深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
681	2024-08-07	Accurate Prediction of 1H NMR Chemical Shifts of Small Molecules Using Machine Learning 2024-May-19, Metabolites IF:3.4Q2 DOI:10.3390/metabo14050290 PMID:38786767	研究论文	本文介绍了一种基于深度学习算法的机器学习方法，用于精确预测小分子化合物的1H NMR化学位移	该方法使用高质量的“溶剂感知”实验数据集进行训练，能够比其他已知方法更准确地预测H化学位移	NA	旨在填补实验NMR参考谱图数量不足的空白，通过计算方法预测已知化合物的NMR化学位移	小分子化合物的1H NMR化学位移	机器学习	NA	机器学习	深度学习算法	化学结构数据	超过600,000个分子	NA	NA	NA	NA
682	2024-08-07	Semi-Supervised Facial Acne Segmentation Using Bidirectional Copy-Paste 2024-May-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101040 PMID:38786338	研究论文	本研究提出了一种新的深度学习模型，用于面部痤疮分割，采用双向复制粘贴的半监督学习方法	提出了一种双向复制粘贴的半监督学习方法，通过在训练阶段交换标记和未标记图像的前景和背景部分来合成图像	NA	旨在自动化检测面部痤疮，以早期发现和治疗	面部痤疮的分割	计算机视觉	皮肤病	深度学习	NA	图像	仅使用了3%的标记图像进行实验	NA	NA	NA	NA
683	2024-08-07	Imaging-Based Deep Learning for Predicting Desmoid Tumor Progression 2024-May-17, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10050122 PMID:38786576	研究论文	本研究利用基于影像的深度学习技术预测硬纤维瘤的进展情况	研究采用深度学习算法，通过MRI影像独立预测硬纤维瘤的临床进展，准确率高达93%	研究为回顾性单中心研究，样本量相对较小，可能影响结果的普遍性	开发一种新的方法来提高硬纤维瘤治疗反应和进展检测的准确性	硬纤维瘤患者及其MRI影像数据	计算机视觉	软组织肿瘤	深度学习	NA	影像	51名硬纤维瘤患者	NA	NA	NA	NA
684	2024-08-07	Evaluating the Margins of Breast Cancer Tumors by Using Digital Breast Tomosynthesis with Deep Learning: A Preliminary Assessment 2024-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101032 PMID:38786329	研究论文	本研究利用数字乳腺断层合成技术结合深度学习算法，对乳腺癌肿瘤边缘进行评估	首次使用数字乳腺断层合成技术和深度学习算法在手术中评估肿瘤边缘	研究样本量较小，仅涉及46名患者	开发一种在手术中快速准确评估肿瘤边缘的方法	乳腺癌肿瘤边缘	机器学习	乳腺癌	数字乳腺断层合成技术	深度学习模型	图像	46名接受保乳治疗的患者术后组织样本	NA	NA	NA	NA
685	2024-08-07	Breast Delineation in Full-Field Digital Mammography Using the Segment Anything Model 2024-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101015 PMID:38786313	研究论文	本研究介绍了SAM-breast模型，一种用于在乳腺X线摄影中分割乳腺区域的Segment Anything Model（SAM）的适应性模型	SAM-breast模型在乳腺区域的描绘和胸大肌的排除方面表现出色，且在不同数据集上显示出一致的高性能	NA	提高乳腺X线摄影中乳腺区域的分割准确性，以辅助诊断	乳腺X线摄影图像中的乳腺区域分割	计算机视觉	乳腺癌	NA	SAM	图像	使用了来自多个中心的2492张乳腺X线摄影图像进行模型训练，并在五个不同数据集（包括两个私有和三个公开数据集）上进行了独立测试	NA	NA	NA	NA
686	2024-08-07	Texture-Based Classification to Overcome Uncertainty between COVID-19 and Viral Pneumonia Using Machine Learning and Deep Learning Techniques 2024-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14101017 PMID:38786315	研究论文	本研究通过集成先进的纹理特征提取方法和深度学习框架，提出了一种新的分类模型，用于区分COVID-19和病毒性肺炎	本研究引入了包括GLCM、GLDM和小波变换在内的先进纹理特征提取方法，并在深度学习框架中整合，以提高分类性能	NA	旨在通过机器学习和深度学习技术，提高COVID-19和病毒性肺炎的准确分类	COVID-19和病毒性肺炎的胸部X光图像	机器学习	COVID-19	深度学习	深度学习神经网络 (DLNN)	图像	NA	NA	NA	NA	NA
687	2024-08-07	IMPA-Net: Interpretable Multi-Part Attention Network for Trustworthy Brain Tumor Classification from MRI 2024-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100997 PMID:38786294	研究论文	本研究开发了一种可解释的多部分注意力网络（IMPA-Net），用于从MRI图像中进行脑肿瘤分类，以提高分类结果的可解释性和可信度	IMPA-Net不仅预测肿瘤等级，还提供了模型可解释性的全局解释和预测结果的局部解释，使医疗工作者能够理解模型的推理过程	NA	提高脑肿瘤分类结果的可解释性和可信度	脑肿瘤分类	计算机视觉	脑肿瘤	深度学习	IMPA-Net	MRI图像	BraTS2017数据集	NA	NA	NA	NA
