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
23081	2024-08-07	Comparative analysis of the spatial distribution of brain metastases across several primary cancers using machine learning and deep learning models 2024-May, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-024-04630-5 PMID:38563856	研究论文	本文通过机器学习和深度学习模型，比较了几种原发癌脑转移的空间分布	系统地比较了不同原发癌脑转移的解剖分布，并利用机器学习和深度学习模型进行了精确分类	NA	研究脑转移的解剖分布差异，以改善早期检测和监测	五种不同原发癌类型的脑转移空间坐标	机器学习	NA	机器学习算法（RF, SVM, TabNet DL）	SVM, TabNet	空间坐标数据	3949个颅内转移
23082	2024-08-07	Deep neural network uncertainty estimation for early oral cancer diagnosis 2024-May, Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology IF:2.7Q2 DOI:10.1111/jop.13536 PMID:38632703	研究论文	本研究探索使用深度学习中的不确定性估计方法进行早期口腔癌诊断	开发了一种名为'概率性HRNet'的贝叶斯深度学习模型，利用集合MC dropout方法在HRNet上进行不确定性估计	研究仅限于回顾性分析，未涉及前瞻性临床试验	提高早期口腔癌诊断的准确性和可靠性	口腔癌的早期诊断	机器学习	口腔癌	深度学习	HRNet	图像	两个具有不同分布的口腔病变数据集
23083	2024-08-07	Enhancing hydrological modeling with transformers: a case study for 24-h streamflow prediction 2024-May, Water science and technology : a journal of the International Association on Water Pollution Research IF:2.5Q2 DOI:10.2166/wst.2024.110 PMID:38747952	研究论文	本文使用先进的深度学习模型，特别是变换器架构，解决24小时径流预测的关键任务，并比较了五种不同模型在四个不同区域的性能	本文首次在径流预测任务中广泛应用变换器架构，并展示了其在捕捉复杂时间依赖性和模式方面的优越性	NA	研究如何利用先进的深度学习技术提高径流预测的准确性和可靠性	24小时径流预测任务	机器学习	NA	深度学习	变换器	时间序列数据	四个不同区域的数据
23084	2024-08-07	NanoBERTa-ASP: predicting nanobody paratope based on a pretrained RoBERTa model 2024-Mar-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05750-5 PMID:38515052	研究论文	本文介绍了一种名为NanoBERTa-ASP的新型纳米抗体预测模型，专门用于预测纳米抗体-抗原结合位点	该模型基于先进的自然语言处理模型BERT，采用RoBERTa方法学习纳米抗体序列的上下文信息，以准确预测其结合位点	现有的预测模型可能不适用于纳米抗体，且纳米抗体数据集的有限性对构建准确模型构成挑战	开发一种适用于纳米抗体的预测模型，以提高抗体工程、药物开发和免疫治疗的准确性	纳米抗体的结合位点预测	自然语言处理	NA	RoBERTa	BERT	序列数据	NA
23085	2024-08-07	Fully automatic mpMRI analysis using deep learning predicts peritumoral glioblastoma infiltration and subsequent recurrence 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3001752 PMID:38742150	研究论文	本研究提出了一种利用深度学习进行全自动多参数磁共振成像（mpMRI）分析的方法，用于预测胶质母细胞瘤（GBM）的肿瘤浸润和复发	本研究创新性地结合了全自动方法生成感兴趣区域（ROIs）与深度学习算法，创建肿瘤浸润的预测图，避免了传统方法对专家绘制的ROIs的依赖	NA	开发一种全自动的mpMRI分析方法，以早期准确检测胶质母细胞瘤的肿瘤浸润	胶质母细胞瘤（GBM）患者的肿瘤浸润和复发	机器学习	脑肿瘤	多参数磁共振成像（mpMRI）	卷积神经网络（CNN）	图像	使用了多个mpMRI扫描序列（T1、T1Gd、T2、T2-FLAIR和ADC）进行训练和验证
23086	2024-08-07	Convolutional Neural Networks for Glioma Segmentation and Prognosis: A Systematic Review 2024, Critical reviews in oncogenesis DOI:10.1615/CritRevOncog.2023050852 PMID:38683153	综述	本文综述了卷积神经网络（CNN）在胶质瘤分割和预后预测中的应用	CNN在医学影像处理中的应用，特别是在胶质瘤分类和预后预测中的创新应用	模型可解释性、数据可用性和计算效率方面的挑战	探讨CNN在神经肿瘤学领域中的应用及其未来发展方向	胶质瘤的分割、分类和预后预测	计算机视觉	脑癌	CNN	CNN	图像	NA
23087	2024-08-07	A multifaceted suite of metrics for comparative myoelectric prosthesis controller research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291279 PMID:38739557	研究论文	本文提出了一套全面的肌电假肢控制评估指标，用于分析设备运动细节，包括任务表现、控制特性和用户体验	引入了新的肌电假肢控制评估指标，能够更详细地分析设备运动质量和用户意图匹配度，以及用户对设备可靠性和控制器训练要求的看法	NA	开发适用于个人的假肢控制器，以预测用户的意图运动	肌电假肢控制器及其在复杂功能任务中的表现	机器人技术	NA	深度学习	循环卷积神经网络（RCNN）	NA	8名无上肢损伤的参与者
