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
301	2024-08-07	Learning from crowds for automated histopathological image segmentation 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102327 PMID:38194768	研究论文	本文提出了一种新的众包方法用于自动化组织病理学图像分割，通过两个耦合网络学习专家分割和标注者的专业知识	提出了一种新的众包分割方法，通过单一网络估计标注者的行为，提高了标注者数量的可扩展性，并引入了考虑图像全局特征的标注者网络模型	当前方法通常为每个标注者学习一个不同的神经网络，这在标注者数量增加时扩展性差	解决深度学习在组织病理学图像分割中专家标注稀缺的问题，通过众包减少个体标注成本	组织病理学图像的自动化语义分割	数字病理学	乳腺癌	深度学习	CNN	图像	涉及多个医学学生标注的真实世界三阴性乳腺癌图像数据集
302	2024-08-07	Multiple instance learning for digital pathology: A review of the state-of-the-art, limitations & future potential 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102337 PMID:38228020	综述	本文综述了数字病理学中多实例学习的现状、局限性和未来潜力	多实例学习为深度神经网络在没有完全标注数据的情况下提供了一种有效的训练工具	多实例学习方法仍面临挑战，如需要大量图像数据和手动标注	探讨多实例学习在数字病理学中的应用及其未来发展	数字病理学中的图像分析工具和深度神经网络	数字病理学	NA	多实例学习	深度神经网络	图像	NA
303	2024-08-07	Uninformed Teacher-Student for hard-samples distillation in weakly supervised mitosis localization 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102328 PMID:38244279	研究论文	本文提出了一种新的弱监督方法，用于检测有丝分裂，并引入了一种未受指导的教师-学生（UTS）流水线来检测和提炼硬样本，通过比较弱监督定位和注释的质心，使用强增强来增强不确定性。	本文的创新点在于引入了一种未受指导的教师-学生（UTS）流水线，通过强增强来提炼不确定样本，并测量预测和注释的有丝分裂之间的差异。	本文的局限性在于依赖于图像级别的标签，并且需要复杂的标注场景来减少假阳性。	本文的研究目的是提出一种新的弱监督方法，用于检测有丝分裂，并引入一种未受指导的教师-学生（UTS）流水线来检测和提炼硬样本。	本文的研究对象是有丝分裂的检测和计数。	数字病理学	乳腺癌	卷积神经网络（CNN）	CNN	图像	本文评估了三个公开的有丝分裂检测数据集和两个全切片图像的有丝分裂活动计数数据集。
304	2024-08-07	Multi-modal brain tumor segmentation via conditional synthesis with Fourier domain adaptation 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102332 PMID:38245925	研究论文	本文研究使用条件生成对抗网络（GAN）合成多模态图像以训练深度学习神经网络进行高级别胶质瘤（HGG）分割的方法	提出了一种基于傅里叶域适应（FDA）的方法，通过调整合成数据与真实数据在低频傅里叶空间成分上的风格，显著提高了分割性能和预测信心	NA	探索使用合成多模态图像训练深度学习模型以提高脑肿瘤分割准确性的方法	高级别胶质瘤（HGG）的脑肿瘤分割	计算机视觉	脑肿瘤	多模态磁共振成像（MRI）	GAN	图像	使用了BraTS2020数据集进行实验
305	2024-08-07	Resolving the non-uniformity in the feature space of age estimation: A deep learning model based on feature clusters of panoramic images 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102329 PMID:38271869	研究论文	本研究提出了一种基于全景图像特征聚类的深度学习模型，用于解决年龄估计中特征空间非均匀性的问题	通过预先根据年龄特征对数据进行划分，并训练每个回归器来估计个体特征的年龄，模型能够更好地关注临床上有意义的区域，特别是在生长和衰老期	NA	改进年龄估计技术，特别是在法医学领域	牙科全景图像的年龄估计	机器学习	NA	深度学习	分类头和多回归头模型	图像	NA
