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
19981	2024-08-23	Accuracy of Deep Learning Echocardiographic View Classification in Patients with Congenital or Structural Heart Disease: Importance of Specific Datasets 2022-Jan-28, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm11030690 PMID:35160148	研究论文	本研究验证了在先天性或结构性心脏病患者中使用卷积神经网络进行超声心动图视图分类的准确性，并训练了一个专门针对此类患者的新的卷积神经网络。	本研究首次验证了神经网络在先天性或结构性心脏病患者中的视图分类，并展示了专门训练的模型在此特定群体中显著提高的准确性。	研究仅限于先天性或结构性心脏病患者，可能不适用于其他心脏疾病患者。	验证和提高神经网络在先天性或结构性心脏病患者中超声心动图视图分类的准确性。	先天性或结构性心脏病患者及正常对照组的超声心动图图像。	机器学习	先天性心脏病	卷积神经网络	CNN	图像	9793个图像文件来自262名先天性或结构性心脏病患者和62名正常对照组
19982	2024-08-23	Ultrafast end-to-end protein structure prediction enables high-throughput exploration of uncharacterized proteins 2022-01-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2113348119 PMID:35074909	研究论文	本文介绍了一种基于深度学习的高速蛋白质结构预测方法，该方法通过简化预处理步骤并直接从深度神经网络输出主链坐标，实现了对未表征蛋白质的高通量探索。	该方法通过使用三个循环网络和一系列残差卷积层，显著减少了目标多序列比对（MSA）的预处理需求，同时提高了预测速度和准确性。	NA	开发一种高效的蛋白质结构预测方法，以实现对大量未表征蛋白质区域的三维建模。	未表征的蛋白质区域和Pfam家族中的蛋白质。	机器学习	NA	深度学习	深度神经网络	序列数据	超过130万个未表征的蛋白质区域和5000多个Pfam家族的蛋白质。
19983	2024-08-23	FaceMask: A New Image Dataset for the Automated Identification of People Wearing Masks in the Wild 2022-Jan-24, Sensors (Basel, Switzerland) DOI:10.3390/s22030896 PMID:35161642	研究论文	本文介绍了一个新的公开可用注释图像数据库FaceMask，用于自动识别佩戴口罩的人群	提出了一个包含佩戴和不佩戴口罩人群图像的公开数据库，并测试了深度学习检测器在该数据集上的性能	NA	旨在克服现有数据集不足的问题，促进口罩佩戴识别领域的研究进展	研究对象为佩戴和不佩戴口罩的人群图像	计算机视觉	NA	图像处理技术与深度学习	YOLO网络	图像与视频	包含不同环境和情境下佩戴和不佩戴口罩的人群图像
19984	2024-08-23	Deep-4mCGP: A Deep Learning Approach to Predict 4mC Sites in Geobacter pickeringii by Using Correlation-Based Feature Selection Technique 2022-Jan-23, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23031251 PMID:35163174	research paper	本文提出了一种深度学习方法Deep-4mCGP，用于预测Geobacter pickeringii中的4mC位点，使用基于相关性的特征选择技术	该研究通过融合二进制和-mer组成的特征描述符，并采用相关性和梯度提升决策树（GBDT）的增量特征选择（IFS）方法优化特征，提高了预测4mC位点的准确性	NA	建立一个稳健的深度学习模型，用于识别Geobacter pickeringii中的4mC位点	Geobacter pickeringii中的4mC位点	machine learning	NA	correlation-based feature selection technique	1D convolutional neural network (CNN)	DNA sequence	NA
