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
20281	2024-08-05	Knowledge Transfer from Macro-world to Micro-world: Enhancing 3D Cryo-ET Classification through Fine-Tuning Video-based Deep Models 2024-Jun-18, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae368 PMID:38889274	研究论文	本文提出了一种利用预训练3D模型对Cryo-ET数据进行分类的方法	创新点在于将大型视频数据集上预训练的3D模型应用于Cryo-ET图像分类，展示了跨领域知识转移的潜力	本文没有提及具体的限制因素	研究的目标是利用视频初始化提高Cryo-ET图像的分类准确性	研究对象为Cryo-Electron Tomography（Cryo-ET）图像和相应的三维体素数据	计算机视觉	NA	深度学习	3D模型	图像	模拟和真实的Cryo-ET数据集
20282	2024-08-05	Clinical Validation of a Handheld Deep Learning Tool for Identification of Glaucoma Medications 2024 Apr-Jun, Journal of ophthalmic & vision research IF:1.6Q3 DOI:10.18502/jovr.v19i2.13983 PMID:39055502	研究论文	本研究验证了一种基于卷积神经网络（CNN）的智能手机应用程序在青光眼眼药水识别中的有效性	应用了CNN技术以提高青光眼药物的识别准确性和效率，特别是在视力受损的患者中	未包含非英语患者，样本数量有限，可能影响普遍适用性	验证一种智能手机应用程序在青光眼患者药物识别中的临床有效性	68名在青光眼门诊就诊的视力正常及受损患者	机器学习	青光眼	卷积神经网络（CNN）	CNN	数据	68名青光眼患者
20283	2024-08-05	Predicting lncRNA-disease associations using multiple metapaths in hierarchical graph attention networks 2024-Jan-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05672-2 PMID:38287236	研究论文	本研究提出了一种基于分层图注意网络的深度学习模型，用于预测未知的lncRNA-疾病关联	通过多种元路径提取特征，构建lncRNA-疾病-miRNA异质图，并在此基础上实现更精确的关联预测	模型在处理部分复杂网络结构时可能存在路径信息的遗失	探索lncRNA与疾病之间的潜在关联，以增进对复杂疾病的理解	主要研究lncRNA及其与肺癌、食管癌和乳腺癌等疾病的关联	计算机视觉	肺癌	深度学习	MMHGAN	图数据	共研究15个与肺癌、食管癌和乳腺癌相关的lncRNA
20284	2024-08-05	Highly Accurate and Efficient Deep Learning Paradigm for Full-Atom Protein Loop Modeling with KarmaLoop 2024, Research (Washington, D.C.) DOI:10.34133/research.0408 PMID:39055686	研究论文	本文提出了一种名为KarmaLoop的深度学习模型，用于全原子蛋白质环建模	KarmaLoop是首个以全原子为中心的深度学习方法，具有更高的准确性和计算效率	现有方法在原子精度或计算效率方面仍然不足	研究蛋白质结构预测中的环建模问题	全原子蛋白质环模型	机器学习	NA	深度学习	NA	NA	CASP13+14和CASP15基准数据集
20285	2024-08-05	Fast reconstruction of SMS bSSFP myocardial perfusion images using noise map estimation network (NoiseMapNet): a head-to-head comparison with parallel imaging and iterative reconstruction 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1350345 PMID:39055659	研究论文	本研究提出了一种新的图像重建技术NoiseMapNet，用于SMS-bSSFP心肌灌注成像。	首次将噪声图估计网络与平行成像和图像去噪相结合，改善了心肌灌注成像的质量和速度。	与ITER相比，NoiseMapNet在图像质量和感知信噪比方面略显不足。	开发一种结合平行成像和图像去噪的SMS-bSSFP心肌灌注成像重建技术。	包括17名接受应激灌注成像的患者样本。	数字病理学	心血管疾病	深度学习	2D Unet	医学图像	17名患者
20286	2024-08-05	Realistic morphology-preserving generative modelling of the brain 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00864-0 PMID:39055051	研究论文	本文介绍了一种三维生成模型，可生成真实且形态保持的人脑图像	提出了一种能够在必要规模下训练的生成模型，以生成多样且高分辨率的人脑样本，并保持生物学和疾病表型	尽管该模型具有广泛的未来适用性，但具体的局限性未在文中详细讨论	解决医疗影像数据稀缺和可获取性的问题	人脑的三维生成模型	数字病理学	NA	生成模型	三维生成模型	图像	NA