306	2024-08-07	Artificial Intelligence (AI) for Early Diagnosis of Retinal Diseases 2024-Mar-23, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina60040527 PMID:38674173	综述	本文全面概述了人工智能（AI）在各种视网膜疾病中的应用，强调其提高筛查效率、促进早期诊断和改善患者结果的潜力	本文介绍了AI在视网膜疾病中的具体应用，如糖尿病视网膜病变（DR）、年龄相关性黄斑变性（AMD）等，并强调了AI驱动解决方案在处理视网膜疾病复杂性和变异性中的重要性	本文讨论了AI在临床实践中整合的挑战和缺陷，包括“黑箱现象”、数据表示中的偏见以及全面患者评估的局限性	旨在探讨AI在视网膜疾病诊断和管理中的应用，以及其在医疗保健中的协同作用	研究对象包括多种视网膜疾病，如糖尿病视网膜病变、年龄相关性黄斑变性等	计算机视觉	视网膜疾病	机器学习（ML）和深度学习（DL）	多种AI模型	图像	NA
307	2024-08-07	Rethinking automatic segmentation of gross target volume from a decoupling perspective 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2023.102323 PMID:38171254	研究论文	本文提出了一种异构级联框架（HCF），从解耦的角度将大目标体积（GTV）分割分解为独立的识别和分割子任务，以提高癌症放射治疗计划中GTV分割的准确性和可靠性。	设计了一个多级空间对齐网络（SANet）和组合正则化（CR）损失及平衡采样策略（BSS），以改善特征提取和解决像素不平衡问题。	NA	提高自动GTV分割的性能，特别是在减少假阳性和准确分割小物体方面。	大目标体积（GTV）在癌症放射治疗中的自动分割。	计算机视觉	NA	深度学习	CNN	图像	在StructSeg2019挑战的两个公共数据集上进行了广泛实验。
308	2024-08-07	MicroSegNet: A deep learning approach for prostate segmentation on micro-ultrasound images 2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102326 PMID:38211358	研究论文	本文介绍了一种名为MicroSegNet的深度学习方法，用于在微超声图像上进行前列腺分割	提出了一个多尺度注释引导的transformer UNet模型，并引入了一种注释引导的二元交叉熵损失（AG-BCE），该损失在训练过程中对难以分割的区域赋予更大的权重	NA	开发一种新的深度学习模型，以提高微超声图像中前列腺分割的准确性	前列腺在微超声图像中的分割	计算机视觉	前列腺癌	微超声（micro-US）	transformer UNet	图像	使用了来自55名患者的微超声图像进行训练，并在20名患者的数据上进行评估
309	2024-08-07	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	本文研究了如何最优地融合基因型和药物嵌入特征来预测癌症药物反应	本文通过实验发现，在原有的基于串联的架构DrugCell中注入基因和药物潜在特征之间的乘法关系，显著提高了预测性能	NA	探索如何最优地结合或融合基因组和药物特征来预测癌症药物反应	基因型特征和药物特征的融合方法	机器学习	癌症	深度学习	神经网络	基因组数据和药物特征数据	NA
310	2024-08-07	Analysis of Emerging Variants of Turkey Reovirus using Machine Learning 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae224 PMID:38752857	研究论文	本研究利用机器学习方法，特别是K-means、层次聚类和支持向量机、朴素贝叶斯、随机森林、决策树以及卷积神经网络等算法，对三种类型的火鸡呼肠孤病毒及其新型变种进行分类和识别	本研究首次采用多种机器学习算法对火鸡呼肠孤病毒进行分类，特别是卷积神经网络的应用，提高了分类的准确性	研究主要集中在机器学习算法的应用，未深入探讨病毒变异的具体生物学机制	旨在通过机器学习方法识别和分类火鸡呼肠孤病毒，以应对其导致的重大经济损失	火鸡呼肠孤病毒及其新型变种	机器学习	NA	机器学习算法	CNN	序列数据	使用真实的火鸡呼肠孤病毒序列数据进行实验
311	2024-08-07	Heterogenous thinning of peripapillary tissues occurs early during high myopia development in juvenile tree shrews 2024-Mar, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2024.109824 PMID:38336167	研究论文	本研究探讨了幼年树鼩在实验性高度近视发展过程中视神经周围组织的厚度变化	首次揭示了幼年树鼩在高度近视发展早期视神经周围组织的异质性变薄现象	实验仅限于幼年树鼩，且未探讨人类中的类似现象	研究高度近视发展过程中视神经周围组织的厚度变化	幼年树鼩的视神经周围组织	NA	近视	光学相干断层扫描	深度学习算法	图像	6只幼年树鼩正常视力，9只接受单眼-10D镜片治疗
