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
21861	2024-08-07	Deep learning algorithm-enabled sediment characterization techniques to determination of water saturation for tight gas carbonate reservoirs in Bohai Bay Basin, China 2024-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63168-8 PMID:38806579	研究论文	本研究利用深度学习算法，特别是门控循环单元（GRU）、循环神经网络（RNN）、长短期记忆（LSTM）、支持向量机（SVM）、K近邻（KNN）和决策树（DT），对渤海湾盆地的致密气碳酸盐岩储层的水饱和度进行预测	本研究采用了一种新颖的数据驱动策略，结合多种深度/浅层学习算法，特别是GRU模型，在预测水饱和度方面达到了前所未有的准确度	尽管GRU模型在预测水饱和度方面表现出色，但仍需考虑其在处理其他类型地质数据时的适用性和潜在的过拟合问题	优化烃类生产并解决因水饱和度导致的渗透率降低和孔喉堵塞等问题	致密气碳酸盐岩储层的水饱和度	机器学习	NA	深度学习算法	GRU, RNN, LSTM, SVM, KNN, DT	常规岩石物理数据	未具体说明样本数量
21862	2024-08-07	Machine vision-based autonomous road hazard avoidance system for self-driving vehicles 2024-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62629-4 PMID:38806585	研究论文	本文针对传统YOLOv5s在小目标检测上的问题，提出了一种优化的目标检测算法，通过升级C3模块并引入新的激活函数和损失函数，提高了检测准确性并增强了系统的视觉避障功能。	本文引入了CBAMC3模块、GELU激活函数和EfficiCIoU损失函数，加速了算法的收敛并提高了对小目标的检测准确性。	NA	旨在提高自动驾驶车辆在复杂道路条件下的导航能力和安全性。	自动驾驶车辆的视觉避障系统及其算法优化。	计算机视觉	NA	深度学习	YOLOv5s	图像	使用车载摄像头在预定路线上进行测试
21863	2024-08-07	Deep learning for risk stratification of thymoma pathological subtypes based on preoperative CT images 2024-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12394-4 PMID:38807039	研究论文	本研究旨在开发一种基于术前CT图像的胸腺瘤风险分层深度模型	该深度模型能够同时识别病变、分割感兴趣区域（ROI）并区分胸腺瘤的风险，其诊断能力优于基线模型	目前的算法主要关注放射组学特征或2D深度特征，并需要放射科医生手动进行肿瘤分割，限制了其实际应用	开发一种创新的深度模型，用于基于术前CT图像的胸腺瘤风险分层	胸腺瘤的风险分层	机器学习	胸腺瘤	深度学习	深度模型	CT图像	147名患者（其中82名女性；平均年龄54岁±10）
21864	2024-08-07	Novel f-CaO soft sensor for cement clinker based on integrated model of dual-parallel structure 2024-May-01, The Review of scientific instruments DOI:10.1063/5.0194437 PMID:38819257	research paper	本文针对水泥生产过程中存在的不确定性、时延和变量间强耦合问题，提出了一种基于双并行结构集成模型的新型游离氧化钙软传感器	该模型采用一维卷积神经网络、长短时记忆网络、图神经网络和极限梯度提升的优化集成，有效缓解过拟合风险，并结合各模型的优势，擅长从原始时间序列数据中提取局部和全局特征以及时空特性	NA	解决水泥生产过程中的不确定性、时延和变量间强耦合问题	游离氧化钙在水泥熟料中的软传感器模型	machine learning	NA	一维卷积神经网络、长短时记忆网络、图神经网络、极限梯度提升	CNN, LSTM, 图神经网络, 极限梯度提升	时间序列数据	NA
21865	2024-08-07	[A survey on the application of convolutional neural networks in the diagnosis of occupational pneumoconiosis] 2024-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202309079 PMID:38686425	综述	本文综述了卷积神经网络（CNN）在职业性尘肺病影像诊断中的应用	探讨了CNN在尘肺病筛查诊断、分期诊断及病灶分割中的方法和优化思路	未提及具体的研究局限	总结CNN在尘肺病图像应用中的方法、优缺点及优化思路，为计算机辅助尘肺病诊断的进一步研究提供参考	职业性尘肺病的影像诊断	计算机视觉	职业病	卷积神经网络（CNN）	CNN（包括VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet）	图像	NA
21866	2024-08-07	Revolutionizing protein-protein interaction prediction with deep learning 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102775 PMID:38330793	综述	本文综述了利用深度学习方法预测蛋白质相互作用的最新进展	结合大量基因组序列数据，深度学习方法在预测蛋白质结构和建模蛋白质复合体方面达到了与实验技术相当的水平	本文未提及具体限制	探讨蛋白质相互作用预测的计算方法及其在生物医学中的应用	蛋白质相互作用及其在生物过程中的作用	机器学习	NA	深度学习	NA	基因组序列数据	NA