20287	2024-08-05	Enhanced LSTM-based robotic agent for load forecasting in low-voltage distributed photovoltaic power distribution network 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1431643 PMID:39055779	研究论文	本研究探讨了低电压分布式光伏电力分配网络的负载预测问题	提出了一种增强的长短期记忆（LSTM）模型与频域分解（FDD）相结合的负载预测方法	实验仅在广东省的历史操作数据集上验证，外部地区的适用性需进一步研究	研究低电压分布式光伏电力分配网络的负载预测技术	低电压分布式光伏电力分配网络的负载数据	机器学习	NA	频域分解（FDD），长短期记忆（LSTM）	LSTM	数据集	广东省的历史操作数据集
20288	2024-08-05	Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images 2023-Dec, Experimental biology and medicine (Maywood, N.J.) DOI:10.1177/15353702231220664 PMID:38279511	研究论文	本研究旨在构建和评估一个深度学习模型，以准确区分良性和恶性甲状腺结节	这项研究使用了ResNet进行甲状腺结节预测，并应用Grad-CAM可视化模型过程，提供了与放射科医师的诊断精度比较	需要进一步研究以提高诊断精度并支持初级护理中的辅助诊断	探索深度学习在恶性甲状腺结节诊断中的应用	利用超声图像区分良性和恶性甲状腺结节	计算机视觉	甲状腺癌	超声波成像	ResNet	图像	2096张超声图像，655个不同的甲状腺结节
20289	2024-08-07	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	本文开发并验证了一种深度学习模型，用于协调使用不同示踪剂的淀粉样蛋白PET图像	提出了一种基于编码器-解码器的深度残差初始网络，用于协调不同示踪剂的淀粉样蛋白PET图像	需要进一步改进模型并应用于其他示踪剂	开发一种协调策略，用于解决不同正电子发射断层扫描（PET）示踪剂在淀粉样蛋白成像中的共识解释和定量分析挑战	使用匹兹堡化合物B和氟贝他匹的淀粉样蛋白PET图像	计算机视觉	NA	深度学习	深度残差初始编码器-解码器神经网络	图像	训练集包含92名受试者，外部测试集包含46名受试者
20290	2024-08-07	High-Throughput Mass Spectrometry Imaging with Dynamic Sparse Sampling 2022-Oct-19, ACS measurement science au IF:4.6Q1 DOI:10.1021/acsmeasuresciau.2c00031 PMID:36281292	研究论文	本文介绍了一种使用动态稀疏采样的高通量质谱成像技术	采用深度学习动态采样方法（DLADS）减少所需测量次数，提高质谱成像实验的通量	NA	提高质谱成像技术的数据采集速度，适用于需要快速分析的应用	生物样本中的分子分布	NA	NA	质谱成像（MSI）	深度学习模型	分子图像	NA
20291	2024-08-07	A Deep Siamese Convolution Neural Network for Multi-Class Classification of Alzheimer Disease 2020-Feb-05, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci10020084 PMID:32033462	研究论文	本文开发了一种基于VGG-16的孪生卷积神经网络模型，用于阿尔茨海默病的多类分类，并通过数据增强方法提高了模型的性能	提出了一种基于VGG-16的孪生卷积神经网络模型，并通过数据增强方法解决了数据不足和不平衡的问题	NA	开发一种高效的深度学习模型，用于阿尔茨海默病的早期诊断和痴呆阶段分类	阿尔茨海默病的痴呆阶段分类	机器学习	阿尔茨海默病	MRI	孪生卷积神经网络（SCNN）	图像	使用公开数据集OASIS进行实验
20292	2024-08-07	Deep Learning-Based Concurrent Brain Registration and Tumor Segmentation 2020, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2020.00017 PMID:32265680	研究论文	本文提出了一种新颖、高效且多任务的算法，联合解决医学图像分析中的图像配准和脑肿瘤分割问题	该方法通过在推理过程中自然耦合任务间的相互依赖性，利用高效的简单公式放松肿瘤区域的相似性约束	NA	旨在开发一种联合图像配准和脑肿瘤分割的深度学习算法	图像配准和脑肿瘤分割	计算机视觉	脑肿瘤	深度学习	NA	图像	两个公开数据集（BraTS 2018 和 OASIS 3）
20293	2024-08-07	Predicting HLA class II antigen presentation through integrated deep learning 2019-11, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-019-0280-2 PMID:31611695	研究论文	本文介绍了MARIA，一种多模态循环神经网络，用于预测特定HLA II类等位基因背景下感兴趣基因的抗原提呈可能性	MARIA利用多种训练数据和改进的机器学习框架，在验证数据集中表现优于现有方法	NA	准确预测HLA II类分子抗原提呈，以促进疫苗开发和癌症免疫治疗	HLA II类分子抗原提呈的预测	机器学习	NA	NA	循环神经网络	基因序列、表达水平、蛋白酶切割信号	NA