23088	2024-08-07	Transformer-based framework for multi-class segmentation of skin cancer from histopathology images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1380405 PMID:38741771	研究论文	本文提出了一种基于Transformer的模型，用于从组织病理学图像中对皮肤癌进行多类别分割	该研究通过不确定性图谱可视化模型预测的置信度，这是与大多数深度学习方法的区别	NA	旨在开发一种智能决策支持系统，以解决专家数量有限的问题，并帮助缓解城市中心与偏远地区之间的医疗服务差距	非黑色素瘤皮肤癌，包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和表皮内癌（IEC）	数字病理学	皮肤癌	Transformer	Transformer	图像	使用公开可用的数据集进行评估
23089	2024-08-07	Design of urban road fault detection system based on artificial neural network and deep learning 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1369832 PMID:38741790	研究论文	本文提出了一种基于人工神经网络和深度学习的城市道路故障检测系统，通过结合图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，实现高效准确的道路故障检测	本研究创新性地结合了图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，提高了道路故障检测的准确性	NA	提高城市交通管理中的道路故障检测效率和安全性	城市道路故障检测系统	机器学习	NA	图卷积网络（GCN）、双向门控循环单元（BiGRU）、自注意力机制	多层感知器（MLP）	道路拓扑图、交通数据	使用标记的道路故障数据进行训练
23090	2024-08-07	Identifying pests in precision agriculture using low-cost image data acquisition 2024, Brazilian journal of biology = Revista brasleira de biologia DOI:10.1590/1519-6984.281671 PMID:38747863	研究论文	本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性	本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术	NA	探索无人机在精准农业中识别害虫的应用	评估VGG-16、CNN和FCN模型在植物病害检测中的有效性	计算机视觉	NA	深度学习	CNN	图像	NA
23091	2024-08-07	Deep learning prediction of hospital readmissions for asthma and COPD 2023-Dec-13, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-023-02628-7 PMID:38093373	研究论文	本研究旨在通过电子健康记录（EHR）数据，利用机器学习和深度学习模型预测哮喘和慢性阻塞性肺病（COPD）患者的再入院风险	本研究首次采用多层感知器（一种深度学习方法）在预测哮喘和COPD患者再入院方面表现出最佳的敏感性和特异性	NA	通过EHR数据和深度学习技术提高高风险患者的检测	哮喘和COPD患者的再入院风险	机器学习	哮喘，慢性阻塞性肺病	深度学习	多层感知器	电子健康记录数据	5,794名患者，其中1,893名哮喘患者和3,901名COPD患者
23092	2024-08-07	Environmental Impacts of Machine Learning Applications in Protein Science 2023-12-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041473 PMID:38040454	research paper	本文总结了蛋白质科学对环境的负面影响，并展示了分子模拟、蛋白质相互作用推断和蛋白质结构预测等流行蛋白质算法的碳足迹	本文首次详细分析了大型深度学习模型如AlphaFold和ESMFold在蛋白质科学应用中的碳足迹	文章未提及具体的减排技术和方法的实施细节	探讨机器学习在蛋白质科学应用中的环境影响，并提出可持续发展的策略	蛋白质科学中的机器学习应用及其环境影响	machine learning	NA	deep learning	CNN	NA	NA
23093	2024-08-07	Motion Compensated Unsupervised Deep Learning for 5D MRI 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_40 PMID:38737212	研究论文	提出一种无监督深度学习算法，用于从3D径向采集数据中进行5D心脏MRI数据的动补偿重建	该算法是一种更数据高效的选择，用于当前的动解析重建方法	NA	简化扫描规划，提高患者舒适度，并提供比呼吸保持2D检查更多的临床优势	5D心脏MRI数据的动补偿重建	计算机视觉	NA	MRI	卷积神经网络	图像	两个受试者的5D bSSFP数据集