19985	2024-08-23	ABCanDroid: A Cloud Integrated Android App for Noninvasive Early Breast Cancer Detection Using Transfer Learning 2022-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s22030832 PMID:35161576	研究论文	本文提出了一种基于云集成的Android应用ABCanDroid，利用迁移学习进行非侵入式早期乳腺癌检测	本文采用卷积神经网络（CNN）结合迁移学习的方法，提高了乳腺癌早期检测的效率和准确性	NA	提高乳腺癌早期检测的效率和准确性	乳腺癌检测	机器学习	乳腺癌	迁移学习	CNN	图像	使用ImageNet数据集
19986	2024-08-23	An Intelligent System for Early Recognition of Alzheimer's Disease Using Neuroimaging 2022-Jan-19, Sensors (Basel, Switzerland) DOI:10.3390/s22030740 PMID:35161486	研究论文	本文提出了一种使用神经影像学和深度学习技术早期识别阿尔茨海默病（AD）的智能系统	通过使用随机串联的深度特征从两个预训练模型中学习脑功能网络的深度特征，解决了现有算法无法识别MCI患者脑功能网络中功能连接变化的问题	NA	旨在早期检测轻度认知障碍（MCI），以防止AD的进一步发展	阿尔茨海默病（AD）和轻度认知障碍（MCI）	机器学习	阿尔茨海默病	磁共振成像（MRI）	ResNet18 和 DenseNet201	图像	未具体说明样本数量
19987	2024-08-23	Development of artificial intelligence technology in diagnosis, treatment, and prognosis of colorectal cancer 2022-Jan-15, World journal of gastrointestinal oncology IF:2.5Q3 DOI:10.4251/wjgo.v14.i1.124 PMID:35116107	综述	本文综述了人工智能技术在结直肠癌诊断、治疗和预后中的应用	探讨了人工智能技术在结直肠癌领域的应用前景	目前人工智能技术主要用于图像识别和辅助分析，缺乏与患者的深入交流	研究人工智能技术在结直肠癌管理中的应用	结直肠癌的诊断、治疗和预后	机器学习	结直肠癌	NA	NA	图像	NA
19988	2024-08-23	Fusion-Based Deep Learning with Nature-Inspired Algorithm for Intracerebral Haemorrhage Diagnosis 2022, Journal of healthcare engineering DOI:10.1155/2022/4409336 PMID:35087649	研究论文	本文提出了一种基于融合的深度学习与自然启发算法的自动化脑内出血诊断方法	采用融合基于胶囊网络和EfficientNet的特征提取模型，并利用鹿狩猎优化算法进行超参数优化	NA	提高脑内出血诊断的效率和准确性	脑内出血的自动化诊断	机器学习	脑血管疾病	深度学习	CapsNet, DenseNet	图像	使用基准脑内出血数据集进行模拟
19989	2024-08-23	Robust and generalizable embryo selection based on artificial intelligence and time-lapse image sequences 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0262661 PMID:35108306	研究论文	本文研究了一种基于深度学习的胚胎选择模型，该模型使用时间序列图像来评估和选择体外受精中最有活力的胚胎	该模型能够跨不同患者年龄和临床条件进行泛化，并在独立测试集中表现出高准确性	模型在新的诊所中的泛化性能仍有待进一步验证	探索基于人工智能的胚胎选择模型在不同临床条件下的性能和泛化能力	胚胎选择模型在不同患者年龄、受精方法、孵化时间和移植协议下的表现	机器学习	NA	深度学习	深度学习模型	图像	115,832个胚胎，其中14,644个为已知植入数据的胚胎
19990	2024-08-23	BioPhi: A platform for antibody design, humanization, and humanness evaluation based on natural antibody repertoires and deep learning 2022 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2021.2020203 PMID:35133949	研究论文	本文介绍了BioPhi平台，该平台利用深度学习和自然抗体库进行抗体设计、人源化和人源性评估	BioPhi平台引入了新的方法Sapiens和OASis，分别用于抗体人源化和人源性评估，这些方法在规模和效果上与人类专家相当，并提供了更高的多样性、粒度和可解释性	NA	开发一个自动化平台，用于抗体设计、人源化和人源性评估，以加速治疗性抗体的发现	抗体设计、人源化和人源性评估	机器学习	NA	深度学习	语言模型	序列数据	177个抗体用于人源化基准测试
