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
13881	2024-10-20	The Role of Deep Learning and Gait Analysis in Parkinson's Disease: A Systematic Review 2024-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s24185957 PMID:39338702	综述	本文系统回顾了深度学习和步态分析在帕金森病中的应用	探讨了深度学习技术在帕金森病诊断和监测中的新兴应用	仅涵盖了2018年至2023年间发表的25篇文章，可能未全面反映该领域的最新进展	评估深度学习技术在帕金森病步态分析中的应用潜力	帕金森病患者及其步态数据	机器学习	神经退行性疾病	深度学习	卷积神经网络和姿态估计网络	信号和视频	25篇相关研究文章
13882	2024-10-20	Efficacy of compressed sensing and deep learning reconstruction for adult female pelvic MRI at 1.5 T 2024-Sep-10, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00506-5 PMID:39254920	研究论文	研究压缩感知和深度学习重建在1.5T女性盆腔MRI中的效果	首次比较了压缩感知结合深度学习重建与传统并行成像在女性盆腔MRI中的图像质量和检查时间	样本量较小，仅包括52名女性患者	评估压缩感知和深度学习重建在1.5T女性盆腔MRI中提高图像质量和缩短检查时间的能力	52名患有各种盆腔疾病的女性患者	计算机视觉	NA	压缩感知和深度学习重建	NA	图像	52名女性患者
13883	2024-10-20	Enhancing voxel-based dosimetry accuracy with an unsupervised deep learning approach for hybrid medical image registration 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17129 PMID:38772037	研究论文	本文介绍了一种用于混合医学图像变形的无监督深度学习网络CoRX-NET，以提高基于体素的剂量测定精度	提出了一种基于Swin-transformer的无监督深度学习网络CoRX-NET，用于混合医学图像的变形配准，并引入了交叉缝合层以增强SPECT和CT特征的融合	NA	开发一种新的无监督深度学习网络，以提高混合医学图像配准的准确性，从而改进基于体素的剂量测定	177Lu DOTATATE SPECT/CT数据集	计算机视觉	NA	深度学习	Swin-transformer	图像	36组SPECT/CT数据集，其中22组用于训练/内部验证，14组用于外部验证
13884	2024-10-20	Dear-PSM: A deep learning-based peptide search engine enables full database search for proteomics 2024-Sep, Smart medicine DOI:10.1002/SMMD.20240014 PMID:39420951	研究论文	提出了一种基于深度学习的肽段搜索引擎Dear-PSM，支持全数据库搜索	Dear-PSM不限制肽段质量误差，匹配每个光谱到数据库中的所有肽段，并将每个肽段的变异修饰数量从传统的3-20增加，利用倒排索引技术和深度学习算法进行肽段验证，实现了速度和内存消耗的显著提升	NA	解决肽段光谱匹配中的时间限制和解释能力问题	肽段光谱匹配和蛋白质组学数据	蛋白质组学	NA	深度学习	NA	质谱数据	不同物种和仪器的复杂质谱数据
13885	2024-10-20	Computer-aided diagnosis of cystic lung diseases using CT scans and deep learning 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17252 PMID:39422997	研究论文	本文提出了一种基于深度学习的计算机辅助诊断方法，用于自动分割CT扫描图像中的肺实质并准确诊断囊性肺疾病	本文提出了一种两阶段的深度学习方法，能够实现肺实质的分割和囊性肺疾病的分类，相较于之前的单一囊性肺疾病诊断任务，本文方法能够在早期实现多种囊性肺疾病的诊断	NA	实现计算机辅助诊断囊性肺疾病	囊性肺疾病（CLDs）的自动诊断	计算机视觉	肺部疾病	深度学习	U-Net模型、MPIRMNet模型	CT扫描图像	543名患者，共4718张CT切片图像用于验证分割方法，16290张CT切片图像用于验证分类方法
13886	2024-10-19	Correction: "Selective ensemble methods for deep learning segmentation of major vessels in invasive coronary angiography" DOI: https://doi.org/10.1002/mp.16554 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17332 PMID:39423010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
13887	2024-10-20	Deep learning prediction of stroke thrombus red blood cell content from multiparametric MRI 2024-Aug, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199221140962 PMID:36437762	研究论文	本研究评估了卷积神经网络（CNN）使用多参数MRI图像预测缺血性中风血栓红细胞含量的能力	首次使用卷积神经网络从多参数MRI图像中预测血栓红细胞含量	数据集较小，且仅限于缺血性中风病例	评估卷积神经网络预测缺血性中风血栓红细胞含量的能力	缺血性中风血栓的红细胞含量	计算机视觉	脑血管疾病	多参数MRI	CNN	图像	188个血栓样本
