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
23061	2024-08-07	STRIDE: Systematic Radar Intelligence Analysis for ADRD Risk Evaluation with Gait Signature Simulation and Deep Learning 2023-May-15, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2023.3263071 PMID:37547101	研究论文	本文提出了一种名为STRIDE的系统，结合微多普勒雷达传感器和先进的人工智能技术，用于评估阿尔茨海默病相关痴呆（ADRD）的风险	STRIDE系统嵌入了一种新的深度学习分类框架，并开发了一个包含人体行走模拟模型和微多普勒雷达模拟模型的“数字孪生”，以生成步态特征数据集	NA	评估阿尔茨海默病相关痴呆（ADRD）的风险	通过微多普勒雷达捕捉的人体步态运动	机器学习	阿尔茨海默病	微多普勒雷达	深度学习	步态特征数据	NA
23062	2024-08-07	U-net Models Based on Computed Tomography Perfusion Predict Tissue Outcome in Patients with Different Reperfusion Patterns 2022-10, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-022-00986-w PMID:35043358	研究论文	本文开发了一种基于计算机断层扫描灌注（CTP）图像的U-net深度学习模型，用于更准确地评估急性大血管闭塞（LVO）患者的缺血核心和风险组织	U-net模型在识别梗死核心和风险组织方面优于固定阈值方法，提供了针对不同再灌注模式的患者的个性化预测	NA	评估脑灌注对于急性大血管闭塞患者治疗选择的重要性，并开发一种新的深度学习模型以更准确地评估缺血核心和风险组织	急性缺血性卒中接受血管内治疗的患者，分为主要再灌注组和最小再灌注组	机器学习	脑血管疾病	CTP	U-net	图像	110名急性缺血性卒中患者
23063	2024-08-07	SVision: a deep learning approach to resolve complex structural variants 2022-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01609-w PMID:36109679	研究论文	本文开发了一种基于深度学习的多目标识别框架SVision，用于自动检测和表征长读长测序数据中的复杂结构变异	SVision能够识别复杂事件的内部结构，并能敏感地检测常见和先前未表征的复杂重排	NA	开发一种新的方法来解析复杂结构变异	复杂结构变异	机器学习	NA	深度学习	多目标识别框架	长读长测序数据	从单个基因组中揭示了80个高质量的复杂结构变异，具有25种不同的结构
23064	2024-08-07	BindVAE: Dirichlet variational autoencoders for de novo motif discovery from accessible chromatin 2022-08-15, Genome biology IF:10.1Q1 DOI:10.1186/s13059-022-02723-w PMID:35971180	研究论文	本文介绍了一种名为BindVAE的新型无监督深度学习方法，基于Dirichlet变分自编码器，用于从开放染色质区域联合解码多个转录因子（TF）结合信号。	BindVAE能够将输入的DNA序列分解为不同的潜在因子，这些因子编码细胞类型特异性的体内结合信号、TFs合作结合的复合模式以及结合位点周围的基因组上下文。	NA	开发一种新的无监督深度学习方法，用于从开放染色质区域中联合解码多个转录因子结合信号。	DNA序列中的转录因子结合信号	机器学习	NA	Dirichlet变分自编码器	变分自编码器（VAE）	DNA序列	NA
23065	2024-08-07	A Novel Deep Learning Radiomics Model to Discriminate AD, MCI and NC: An Exploratory Study Based on Tau PET Scans from ADNI 2022-Aug-12, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12081067 PMID:36009130	研究论文	本文探索了一种基于深度学习放射组学（DLR）的新模型，用于区分阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和正常对照（NC）受试者，该模型在tau正电子发射断层扫描（tau-PET）的基础上进行了验证。	提出了一个基于深度学习放射组学的新模型，用于区分AD、MCI和NC，并在tau-PET扫描上进行了验证。	NA	探索和验证一种新的深度学习放射组学模型，用于区分阿尔茨海默病、轻度认知障碍和正常对照。	阿尔茨海默病（AD）患者、轻度认知障碍（MCI）患者和正常对照（NC）受试者。	机器学习	阿尔茨海默病	tau正电子发射断层扫描（tau-PET）	深度学习放射组学（DLR）模型	图像	211名正常对照（NC）、197名轻度认知障碍（MCI）和117名阿尔茨海默病（AD）患者。
23066	2024-08-07	FissureNet: A Deep Learning Approach For Pulmonary Fissure Detection in CT Images 2019-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2018.2858202 PMID:30106711	研究论文	本文提出了一种名为FissureNet的深度学习框架，用于在CT图像中检测肺裂	FissureNet采用了一种从粗到细的级联卷积神经网络策略，有效解决了传统方法在检测弱和异常肺裂时敏感性低的问题	NA	提高肺裂在CT图像中的检测准确性	肺裂在CT图像中的自动检测	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	3706名受试者的吸气和呼气3DCT扫描，以及20名受试者的4DCT扫描