19991	2024-08-23	Application of Artificial Intelligence Nuclear Medicine Automated Images Based on Deep Learning in Tumor Diagnosis 2022, Journal of healthcare engineering DOI:10.1155/2022/7247549 PMID:35140903	研究论文	本文研究了基于深度学习的人工智能核医学自动图像在肿瘤诊断中的应用，特别是通过改进分割算法的准确性来提高肿瘤图像的分割效果	提出了一种基于边界约束的主动轮廓模型和超像素边界感知卷积网络，以实现自动CT切割算法，从而更准确地分割肿瘤图像	文章未提及具体的局限性	研究基于深度学习的人工智能核医学自动图像在肿瘤诊断中的应用	研究如何从边界识别和形状可变适应能力的角度提高分割算法的准确性	计算机视觉	肿瘤	深度学习	CNN	图像	未具体说明样本数量
19992	2024-08-23	Deep Learning-Based Analytic Models Based on Flow-Volume Curves for Identifying Ventilatory Patterns 2022, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2022.824000 PMID:35153838	研究论文	本研究旨在探讨基于流量-容积曲线深度学习分析模型在识别呼吸模式中的准确性，并将其性能与肺功能实验室的医生进行比较	使用深度学习模型VGG13基于流量-容积曲线高精度识别呼吸模式，无需其他参数	NA	探索基于流量-容积曲线的深度学习模型在识别呼吸模式中的准确性	呼吸模式的识别	机器学习	NA	深度学习	VGG13	流量-容积曲线	18,909名受试者
19993	2024-08-23	Deep learning for epileptogenic zone delineation from the invasive EEG: challenges and lookouts 2022, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcab307 PMID:35169704	评论	本文是对Zhang等人的研究'利用深度学习精炼致痫性高频振荡：一种逆向工程方法'的科学评论	NA	NA	评论深度学习在从侵入性EEG中描绘致痫区方面的应用	深度学习在致痫区描绘中的挑战和展望	机器学习	癫痫	深度学习	NA	侵入性EEG	NA
19994	2024-08-23	A Torn ACL Mapping in Knee MRI Images Using Deep Convolution Neural Network with Inception-v3 2022, Journal of healthcare engineering DOI:10.1155/2022/7872500 PMID:35178233	研究论文	本文利用基于Inception-v3的深度卷积神经网络（DCNN）模型，对膝关节MRI图像中的前交叉韧带（ACL）撕裂进行检测	提出了基于Inception-v3的深度迁移学习（DTL）模型，用于分类ACL撕裂的MRI图像，并与现有的深度学习模型进行比较	NA	旨在从MRI膝关节图像中检测ACL撕裂，以帮助确定膝关节异常	膝关节MRI图像中的前交叉韧带撕裂	计算机视觉	运动损伤	深度迁移学习（DTL）	Inception-v3	图像	共使用1,370张膝关节MRI图像进行评估，其中70%（959张图像）用于训练和测试，30%（411张图像）用于模型性能分析
19995	2024-08-23	Big Data to Knowledge: Application of Machine Learning to Predictive Modeling of Therapeutic Response in Cancer 2021-Dec-16, Current genomics IF:1.8Q3 DOI:10.2174/1389202921999201224110101 PMID:35273457	综述	本文综述了机器学习技术在癌症治疗反应预测建模中的应用	探讨了深度学习和因果分析等更复杂技术在治疗反应建模中的潜在应用	讨论了现有机器学习技术的局限性和替代方法	讨论机器学习技术在癌症治疗反应建模中的应用	癌症患者的治疗反应	机器学习	癌症	机器学习	随机森林、支持向量机、神经网络、线性和逻辑回归	分子患者数据	NA
19996	2024-08-23	Differentiable biology: using deep learning for biophysics-based and data-driven modeling of molecular mechanisms 2021-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01283-4 PMID:34608321	研究论文	本文探讨了可微分生物学，利用深度学习进行基于生物物理学的和数据驱动的分子机制建模	提出了可微分生物学的新概念，结合特定领域的数学方程和通用机器学习组件，有效整合多模态数据	需要克服稀疏、不完整和噪声数据的限制	展示可微分生物学如何帮助解决跨生物尺度整合多模态数据的长期挑战	从小范围的特定现象到大范围的复杂现象，如蛋白质折叠	生物物理学	NA	深度学习	神经网络	多模态数据	NA
