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
21041	2024-08-07	Detection of Alzheimer's disease using ECD SPECT images by transfer learning from FDG PET 2021-Aug, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01626-3 PMID:34076857	研究论文	本研究开发了一种利用深度学习模型从少量SPECT脑灌注图像中自动提取图像特征，以客观评估阿尔茨海默病（AD）的实用方法。	本研究首次将基于PET FDG代谢成像训练的模型迁移到少量SPECT脑灌注图像上，提高了模型的敏感性和准确性。	研究中使用的样本量较小，可能影响模型的泛化能力。	开发一种基于深度学习的模型，利用SPECT脑灌注图像快速且客观地评估阿尔茨海默病。	阿尔茨海默病（AD）的检测和评估。	机器学习	阿尔茨海默病	SPECT成像	Inception v3网络模型	图像	1000例F-18-FDG PET图像用于预训练，不同样本量的训练数据集（100, 200, 400, 800, 1000例）用于预训练。
21042	2024-08-07	Detecting myocardial scar using electrocardiogram data and deep neural networks 2021-Jul-27, Biological chemistry IF:2.9Q3 DOI:10.1515/hsz-2020-0169 PMID:33006947	研究论文	本文提出了一种基于心电图数据和深度神经网络的人工智能方法，用于预测心肌瘢痕的存在	利用深度学习模型结合心电图和临床参数，实现对心肌瘢痕的高精度检测	NA	早期检测心肌病理，提高治疗效果，减少致命病例	心肌瘢痕的检测	机器学习	心血管疾病	深度学习	深度神经网络	心电图时间序列	12导联心电图时间序列数据集
21043	2024-08-07	iMLP, a predictor for internal matrix targeting-like sequences in mitochondrial proteins 2021-Jul-27, Biological chemistry IF:2.9Q3 DOI:10.1515/hsz-2021-0185 PMID:34218542	研究论文	本文介绍了一种名为iMLP的深度学习方法，用于预测蛋白质序列中的内部矩阵靶向类似序列（iMTS-Ls）	iMLP预测器在速度上显著超过现有方法，并提供了一个直观的网络服务和一个独立的命令行工具	NA	开发一种高效的深度学习方法来预测蛋白质序列中的iMTS-Ls	蛋白质序列中的内部矩阵靶向类似序列（iMTS-Ls）	机器学习	NA	深度学习	循环神经网络	蛋白质序列	NA
21044	2024-08-07	Large-scale pharmacogenomic studies and drug response prediction for personalized cancer medicine 2021-Jul-20, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2021.03.007 PMID:34023295	研究论文	本文总结了FDA批准的药物基因组学生物标志物和大规模药物基因组学研究，并全面回顾了药物反应预测中计算方法的最新进展	文章涵盖了网络、机器学习和深度学习技术以及评估免疫治疗反应的策略	讨论了当前面临的挑战并提出了可能的解决方案	提高个性化癌症医学的临床效益	药物基因组学在个性化癌症医学中的应用	药物基因组学	癌症	NA	NA	NA	NA
21045	2024-08-07	Multiomics metabolic and epigenetics regulatory network in cancer: A systems biology perspective 2021-Jul-20, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2021.05.008 PMID:34362682	综述	本文从系统生物学角度探讨了癌症中的多组学代谢和表观遗传调控网络	提出了一个基于当前高通量方法的概念性代谢和表观遗传调控网络（MER-Net），旨在通过观察生物过程、组学数据获取、网络信息分析及与验证数据库知识的整合，揭示新的潜在生物标志物和治疗靶点	NA	旨在揭示新的潜在生物标志物和治疗靶点	癌症中的代谢和表观遗传调控网络	系统生物学	癌症	多组学数据	深度学习模型	多组学数据	NA
21046	2024-08-07	Attention Guided Lymph Node Malignancy Prediction in Head and Neck Cancer 2021-Jul-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2021.02.004 PMID:33561508	研究论文	本文提出了一种注意力引导的分类方案（AGC），用于在头颈癌（HNC）放疗中准确分类淋巴结（LN）恶性状态，通过结合人类知识（如LN轮廓）引导模型学习方向，减少对大量训练样本的需求，并在推理阶段不需要精确的LN分割，而是可以突出显示LN附近的区分区域。	本文的创新点在于提出了一种注意力引导的分类方案（AGC），该方案通过结合人类知识引导模型学习方向，减少了对大量训练样本的需求，并在推理阶段不需要精确的LN分割，而是可以突出显示LN附近的区分区域。	NA	本文的研究目的是在头颈癌放疗中准确分类淋巴结恶性状态，以帮助确定治疗目标。	本文的研究对象是头颈癌患者的淋巴结恶性状态。	计算机视觉	头颈癌	NA	注意力引导的卷积神经网络（agCNN）和分类卷积神经网络（cCNN）	图像	129名头颈癌手术患者，包括791个淋巴结
