深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
33021	2024-08-14	Machine Learning-Based Personalized Prediction of Hepatocellular Carcinoma Recurrence After Radiofrequency Ablation 2022, Gastro hep advances DOI:10.1016/j.gastha.2021.09.003 PMID:39129938	研究论文	本研究旨在开发一种机器学习模型，用于预测接受射频消融治疗后的肝细胞癌患者复发风险	开发了一种新的机器学习模型，用于个性化预测肝细胞癌复发风险，并能输出每个患者的个性化累积复发预测曲线	NA	开发机器学习模型以预测肝细胞癌复发风险	接受射频消融治疗的肝细胞癌患者	机器学习	肝细胞癌	射频消融	梯度提升决策树（GBDT）	临床数据	1778名患者	NA	NA	NA	NA
33022	2024-08-14	Deep Learning for Automatic Identification and Characterization of the Bleeding Potential of Enteric Protruding Lesions in Capsule Endoscopy 2022, Gastro hep advances DOI:10.1016/j.gastha.2022.04.008 PMID:39131843	研究论文	本文开发了一种基于卷积神经网络（CNN）的算法，用于自动检测和表征胶囊内镜中的小肠突出性病变及其出血潜力	本文首次开发了一种基于CNN的算法，能够自动检测和表征小肠突出性病变的多样性形态，并评估其出血潜力	NA	开发一种自动检测小肠突出性病变的算法，以提高胶囊内镜的诊断效率	小肠突出性病变	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	2565名患者的21,320张胶囊内镜图像	NA	NA	NA	NA
33023	2024-08-14	Protein structure prediction by AlphaFold2: are attention and symmetries all you need? 2021-Aug-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798321007531 PMID:34342271	研究论文	本文探讨了AlphaFold2在蛋白质结构预测中的应用，特别是其使用注意力机制、对称性和端到端可微性框架的关键特征	AlphaFold2利用深度学习技术，通过注意力机制和Transformer模型捕捉长程依赖关系，以及利用对称性原则在三维空间中推理蛋白质结构，展示了深度学习在结构预测中的强大能力	文章讨论了AlphaFold2不明确依赖物理原则进行结构预测的潜在影响，暗示了可能存在的局限性	研究蛋白质结构预测的新方法，特别是深度学习在生物信息学中的应用	蛋白质的3D结构及其从初级序列中的计算预测	生物信息学	NA	深度学习	Transformer	蛋白质序列数据	NA	NA	NA	NA	NA
33024	2024-08-14	Deep Learning Method to Accelerate Discovery of Hybrid Polymer-Graphene Composites 2021-Jul-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-94085-9 PMID:34301976	research paper	本文开发了一种基于电子结构计算和大数据挖掘的多学科综合方法，用于设计吸附在石墨烯和二氧化硅上的混合聚合物。	本文利用密度泛函理论和机器学习结合神经网络和统计分析，创新性地设计了基于少量简单分子构建块的1D/2D聚合物。	NA	旨在通过理解纳米尺度分子间相互作用，从底层设计分子器件。	研究对象为吸附在石墨烯和二氧化硅上的聚合物薄层的界面编码性质。	machine learning	NA	密度泛函理论 (DFT), 机器学习 (ML)	神经网络 (NN)	NA	少量简单分子构建块	NA	NA	NA	NA
33025	2024-08-14	Neural-ODE for pharmacokinetics modeling and its advantage to alternative machine learning models in predicting new dosing regimens 2021-Jul-23, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102804 PMID:34308294	研究论文	本文提出了一种基于神经常微分方程（neural-ODE）的深度学习方法，用于预测个体患者的药代动力学（PK），并测试了其在不同给药方案下的泛化能力	首次将神经常微分方程应用于药代动力学建模，并在预测未测试的给药方案时表现出更高的准确性	NA	开发一种新的深度学习方法，以提高药代动力学模型在不同给药方案下的预测准确性	药代动力学模型及其在不同给药方案下的预测能力	机器学习	NA	neural-ODE	neural-ODE	数据	使用了两种不同治疗方案的药代动力学数据	NA	NA	NA	NA
33026	2024-08-14	Genomic Selection for End-Use Quality and Processing Traits in Soft White Winter Wheat Breeding Program with Machine and Deep Learning Models 2021-Jul-20, Biology DOI:10.3390/biology10070689 PMID:34356544	研究论文	研究利用机器学习和深度学习模型预测软白冬小麦育种计划中的终端使用质量和加工特性	本研究首次探索了机器学习和深度学习模型在冬小麦育种中预测十四种终端使用质量特性的潜力，发现深度学习模型在所有预测场景中优于传统的岭回归最佳线性无偏预测（RRBLUP）和贝叶斯模型	研究仅在两个地点（Pullman和Lind, WA, USA）进行了五年（2015-19）的筛选，可能需要更多地点和更长时间的验证	旨在提高小麦育种计划中终端使用质量和加工特性的预测准确性	软白冬小麦的终端使用质量和加工特性	机器学习	NA	机器学习和深度学习	卷积神经网络（CNN）和多层感知器（MLP）	基因组数据	666个小麦基因型	NA	NA	NA	NA
