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
20941	2024-08-07	Deep Learning on Point Clouds and Its Application: A Survey 2019-Sep-26, Sensors (Basel, Switzerland) DOI:10.3390/s19194188 PMID:31561639	综述	本文综述了点云特征学习的现有方法，包括基于点和基于树的方法，并分析了它们的优缺点，介绍了点云特征学习的应用，并预测了未来的研究趋势	将深度学习应用于点云处理，探索了基于点和基于树的点云特征学习方法	文章未明确提及具体的技术局限性	综述点云特征学习的现有方法及其应用，并预测未来研究趋势	点云数据及其在3D物体分类、语义分割和3D物体检测中的应用	计算机视觉	NA	深度学习	CNN	点云	文章未提及具体样本数量
20942	2024-08-07	A Survey of Vision-Based Human Action Evaluation Methods 2019-Sep-24, Sensors (Basel, Switzerland) DOI:10.3390/s19194129 PMID:31554229	综述	本文综述了基于视觉的人类动作评估方法和技术	介绍了动作评估研究中的运动检测和预处理、手工特征表示方法以及基于深度学习的特征表示方法	未提及具体限制	旨在设计用于自动评估人类动作质量的计算模型和评估方法	人类动作评估	计算机视觉	NA	深度学习	NA	骨骼数据	未提及具体样本数量
20943	2024-08-07	Machine learning polymer models of three-dimensional chromatin organization in human lymphoblastoid cells 2019-08-15, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2019.03.002 PMID:30853548	研究论文	本文提出了结合一维序列特异性、表观基因组信息和转录因子结合位点的机器学习模型，用于解释在人类淋巴母细胞中观察到的长距离染色质环化现象	本文创新性地将机器学习模型与基于聚合物的生物物理模拟相结合，以预测高分辨率的拓扑关联域内相互作用	NA	研究目的是解释人类淋巴母细胞中观察到的长距离染色质环化现象	研究对象是人类淋巴母细胞中的三维染色质结构	机器学习	NA	ChIA-PET	随机森林、梯度提升机、深度学习模型	序列、表观基因组信息、转录因子结合位点	GM12878细胞系
20944	2024-08-07	Beltrami-net: domain-independent deep D-bar learning for absolute imaging with electrical impedance tomography (a-EIT) 2019-07-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab21b2 PMID:31091516	研究论文	本文提出了一种新的绝对电阻抗断层成像（a-EIT）图像重建方法，结合深度学习技术和实时鲁棒的D-bar方法，并探讨了先验信息对重建结果的影响	本文的创新点在于使用Beltrami方程生成训练数据，使得训练数据不受边界形状的限制，从而训练出更通用的网络	NA	开发并验证一种新的绝对电阻抗断层成像（a-EIT）图像重建方法的可行性	电阻抗断层成像（EIT）的图像重建	计算机视觉	NA	D-bar方法	CNN	图像	使用了来自两个EIT系统（ACT4和KIT4）的实验数据，训练集包含不同先验信息
20945	2024-08-07	SPHERICAL U-NET FOR INFANT CORTICAL SURFACE PARCELLATION 2019-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI.2019.8759537 PMID:31681458	研究论文	本文提出了一种新颖的端到端深度学习方法，通过将表面分割任务转化为球面上的语义分割任务，用于婴儿皮质表面的精确分割	开发了针对球面网格数据表示的表面卷积、池化和上采样操作，并将U-Net和SegNet架构转换为球面表示	NA	旨在提高人类脑部MRI研究中皮质表面分割的准确性	婴儿的皮质表面	计算机视觉	NA	卷积神经网络（CNN）	U-Net	图像	90名新生儿
20946	2024-08-07	Strategies to Reduce the Expert Supervision Required for Deep Learning-Based Segmentation of Histopathological Images 2019, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2019.00222 PMID:31681779	综述	本文综述了减少深度学习在组织病理学图像分割中所需专家监督的策略	提出了使用免疫组织化学标记作为标签、真实数据增强、生成对抗网络（GAN）和迁移学习等方法，以及利用不完美注释的替代学习策略	NA	旨在探讨自动化组织病理学图像分割所需的庞大标注图像数量的策略	组织病理学图像中的多种组织学对象（如细胞核、腺体等）的分割	数字病理学	NA	深度学习	生成对抗网络（GAN）	图像	数百或数千个组织病理学图像中的对象
20947	2024-08-07	Applications of Deep-Learning in Exploiting Large-Scale and Heterogeneous Compound Data in Industrial Pharmaceutical Research 2019, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2019.01303 PMID:31749705	研究论文	本文总结了深度学习技术在工业制药研究中处理大规模异构化合物数据的现状及其对药物发现过程的影响	深度学习技术在化学信息学和生物图像分析领域的应用，如活性预测、分子设计等	NA	探讨深度学习技术在工业制药研究中处理大规模化合物数据的应用	大规模异构化合物数据	机器学习	NA	深度学习	深度学习模型	化合物数据	数千至数百万化合物