21047	2024-08-07	Lesion segmentation in breast ultrasound images using the optimized marked watershed method 2021-Jun-07, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00891-7 PMID:34098970	研究论文	本文提出了一种基于优化标记分水岭方法的乳腺超声图像病变分割技术	采用自适应形态学蛇（AMS）算法和标记分水岭（MW）方法，提高了病变分割的准确性和敏感性	NA	提高乳腺超声图像病变分割的准确性和效率	乳腺超声图像中的病变区域	计算机视觉	乳腺癌	自适应形态学蛇（AMS）算法	标记分水岭（MW）方法	图像	数据集A包含500张本地医院的乳腺超声图像，数据集B包含205张开源乳腺超声图像
21048	2024-08-07	Deep learning-based attenuation correction for brain PET with various radiotracers 2021-Jun, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01611-w PMID:33811600	研究论文	开发了一种基于深度学习的PET衰减校正（deep AC）框架，用于合成非衰减校正（NAC）PET图像的透射计算机断层扫描（TCT）图像	使用卷积神经网络（CNN）和大量多种放射性示踪剂的数据集，合成TCT图像，提高了PET图像的定量准确性	NA	克服脑部专用PET扫描仪在没有衰减校正获取机制的情况下获取准确μ-map的挑战	脑部PET图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	1261个脑部NAC PET和TCT图像（1091个用于训练，70个用于测试）
21049	2024-08-07	Temporal and spectral unmixing of photoacoustic signals by deep learning 2021-Jun-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.426678 PMID:34061089	研究论文	本文报道了一种基于条件生成对抗网络的方法，用于时间解混和光声信号的光谱解混，突破了A线速率的物理限制，为超高速多参数光声显微镜奠定了基础	提出了一种基于深度学习的方法，能够实现时间间隔仅为约38纳秒的光声A线信号解混，突破了传统物理限制	NA	提高多参数光声显微镜的成像速度，以增强其在生物医学中的应用	光声信号的时间和光谱解混	机器学习	NA	光声显微镜	条件生成对抗网络	信号	NA
21050	2024-08-07	Screening for regenerative therapy responders in heart failure 2021-Jun, Biomarkers in medicine IF:1.9Q3 DOI:10.2217/bmm-2020-0683 PMID:34169733	研究论文	本文探讨了在心力衰竭治疗中筛选适合再生疗法患者的方法	文章提出了基于疾病生物学新见解的表型患者选择升级方法，以及通过深度学习增强的临床决策支持	NA	旨在提高心力衰竭再生疗法的个体化治疗效果	心力衰竭患者及其对再生疗法的响应	NA	心血管疾病	深度学习	NA	NA	NA
21051	2024-08-07	Diagnosis analysis of rectal function through using ensemble empirical mode decomposition-deep belief networks algorithm 2021-Jun-01, The Review of scientific instruments DOI:10.1063/5.0042382 PMID:34243584	研究论文	本文提出了一种基于集成经验模态分解-深度信念网络（EEMD-DBNs）的直肠功能诊断模型，用于人工肛门括约肌植入后的直肠运动功能诊断	使用EEMD框架减少信号模态混合的影响，并通过DBN进行深度学习提取直肠信号的多维特征	NA	开发一种有效的直肠功能诊断模型，以支持人工肛门括约肌植入者的直肠运动功能恢复	直肠压力信号的分解与分类	机器学习	NA	集成经验模态分解（EEMD），深度信念网络（DBN）	深度信念网络（DBN）	信号	正常人和患病患者的直肠信号
21052	2024-08-07	Attenuation correction using deep learning for brain perfusion SPECT images 2021-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-021-01600-z PMID:33751364	研究论文	本研究构建了一个卷积神经网络（CNN）来自动编码器（AE），用于直接从非衰减校正的SPECT图像生成衰减校正的脑灌注SPECT图像	提出了一种使用自动编码器（AE）进行衰减校正的新方法，该方法能够生成高度准确的衰减校正脑灌注SPECT图像	NA	开发一种无需SPECT/CT扫描仪即可进行非均匀衰减校正的方法	脑灌注SPECT图像的衰减校正	计算机视觉	NA	卷积神经网络（CNN）	自动编码器（AE）	图像	训练集270例（44,528切片），验证集60例（5,002切片），测试集30例（2,558切片）
21053	2024-08-07	The whole is greater than its parts: ensembling improves protein contact prediction 2021-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87524-0 PMID:33850214	研究论文	本文探讨了通过集成学习提高蛋白质接触预测准确性的方法	提出使用集成学习技术，结合不同神经网络模型的输出，以提高蛋白质接触预测的准确性	需要创建更好的蛋白质接触基准集和额外的开源接触预测方法以进一步发展	提高蛋白质接触预测的准确性	蛋白质接触预测	机器学习	NA	深度学习	神经网络	序列数据	涉及多个深度神经网络模型，包括AlphaFold、trRosetta和ProSPr
