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
13301	2024-08-07	nanoTRON: a Picasso module for MLP-based classification of super-resolution data 2020-06-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa154 PMID:32145010	research paper	本文介绍了nanoTRON工具，这是一个基于图像识别的交互式开源工具，用于超分辨率数据的分类	nanoTRON是第一个带有图形用户界面的深度学习工具，扩展了Picasso软件包	NA	开发一个自动化的工具来分类超分辨率图像数据	超分辨率图像数据	computer vision	NA	深度学习	MLP（多层感知器）	image	NA
13302	2024-08-07	Deep learning-based fully automated detection and segmentation of lymph nodes on multiparametric-mri for rectal cancer: A multicentre study 2020-Jun, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2020.102780 PMID:32512507	研究论文	本研究开发并验证了一种基于深度学习的全自动淋巴结检测和分割模型，用于直肠癌的多参数磁共振成像	本研究首次提出了一种基于多参数磁共振成像的全自动淋巴结检测和分割模型，通过深度学习框架Mask R-CNN实现，显著提高了检测和分割的效率和准确性	本研究仅在单一中心进行了模型训练，并在内部和外部数据集上进行了验证，未来需要在更多中心进行验证以确保模型的泛化能力	开发并验证一种基于深度学习的全自动淋巴结检测和分割模型，以提高直肠癌分期中淋巴结评估的准确性和效率	直肠癌患者的淋巴结	机器学习	直肠癌	多参数磁共振成像（mpMRI）	Mask R-CNN	图像	5789个标注的淋巴结（直径≥3mm）来自293名直肠癌患者
13303	2024-08-07	Deep learning approach for diabetes prediction using PIMA Indian dataset 2020-Jun, Journal of diabetes and metabolic disorders IF:1.8Q4 DOI:10.1007/s40200-020-00520-5 PMID:32550190	研究论文	本文利用PIMA印度数据集，通过深度学习方法预测糖尿病	使用深度学习技术在PIMA数据集上实现了高达98.07%的预测准确率	研究仅使用了PIMA数据集，未涉及其他数据集或更广泛的数据类型	开发一种有效的预测工具，帮助医生早期发现糖尿病并推荐生活方式改变	糖尿病的早期检测和预防	机器学习	糖尿病	深度学习	深度学习	数据集	PIMA数据集
13304	2024-08-07	Application of deep learning technique to manage COVID-19 in routine clinical practice using CT images: Results of 10 convolutional neural networks 2020-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.103795 PMID:32568676	研究论文	本研究利用深度学习技术，通过10种卷积神经网络对CT图像进行分析，以快速诊断COVID-19并辅助临床管理	使用10种不同的卷积神经网络模型，特别是ResNet-101和Xception，显著提高了COVID-19的诊断准确性	研究仅限于CT图像分析，未涉及其他诊断方法的比较	开发一种快速有效的COVID-19诊断方法，以辅助高负荷条件下的临床管理	COVID-19患者和其他非COVID-19肺炎患者的CT图像	计算机视觉	COVID-19	深度学习	卷积神经网络	图像	1020张CT切片，包括108名COVID-19患者和86名其他肺炎患者
13305	2024-08-07	Genomic analysis of the natural history of attention-deficit/hyperactivity disorder using Neanderthal and ancient Homo sapiens samples 2020-05-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-65322-4 PMID:32451437	研究论文	本研究利用尼安德特人和古代智人样本的基因组分析，探讨了注意力缺陷多动障碍（ADHD）的自然历史	首次利用古人类样本的基因组数据，结合现代人群的GWAS元分析，探讨ADHD相关等位基因的进化历史	研究主要集中在欧洲人群，可能无法完全代表全球ADHD的遗传特征	验证ADHD相关等位基因在古人类中的进化趋势，并探讨其与环境变化的适应性	ADHD相关等位基因在古人类和现代人类中的分布和进化	遗传学	神经发育障碍	GWAS元分析	近似贝叶斯计算结合深度学习分析	基因组数据	包括超过20,000名ADHD患者和35,000名对照组
13306	2024-08-07	Data-driven analysis using multiple self-report questionnaires to identify college students at high risk of depressive disorder 2020-05-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-64709-7 PMID:32398788	研究论文	本研究利用深度学习、多模态表示和可解释性技术，通过分析临床问卷来诊断抑郁症	提出了一种新的数据驱动方法，通过共享表示模型在同一潜在空间中表示三种不同问卷形式的回答，并比较了无监督和半监督两种数据驱动诊断方法	无监督方法虽然考虑了更多项目，但性能较低，因为它试图最大化组间差异	开发一种新的数据驱动框架，用于分析与抑郁症直接或间接相关的项目，以诊断抑郁症	大学生中的高风险抑郁症患者	机器学习	抑郁症	深度学习	共享表示模型	问卷数据	未明确提及具体样本数量
