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
13861	2024-08-05	Training immunophenotyping deep learning models with the same-section ground truth cell label derivation method improves virtual staining accuracy 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1404640 PMID:39007128	研究论文	本研究探讨了在同一切片上获得的细胞标签对H&E模型表现的影响	提出使用来自同一切片的细胞标签提高虚拟染色模型的准确性	未详细讨论与其他模型的比较及其外部有效性	评估细胞标签获取方法对深度学习模型性能的影响	针对肺癌组织中的CD3+ T细胞进行测试	数字病理学	肺癌	深度学习，Pix2Pix生成对抗网络	P2P-GAN	图像	NA
13862	2024-08-05	DeepRetroMoCo: deep neural network-based retrospective motion correction algorithm for spinal cord functional MRI 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1323109 PMID:39006826	研究论文	本研究提出了一种基于深度学习的卷积神经网络算法DeepRetroMoCo，用于纠正脊髓功能性MRI中的运动伪影。	该研究创新地利用深度学习方法显著提高了脊髓MRI运动纠正的效果，证明了其在脊髓数据处理中的有效性。	该研究的样本数量较小，仅包含27名参与者，可能限制了结果的普遍性。	本研究旨在开发并验证一种新的运动纠正算法，以提高脊髓fMRI图像的质量。	本研究的对象为27名参与者的脊髓fMRI数据。	计算机视觉	NA	卷积神经网络(CNN)	CNN	图像	27名参与者的脊髓fMRI数据，共135次训练和81次测试
13863	2024-08-05	Explainable deep-learning framework: decoding brain states and prediction of individual performance in false-belief task at early childhood stage 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1392661 PMID:39006894	研究论文	本研究提出了一种可解释的深度学习框架，用于解码大脑状态并预测早期儿童阶段的表现。	提出了一种可解释的基于时空连接的图卷积神经网络模型，能够更准确地解码大脑状态并进行个体表现预测。	未详细讨论在不同儿童发展阶段的普遍性或模型在复杂情境中的适用性。	研究儿童在错误信念任务中的表现，并解码其大脑状态。	以早期儿童（3-12岁）和成年人（18-39岁）为对象进行实验。	深度学习	NA	功能连接性（FC）和个体间功能相关性（ISFC）矩阵	图卷积神经网络（Ex-stGCNN）和卷积变分自编码器（Ex-Convolutional VAE）	视频	155（122名儿童；3-12岁和33名成人；18-39岁）
13864	2024-08-05	Micro-CT determination of the porosity of two tricalcium silicate sealers applied using three obturation techniques 2024, Journal of oral science IF:1.9Q4 DOI:10.2334/josnusd.24-0031 PMID:39010164	研究论文	本研究使用微型CT测量两种三钙硅酸盐封闭剂的孔隙率	首次比较了三种填充技术下两种不同三钙硅酸盐封闭剂的孔隙率	样本数量较少，仅包含六颗单根人类牙齿	评估不同填充技术对封闭剂孔隙率的影响	使用微型CT分析两种三钙硅酸盐封闭剂在不同填充技术下的孔隙率	数字病理学	NA	微型CT	深度学习	图像	六颗单根人类牙齿
13865	2024-08-05	Innovative infrastructure to access Brazilian fungal diversity using deep learning 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17686 PMID:39006015	研究论文	本文构建了一个用于自主识别巴西宏蘑菇物种的深度学习数据库和移动应用程序	创新性地整合了宏蘑菇形态数据和CNN技术，实现了高效的物种识别	未提及数据库的局限性或模型的具体局限素材	旨在通过深度学习技术促进巴西宏蘑菇的识别和保护	研究对象为巴西收集的505种宏蘑菇及其照片	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	13,894张照片，代表505种不同的宏蘑菇
13866	2024-08-05	Multi-modal deep learning from imaging genomic data for schizophrenia classification 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1384842 PMID:39006822	研究论文	本文提出了一种多模态深度学习框架，用于精神分裂症的分类	创新性地结合了结构性磁共振成像、功能性磁共振成像和基因组学标记的信息，提高了精神分裂症的分类准确性	未提及本研究的具体限制	从多模态角度研究精神分裂症并开发改进的检测方法	研究对象为精神分裂症患者与健康对照组	机器学习	精神分裂症	深度学习	CNN	影像和基因数据	临床数据集的样本量未具体说明
