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
13901	2024-10-20	Experience of observation skill workshop intervention for ophthalmologists in fellowship training 2024, F1000Research DOI:10.12688/f1000research.148008.2 PMID:39421757	研究论文	评估干预性工作坊对眼科住院医师观察技能的影响	通过工作坊干预显著提高了眼科住院医师的观察技能	仅限于特定批次的住院医师，且样本量较小	评估干预性工作坊对眼科住院医师观察技能的影响	34名眼科住院医师的观察技能	NA	NA	NA	NA	NA	34名眼科住院医师（21名女性，13名男性）
13902	2024-10-20	Automatic Detection and Classification of Modic Changes in MRI Images Using Deep Learning: Intelligent Assisted Diagnosis System 2024-Jan, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.13894 PMID:37933461	研究论文	本研究探讨了基于单次多框检测器（SSD）和ResNet18网络的自动检测和分类Modic变化（MCs）在MRI图像中的表现，并验证了深度学习网络辅助检测分类MCs的可行性	本研究首次将SSD和ResNet18网络结合用于MRI图像中Modic变化的自动检测和分类，并比较了观察者间和观察者与分类器间的一致性	研究样本量较小，且仅限于天津医院的数据，可能影响模型的泛化能力	验证深度学习模型在MRI图像中自动检测和分类Modic变化的可行性，并评估其与医生诊断的一致性	Modic变化（MCs）在MRI图像中的自动检测和分类	计算机视觉	脊柱疾病	深度学习	单次多框检测器（SSD）和ResNet18网络	MRI图像	内部数据集包含140名患者，外部测试数据集包含28名患者
13903	2024-10-20	Deep Learning Enables Rapid Identification of a New Quasicrystal from Multiphase Powder Diffraction Patterns 2024-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202304546 PMID:37964402	研究论文	本文利用深度学习技术从多相粉末衍射图案中快速识别出一种新的准晶体	首次使用深度神经网络从多相粉末衍射图案中识别出准晶体，准确率超过92%	NA	开发一种快速技术，用于从粉末衍射图案中识别准晶体，以促进新准晶体的发现	Al-Si-Ru准晶体	机器学习	NA	深度学习	深度神经网络	粉末衍射图案	440个粉末衍射图案
13904	2024-10-20	A Respiratory Motion Prediction Method Based on LSTM-AE with Attention Mechanism for Spine Surgery 2024, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0063 PMID:38188983	研究论文	本文提出了一种基于LSTM-AE与注意力机制的呼吸运动预测方法，用于脊柱手术中减少呼吸运动引起的脊椎移动对手术精度的影响	提出了一种新的深度学习架构，结合LSTM-AE与注意力机制，能够在少量数据集上进行训练，并实现实时性能	实验仅收集了俯卧位患者的麻醉状态下的数据，未涵盖其他手术体位和状态	开发一种能够适应不同患者的呼吸运动预测方法，以提高脊柱手术的准确性和安全性	脊柱手术中的呼吸运动预测	机器学习	NA	LSTM-AE与注意力机制	LSTM-AE	数据	俯卧位患者在全身麻醉下的数据
13905	2024-10-20	The Image-to-Physical Liver Registration Sparse Data Challenge: comparison of state-of-the-art using a common dataset 2024-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.1.015001 PMID:38196401	研究论文	本文比较了在肝脏图像到物理注册稀疏数据挑战中，使用共同数据集的多种最先进注册方法的性能	引入了图像到物理肝脏注册稀疏数据挑战，以评估和比较不同注册方法在共同数据集上的表现	软组织变形增加了从稀疏器官表面描述符中准确推断解剖对齐的难度	评估稀疏数据注册方法的性能，并识别有效的策略和局限性，以指导图像到物理注册算法的进一步发展	肝脏图像到物理注册的稀疏数据注册方法	计算机视觉	NA	图像到物理注册	NA	图像	112个注册场景，基于具有159个亚表面验证目标的组织模拟假体
13906	2024-10-20	Enhancing Generic Reaction Yield Prediction through Reaction Condition-Based Contrastive Learning 2024, Research (Washington, D.C.) DOI:10.34133/research.0292 PMID:38213662	研究论文	本文提出了一种基于反应条件对比学习的双向编码器表示转换器（BERT）模型，用于增强通用反应产率预测	通过反应条件对比学习和化学反应掩码语言建模预训练任务，提高了模型对反应条件的敏感性，并提出了新的评分函数用于多步合成路线的评估	NA	提高深度学习辅助合成规划（DASP）算法在实际场景中的实用性	化学反应产率预测	机器学习	NA	对比学习	BERT	文本	包含12种反应类别的通用反应产率数据集