688	2024-08-07	A Deep Learning Approach for Chromium Detection and Characterization from Soil Hyperspectral Data 2024-May-11, Toxics IF:3.9Q1 DOI:10.3390/toxics12050357 PMID:38787136	研究论文	本研究利用深度神经网络（DNN）方法，基于Land Use and Cover Area frame Survey（LUCAS）数据集，开发了一种具有良好泛化性和准确性的土壤铬（Cr）含量预测模型	本研究通过优化光谱预处理方法和DNN超参数，构建了最优的DNN模型，实现了对土壤Cr含量的有效检测，并识别了四个对Cr敏感的重要高光谱波段	NA	开发一种更高效的土壤Cr含量检测方法	土壤中的铬含量	机器学习	NA	深度神经网络（DNN）	DNN	高光谱数据	基于Land Use and Cover Area frame Survey（LUCAS）数据集	NA	NA	NA	NA
689	2024-08-07	Human versus Artificial Intelligence: Validation of a Deep Learning Model for Retinal Layer and Fluid Segmentation in Optical Coherence Tomography Images from Patients with Age-Related Macular Degeneration 2024-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100975 PMID:38786273	研究论文	本研究旨在通过比较深度学习算法与手动调整的金标准方法在光学相干断层扫描（OCT）图像中对视网膜层和液体的分割，来验证深度学习算法在年龄相关性黄斑变性（AMD）患者中的应用。	深度学习系统能够准确识别出疾病阶段间的外层视网膜厚度差异，并在渗出性病例中准确识别液体。	在疾病较严重的眼中，深度学习算法与金标准方法之间存在显著的差异，需要进一步的准确性测试以确认其在实际应用中的有效性。	验证深度学习算法在光学相干断层扫描图像中对视网膜层和液体分割的准确性。	健康受试者和年龄相关性黄斑变性（AMD）患者的OCT图像。	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习（DL）	图像	共60张OCT图像，包括健康受试者和不同阶段的AMD患者。	NA	NA	NA	NA
690	2024-08-07	CSDNet: A Novel Deep Learning Framework for Improved Cataract State Detection 2024-May-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14100983 PMID:38786279	研究论文	本文介绍了一种名为CSDNet的新型深度学习框架，用于改善白内障状态的检测	CSDNet通过使用较小的内核、更少的训练参数和层，有效地减少了可训练参数的数量，降低了计算成本和平均运行时间	NA	创建一个更轻量级和适应性强的框架，适用于内存或存储容量有限的环境或设备	白内障状态的检测	机器学习	眼科疾病	深度学习	CSDNet	图像	使用来自Ocular Disease Intelligent Recognition (ODIR)数据库的白内障和正常图像	NA	NA	NA	NA
691	2024-08-07	Dynamic Weighting Translation Transfer Learning for Imbalanced Medical Image Classification 2024-May-01, Entropy (Basel, Switzerland) DOI:10.3390/e26050400 PMID:38785649	研究论文	本文提出了一种名为动态权重转换迁移学习（DTTL）的方法，用于解决医学图像分类中的不平衡问题和领域转移问题	本文创新地将熵和信息理论应用于深度学习和医学图像处理领域，通过最大化类别分布的熵和最小化源域与目标域之间的交叉熵来减少领域差异	NA	解决医学图像诊断中存在的领域转移和类别不平衡问题	医学图像分类	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
692	2024-08-07	A deep learning model for brain segmentation across pediatric and adult populations 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61798-6 PMID:38778071	研究论文	本研究开发并验证了一种跨儿童和成人群体的脑部分割模型	提出的深度学习管道icobrain-dl在不同年龄组中展示了与特定年龄模型相当的分割准确性，并显示出比现有工具更高的可重复性	NA	开发和验证一种适用于从婴儿到老年不同年龄段的脑部分割模型	脑组织和结构的自动量化	计算机视觉	NA	深度学习	NA	图像	训练集包含390名患者（年龄范围：2-81岁），验证集包含280名患者（年龄范围：4-90岁）	NA	NA	NA	NA
693	2024-08-07	Automated tear film break-up time measurement for dry eye diagnosis using deep learning 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62636-5 PMID:38778145	研究论文	本研究利用人工智能技术开发了一种自动测量泪膜破裂时间的方法，以辅助干眼症的诊断	采用双任务孪生网络对视频帧进行分类，并结合高斯滤波进行后处理，提高了泪膜破裂时间测量的准确性和可靠性	NA	探索人工智能在眼科领域中用于精确测量泪膜破裂时间的可能性	泪膜破裂时间测量在干眼症诊断中的应用	计算机视觉	干眼症	人工智能	双任务孪生网络	视频	开发数据集包含47个裂隙灯视频，测试数据集包含20个裂隙灯视频	NA	NA	NA	NA