23067	2024-08-07	A lightweight deep learning approach for detecting electrocardiographic lead misplacement 2024-May-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad43ae PMID:38663434	研究论文	本文提出了一种基于深度学习的新型心电图（ECG）导联错位检测方法	开发了两种新型轻量级深度学习模型，分别用于肢体和胸导联错位检测	NA	旨在开发一种有效的心电图导联错位检测方法	心电图导联错位检测	机器学习	NA	深度学习	深度学习模型	心电图数据	使用Chapman数据库进行训练和验证，评估数据集包括PTB-XL、PTB和LUDB数据库
23068	2024-08-07	Lattice thermal conductivity and mechanical properties of the single-layer penta-NiN2 explored by a deep-learning interatomic potential 2024-May-15, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp00997e PMID:38689542	研究论文	研究了新型二维五边形penta-NiN2单层的晶格热导率、稳定性和力学行为	首次使用深度学习原子间势（DLP）从分子动力学（AIMD）数据生成并用于经典分子动力学模拟	NA	探索penta-NiN2单层的晶格热导率和力学性能	penta-NiN2单层的晶格热导率、稳定性、力学行为及缺陷对其性能的影响	材料科学	NA	深度学习原子间势（DLP）	深度学习模型	分子动力学数据	NA
23069	2024-08-07	FetchEEG: a hybrid approach combining feature extraction and temporal-channel joint attention for EEG-based emotion classification 2024-May-15, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4743 PMID:38701773	研究论文	本文提出了一种名为FetchEEG的混合方法，结合特征提取和时间-通道联合注意力机制，用于基于EEG的情感分类	FetchEEG方法结合了传统特征提取和深度学习的优势，采用多头自注意力机制同时提取不同时间和通道的表示，提高了情感分类的性能和泛化能力	NA	提出一种新的混合方法，用于提高基于EEG的情感分类的性能和泛化能力	基于EEG的情感分类	神经工程	NA	多头自注意力机制	Transformer神经网络	EEG数据	使用了自开发数据集和两个公共数据集进行验证
23070	2024-08-07	Automated medication verification system (AMVS): System based on edge detection and CNN classification drug on embedded systems 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30486 PMID:38742071	研究论文	本文介绍了一种基于边缘检测和CNN分类的自动化药物验证系统（AMVS），旨在减少医院中的药物错误	系统在封闭空间中进行研究，以最小化光学变化对图像捕捉的影响，并使用深度学习模型快速准确地分类药物	NA	提高药物验证过程的效率并减少药物错误	自动化药物验证系统	计算机视觉	NA	边缘检测，CNN	CNN	图像	药物集包含少于十种类型和十种类型
23071	2024-08-07	Deep learning-based inverse design of multi-functional metasurface absorbers 2024-May-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.518786 PMID:38748148	研究论文	本文提出了一种结合模拟退火算法和深度学习加速的新方法，用于快速准确地开发太赫兹完美吸收器	该方法通过前向预测和后向设计，实现了对吸收器结构的精确快速推导，并显著提高了设计效率	NA	开发一种快速准确的方法来设计太赫兹完美吸收器	太赫兹完美吸收器的结构设计	机器学习	NA	深度学习	神经网络	吸收谱	设计了低频、高频和宽带吸收器，频率范围为4至16太赫兹，误差小于0.02
23072	2024-08-07	Deep-learning enhanced high-quality imaging in metalens-integrated camera 2024-May-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.521393 PMID:38748176	研究论文	本文提出了一种基于深度学习的高质量成像方法，用于改善金属镜集成相机的性能	采用多尺度卷积神经网络（MSCNN）训练高质量和低质量图像对，以提高成像分辨率、对比度和畸变	NA	克服金属镜集成相机固定架构的限制，提升成像质量	金属镜集成相机的成像性能	计算机视觉	NA	多尺度卷积神经网络（MSCNN）	CNN	图像	大量高质量和低质量图像对
23073	2024-08-07	Deep Learning-Based Computer-Aided Diagnosis of Osteochondritis Dissecans of the Humeral Capitellum Using Ultrasound Images 2024-May-14, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.23.01164 PMID:38743813	研究论文	本文开发了一种基于深度学习的计算机辅助诊断系统，用于通过超声图像诊断肱骨滑车骨软骨病（OCD），并评估其诊断准确性	首次应用深度学习技术于医学领域，通过计算机辅助诊断系统提高OCD的诊断准确性	仅限于使用超声图像进行OCD的诊断，且样本主要来自棒球运动员	开发和评估基于深度学习的计算机辅助诊断系统在OCD检测中的应用	肱骨滑车骨软骨病（OCD）的诊断	计算机视觉	骨关节疾病	深度学习	对象检测算法和图像分类网络	超声图像	196名棒球运动员（平均年龄11.2岁）用于训练和验证，20名棒球运动员用于外部数据集评估
23074	2024-08-07	Simultaneous detection of dental caries and fissure sealant in intraoral photos by deep learning: a pilot study 2024-May-12, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04254-1 PMID:38735954	研究论文	本研究构建了一个基于深度学习的模型（ToothNet），用于在口腔内照片中同时检测牙病和裂隙封闭剂	提出了一种基于深度学习的模型ToothNet，能够同时在口腔内照片中检测牙病和裂隙封闭剂	NA	构建一个深度学习模型，用于在口腔内照片中同时检测牙病和裂隙封闭剂	口腔内照片中的牙病和裂隙封闭剂	计算机视觉	牙病	深度学习	YOLOX	图像	1020张口腔内照片，来自762名志愿者