13907	2024-10-20	Deep learning-based size prediction for optical trapped nanoparticles and extracellular vesicles from limited bandwidth camera detection 2024-Jan-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.501430 PMID:38223178	研究论文	本文提出了一种基于ResNet的方法，用于从有限带宽相机检测中准确预测光学陷阱中纳米颗粒和细胞外囊泡的大小	该方法通过模拟纳米颗粒的受限布朗运动时间序列数据进行训练，实验证明其优于现有的尺寸预测算法，并能在较短的测量时间内保持高精度	NA	开发一种新的方法，用于在光学陷阱中准确预测纳米颗粒和细胞外囊泡的大小	光学陷阱中的纳米颗粒和细胞外囊泡	计算机视觉	NA	光学捕获	ResNet	图像	临床细胞外囊泡样本
13908	2024-10-20	Outdoor Navigation Assistive System Based on Robust and Real-Time Visual-Auditory Substitution Approach 2023-Dec-27, Sensors (Basel, Switzerland) DOI:10.3390/s24010166 PMID:38203027	研究论文	本文提出了一种基于深度学习和视觉-听觉替代方法的户外导航辅助系统，旨在帮助盲人安全有效地到达目的地	该系统结合了3D空间化声音和障碍物信息，通过惯性传感器、GPS数据和地图知识定义轨迹，并使用深度学习方法进行实时处理	NA	开发一种能够帮助盲人独立导航的辅助系统	盲人及其在户外环境中的导航能力	计算机视觉	NA	深度学习	神经网络	图像	包含行人视角导航数据的多个数据集
13909	2024-10-20	A Survey of Sound Source Localization and Detection Methods and Their Applications 2023-Dec-22, Sensors (Basel, Switzerland) DOI:10.3390/s24010068 PMID:38202930	综述	本文综述了声源定位与检测方法及其应用	对基于传播模型和基于机器学习及深度学习技术的经典方法进行了分析	NA	为选择该领域最合适的方法提供有价值的资源	声源定位与检测方法	机器学习	NA	深度学习	NA	声音	NA
13910	2024-10-20	[Whole-brain parcellation for macaque brain magnetic resonance images based on attention mechanism and multi-modality feature fusion] 2023-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University DOI:10.12122/j.issn.1673-4254.2023.12.17 PMID:38189399	研究论文	提出了一种基于注意力机制和多模态特征融合的深度学习算法，用于猕猴脑部磁共振图像的全脑分割	引入了一种基于注意力机制的多模态特征融合模块（AMFF），有效整合了不同尺度和复杂度的多模态特征，显著提升了分割性能	NA	提高猕猴脑部磁共振图像全脑分割的准确性	猕猴脑部磁共振图像	计算机视觉	NA	磁共振成像	注意力机制	图像	68只猕猴（年龄13至36个月）
13911	2024-10-20	A Binocular Vision-Based Crack Detection and Measurement Method Incorporating Semantic Segmentation 2023-Dec-19, Sensors (Basel, Switzerland) DOI:10.3390/s24010003 PMID:38202865	研究论文	提出了一种基于双目视觉的裂缝检测与测量方法，结合全卷积网络进行语义分割	采用双目立体视觉技术，提高了拍摄灵活性和图像采集效率，并引入了中心投影方案实现裂缝形态的三维重建	实验中裂缝宽度的相对测量误差范围较大，从-3.9%到36.0%	探索一种非接触式检测方法，提高检测的灵活性、效率和准确性	混凝土桥梁组件中的裂缝	计算机视觉	NA	全卷积网络（FCN）	全卷积网络（FCN）	图像	在复杂背景裂缝主导的数据库中，每秒处理约四张图片
13912	2024-10-20	Disentangling Fact from Grid Cell Fiction in Trained Deep Path Integrators 2023-Dec-16, ArXiv PMID:38106458	研究论文	本文重新审视了深度学习模型中网格细胞的生成机制，并反驳了路径积分假设	本文通过重新评估现有理论，揭示了深度路径积分模型中网格细胞生成的局限性，并提出了新的见解	本文主要集中在理论分析上，缺乏实验验证	探讨深度学习模型中网格细胞的生成机制，并评估现有理论的有效性	深度神经网络中的路径积分和网格细胞生成机制	机器学习	NA	深度学习	深度神经网络	NA	NA
13913	2024-10-20	AlphaFold2 has more to learn about protein energy landscapes 2023-Dec-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.12.571380 PMID:38168383	研究论文	本文测试了AlphaFold2在预测折叠转换蛋白质结构方面的能力	本文首次系统评估了AlphaFold2在预测折叠转换蛋白质结构方面的局限性，并提出了进一步改进方法的必要性	AlphaFold2在预测折叠转换蛋白质结构时成功率较低，且其置信度指标未能有效区分低能和高能状态	评估AlphaFold2在预测折叠转换蛋白质结构方面的能力及其局限性	折叠转换蛋白质及其结构	机器学习	NA	深度学习	AlphaFold2	蛋白质结构	93种折叠转换蛋白质，共生成超过280,000个模型
13914	2024-10-20	Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation 2023-12-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2023.3701 PMID:37851434	研究论文	研究使用深度学习模型分析心电图（ECG）来预测房颤（AF）	首次在多样化的患者群体中应用深度学习模型预测房颤	研究仅限于美国退伍军人事务部医院网络和一所非VA学术医疗中心的患者	评估深度学习模型在门诊心电图中预测房颤的能力	心电图数据和患者人口统计信息	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）	心电图	共907,858份心电图，来自6个VA站点和1个非VA学术医疗中心