33027	2024-08-14	Identification of Neurodegenerative Diseases Based on Vertical Ground Reaction Force Classification Using Time-Frequency Spectrogram and Deep Learning Neural Network Features 2021-Jul-08, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci11070902 PMID:34356136	研究论文	本研究开发了一种基于深度学习方法的新型识别算法，用于根据垂直地面反作用力（vGRF）信号分类神经退行性疾病（NDDs）	本研究通过将时间域vGRF信号转换为时间-频率谱图，并利用连续小波变换（CWT）和主成分分析（PCA）进行特征增强，创新地提高了NDDs的分类准确性	NA	帮助医生在早期检测NDDs，制定有效的治疗计划，并监测疾病进展	神经退行性疾病（NDDs）的分类	机器学习	神经退行性疾病	连续小波变换（CWT），主成分分析（PCA）	卷积神经网络（CNN）	时间-频率谱图	五分钟的垂直地面反作用力信号被分为10、30和60秒的连续时间窗口	NA	NA	NA	NA
33028	2024-08-14	Integrating Patient Data Into Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review 2021-07-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/20708 PMID:34255646	综述	本文综述了将患者数据整合到基于卷积神经网络的皮肤癌分类中的研究进展	探讨了整合图像特征和患者数据对基于CNN的皮肤癌图像分类性能的影响	关于个体患者数据如何具体增强分类性能，尤其是在多类别分类问题中，仍不明确	评估不同类型的患者数据、非图像数据的编码和合并方式，以及整合对分类器性能的影响	皮肤癌分类	计算机视觉	皮肤癌	卷积神经网络(CNN)	CNN	图像	11篇符合条件的出版物	NA	NA	NA	NA
33029	2024-08-14	Determining Chess Game State from an Image 2021-Jun-02, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7060094 PMID:39080882	研究论文	本文提出了一种新的国际象棋棋盘状态识别系统，结合传统计算机视觉技术和深度学习，通过合成的大型3D模型数据集进行训练，实现了从图像中准确识别棋盘配置	本文提出的系统通过结合传统计算机视觉技术和深度学习，实现了对棋盘状态的高精度识别，并且能够适应未见过的棋盘设置	当前方法受限于缺乏大型数据集，并且无法适应未见过的棋盘设置	帮助业余棋手通过自动计算机分析提高棋艺，无需手动输入棋子	从图像中识别国际象棋棋盘的配置	计算机视觉	NA	RANSAC算法，卷积神经网络	CNN	图像	合成的大型3D模型数据集，比现有数据集大一个数量级	NA	NA	NA	NA
33030	2024-08-14	Automated coronary calcium scoring using deep learning with multicenter external validation 2021-Jun-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00460-1 PMID:34075194	研究论文	本文介绍了使用深度学习模型自动进行冠状动脉钙化评分的方法，并在多中心外部数据集上进行了验证	提出了两种深度学习模型，能够自动对冠状动脉钙化进行评分，适用于专门的冠状CT检查和常规非门控胸部CT检查	当前临床实践中，冠状动脉钙化评分的实施存在一些限制，如缺乏保险覆盖、需要昂贵的CT设备、专门的成像协议和认证的3D成像实验室等	开发一种自动化的冠状动脉钙化评分方法，以提高筛查效率和早期预防干预的可能性	冠状动脉钙化评分	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	训练集包括341个样本，测试集包括42个斯坦福样本和46个MESA样本，外部验证集包括303个样本	NA	NA	NA	NA
33031	2024-08-14	Lessons Learned from the COVID-19 Pandemic: Emphasizing the Emerging Role and Perspectives from Artificial Intelligence, Mobile Health, and Digital Laboratory Medicine 2021-Jun, EJIFCC PMID:34421492	研究论文	本文探讨了人工智能、移动健康和数字实验室医学在COVID-19大流行中的应用和挑战	文章强调了人工智能在疫情预防和控制中的重要作用，以及移动健康和物联网技术的应用	NA	研究旨在评估和应用人工智能、移动健康和数字实验室医学技术在COVID-19大流行中的作用	COVID-19大流行中的人工智能、移动健康和数字实验室医学技术	机器学习	NA	人工智能	机器学习	NA	NA	NA	NA	NA	NA
33032	2024-08-14	Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus 2021-02-01, Journal of neurosurgery. Pediatrics DOI:10.3171/2020.6.PEDS20251 PMID:33260138	研究论文	本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中	该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速	NA	开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策	200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算	计算机视觉	儿童脑积水	深度学习	编码器-解码器卷积神经网络	T2加权MRI图像	200名阻塞性脑积水儿童和199名对照组	NA	NA	NA	NA
33033	2024-08-14	An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models 2021, Journal of healthcare engineering DOI:10.1155/2021/8113403 PMID:34326979	研究论文	本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别	本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误	研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一	提高皮肤病学图像的质量和分类准确性，以辅助诊断	七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌	计算机视觉	皮肤疾病	遗传算法（GA）	卷积神经网络（CNN）	图像	涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85%	NA	NA	NA	NA
