统的多导睡眠图分类	阻塞性睡眠呼吸暂停患者的睡眠阶段	机器学习	阻塞性睡眠呼吸暂停	60 GHz调频连续波雷达	注意力机制的双向长短期记忆模型	雷达数据	78名阻塞性睡眠呼吸暂停患者
155	2024-10-04	Diffusion Posterior Sampling for Nonlinear CT Reconstruction 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3007693 PMID:39238882	研究论文	本文提出了一种基于扩散后验采样的新方法，用于非线性CT图像重建	本文创新性地将扩散模型与非线性物理模型结合，实现了无需额外训练的通用非线性CT图像重建	当前方法仅依赖于线性化的X射线CT物理模型，本文方法解决了这一局限性	解决CT图像重建中的非线性问题	CT图像重建	计算机视觉	NA	扩散模型	扩散模型	图像	在低剂量数据和稀疏视图几何中进行了验证
156	2024-10-03	Human selection bias drives the linear nature of the more ground truth effect in explainable deep learning optical coherence tomography image segmentation 2024-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300274 PMID:37795556	研究论文	研究了人类选择偏差对可解释深度学习光学相干断层扫描图像分割中更多真实数据效应线性性质的影响	发现了真实数据模糊性与更多真实数据对预测性能的积极影响之间的可量化线性关系	深度学习模型在重复训练后未能实现自主改进	探讨人类选择偏差对深度学习模型在光学相干断层扫描图像分割中预测性能的影响	深度学习模型在光学相干断层扫描图像分割中的预测性能	计算机视觉	NA	深度学习	NA	图像	多次实验，每次实验重复三次
157	2024-09-26	Multi_CycGT: A Deep Learning-Based Multimodal Model for Predicting the Membrane Permeability of Cyclic Peptides 2024-02-08, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.3c01611 PMID:38270541	研究论文	提出了一种基于深度学习的多模态模型Multi_CycGT，用于预测环肽的膜通透性	首次尝试使用深度学习方法预测环肽的膜通透性，结合图卷积网络和变压器提取一维和二维特征	未提及	加速环肽活性药物的设计	环肽的膜通透性	机器学习	NA	图卷积网络（GCN）和变压器	多模态模型	环肽数据	未提及具体数量
158	2024-09-26	Registration of Longitudinal Spine CTs for Monitoring Lesion Growth 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006621 PMID:39310216	研究论文	本文提出了一种自动对齐纵向脊柱CT图像并准确评估病变进展的新方法	采用两步流水线方法，首先使用深度学习模型自动定位和标记椎骨并生成3D表面，然后使用高斯混合模型进行表面配准	仅在37个椎骨和5名患者的有限数据集上进行了测试	开发一种自动且鲁棒的纵向脊柱图像配准方法，以评估疾病进展和手术效果	纵向脊柱CT图像及其病变进展	计算机视觉	NA	深度学习模型，高斯混合模型	深度学习模型	CT图像	37个椎骨，5名患者，共111次配准
159	2024-09-25	A web-based tool for real-time adequacy assessment of kidney biopsies 2024-Feb-05, medRxiv : the preprint server for health sciences DOI:10.1101/2024.02.01.24302147 PMID:38370740	研究论文	介绍了一种基于网络的工具，用于实时评估肾活检的充分性	开发了一种基于深度学习的自动分割技术，用于从智能手机拍摄的照片中实时量化评估肾活检的充分性	仅限于使用智能手机拍摄的照片进行评估，且需要预先训练的数据集	开发一种工具，以减少因活检不充分而导致的重新活检需求	肾活检的充分性评估	数字病理学	NA	深度学习	NA	图像	100例肾活检图像
160	2024-09-19	Regression-based Deep-Learning predicts molecular biomarkers from pathology slides 2024-Feb-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45589-1 PMID:38341402	研究论文	本文开发并评估了一种基于回归的深度学习方法，用于从病理切片中直接预测连续的分子生物标志物	本文提出了一种基于回归的深度学习方法，相较于传统的分类方法，能够更准确地预测连续的生物标志物，并提高了与已知临床相关区域的对应性	NA	开发和评估一种新的深度学习方法，用于从病理切片中直接预测连续的分子生物标志物	从11,671张病理切片图像中预测多种临床和生物学相关的生物标志物，包括同源重组缺陷评分和肿瘤微环境中关键生物过程的标志物	数字病理学	NA	深度学习	回归模型	图像	11,671张病理切片图像，涵盖九种癌症类型