13915	2024-10-20	Predictive analyses of regulatory sequences with EUGENe 2023-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00544-w PMID:38177592	研究论文	本文介绍了一个名为EUGENe的FAIR工具包，用于使用深度学习分析基因组序列	EUGENe是一个简单、灵活且可扩展的接口，旨在简化并定制端到端的深度学习序列分析	NA	开发一个符合FAIR原则的工具包，用于深度学习在基因组学中的应用	基因组序列的深度学习分析	机器学习	NA	深度学习	神经网络	序列数据	NA
13916	2024-10-20	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并比较不同图像采集技术和临床因素的影响	使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类，并评估其在不同测试集上的性能	模型在当前测试集上的性能显著低于原始测试集，可能由于模型过拟合和泛化能力不足	评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并考虑不同图像采集参数、临床因素和患者人口统计学的影响	COVID-19阳性患者和阴性患者的胸部X光片	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	9860名患者的标准和软组织胸部X光片用于训练和测试，5893名患者的当前测试集用于评估模型性能
13917	2024-10-20	Cross-Attention for Improved Motion Correction in Brain PET 2023-Oct, Machine learning in clinical neuroimaging : 6th international workshop, MLCN 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MLCN (Workshop) (6th : 2023 : Vancouver, B.C.) DOI:10.1007/978-3-031-44858-4_4 PMID:38174216	研究论文	本文提出了一种基于交叉注意力机制的深度学习网络，用于改善脑部PET图像重建中的运动校正	引入了交叉注意力机制，增强了模型对不同测试对象的鲁棒性，并显著提高了运动校正的性能	NA	提高脑部PET图像重建的质量，减少运动伪影对临床诊断和治疗的影响	脑部PET图像的运动校正	计算机视觉	NA	深度学习	交叉注意力机制	图像	使用了来自两个不同扫描仪（HRRT和mCT）的脑部PET数据进行验证
13918	2024-10-20	Deep learning tools to accelerate antibiotic discovery 2023 Jul-Dec, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2023.2250721 PMID:37794737	综述	本文综述了深度学习在抗生素发现中的关键框架，重点介绍了物理化学特征和数据集限制	本文介绍了多种深度学习模型在抗生素发现中的应用，包括判别模型和生成模型，并探讨了这些技术在药物发现中的潜力	本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战	本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战	本文研究对象为抗生素发现中的深度学习模型及其应用	机器学习	NA	深度学习	卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型	高维数据	NA
13919	2024-10-20	MCP-Net: Introducing Patlak Loss Optimization to Whole-body Dynamic PET Inter-frame Motion Correction 2023-Jun-27, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3290003 PMID:37368811	研究论文	提出了一种集成Patlak损失优化的神经网络框架MCP-Net，用于全身动态PET图像的帧间运动校正	直接减少Patlak拟合误差，并结合了功能信息，提高了模型的性能和泛化能力	NA	改进全身动态PET图像的帧间运动校正，提高参数成像的准确性	全身动态PET图像的帧间运动校正	计算机视觉	NA	动态正电子发射断层扫描（PET）	神经网络	图像	NA
13920	2024-10-20	Dynamic functional connectivity analysis with temporal convolutional network for attention deficit/hyperactivity disorder identification 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1322967 PMID:38148943	研究论文	本文提出了一种新的时间依赖神经网络（TDNet），用于从静息态功能磁共振成像（rs-fMRI）时间序列中学习功能连接（FC）表示和时间依赖关系，以实现注意力缺陷/多动障碍（ADHD）的自动化识别	本文创新性地使用时间卷积网络（TCN）来有效捕捉长程时间模式，并通过膨胀卷积和全连接层进行疾病预测	现有方法主要考虑两个相邻时间戳的依赖关系，这在变化涉及多个时间戳时存在局限性	揭示注意力缺陷/多动障碍（ADHD）患者脑活动异常的机制	静息态功能磁共振成像（rs-fMRI）数据中的动态功能连接（dFC）	计算机视觉	精神疾病	功能磁共振成像（fMRI）	时间卷积网络（TCN）	时间序列数据	使用了公开的ADHD-200数据库进行实验