13307	2024-08-07	Training deep learning algorithms with weakly labeled pneumonia chest X-ray data for COVID-19 detection 2020-May-08, medRxiv : the preprint server for health sciences DOI:10.1101/2020.05.04.20090803 PMID:32511448	研究论文	本文探讨了使用弱标签的肺炎胸片数据训练深度学习算法以检测COVID-19的方法	通过使用弱标签数据增强训练数据分布，提高了卷积神经网络算法在检测COVID-19感染胸片中的性能	NA	开发图像为基础的自动化决策支持工具，以减轻放射学负担	COVID-19感染的胸片检测	计算机视觉	肺部疾病	卷积神经网络	CNN	图像	使用来自公开可用CXR集合的弱标签图像进行数据增强
13308	2024-08-07	A Convolutional Neural Network-Based Approach for the Rapid Annotation of Molecularly Diverse Natural Products 2020-03-04, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.9b13786 PMID:32045230	研究论文	本文首次应用基于NMR的机器学习工具SMART 2.0进行混合物分析，加速发现和表征新的天然产物	采用SMART 2.0工具结合传统和深度学习辅助分析方法，克服了天然产物药物发现中的长期挑战	NA	加速天然产物的发现和表征	海洋丝状蓝藻提取物中的天然产物	机器学习	NA	NMR, MS	CNN	混合物	NA
13309	2024-08-07	Deep learning-enabled point-of-care sensing using multiplexed paper-based sensors 2020, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-020-0274-y PMID:32411827	研究论文	本文介绍了一种基于深度学习的框架，用于设计和量化点-of-care传感器，并以高灵敏度C-反应蛋白测试为例，展示了低成本和快速的纸基垂直流试剂盒	本文提出了一种机器学习框架，用于确定免疫反应点的最佳配置和条件，并在传感膜上进行空间多路复用，以准确推断目标分析物浓度	NA	开发一种成本效益高且便携的点-of-care传感器设计框架	高灵敏度C-反应蛋白测试，用于评估心血管疾病风险	机器学习	心血管疾病	深度学习	机器学习框架	纸基垂直流试剂盒	85个人类样本
13310	2024-08-05	New Technologies for Monitoring Coastal Ecosystem Dynamics 2024-Jul-26, Annual review of marine science IF:14.3Q1 DOI:10.1146/annurev-marine-040523-020221 PMID:39059419	研究论文	本文综述了用于监测沿海生态系统动态的新兴技术	文章整合了包括卫星监测、水上和水下无人机、现场传感器网络等新兴技术的最新文献	尽管有这些技术的进步，但沿海生态系统监测仍存在重大空白	研究如何应对气候变化和人为压力下沿海生态系统的管理	沿海生态系统监测技术	数字病理学	NA	人工智能与深度学习	NA	数据	NA
13311	2024-08-05	TUnA: an uncertainty-aware transformer model for sequence-based protein-protein interaction prediction 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae359 PMID:39051117	研究论文	本文提出了一个基于Transformer的模型TUnA，用于预测蛋白质-蛋白质相互作用并评估不确定性	TUnA结合了ESM-2嵌入和光谱标准化神经高斯过程，提供了对未见序列的预测不确定性评估	该模型的通用性可能仍受限于训练集的代表性	研究旨在提高蛋白质-蛋白质相互作用预测的准确性和不确定性评估	研究对象为蛋白质序列及其相互作用	机器学习	NA	NA	Transformer	序列数据	NA
13312	2024-08-05	Multi-modal co-learning with attention mechanism for head and neck tumor segmentation on 18FDG PET-CT 2024-Jul-25, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-024-00670-y PMID:39052194	研究论文	本文提出了一种新的深度学习方法，用于头颈癌的肿瘤分割。	提出的肿瘤区域注意模块充分利用了PET的高灵敏度，并设计了无需分离特征提取和融合功能的网络，利用了上下文信息的多尺度融合。	研究的局限性未在摘要中提及	提高头颈癌的肿瘤分割准确性，以支持放射治疗的有效性。	头颈癌肿瘤的分割，使用18FDG PET-CT影像。	数字病理学	头颈癌	深度学习	NA	医学影像	HECKTOR挑战2021数据集
13313	2024-08-05	Parkinson's image detection and classification based on deep learning 2024-Jul-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01364-8 PMID:39054448	研究论文	本文提出了一种基于深度学习的改进YOLOv5检测算法，用于预测和分类帕金森病的MRI图像	引入CA注意力机制提升模型对小病理特征的敏感性，并优化多层次图像特征提取	NA	提高帕金森病MRI图像的早期诊断准确性	582张来自108名患者的MRI图像数据集	计算机视觉	帕金森病	深度学习	YOLOv5s	图像	582张MRI图像