20948	2024-08-05	A comprehensive overview of recent advances in generative models for antibodies 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.06.016 PMID:39027650	综述	本文对抗体生成模型的最新进展进行了全面概述	总结了34种具有代表性的抗体生成模型，按其原理和算法将其分为三类，并分析了它们的性能和贡献	未提及具体模型的局限性	旨在提供抗体生成模型的最新发展和选择方法的指导	分析和比较不同类型的抗体生成模型	生物制药	NA	深度学习	序列生成模型、结构生成模型和混合模型	抗体数据	收集了34种最近发布的抗体生成模型
20949	2024-08-05	Which riverine water quality parameters can be predicted by meteorologically-driven deep learning? 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174357 PMID:38945234	研究论文	本研究探讨了气象驱动的深度学习在河流水质参数预测中的应用	研究表明LSTM和GRU模型在预测多种水质参数方面表现优异，尤其是GRU模型在预测每日极值时表现出低误差增量	在预测浊度方面存在预测不足	探讨气象驱动的深度学习对河流水质参数的预测能力	以大黑河流域为研究对象，分析水温、溶解氧、电导率、化学需氧量、氨氮、总磷和总氮等水质参数	机器学习	NA	深度学习	LSTM和GRU	水质数据	NA
20950	2024-08-05	Innovative approaches for accurate ozone prediction and health risk analysis in South Korea: The combined effectiveness of deep learning and AirQ 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174158 PMID:38909816	研究论文	本研究介绍了一种创新的方法，用于准确预测韩国的臭氧水平及其健康风险分析	提出了一种结合卷积神经网络（CNN）的深度偏差修正（Deep-BC）框架，以改善臭氧的预测精度	研究限于使用2016到2019年的历史数据，可能无法涵盖最新的变化	研究旨在提高臭氧预测的准确性以减轻其对公共健康的影响	研究对象为南韩七个主要省份的臭氧暴露与死亡率之间的关系	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	气象数据与空气污染物测量数据	使用了2016至2019年的数据以及2021年的预测结果
20951	2024-08-05	A deep learning model integrating a wind direction-based dynamic graph network for ozone prediction 2024-Oct-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.174229 PMID:38917895	研究论文	本文开发了一种新的混合深度学习模型，用于预测臭氧浓度。	提出了一种基于动态风向的时空图网络（WDDSTG-Net），结合动态图结构和注意力机制以提高预测精度。	未提及具体的局限性	旨在提高臭氧浓度的预测准确性，以便相关机构采取及时措施。	研究对象为空气质量监测站的臭氧浓度数据。	机器学习	NA	序列到序列模型，图注意力机制	动态时空图网络	时序数据	NA
20952	2024-08-05	A preliminary study of super-resolution deep learning reconstruction with cardiac option for evaluation of endovascular-treated intracranial aneurysms 2024-Aug-01, The British journal of radiology DOI:10.1093/bjr/tqae117 PMID:38917414	研究论文	本研究探讨了带心脏选项的超分辨率深度学习重建在内血管治疗颅内动脉瘤图像质量评估中的有效性。	该研究首次展示了带心脏选项的超分辨率深度学习重建能够显著提高图像信号-to-噪声比和对比度-to-噪声比，并降低图像噪声。	本研究为单中心回顾性研究，样本量较小，可能影响结果的普遍性。	研究的目的是评估带心脏选项的超分辨率深度学习重建在内血管治疗中的图像质量。	研究对象为50名患有颅内动脉瘤的患者，接受了不同类型的内血管治疗。	数字病理学	NA	超分辨率深度学习重建	NA	图像	50名患者
20953	2024-08-05	Deep learning based detection and classification of fetal lip in ultrasound images 2024-Jul-22, Journal of perinatal medicine IF:1.7Q2 DOI:10.1515/jpm-2024-0122 PMID:39028804	研究论文	本文利用深度学习技术开发了一种新的模型，以快速准确评估胎儿唇部发育。	提出并验证了Yolov5-ECA模型，以提高胎儿唇部检测和分类的准确性。	未提及具体的模型在临床应用中的泛化能力和局限性。	旨在提供更客观的分娩前检查中胎儿唇部发育的预测。	629名怀孕中期的孕妇，进行了胎儿唇部的超声检查。	计算机视觉	NA	深度学习	Yolov5-ECA	超声图像	632个孕妇的正常和异常胎儿唇超声图像
20954	2024-08-05	Promoting the Shift From Pixel-Level Correlations to Object Semantics Learning by Rethinking Computer Vision Benchmark Data Sets 2024-Jul-19, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01677 PMID:38776966	research paper	该文章探讨了卷积神经网络在提取原始像素数据的模式方面的能力以及其与人类视觉感知的差异	提出了一种方法，强调人类感知和物体识别的核心视觉特征，如颜色、纹理和形状	研究主要集中在特定基准数据集的处理，可能不适用于其他类型的视觉数据	研究旨在推动计算机视觉领域从像素级关联转向物体语义学习	基于Fruits 360、CIFAR-10和Fashion MNIST三个基准数据集实验的视觉特征	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	使用了CIFAR-10数据集和斯坦福狗数据集中的图像样本