21054	2024-08-07	Accessory pathway analysis using a multimodal deep learning model 2021-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87631-y PMID:33850245	研究论文	本文评估了一种使用心电图（ECG）和胸部X射线的人工智能模型在识别Wolff-Parkinson-White综合征中旁路位置的有效性	提出了一种结合ECG和胸部X射线数据的多模态深度学习模型，显著提高了旁路位置识别的准确性	NA	开发和评估一种新的深度学习模型，用于准确识别心脏旁路的位置	Wolff-Parkinson-White综合征患者的心脏旁路位置	机器学习	心血管疾病	深度学习	CNN	图像和文本	206名WPW综合征患者的心电图和胸部X射线数据，以及来自其他数据集的1519个胸部X射线样本
21055	2024-08-07	Dual-wavelength interferogram decoupling method for three-frame generalized dual-wavelength phase-shifting interferometry based on deep learning 2021-Mar-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.412433 PMID:33690460	研究论文	本研究提出了一种基于深度学习的双波长干涉图解耦方法，用于三帧广义双波长相移干涉测量	该方法通过深度神经网络，仅使用三帧随机相移的双波长干涉图，即可有效提取每个波长的相位	NA	解决双波长干涉测量中如何高效利用最少波长复用干涉图获取每个波长相位的问题	双波长干涉图的解耦和相位提取	计算机视觉	NA	深度学习	深度神经网络	干涉图	三帧随机相移的双波长干涉图
21056	2024-08-07	Attention-based multi-scale features fusion for unobtrusive atrial fibrillation detection using ballistocardiogram signal 2021-Jan-28, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-021-00848-w PMID:33509212	研究论文	本文提出了一种基于注意力的多尺度特征融合方法，用于使用球肌电图信号进行无创心房颤动检测	首次研究了BCG的相空间轨迹，并结合1-D形态特征和2-D节奏特征，通过CNN网络提高了AF检测的鲁棒性	NA	研究如何通过深度学习方法准确筛查日常生活中的心房颤动	心房颤动检测	机器学习	心血管疾病	BCG信号	CNN, Bi-LSTM	信号	2000个BCG信号段，来自59名患有阵发性心房颤动的志愿者
21057	2024-08-07	Clustered embedding using deep learning to analyze urban mobility based on complex transportation data 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249318 PMID:33878114	研究论文	本文提出了一种基于深度学习的分析城市交通模式的新方法，通过聚类和嵌入技术捕捉城市居民移动模式的隐含意义	本文创新性地结合了聚类和嵌入技术，有效分析了复杂的城市移动模式，提高了预测准确性	NA	研究目的是通过深度学习技术分析城市移动模式，预测交通流量和公共交通使用情况	研究对象是城市居民的移动模式及其时空特征	机器学习	NA	深度学习	NA	交通数据	150万市民的交通数据
21058	2024-08-07	The phase space of meaning model of psychopathology: A computer simulation modelling study 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249320 PMID:33901183	研究论文	本研究通过计算机模拟实验，测试了Harmonium模型的一个核心观点，即精神病理学可以被概念化为由于认知过程的调节不良，并在计算层面上模拟了意义相空间（PSM）的概念。	提出了一个基于符号学、具身化和精神分析概念的p因子的新概念化模型——Harmonium模型，并提供了该构造的计算解释。	研究讨论了其局限性和进一步的研究方向，但具体局限性未在摘要中详细说明。	测试Harmonium模型的核心观点，并通过计算机模拟探索精神病理学的认知过程。	精神病理学的认知过程及其在计算模型中的表现。	机器学习	NA	深度学习模型	神经网络	模拟数据	未在摘要中明确提及具体样本数量
21059	2024-08-07	Deep learning-based prediction of future growth potential of technologies 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252753 PMID:34086769	研究论文	本文基于元知识（包括引用、摘要、领域代码等文本信息）利用深度学习算法构建模型，预测技术的未来增长潜力，并探讨不同形式元知识在预测中的适用性	本文创新地利用元知识结合深度学习算法来预测技术的未来增长潜力	NA	研究如何利用研究论文中的元知识预测技术的未来增长潜力	技术的未来增长潜力	机器学习	NA	深度学习算法	NA	文本	NA
21060	2024-08-07	Crop yield prediction integrating genotype and weather variables using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0252402 PMID:34138872	研究论文	本文利用北美统一大豆试验的性能记录，构建了一个基于长短期记忆（LSTM）循环神经网络的模型，结合系谱相关性和每周天气参数，预测多个环境中的基因型响应，以提高作物产量预测的准确性。	本文提出的模型在作物产量预测方面优于其他机器学习模型，并开发了一种时间注意机制，增强了LSTM模型的可解释性。	NA	提高作物产量预测的准确性，为农业育种和应对气候变化提供科学支持。	大豆作物的产量预测。	机器学习	NA	长短期记忆（LSTM）循环神经网络	LSTM	性能记录和天气参数	北美统一大豆试验的性能记录