13867	2024-08-05	Deep learning modeling using mammography images for predicting estrogen receptor status in breast cancer 2024, American journal of translational research IF:1.7Q4 DOI:10.62347/PUHR6185 PMID:39006260	研究论文	本研究开发了一种深度学习模型，通过乳腺X光图像准确评估乳腺癌患者的雌激素受体状态	提出了一种新的IP-SE-DResNet模型，结合了深度残差网络与Squeeze-and-Excitation注意机制，用于预测乳腺癌患者的ER状态	本研究的数据仅限于358名侵袭性导管癌患者，可能限制了模型的普遍适用性	预测乳腺癌患者的雌激素受体状态	358名被诊断为侵袭性导管癌的患者，收集了其术前乳腺X光图像和临床数据	数字病理学	乳腺癌	NA	深度残差网络	图像	358个乳腺癌患者的术前乳腺X光图像数据
13868	2024-08-05	HAWKFOG-an enhanced deep learning framework for the Fog-IoT environment 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1354742 PMID:39006803	研究论文	本研究提出了一个名为HAWKFOG的深度学习框架，用于心脏病的智能预测	该框架创新性地将深度学习与边缘和雾计算设备整合，以实现心脏病的实用诊断	未提及研究的具体局限性	开发一个有效的心脏病预测系统	使用物联网设备收集的不同受试者的数据	机器学习	心脏疾病	Logistic Chaos 基于哈里斯鹰优化的增强型门控递归神经网络	增强型门控递归神经网络	生理数据（心电图和血压传感器数据）	不同受试者的数据集
13869	2024-08-05	iQDeep: an integrated web server for protein scoring using multiscale deep learning models 2023-07-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2023.168057 PMID:37356909	研究论文	本文介绍了一个集成的网络服务器iQDeep，用于蛋白质评分，采用多尺度深度学习模型	iQDeep提供了一个独立且开放访问的蛋白质评分系统，针对多种预测建模场景进行了优化	NA	旨在提供一个可靠的蛋白质评分方法，提高蛋白质结构预测的准确性	主要研究对象为蛋白质及其结构预测	数字病理学	NA	多尺度深度残差神经网络（ResNets）	深度残差神经网络	结构数据	在多个CASP实验中进行了广泛测试和比较
13870	2024-08-05	The Genetic Determinants of Aortic Distention 2023-04-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2023.01.044 PMID:37019578	研究论文	本研究探讨了影响主动脉扩张能力的流行病学和遗传决定因素	首次识别了多个影响主动脉扩张性和应变的遗传位点，并探讨了其与心血管疾病发生率的关系	未能明确所有新识别位点与胸主动脉直径的显著关联	发现与主动脉扩张性和应变相关的流行病学因素和遗传决定因素	研究对象为42342名UK生物银行参与者的胸主动脉影像数据	计算机视觉	心血管疾病	深度学习	NA	图像	42342
13871	2024-08-05	Genetics and mechanisms of thoracic aortic disease 2023-03, Nature reviews. Cardiology DOI:10.1038/s41569-022-00763-0 PMID:36131050	综述	本文探讨了胸主动脉疾病的遗传学和机制	文章介绍了利用深度学习等新技术快速定义主动脉特征的能力，并整合这些新观察到的遗传数据	胸主动脉疾病相较于其他心血管病症的相对低发病率限制了大规模遗传关联的识别	研究主动脉疾病的遗传机制及其生物学理解	胸主动脉疾病的遗传因素	机器学习	心血管疾病	机器学习	深度学习	影像数据	NA
13872	2024-08-05	PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease 2023, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2023.1126156 PMID:37520124	研究论文	提出了一种基于通路信息的神经网络PINNet，以预测阿尔茨海默病患者并分析血液和大脑的转录组特征	通过整合来自基因本体或京都基因组百科全书数据库的通路先验知识，提升了模型的可解释性并有助于识别阿尔茨海默病相关生物标志物	没有详细描述模型在其他类型样本上的通用性和适用性	开发一种能够识别阿尔茨海默病相关转录组特征的深度学习模型	研究对象为阿尔茨海默病患者的血液和大脑转录组特征	机器学习	阿尔茨海默病	深度学习	深度神经网络（DNN）	基因表达	NA
13873	2024-08-07	Improving Sensitivity on Identification and Delineation of Intracranial Hemorrhage Lesion Using Cascaded Deep Learning Models 2019-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-018-00172-1 PMID:30680471	研究论文	本文提出了一种级联深度学习模型，用于提高颅内出血病变的识别和勾画灵敏度	使用级联卷积神经网络（CNN）和双全卷积网络（FCN）模型，结合两种不同的窗口设置进行图像预处理，以提高分类和分割性能	NA	提高颅内出血检测的敏感性和特异性，以支持急诊室的诊断和治疗决策	颅内出血及其亚型病变的识别和勾画	计算机视觉	NA	卷积神经网络（CNN），全卷积网络（FCN）	CNN，FCN	图像	135,974张CT图像，其中33,391张标记为出血