694	2024-08-07	A novel plant type, leaf disease and severity identification framework using CNN and transformer with multi-label method 2024-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62452-x PMID:38778143	研究论文	本文提出了一种新颖的叶片病害识别网络（LDI-NET），该网络采用多标签方法，能够同时识别植物类型、叶片病害及其严重程度	LDI-NET通过单一的直接分支模型，避免了增加类别数量和额外的分支结构，能够同时识别植物类型、叶片病害和严重程度	NA	开发一种能够准确及时识别植物叶片病害及其严重程度的方法，以防止病害扩散	植物类型、叶片病害及其严重程度	计算机视觉	NA	卷积神经网络（CNN）和变换器（transformer）	LDI-NET	图像	使用了公开的AI challenger 2018数据集	NA	NA	NA	NA
695	2024-08-07	Testing the generalizability and effectiveness of deep learning models among clinics: sperm detection as a pilot study 2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-024-01232-8 PMID:38778327	研究论文	本文研究了深度学习模型在不同临床环境中检测精子的通用性和有效性	通过丰富训练数据集中的图像采集条件，提高了模型在不同临床环境中的通用性	NA	探讨影响目标检测模型通用性的图像因素	人类精子的检测	机器学习	NA	深度学习	目标检测模型	图像	多个临床中心的数据	NA	NA	NA	NA
696	2024-08-07	MolPROP: Molecular Property prediction with multimodal language and graph fusion 2024-May-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00846-9 PMID:38778388	研究论文	本文探讨了一种新的多模态融合方法，结合预训练的语言模型ChemBERTa-2和图神经网络，用于分子性质预测任务	提出了MolPROP模型，通过融合语言和图表示，显著提高了分子性质预测任务的性能	尽管在回归任务上有所改进，MolPROP在某些分类任务上表现不佳	探索多模态融合在分子性质预测中的应用	小分子的性质预测	机器学习	NA	图神经网络	CNN	语言、图像、图	七个scaffold split MoleculeNet数据集	NA	NA	NA	NA
697	2024-08-07	Enhancing clinical utility: deep learning-based embryo scoring model for non-invasive aneuploidy prediction 2024-May-22, Reproductive biology and endocrinology : RB&E IF:4.2Q1 DOI:10.1186/s12958-024-01230-w PMID:38778410	研究论文	本研究开发了一种基于深度学习的胚胎评分模型，用于非侵入性预测胚胎非整倍体	提出了一种新的深度学习算法‘智能数据分析（iDA）评分’，用于自动化和客观化胚胎图像评估	胚胎非整倍体预测的准确性仍依赖于下一代测序技术（NGS）分析结果	增强临床应用性，提供一种非侵入且经济的胚胎选择方法	3448个经过活检的囊胚，来自979个时间流逝（TL）-PGT周期	机器学习	NA	深度学习算法	深度学习模型	图像	3448个囊胚样本	NA	NA	NA	NA
698	2024-08-07	Generative design of compounds with desired potency from target protein sequences using a multimodal biochemical language model 2024-May-22, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00852-x PMID:38778425	研究论文	本文研究了基于目标序列嵌入生成具有所需效力的活性化合物，设计了一种双组件条件语言模型，包括蛋白质语言模型组件和条件转换器，用于从多模态数据中学习并预测新的活性化合物	首次提出了一种结合蛋白质语言模型和化学语言模型组件的方法，用于从条件化的蛋白质序列数据中预测具有所需效力的化合物	NA	开发一种新的方法，通过机器翻译序列分子数据表示来预测活性化合物	活性化合物及其所需效力	机器学习	NA	NA	条件语言模型	序列数据	NA	NA	NA	NA	NA
699	2024-08-07	Spatial distance between tumor and lymphocyte can predict the survival of patients with resectable lung adenocarcinoma 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30779 PMID:38779006	研究论文	本研究探讨了肿瘤与淋巴细胞之间的空间距离与可切除肺腺癌患者预后预测的关系	提出了一种基于H&E染色全切片图像的深度学习驱动工作流程，自动分割肿瘤区域内的不同细胞类型，并量化肿瘤细胞与淋巴细胞之间的空间距离	NA	探索肿瘤细胞与淋巴细胞之间的空间距离与肺腺癌患者预后预测的关系	可切除的肺腺癌患者	数字病理学	肺腺癌	H&E染色	HoVer-Net	图像	发现集276例，验证集139例和115例	NA	NA	NA	NA
700	2024-08-07	Performance assessment of the effective core potentials under the fermionic neural network: First and second row elements 2024-May-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0207853 PMID:38785290	研究论文	本文评估了在费米神经网络下有效核心势（ECP）的表现，特别是针对第一和第二行的元素	首次全面评估了ECP在费米神经网络下的性能，并比较了两种新构建的ECP表（ccECP和eCEPP）的性能	全电子计算的高精度受到缺乏相对论效应和某些较重元素中数值不稳定性的限制	填补费米神经网络下ECP性能评估的空白，并探索其在未来改进费米神经网络中的潜在方向	第一和第二行的元素的原子、光谱和分子性质	机器学习	NA	神经网络	费米神经网络（FermiNet）	原子、分子数据	第一和第二行的元素	NA	NA	NA	NA