23075	2024-08-07	Distance plus attention for binding affinity prediction 2024-May-12, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00844-x PMID:38735985	研究论文	本文提出了一种结合原子级距离特征和注意力机制的方法，用于提高蛋白质-配体结合亲和力的预测精度	创新地引入了基于距离的特征来预测蛋白质-配体结合亲和力，利用独特的分子间相互作用，并结合特定残基的蛋白质序列特征，增强了模型捕捉复杂结合模式的能力	NA	提高蛋白质-配体结合亲和力的预测精度，以减少药物开发的时间和成本	蛋白质-配体结合亲和力	机器学习	NA	深度学习	注意力机制	分子图	在CASF-2016数据集上进行了验证，并在五个其他基准数据集上进行了测试
23076	2024-08-07	Unveiling interatomic distances influencing the reaction coordinates in alanine dipeptide isomerization: An explainable deep learning approach 2024-May-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0203346 PMID:38748008	研究论文	本研究通过深度学习方法，探讨了丙氨酸二肽异构化反应中，原子间距离对反应坐标的影响，并利用可解释的人工智能框架量化了各输入变量的重要性	本研究采用原子间距离和键角作为深度学习的输入变量，而非传统的二面角，通过可解释的人工智能框架，成功识别了影响过渡状态的特定原子间距离	NA	探讨丙氨酸二肽异构化反应中，原子间距离对反应坐标的影响，并利用深度学习方法构建自由能景观	丙氨酸二肽的异构化反应及其自由能景观	机器学习	NA	深度学习	深度学习模型	原子间距离和键角	NA
23077	2024-08-07	Deep learning path-like collective variable for enhanced sampling molecular dynamics 2024-May-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0202156 PMID:38748013	研究论文	本文介绍了一种新的路径类集体变量“深度局部非线性嵌入”，用于增强采样分子动力学，该变量基于局部线性嵌入技术原理，并通过反应轨迹训练得到	提出的深度局部非线性嵌入变量能够自动生成非线性特征组合，通过可微分的广义自编码器结合神经网络与连续k近邻选择，无需事先手动选择地标	NA	解决现有集体变量在描述反应路径上的局限性	路径类集体变量在分子动力学中的应用	机器学习	NA	分子动力学模拟	神经网络	轨迹数据	包括Müller-Brown势能模型和丙氨酸二肽在内的玩具模型，以及RNA四环的分子动力学模拟
23078	2024-08-07	Revealing the reconstruction mechanism of AgPd nanoalloys under fluorination based on a multiscale deep learning potential 2024-May-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0205616 PMID:38748027	研究论文	本文开发了一种可推广的Ag-Pd-F系统的深度学习势能，用于研究氟化过程中AgPd纳米合金的结构演变	开发了一种基于多尺度深度学习势能的方法，用于精确预测吸附能、表面能、形成能和扩散能垒	NA	揭示AgPd纳米合金在氟化过程中的重构机制	AgPd纳米合金的结构演变及其在氟化过程中的行为	机器学习	NA	深度学习	深度学习模型	结构数据	包括体相、表面、纳米团簇、非晶态和点缺陷等多种配置的数据集
23079	2024-08-07	Automated machine learning model for fundus image classification by health-care professionals with no coding experience 2024-05-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60807-y PMID:38710726	研究论文	评估无代码深度学习（CFDL）平台在眼科视网膜图像二元结果预测中的可行性，比较Google Vertex和Amazon Rekognition两个平台，并使用两个公开数据集Messidor-2和BRSET进行模型开发	首次评估了无代码深度学习平台在眼科视网膜图像分类中的应用，展示了这些平台在无需编程经验的情况下实现高精度的可能性	研究仅限于两个特定的CFDL平台和两个数据集，可能需要进一步验证在其他平台和数据集上的泛化能力	探讨无代码深度学习平台在眼科视网膜图像分类中的应用可行性	评估Google Vertex和Amazon Rekognition平台在视网膜图像分类任务中的性能	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	使用Messidor-2和BRSET两个数据集，具体样本数量未详细说明
23080	2024-08-07	Deep learning-based quantification and transcriptomic profiling reveal a methyl jasmonate-mediated glandular trichome formation pathway in Cannabis sativa 2024-May, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.16663 PMID:38332528	研究论文	本研究开发了一种基于深度学习的模型CGTDM，用于区分和量化大麻腺毛的三种类型，并通过基因共表达网络分析揭示了甲基茉莉酸（MeJA）介导的腺毛形成途径	首次使用深度学习模型CGTDM量化大麻腺毛，并通过基因共表达网络分析揭示了MeJA介导的腺毛形成途径	NA	探索大麻腺毛发育的分子机制及其与次生代谢物的关系	大麻腺毛的发育及其分子过程	机器学习	NA	深度学习	CNN	基因表达数据	八个不同时间点的样本