13888	2024-10-20	Development and validation of a nonverbal consensus-based semantic memory paradigm in patients with epilepsy 2024-Aug, Journal of the International Neuropsychological Society : JINS IF:2.6Q2 DOI:10.1017/S1355617724000158 PMID:38616725	研究论文	开发并验证了一种基于共识的非言语语义记忆范式，用于评估癫痫患者的非言语语义处理能力	提出了新的基于视觉的语义关联任务（ViSAT），避免了现有测试中的文化和人口统计学偏差	样本量较小，需要进一步验证其在不同人群中的适用性	评估癫痫患者非言语语义处理能力的损伤	癫痫患者和健康对照组	神经心理学	癫痫	深度学习模型	NA	图像	23名癫痫患者和24名对照组参与者，以及54名Amazon Mechanical Turk工人
13889	2024-10-20	Deep learning of heart-sound signals for efficient prediction of obstructive coronary artery disease 2024-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e23354 PMID:38169906	研究论文	本文研究了基于心音信号的深度学习模型，用于高效预测阻塞性冠状动脉疾病	开发了一种基于心音信号的深度学习模型，用于非侵入性筛查阻塞性冠状动脉疾病	NA	开发一种基于心音信号的深度学习算法，用于高效检测阻塞性冠状动脉疾病，减少不必要的冠状动脉造影	阻塞性冠状动脉疾病	机器学习	心血管疾病	深度学习	VGG-16, 1D CNN, ResNet18	心音信号	320名疑似冠状动脉疾病的患者，以及80名用于测试的患者
13890	2024-10-20	Assessing deep convolutional neural network models and their comparative performance for automated medicinal plant identification from leaf images 2024-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e23655 PMID:38187334	研究论文	评估七种先进的深度学习算法在从叶片图像中自动识别药用植物方面的性能，并推荐最佳模型	首次系统评估了七种深度学习模型在药用植物自动识别中的性能，并提出了最佳模型DenseNet201	模型在不同科属和物种间的准确性存在差异	评估深度学习模型在药用植物自动识别中的性能，并推荐最佳模型	药用植物的叶片图像	计算机视觉	NA	深度学习	CNN	图像	5878张图像，涵盖30种药用植物，分布在20个科属中
13891	2024-10-20	Open and reusable deep learning for pathology with WSInfer and QuPath 2024-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00499-9 PMID:38200147	研究论文	本文介绍了WSInfer和QuPath，一个用于病理学深度学习的开源软件生态系统，旨在促进深度学习模型在数字病理学中的共享和重用	开发了WSInfer，一个开源软件生态系统，旨在简化深度学习模型在数字病理学中的共享和重用	NA	解决深度学习模型在数字病理学中不易重用的问题	数字病理学中的深度学习模型	数字病理学	NA	深度学习	深度学习模型	NA	NA
13892	2024-10-20	Chemprop: A Machine Learning Package for Chemical Property Prediction 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01250 PMID:38147829	研究论文	介绍了一个名为Chemprop的机器学习软件包，用于化学性质预测	引入了多种新功能，如多分子性质支持、反应、原子/键级性质和光谱分析，并集成了不确定性量化和校准方法	未提及	开发一个易于使用且功能强大的开源软件包，用于分子性质预测	分子性质预测任务	机器学习	NA	深度学习	D-MPNN（定向消息传递神经网络）	分子数据	包括MoleculeNet和SAMPL等多个数据集
13893	2024-10-20	Prop3D: A flexible, Python-based platform for machine learning with protein structural properties and biophysical data 2024-Jan-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05586-5 PMID:38177985	研究论文	介绍了一个名为Prop3D的灵活的Python平台，用于结合蛋白质结构属性和生物物理数据进行机器学习	提出了Prop3D平台，允许创建、共享和扩展使用蛋白质域库，并提供了一个名为Prop3D-20sf的蛋白质数据集	NA	开发一个灵活的平台，用于创建和共享高质量的蛋白质结构数据集，以支持机器学习模型的训练和基准测试	蛋白质的三维结构及其相关的生物物理和进化属性	机器学习	NA	机器学习	NA	蛋白质结构数据	Prop3D-20sf数据集包含了20个高频CATH家族的蛋白质域