21867	2024-08-07	Deep learning in modeling protein complex structures: From contact prediction to end-to-end approaches 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102789 PMID:38402744	综述	本文综述了基于深度学习的蛋白质-蛋白质复合体结构建模方法的最新进展，包括通过蛋白质间接触预测和端到端方法的应用	深度学习在单体蛋白质结构预测中取得成功后，被广泛应用于蛋白质-蛋白质复合体结构的建模	文章讨论了应用深度学习预测蛋白质复合体结构面临的挑战和可能的未来方向	探讨深度学习在蛋白质-蛋白质复合体结构预测中的应用	蛋白质-蛋白质复合体结构	机器学习	NA	深度学习	NA	蛋白质结构数据	NA
21868	2024-08-07	Lesion segmentation using 3D scan and deep learning for the evaluation of facial portwine stain birthmarks 2024-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104030 PMID:38423233	研究论文	本文研究了使用3D扫描和深度学习技术对面部葡萄酒色斑胎记进行病变分割和面积量化的方法	开发了一种改进的DeepLabV3+网络，引入了卷积块注意力模块（CBAM）和DENSE，并在Ranger优化器下进行训练，以提高病变区域的精确提取	NA	评估3D扫描与深度学习结合在自动化葡萄酒色斑面积量化中的应用	面部葡萄酒色斑胎记的病变分割和面积量化	计算机视觉	NA	3D扫描	DeepLabV3+	3D图像	29.26-45.82 cm²的葡萄酒色斑样本
21869	2024-08-07	Deep Learning-Based Automated Labeling of Coronary Segments for Structured Reporting of Coronary Computed Tomography Angiography in Accordance With Society of Cardiovascular Computed Tomography Guidelines 2024-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000753 PMID:37889562	研究论文	评估一种基于深度学习的自动化冠状动脉标记方法，用于根据心血管计算机断层扫描学会指南进行冠状动脉疾病的结构化报告	利用树状结构的长短期记忆循环神经网络架构，通过自下而上编码和自上而下解码的两步法，自动标记冠状动脉中心线	NA	评估基于深度学习的自动化冠状动脉标记方法的性能，以改进冠状动脉CT血管造影的自动化结构化报告	104名接受心电图同步冠状动脉CT血管造影的患者	计算机视觉	心血管疾病	深度学习	树状结构的长短期记忆循环神经网络	图像	1491个冠状动脉段
21870	2024-08-07	Advantages and Pitfalls of the Use of Optical Coherence Tomography for Papilledema 2024-03, Current neurology and neuroscience reports IF:4.8Q1 DOI:10.1007/s11910-023-01327-6 PMID:38261144	综述	本文综述了光学相干断层扫描（OCT）在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用	OCT技术可以检测到眼底镜检查可能遗漏的亚临床视网膜神经纤维层（pRNFL）增厚，增强深度成像（EDI）和扫频源OCT技术可以识别伪视盘水肿的原因，如视盘玻璃体	OCT技术有其固有的优缺点，需要充分理解以最佳地利用该方法检测视盘水肿	强调OCT在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用	视盘水肿及其相关的颅内压升高综合征	NA	NA	光学相干断层扫描（OCT）	NA	图像	NA
21871	2024-08-07	AI for targeted polypharmacology: The next frontier in drug discovery 2024-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102771 PMID:38215530	综述	本文探讨了人工智能在靶向多药理学中的应用，特别是在药物发现领域中，如何通过AI技术提高多靶点药物设计的系统性和预测性	利用机器学习和深度学习技术，AI能够模拟蛋白质结构、生成新化合物并解码其多药理学效应，为多靶点药物设计开辟了新途径	文章也指出了当前面临的挑战，包括如何更有效地识别协同共靶点和区分导致不良反应的抗靶点	探索AI在药物发现中，特别是靶向多药理学方面的应用	研究对象包括蛋白质结构、新化合物及其多药理学效应	机器学习	NA	机器学习, 深度学习	NA	蛋白质结构, 化合物	NA
21872	2024-08-07	Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay 2024, International journal of radiation biology IF:2.1Q2 DOI:10.1080/09553002.2024.2338531 PMID:38687685	研究论文	本文开发了一种使用深度学习算法自动识别染色体并进行辐射剂量精确估计的方法，遵循泊松分布。	该研究通过使用多种人工神经网络（ANNs）实现了辐射剂量的全自动和精确估计，克服了传统方法的局限性。	在低于0.5 Gy的剂量水平下，由于数值问题，剂量估计的准确性受到阻碍。	开发一种高精度的辐射剂量估计方法，通过全自动检测双着丝粒染色体（DCs），严格遵循泊松分布。	辐射剂量估计	机器学习	NA	人工神经网络（ANNs）	深度学习模型	图像	30名健康捐赠者的样本，覆盖7个剂量水平（0至4 Gy）
21873	2024-08-07	Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network 2024, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848241251569 PMID:38812708	研究论文	本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析	本研究为初步研究，样本量较小，需要进一步验证和优化	开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动	克罗恩病患者的胶囊内镜视频	机器学习	克罗恩病	卷积神经网络	CNN	视频	61名克罗恩病患者