33034	2024-08-14	Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram 2018-12-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aaf339 PMID:30524025	研究论文	本研究使用心电图（ECG）中的节拍检测、时频域中的心肺耦合以及深度卷积神经网络（CNN）来分类睡眠阶段	提出的基于ECG的睡眠阶段分类方法在非脑电图数据上取得了最高报告结果，并使用了比先前研究大十倍的数据集	NA	从单导联心电图中分类睡眠阶段	睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠和非快速眼动深睡眠）	机器学习	NA	深度卷积神经网络（CNN）	CNN	心电图（ECG）数据	使用了MIT-BIH多导睡眠图数据库（SLPDB）、PhysioNet/计算心脏病学挑战2018数据库（CinC2018）和睡眠心脏健康研究（SHHS）数据库	NA	NA	NA	NA
33035	2024-08-13	Magnitude and angle dynamics in training single ReLU neurons 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106435 PMID:38970945	研究论文	本研究深入探讨了单个ReLU神经元在平方损失下的梯度流w(t)的训练动态，将其分解为幅度‖w(t)‖和角度φ(t)两个部分，并建立了这些部分的上限和下限以阐明收敛动态	本研究首次详细分解并分析了单个ReLU神经元的权重向量动态，填补了该领域的知识空白	研究主要集中在单个ReLU神经元和两层多神经元网络上，尚未扩展到更深层次的网络	理解深度ReLU网络的训练动态	单个ReLU神经元的权重向量动态	机器学习	NA	梯度下降法	ReLU神经元	NA	NA	NA	NA	NA	NA
33036	2024-08-13	Aligning the domains in cross domain model inversion attack 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106490 PMID:38968777	研究论文	本文研究了在跨域模型逆向攻击中对齐不同域分布的问题	提出了域对齐模型逆向攻击（DA-MIA）和带有辅助分类器的域对齐模型逆向攻击（DA-MIA-AC），以解决因域分布差异导致的特征向量和预测向量逆向重建难题	未提及具体限制	旨在改进跨域模型逆向攻击中的图像重建和分类准确性	跨域模型逆向攻击中的特征向量和预测向量	机器学习	NA	模型逆向攻击	DA-MIA, DA-MIA-AC	图像	未提及具体样本数量	NA	NA	NA	NA
33037	2024-08-13	When an extra rejection class meets out-of-distribution detection in long-tailed image classification 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106485 PMID:38959597	研究论文	本文提出了一种三分支训练框架，用于在长尾图像分类中进行异常检测，通过引入额外的拒绝类别和辅助异常训练数据来提高检测性能	提出了一种有效的三分支训练框架，结合了内部损失、异常损失和尾部类别原型诱导的监督对比损失（TSCL），以在一个网络中训练分布内分类器和异常检测器	NA	提高在长尾分布训练集上的异常检测性能	长尾图像分类中的异常检测	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	NA	NA
33038	2024-08-13	A Semi-supervised Gaussian Mixture Variational Autoencoder method for few-shot fine-grained fault diagnosis 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106482 PMID:38945116	研究论文	提出了一种半监督高斯混合变分自编码器方法SeGMVAE，用于少样本细粒度故障诊断	引入高斯混合作为变分自编码器的多模态先验分布，并通过期望最大化算法动态优化，以构建任务和未标记样本的潜在表示，实现元学习	NA	解决实际工程中由于标记高质量故障样本稀缺导致的细粒度故障诊断难题	机械故障的细粒度诊断	机器学习	NA	变分自编码器	高斯混合变分自编码器	样本数据	少量标记样本	NA	NA	NA	NA
33039	2024-08-13	A topological description of loss surfaces based on Betti Numbers 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106465 PMID:38943863	研究论文	本文通过贝蒂数对深度学习模型中的损失函数表面进行拓扑描述，以更好地理解基于梯度下降的训练方法	提供了一种拓扑度量方法来评估多层神经网络中损失函数的复杂性	NA	旨在通过拓扑方法更好地理解深度学习模型的训练过程	多层神经网络的损失函数复杂性	机器学习	NA	NA	多层神经网络	NA	NA	NA	NA	NA	NA
33040	2024-08-13	Spiking generative adversarial network with attention scoring decoding 2024-Oct, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106423 PMID:38906053	研究论文	本文构建了一种能够处理复杂图像并具有更高性能的尖峰生成对抗网络，通过引入地球移动距离和基于注意力的加权解码方法，解决了尖峰生成对抗网络中的域外不一致性和时间不一致性问题	首次构建了能够处理复杂图像的尖峰生成对抗网络，并引入了地球移动距离和基于注意力的加权解码方法，显著提高了算法在多个数据集上的性能	NA	探索和改进基于尖峰神经网络的生成模型性能	尖峰生成对抗网络及其在复杂图像和事件数据上的应用	机器学习	NA	尖峰神经网络	生成对抗网络（GAN）	图像	包括MNIST、FashionMNIST、CIFAR10和CelebA等多个数据集	NA	NA	NA	NA