23094	2024-08-07	Digital Histopathology by Infrared Spectroscopic Imaging 2023-06-14, Annual review of analytical chemistry (Palo Alto, Calif.) DOI:10.1146/annurev-anchem-101422-090956 PMID:37068745	综述	本文综述了红外（IR）光谱成像技术在数字组织病理学中的应用，特别关注了其在病理学中的仪器性能、数据处理方法、机器学习应用以及工作流程的讨论	结合红外光谱成像与人工智能，为组织病理学提供了一种新的对比机制，有望改变目前依赖人类检查染色组织形态模式的实践	NA	探讨红外光谱成像技术在组织病理学中的应用及其标准化	红外光谱成像技术及其在组织病理学中的应用	数字病理学	NA	红外光谱成像	深度学习	图像	NA
23095	2024-08-07	TransMHCII: a novel MHC-II binding prediction model built using a protein language model and an image classifier 2023-Apr, Antibody therapeutics DOI:10.1093/abt/tbad011 PMID:37342671	研究论文	本文介绍了一种利用蛋白质语言模型提取特征来预测主要组织相容性复合体II类（MHC-II）肽结合亲和力的方法，采用了一种新颖的迁移学习方法，将模型骨干替换为设计用于图像分类任务的架构。	本文提出的TransMHCII模型在接收者操作特征曲线下面积、平衡精度和Jaccard分数上优于NetMHCIIpan 3.2和NetMHCIIpan 4.0-BA，展示了架构创新在生物学问题深度学习模型开发中的潜力。	NA	开发一种新的MHC-II结合预测模型，利用蛋白质语言模型和图像分类器的特征。	主要组织相容性复合体II类（MHC-II）肽的结合亲和力。	机器学习	NA	蛋白质语言模型（PLMs）和图像分类器	EfficientNet v2b0, EfficientNet v2m 或 ViT-16	图像	NA
23096	2024-08-07	ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL) 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230471 PMID:38738185	研究论文	本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用	MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率	NA	验证MOL框架在并行MRI加速中的有效性	并行MRI加速	计算机视觉	NA	单调算子学习（MOL）	CNN	图像	NA
23097	2024-08-07	De novo design of small beta barrel proteins 2023-03-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2207974120 PMID:36897987	研究论文	本文探讨了使用Rosetta能量方法和深度学习方法从头设计小型beta桶蛋白拓扑结构	使用深度学习进行骨架生成和Rosetta进行序列设计的方法提高了设计成功率和结构多样性	小型beta桶蛋白的设计存在挑战，如小尺寸导致的疏水核心小和桶闭合的构象应变	探索和设计小型beta桶蛋白的拓扑结构，以增加可用作感兴趣蛋白靶标结合剂的蛋白形状空间	小型beta桶蛋白，包括Src同源3（SH3）和核酸/多糖结合（OB）拓扑结构以及罕见的五和六上-下-链桶	蛋白质设计	NA	Rosetta能量方法和深度学习	深度学习模型	蛋白质结构	四种小型beta桶折叠结构
23098	2024-08-07	Label-free hyperspectral imaging and deep-learning prediction of retinal amyloid β-protein and phosphorylated tau 2022-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgac164 PMID:36157597	research paper	本研究开发了一种无标记的超光谱成像方法，用于检测视网膜中Aβ和pS396-Tau的谱特征，并利用深度学习预测其在视网膜横截面中的分布	首次报道了pTau的谱特征，并展示了深度学习在准确预测Aβ和pTau分布方面的应用	NA	开发一种无标记的超光谱成像方法，用于检测和预测视网膜中Aβ和pTau的分布，为阿尔茨海默病的无标记检测奠定基础	视网膜中的Aβ和pTau	computer vision	阿尔茨海默病	超光谱成像	深度学习	图像	NA
23099	2024-08-07	ArtSeg-Artifact segmentation and removal in brightfield cell microscopy images without manual pixel-level annotations 2022-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14703-y PMID:35794119	研究论文	本文提出了一种名为ScoreCAM-U-Net的管道，用于在明场细胞显微镜图像中自动分割和去除视觉伪影，无需手动像素级标注	该方法使用图像级标签进行训练，大大加快了训练过程，同时不显著牺牲分割性能	NA	开发一种自动化的方法来分割和去除明场细胞显微镜图像中的伪影，以改善下游分析	明场细胞显微镜图像中的伪影	计算机视觉	NA	深度卷积神经网络	U-Net	图像	三个不同的明场显微镜图像数据集
23100	2024-08-07	A Reproducible Deep-Learning-Based Computer-Aided Diagnosis Tool for Frontotemporal Dementia Using MONAI and Clinica Frameworks 2022-Jun-23, Life (Basel, Switzerland) DOI:10.3390/life12070947 PMID:35888037	研究论文	本文介绍了一种基于Clinica和MONAI框架的可重复且可靠的计算机辅助诊断工具的开发，用于检测额颞叶痴呆（FTD）	提出了一个可重复的计算机辅助诊断开发工作流程，并应用了可解释的人工智能方法来理解模型行为	文章未明确提及具体的局限性	开发一种标准化的计算机辅助诊断工具，以促进人工智能产品在医疗系统中的应用	额颞叶痴呆（FTD）的检测	计算机视觉	神经退行性疾病	深度学习（DL）	NA	3D MRI数据	数据来自NIFD数据库