312	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
313	2024-08-07	Contrastive learning for enhancing feature extraction in anticancer peptides 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae220 PMID:38725157	research paper	本文提出了一种使用对比学习技术增强特征提取的深度学习模型，用于筛选抗癌肽（ACPs）。	采用对比学习技术提升模型性能，并使用两个独立编码器替代数据增强技术。	NA	开发一种高效的计算工具，用于筛选抗癌肽，以加速癌症治疗的研究和应用。	抗癌肽（ACPs）	machine learning	cancer	对比学习	深度学习模型	peptide sequences	五个基准数据集
314	2024-08-07	Slideflow: deep learning for digital histopathology with real-time whole-slide visualization 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05758-x PMID:38539070	研究论文	本文介绍了一个名为Slideflow的灵活深度学习库，用于数字病理学，支持多种深度学习方法，并包含一个快速的全切片接口用于部署训练好的模型	Slideflow提供了独特的工具，如全切片图像数据处理、高效的染色标准化和增强、弱监督的全切片分类、不确定性量化、特征生成、特征空间分析和可解释性	NA	开发一个灵活的深度学习库，用于数字病理学，支持多种深度学习方法，并提供一个快速的全切片接口	数字病理学中的全切片图像分析	数字病理学	NA	深度学习	CNN	图像	NA
315	2024-08-07	Evaluating large language models for annotating proteins 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae177 PMID:38706315	研究论文	本文评估了使用大型语言模型（LLMs）进行蛋白质注释的新协议	提出了一种基于迁移学习的新协议，使用大型语言模型在大量未注释数据集上进行自监督训练，以获得序列嵌入，然后在小规模注释数据集上进行监督学习，以提高蛋白质域注释的预测	深度学习模型需要大量训练数据，对于人口稀少的家族可能是一个挑战	提高蛋白质域注释的准确性和效率	蛋白质注释	自然语言处理	NA	迁移学习	大型语言模型（LLMs）	序列数据	超过25100万蛋白质，其中仅0.25%被注释
316	2024-08-07	GSScore: a novel Graphormer-based shell-like scoring method for protein-ligand docking 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae201 PMID:38706316	研究论文	提出了一种基于Graphormer方法和Shell-like图结构的深度学习评分方法GSScore，用于蛋白质-配体对接姿态的RMSD预测	GSScore利用Graphormer和Shell-like图结构，能有效捕捉能量上有利的近天然构象与不利的非天然姿态之间的细微差异，无需额外信息	NA	开发新的计算方法以更准确地预测蛋白质-配体对接的RMSD	蛋白质-配体相互作用模式	机器学习	NA	Graphormer方法	Graphormer	图结构	评估了包括PDBBind 2019版本子集、CASF2016以及DUD-E在内的多样化测试集
317	2024-08-07	SC-Track: a robust cell-tracking algorithm for generating accurate single-cell lineages from diverse cell segmentations 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae192 PMID:38704671	研究论文	本文介绍了一种名为Single Cell Track (SC-Track)的新型细胞追踪算法，该算法基于生物学观察的细胞分裂和运动动态，采用分层概率缓存级联模型，旨在从多样化的细胞分割中生成准确的单细胞谱系	SC-Track算法在无需参数调整的情况下，能够在不同细胞分割质量、细胞形态外观和成像条件下保持稳健的细胞追踪性能，并配备了细胞类别校正功能，以提高多类别细胞分割时间序列中的细胞分类准确性	NA	开发一种能够从多样化的细胞分割中生成准确单细胞谱系的稳健细胞追踪算法	细胞追踪算法在荧光时间流逝显微镜图像中的应用	计算机视觉	NA	深度学习	CNN	图像	多样化的细胞分割类型