19997	2024-08-23	A comparison of Monte Carlo dropout and bootstrap aggregation on the performance and uncertainty estimation in radiation therapy dose prediction with deep learning neural networks 2021-02-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe04f PMID:33503599	研究论文	本文比较了蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习神经网络中用于放射治疗剂量预测的不确定性估计和性能	提出了使用蒙特卡洛 dropout 和 bootstrap 聚合技术来生成放射治疗剂量预测的不确定性估计，并引入了一种缩放技术来创建可解释的不确定性和预测边界	bagging 技术在训练期间的高计算成本和其性能高度依赖于问题和可接受的预测误差	研究蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习模型中用于放射治疗剂量预测的不确定性估计和性能	深度学习模型在放射治疗剂量预测中的不确定性和性能	机器学习	NA	蒙特卡洛 dropout (MCDO), bootstrap 聚合 (bagging)	深度学习神经网络	NA	NA
19998	2024-08-23	COVID-19 detection and disease progression visualization: Deep learning on chest X-rays for classification and coarse localization 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-01867-1 PMID:34764549	研究论文	本文通过深度学习方法对胸部X光片进行分类和粗略定位，以检测COVID-19并可视化疾病进展	采用迁移学习管道和多种预训练卷积骨干网络进行分类，并使用生成对抗网络（CycleGAN）增强COVID-19类别数据	由于标记医学图像数量有限，自动化分类仍是一个挑战	开发一种自动化方法来分类COVID-19胸部X光片，并可视化疾病进展	COVID-19胸部X光片	计算机视觉	COVID-19	迁移学习	CNN	图像	使用了两个公开的胸部X光片数据集
19999	2024-08-23	Machine and Deep Learning Prediction Of Prostate Cancer Aggressiveness Using Multiparametric MRI 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.802964 PMID:35096605	研究论文	本研究开发并验证了基于多参数磁共振成像（mpMRI）数据的机器学习和深度学习框架，用于根据前列腺癌（PCa）的侵袭性进行分类	本研究优化了多个机器学习和深度学习框架，并在T2加权、表观扩散系数（ADC）和T2w+ADC数据上进行了患者嵌套验证，以提高前列腺癌侵袭性预测的准确性	所有基于PI-RADS 2.0数据训练和验证的机器学习和深度学习框架，在PI-RADS 2.1数据测试时，其AUROC值均未超过随机水平	开发和验证机器学习和深度学习框架，以支持临床决策并减少读片者间和读片者内的变异性	前列腺癌的侵袭性评估	机器学习	前列腺癌	多参数磁共振成像（mpMRI）	机器学习和深度学习	图像	112名患者（132个外周病变，Prostate Imaging Reporting and Data System（PI-RADS）评分≥3）
20000	2024-08-23	Multi-Institutional Validation of Two-Streamed Deep Learning Method for Automated Delineation of Esophageal Gross Tumor Volume Using Planning CT and FDG-PET/CT 2021, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2021.785788 PMID:35141147	研究论文	本文验证了一种双流深度学习方法在多个机构中自动勾画食管大体肿瘤体积（GTV）的临床应用	开发了一种双流深度学习模型，能够使用治疗计划CT和FDG-PET/CT扫描进行GTV分割，并具有仅使用CT或CT+PET/CT组合进行分割的灵活性	模型在不同机构中的适应性和性能需要进一步验证	验证深度学习多模态食管GTV勾画模型的临床应用性	食管癌患者的GTV勾画	机器学习	食管癌	深度学习	双流深度学习模型	CT和PET/CT扫描	606名食管癌患者