21874	2024-08-07	SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach 2024, Acta medica Philippina DOI:10.47895/amp.vi0.7582 PMID:38812768	研究论文	本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常	本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果	NA	应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性	SPECT-MPI图像和卷积神经网络模型	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	图像	192名接受应激测试-休息Tc99m MPI的患者
21875	2024-08-07	SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241257045 PMID:38812845	研究论文	本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。	该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。	NA	开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。	胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。	计算机视觉	COVID-19	深度神经网络（DNN）	CNN	图像	使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库
21876	2024-08-07	Deep learning model for differentiating acute myeloid and lymphoblastic leukemia in peripheral blood cell images via myeloblast and lymphoblast classification 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241258079 PMID:38812848	research paper	本文开发了一种深度学习模型，用于通过外周血细胞图像对急性髓系和淋巴母细胞白血病进行分类	使用EfficientNet-V1和EfficientNet-V2开发了一个集成模型，提高了分类准确性和F1分数	NA	开发一种能够通过外周血细胞图像分类急性髓系和淋巴母细胞白血病的人工智能模型	外周血细胞图像中的12种细胞类型，包括与急性白血病相关的病理细胞	machine learning	血液病	NA	EfficientNet-V1, EfficientNet-V2	image	42,386张单细胞图像，来自282名患者（82名AML，40名ALL，160名幼稚粒细胞）
21877	2024-08-07	Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1397003 PMID:38812917	研究论文	本研究开发了一种基于深度残差网络（DRN）的模型，用于自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折（VCFs）	本研究首次使用深度残差网络模型自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折，并提供了可解释的注意力图以支持预测结果	研究中未提及具体的局限性	开发一种自动诊断和识别脊柱X光片中新鲜椎体压缩性骨折的模型	脊柱X光片中的新鲜椎体压缩性骨折	机器学习	NA	深度残差网络（DRN）	深度残差网络	图像	1,747名参与者
21878	2024-08-07	Deep learning model for individualized trajectory prediction of clinical outcomes in mild cognitive impairment 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1356745 PMID:38813529	研究论文	本研究开发了一种深度学习模型，用于预测轻度认知障碍患者未来认知下降和磁共振成像标记物随时间的变化。	本研究提出了一种新颖的深度学习架构，通过在循环神经网络中利用注意力机制，提高了预测性能。	未来的研究需要进一步验证和完善该预测模型，以改善临床决策。	开发一种预测轻度认知障碍患者未来认知下降和磁共振成像标记物变化的深度学习模型。	657名记忆障碍的轻度认知障碍患者。	机器学习	认知障碍	磁共振成像（MRI）、正电子发射断层扫描（PET）	循环神经网络（RNN）	图像	657名患者
21879	2024-08-07	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-Dec-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本文测试了一种使用深度学习（DL）进行结构预测（AlphaFold2）和序列优化（ProteinMPNN）的蛋白质设计流程，以设计PD-L1拮抗剂的自抑制域（AiDs）。	本研究展示了基于DL的蛋白质建模可以快速生成高亲和力的蛋白质结合剂。	NA	旨在创造一种在到达肿瘤环境之前不活跃的抗癌药物。	设计自抑制形式的PD-L1拮抗剂，该拮抗剂可以在肿瘤富集的蛋白酶作用下解除抑制。	机器学习	NA	深度学习（DL）	AlphaFold2, ProteinMPNN	蛋白质序列	23个从头设计的AiDs
21880	2024-08-07	Deep learning microstructure estimation of developing brains from diffusion MRI: a newborn and fetal study 2023-Jul-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.01.547351 PMID:37425859	研究论文	本文提出一种深度学习方法，通过仅有的六个扩散加权测量数据来估计新生儿和胎儿大脑的纤维方向分布函数（FOD）	使用深度学习方法，通过显著减少的测量数据，实现了与传统方法相媲美或更优的结果	强调了扩散磁共振成像在分析发育中大脑微观结构时的内在局限性	克服标准FOD计算方法在新生儿和胎儿大脑微观结构估计中的限制	新生儿和胎儿的大脑白质微观结构	计算机视觉	NA	扩散加权磁共振成像（dMRI）	深度学习模型	图像	两个临床数据集的新生儿和胎儿