20955	2024-08-05	Control charts in healthcare quality monitoring: a systematic review and bibliometric analysis 2024-Jul-19, International journal for quality in health care : journal of the International Society for Quality in Health Care IF:2.7Q2 DOI:10.1093/intqhc/mzae060 PMID:39018022	系统评价	本研究提供了控制图在医疗质量监测中的作用和未来前景的全面理解	采用系统评价和开创性的文献计量分析相结合的方法，揭示出控制图的关键趋势、方法论和新兴主题	未提及具体的研究限制	探讨控制图在医疗质量监测中的应用	分析文献中与控制图相关的研究，涵盖1995年至2023年的关键趋势和主题	数字病理学	NA	文献计量分析	NA	文章	分析了223篇文章中的73篇和184篇相关的文献
20956	2024-08-05	Sentiment and semantic analysis: Urban quality inference using machine learning algorithms 2024-Jul-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110192 PMID:39027375	研究论文	这项研究探讨了通过机器学习算法对城市质量进行推断的情感和语义分析	文章的创新点在于自动化访谈编码过程，并应用最先进的自然语言处理技术进行情感和语义分类	研究使用的是部分注释的数据集，可能影响模型的训练和评估效果	研究旨在探讨如何利用机器学习算法分析人们对城市环境的感知和意见	研究对象为对特定主题或地点的定性访谈	自然语言处理	NA	BERT	多类分类模型	文本	部分注释的数据集
20957	2024-08-05	Evaluation of artificial intelligence-powered screening for sexually transmitted infections-related skin lesions using clinical images and metadata 2024-Jul-18, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-024-03512-x PMID:39020355	研究论文	本文开发并评估了一种基于临床图像和症状的深度学习模型，用于区分性传播感染和非性传播感染的皮肤病变	提出了一种结合卷积神经网络和全连接神经网络的综合模型，以提高性传播感染的诊断准确性	需要在更大规模的数据集上进一步开发和评估以验证其在临床环境中的筛查工具效果	提高性传播感染的早期诊断和治疗能力	4913张生殖病变的临床图像及其相关元数据	计算机视觉	性传播感染	深度学习	卷积神经网络（CNN）和全连接神经网络（FCN）	图像	1583张性传播感染图像和3330张非性传播感染图像
20958	2024-08-05	GSRF-DTI: a framework for drug-target interaction prediction based on a drug-target pair network and representation learning on a large graph 2024-Jul-18, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-01949-3 PMID:39020316	研究论文	本文提出了一种新的方法GSRF-DTI，通过深度学习和网络集成来识别药物与靶点之间的相互作用	GSRF-DTI通过整合多种药物和靶点关联信息来学习嵌入表示，并引入药物-靶点对网络以提高DTI预测的准确性	实验过程中主要依赖于特定的数据集，可能影响模型的泛化能力	提高药物-靶点相互作用预测的准确性，支持药物发现和再利用	药物与靶点的相互作用关系	计算机视觉	NA	深度学习，GraphSAGE，随机森林	NA	网络数据	使用Luo的数据集和新构建的数据集进行实验
20959	2024-08-05	A deep position-encoding model for predicting olfactory perception from molecular structures and electrostatics 2024-Jul-17, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00401-0 PMID:39019918	研究论文	本研究介绍了一种深度学习模型Mol-PECO，用于根据分子结构和电静力学预测嗅觉感知	提出了一种新颖的深度学习模型，通过库伦矩阵进行分子的有效嵌入，从而改进了嗅觉预测	缺乏对模型在真实应用中有效性的验证	探讨分子结构与嗅觉感知之间的关系	嗅觉分子及其描述符数据集	机器学习	NA	深度学习	Mol-PECO	分子结构数据	全面的嗅觉分子和描述符数据集
20960	2024-08-05	Deep learning-based measurement of split glomerular filtration rate with 99mTc-diethylenetriamine pentaacetic acid renal scan 2024-Jul-17, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00664-w PMID:39017817	研究论文	本文旨在开发一个深度学习模型，用于在99mTc-DTPA肾扫描中生成自动感兴趣区域（ROIs）以测量肾小球滤过率（GFR）	提出了一种使用多通道输入的二维U-Net卷积神经网络架构进行ROI生成的创新方法	研究未提及对不同类型患者或其他病理条件的适用性	研究的目的是提高99mTc-DTPA肾扫描中肾小球滤过率的测量准确性	分析了来自12,822名患者的24,364个肾扫描数据	计算机视觉	NA	深度学习	U-Net	扫描图像	24,364个扫描（12,822名患者）