13314	2024-08-05	ChemReco: automated recognition of hand-drawn carbon-hydrogen-oxygen structures using deep learning 2024-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67496-7 PMID:39054356	研究论文	本文章介绍了ChemReco工具，能够识别手绘的化学分子结构	提出了合成图像方法以快速生成手绘化学分子结构的图像，并开发了高准确率的识别模型	目前关于手绘化学分子结构的研究有限	构建用于手绘化学分子结构识别的数据集	目标是识别绘制有C、H和O三种原子的化学分子结构	数字病理学	NA	深度学习	EfficientNet + Transformer	图像	NA
13315	2024-08-05	Context-aware geometric deep learning for protein sequence design 2024-Jul-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50571-y PMID:39054322	研究论文	这篇文章介绍了一种基于几何变换器的深度学习方法，用于蛋白质序列设计	引入了一种仅基于原子坐标和元素名称的几何变换器，能够在蛋白质设计过程中考虑非蛋白质实体	当前模型尚无法完美整合设计过程中所有可能的非蛋白质实体	旨在通过深度学习提升蛋白质设计的灵活性和效率	研究对象为蛋白质序列和分子环境对蛋白质功能的影响	生物信息学	NA	深度学习	几何变换器	序列数据	NA
13316	2024-08-05	A permutable MLP-like architecture for disease prediction from gut metagenomic data 2024-Jul-24, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05856-w PMID:39048979	研究论文	本文提出了一种基于可重排的多层感知器架构的模型用于从肠道宏基因组数据进行疾病预测	提出了Metagenomic Permutator模型，利用可重排的多层感知器网络结构捕捉微生物的系统发育信息	样本数量有限及宏基因组数据的高维度和稀疏性可能仍然对模型性能构成挑战	旨在提高深度学习在宏基因组数据分类和预测中的应用效果	使用肠道宏基因组数据分析微生物与疾病之间的关系	计算机视觉	NA	NA	可重排的多层感知器	宏基因组数据	NA
13317	2024-08-05	Research on a soft saturation nonlinear SSVEP signal feature extraction algorithm 2024-Jul-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67853-6 PMID:39048655	研究论文	本文提出了一种基于软饱和非线性模块的SSVEP信号识别深度学习网络模型e-SSVEPNet	引入了软饱和非线性模块，改善了对噪声的鲁棒性，并提高了SSVEP信号分类和识别的性能	对于不同参与者的分类效果仍有提升空间	旨在提高SSVEP信号识别的准确性和性能	SSVEP信号数据集	计算机视觉	NA	深度学习	e-SSVEPNet	信号	多个实验结果，具体样本量未提及
13318	2024-08-05	Sound as a bell: a deep learning approach for health status classification through speech acoustic biomarkers 2024-Jul-24, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-024-00973-3 PMID:39049005	研究论文	本研究采用深度学习方法通过语音声学生物标志物对健康状态进行分类。	将中医体质理论与深度学习技术相结合，以非侵入性的方式识别亚健康人群。	排除了具有近期疾病、牙科问题和特定病史的参与者，可能限制了样本的代表性。	使用语音音频来识别特征为失衡体质类型的亚健康人群。	参与者年龄在18-45岁之间，样本来源于健康声学研究。	机器学习	NA	音频信号处理	Conv1D, Conv2D, LSTM	音频	1378个健康音频记录和1413个亚健康音频记录
13319	2024-08-07	Correction: Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-Jul-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01375-5 PMID:39048934	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13320	2024-08-05	Cascaded Aggregation Convolution Network for Salient Grain Pests Detection 2024-Jul-22, Insects IF:2.7Q1 DOI:10.3390/insects15070557 PMID:39057289	研究论文	提出了一种新的级联聚合卷积网络（CACNet）用于存储谷物中的显著害虫检测	本研究通过模仿人类观察和聚焦感兴趣物体的视觉注意机制，提出了一种新型的CACNet，以提高小型谷物害虫检测的准确性	NA	提高存储谷物中害虫检测的准确性	小型谷物害虫的检测与控制	计算机视觉	NA	卷积神经网络（CNN）	VGG16	图像	500张图片，展示零至五个或更多害虫