13874	2024-08-07	Genetic Diversity in Stomatal Density among Soybeans Elucidated Using High-throughput Technique Based on an Algorithm for Object Detection 2019-05-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44127-0 PMID:31110228	研究论文	本文开发了一种基于深度学习对象检测算法的高通量技术，用于评估和阐明大豆中气孔密度的变异	引入单次多框检测器算法，实现对微观图像中气孔的高通量自动识别	NA	开发高通量技术评估大豆气孔密度并阐明其变异	大豆的气孔密度	计算机视觉	NA	单次多框检测器	CNN	图像	90种大豆品系
13875	2024-08-07	DEEPred: Automated Protein Function Prediction with Multi-task Feed-forward Deep Neural Networks 2019-05-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-43708-3 PMID:31089211	研究论文	本文提出了一种名为DEEPred的多任务前馈深度神经网络，用于基于基因本体（GO）的蛋白质功能预测	DEEPred通过严格的超参数测试优化，并使用三种类型的蛋白质描述符、不同大小的训练数据集和不同级别的GO术语进行基准测试。此外，还探索了使用更大但可能含有噪声的数据进行训练对性能的影响	NA	开发一种自动化的蛋白质功能预测方法，以改进对未表征蛋白质序列的注释	蛋白质功能预测	机器学习	NA	深度学习	多任务前馈深度神经网络	蛋白质描述符、GO术语	使用CAFA2和CAFA3挑战数据集进行性能评估
13876	2024-08-07	Detection and classification the breast tumors using mask R-CNN on sonograms 2019-May, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000015200 PMID:31083152	研究论文	本研究利用Mask R-CNN技术在超声图像上自动检测、分割和分类乳腺肿瘤	开发了一种基于深度学习的技术，使用Mask R-CNN进行肿瘤检测和良恶性区分	NA	构建一个模型，用于超声图像上乳腺肿瘤的自动检测、分割和分类	乳腺肿瘤	计算机视觉	乳腺癌	Mask R-CNN	CNN	图像	NA
13877	2024-08-07	Computer vision enables short- and long-term analysis of Lophelia pertusa polyp behaviour and colour from an underwater observatory 2019-04-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-41275-1 PMID:31036904	研究论文	本研究利用固定水下观测站上的高清摄像头和其他传感器，监测了2015年4月至11月期间Lofoten-Vesterålen地区的冷温珊瑚（Lophelia pertusa）礁，通过图像处理和深度学习技术分析珊瑚颜色和珊瑚虫活动的变化	本研究展示了通过有效的综合计算方法，图像时间序列是理解和监测水下环境动态的新颖且丰富的信息来源，得益于固定水下观测站的高时间分辨率和覆盖范围	NA	研究珊瑚虫行为和颜色的短期和长期变化	Lophelia pertusa珊瑚礁的珊瑚虫行为和颜色变化	计算机视觉	NA	图像处理和深度学习	深度学习模型	图像	2015年4月至11月期间的数据
13878	2024-08-07	Machine learning accurately classifies age of toddlers based on eye tracking 2019-04-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-42764-z PMID:31000762	研究论文	本研究利用机器学习方法（支持向量机和深度学习）分析眼动追踪数据，以准确分类幼儿的年龄	采用数据驱动的方法，通过机器学习模型揭示了影响年龄相关注视模式变化的因素	NA	探索机器学习在理解幼儿注视模式随年龄变化中的应用	幼儿的注视行为和年龄分类	机器学习	NA	支持向量机（SVM）和深度学习（DL）	支持向量机（SVM）和深度学习（DL）	眼动追踪数据	未明确提及具体样本数量
13879	2024-08-07	Deep learning in radiology: An overview of the concepts and a survey of the state of the art with focus on MRI 2019-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.26534 PMID:30575178	综述	本文概述了深度学习在放射学中的应用，特别是MRI领域，并调查了该领域的最新技术	深度学习算法在图像相关任务中展现出突破性性能，经常达到或超过人类表现	简要讨论了将深度学习融入未来放射学实践的机会和挑战	探讨深度学习在放射学中的应用机会，并介绍深度学习的基本概念	放射学领域，特别是MRI	计算机视觉	NA	深度学习	卷积神经网络	图像	NA
13880	2024-08-07	Deep convolutional models improve predictions of macaque V1 responses to natural images 2019-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1006897 PMID:31013278	研究论文	本文测试了两种基于深度学习的方法——从物体识别训练的人工神经网络的迁移学习和端到端训练在大规模神经元群体上的数据驱动卷积神经网络模型——预测清醒猕猴V1区对自然图像反应的能力	多层卷积神经网络（CNNs）为预测灵长类V1区对自然图像的神经反应设定了新的技术水平，并且用于物体识别的深度特征比所有先前的滤波器组理论更好地解释了V1计算	NA	测试基于深度学习的方法预测清醒猕猴V1区对自然图像反应的能力	清醒猕猴V1区的神经反应	计算机视觉	NA	深度学习	CNN	图像	大规模神经元群体