13894	2024-10-20	Multi-modal tumor segmentation methods based on deep learning: a narrative review 2024-Jan-03, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-23-818 PMID:38223046	综述	本文综述了基于深度学习的多模态肿瘤分割方法	本文总结了多模态数据融合方法和常见的深度学习网络结构，为未来研究提供了方向	本文主要基于过去五年的文献综述，未涉及实验验证	提供近期基于深度学习的多模态肿瘤分割方法的概述	多模态肿瘤分割方法	计算机视觉	NA	深度学习	NA	图像	78篇英文文献
13895	2024-10-20	Graph embedding on mass spectrometry- and sequencing-based biomedical data 2024-Jan-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05612-6 PMID:38166530	综述	本文综述了图嵌入技术在基于质谱和测序的生物医学数据分析中的应用	探讨了图嵌入技术在生物网络数据分析中的实用性，特别是在蛋白质-蛋白质相互作用网络和药物功能预测中的应用	这些方法在计算上仍然要求较高	讨论图嵌入技术的原理及其在生物医学数据分析中的应用	基于质谱和测序实验的生物网络数据	机器学习	NA	图嵌入技术	深度学习算法	生物网络数据	NA
13896	2024-10-20	CAS Landslide Dataset: A Large-Scale and Multisensor Dataset for Deep Learning-Based Landslide Detection 2024-Jan-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02847-z PMID:38168493	研究论文	本文介绍了CAS滑坡数据集，这是一个用于深度学习滑坡检测的大规模多传感器数据集	该数据集整合了来自九个地区的卫星和无人机数据，包含20,865张图像，旨在解决现有数据集在数据量、覆盖范围、传感器类型和分辨率方面的局限性	NA	开发一个精确且全面的数据集，以支持快速高效的滑坡识别	滑坡检测	计算机视觉	NA	深度学习	NA	图像	20,865张图像
13897	2024-10-20	Discovery of novel ULK1 inhibitors through machine learning-guided virtual screening and biological evaluation 2024, Future medicinal chemistry IF:3.2Q3 DOI:10.1080/17568919.2024.2385288 PMID:39145469	研究论文	基于人工智能构建ULK1抑制剂的虚拟筛选模型，结合分子对接和生物评估筛选ULK1抑制剂	通过机器学习和深度学习模型结合分子对接和生物评估，从1300万种化合物中筛选出ULK1抑制剂	由于训练数据较少，机器学习模型显著优于深度学习模型	开发高效的ULK1抑制剂虚拟筛选模型	ULK1抑制剂的筛选和活性化合物的结合机制	机器学习	NA	分子对接、分子动力学	Naive Bayes	化合物	1300万种化合物
13898	2024-10-20	Detection of hand motion during cadaveric mastoidectomy dissections: a technical note 2024, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2024.1441346 PMID:39421406	技术笔记	评估深度学习手部运动检测器在尸体乳突切除术中优化手部运动和精度的潜力	使用深度学习手部运动检测器在尸体乳突切除术中测量手术运动，无需物理传感器	初步指标已开发用于评估乳突切除术中的手部运动，但需要进一步研究以扩展和验证这些指标	评估深度学习手部运动检测器在优化手术手部运动和精度方面的潜力	尸体乳突切除术中的手部运动	计算机视觉	NA	深度学习	深度学习手部运动检测器	图像	三个尸体乳突切除术程序
13899	2024-10-20	WSSS-CRAM: precise segmentation of histopathological images via class region activation mapping 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1483052 PMID:39421560	研究论文	本文介绍了一种名为WSSS-CRAM的弱监督语义分割方法，通过类别区域激活映射实现病理图像的精确分割	提出了一种新的弱监督语义分割方法WSSS-CRAM，能够从图像级别的标注数据中获取详细的像素级标签，并通过类别特定的激活映射和条件随机场后处理来提高分割精度	目前仅在特定病理数据集上进行了验证，未来需要扩展到不同类型的组织图像以验证其泛化能力	开发一种能够快速、准确且自动分析病理图像的方法	病理图像的自动分析和分割	计算机视觉	NA	深度学习	弱监督语义分割模型	图像	NA
13900	2024-10-20	Machine Learning for Dynamic Prognostication of Patients With Hepatocellular Carcinoma Using Time-Series Data: Survival Path Versus Dynamic-DeepHit HCC Model 2024, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351241289719 PMID:39421722	研究论文	比较了两种机器学习模型（Survival Path和Dynamic DeepHit）在肝细胞癌患者动态预后预测中的表现	首次比较了Survival Path和Dynamic DeepHit两种模型在肝细胞癌患者动态预后预测中的性能	研究仅限于肝细胞癌患者，且未探讨模型在其他癌症类型中的适用性	比较两种先进的机器学习模型在肝细胞癌患者动态预后预测中的表现	2511名肝细胞癌患者	机器学习	肝细胞癌	机器学习	Survival Path, Dynamic DeepHit	时间序列数据	2511名肝细胞癌患者