20294	2024-08-05	Establishing a differential diagnosis model between primary membranous nephropathy and non-primary membranous nephropathy by machine learning algorithms 2024-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2024.2380752 PMID:39039848	研究论文	本研究建立了一种基于机器学习算法的原发性膜性肾病与非原发性膜性肾病的鉴别诊断模型	使用Xgboost模型在原发性膜性肾病的诊断中展现出最高的灵敏度和特异度	本研究仅包括来自一个医院的数据，样本来源可能有限	探索最适合的分类算法以识别原发性膜性肾病	来自2019到2021年在罗河中心医院就诊的500名肾病患者	机器学习	肾脏疾病	机器学习算法	Xgboost	数字数据	500名患者，包括322例原发性膜性肾病和178例非原发性膜性肾病
20295	2024-08-05	Structure-based protein and small molecule generation using EGNN and diffusion models: A comprehensive review 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.021 PMID:39050782	综述	本文综述了用于蛋白质和小分子生成的结构基础方法，重点介绍了EGNN和扩散模型的结合	聚焦于将平变图神经网络与扩散模型相结合，以提高蛋白质生成的3D结构表示能力	本文未详细探讨扩散模型在其他领域的潜在应用	旨在探讨深度学习在蛋白质设计中的应用和效率提升	主要研究对象为具有预定结构的全新蛋白质	机器学习	NA	深度学习，扩散模型	平变图神经网络	NA	NA
20296	2024-08-05	Next-Generation Tear Meniscus Height Detecting and Measuring Smartphone-Based Deep Learning Algorithm Leads in Dry Eye Management 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100546 PMID:39051043	研究论文	本研究旨在开发一个基于Python的深度学习算法，以用于干眼病的诊断和管理	使用智能手机图像进行干眼病相关的诊断和管理，带来新的技术路径	本研究仅包括单眼图像，可能影响结果的普遍性	研究旨在提升干眼病的诊断和管理方法	参与者为734名患者的1021幅眼部图像	数字病理学	干眼症	深度学习算法	NA	图像	1021幅眼部图像，来自734名患者
20297	2024-08-05	Highly Accurate and Precise Automated Cup-to-Disc Ratio Quantification for Glaucoma Screening 2024 Sep-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100540 PMID:39051045	研究论文	本文旨在开发和验证一种基于深度学习的算法，以自动确定视网膜图像中的杯盘比（CDR）	提出了一种深度学习算法来提高CDR的自动评估准确性和效率	在青光眼筛查中，CDR阈值的确定可能受其他临床参数的影响	提升青光眼筛查中CDR的自动评估准确性	来自英国生物银行（UKBB）、Drishti_GS和EyePACS的181,768幅视网膜图像	数字病理学	青光眼	深度学习	卷积神经网络（CNN）	图像	181,768幅视网膜图像
20298	2024-08-05	Deep learning-based flocculation sensor for automatic control of flocculant dose in sludge dewatering processes during wastewater treatment 2024-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121890 PMID:38870864	研究论文	本文开发了一种基于深度学习的图像传感器，用于在污水处理过程中自动控制絮凝剂的投加剂量	提出了一种新型的絮凝度测量传感器，采用了深度学习技术并比较了多种模型的性能	在进行絮凝测试时仅使用了实验室规模的两种污泥样本，可能未能涵盖所有实际情况	旨在开发一种自动控制絮凝剂投加的传感器以提高污水处理的效率	使用的研究对象包括过量污泥及其与原污水的混合物	数字病理学	NA	深度学习	卷积神经网络，视觉变换器，多层感知器	图像	实验室规模的两种污泥样本
20299	2024-08-05	Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification 2024-Aug, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104673 PMID:38862083	研究论文	提出了一种基于模板的方式来改进肺气肿分类中AI模型的后期解释	通过将肺气肿的临床知识纳入AI模型的解释中，提升了解释的质量	未提及具体限制	提高肺气肿诊断中AI模型解释的清晰度	采用深度学习模型分析肺气肿的医学图像	数字病理学	肺气肿	深度学习	VGG-19 和 ResNet-50	医学图像	两个真实世界数据集 (SIIM-ACR 和 ChestX-Det) 的多个样本
20300	2024-08-05	An automated approach for real-time informative frames classification in laryngeal endoscopy using deep learning 2024-Aug, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-024-08676-z PMID:38698163	研究论文	本研究展示了深度学习在喉镜检查中自动选择信息丰富框架的可行性	研究展示了一种实时的深度学习模型，该模型能够在喉镜检查中自动选择信息丰富的图像框架	NA	本研究旨在提高喉镜检查中图像选择的自动化和有效性	使用深度学习模型对喉镜图像进行分类	计算机视觉	NA	深度学习	ResNet-50	图像	内部数据集5147张图像和外部测试集646张图像