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
14261	2024-10-11	Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284349 PMID:39381826	研究论文	开发了一种基于模块化混合生长神经气（MyGNG）的智能计算系统，用于阿尔茨海默病（AD）的早期诊断	提出了一种新的模块化混合生长神经气（MyGNG）架构，用于早期诊断阿尔茨海默病，并在分类任务中表现优于其他机器学习方法	NA	开发一种智能计算系统，用于阿尔茨海默病的早期诊断	轻度认知障碍（MCI）和认知正常（CN）患者的分类任务	机器学习	阿尔茨海默病	模块化混合生长神经气（MyGNG）	混合神经网络	特征数据	495和819名患者，每名患者有211个特征
14262	2024-10-11	AmpClass: an Antimicrobial Peptide Predictor Based on Supervised Machine Learning 2024, Anais da Academia Brasileira de Ciencias IF:1.1Q3 DOI:10.1590/0001-3765202420230756 PMID:39383429	研究论文	本文介绍了一种基于监督机器学习的抗菌肽预测工具AmpClass	AmpClass在识别具有抗菌活性的肽方面优于传统的最先进预测模型，并与深度学习模型取得相似的结果	NA	开发一种新的抗菌肽预测工具，以应对抗生素耐药性问题	抗菌肽和非抗菌肽	机器学习	NA	监督学习	NA	肽序列	15945个抗菌肽和12535个非抗菌肽
14263	2024-10-11	An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies 2023-Sep-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.11.557288 PMID:37745338	研究论文	本研究通过挖掘研究出版物和专利，整理了超过5000个流感血凝素（HA）抗体的数据集，并开发了一种轻量级的记忆B细胞语言模型（mBLM）用于基于序列的抗体特异性预测	本研究创新性地开发了一种轻量级的记忆B细胞语言模型（mBLM），并成功应用于流感血凝素抗体的特异性预测	本研究的主要局限在于数据集的获取和模型的解释性分析	本研究的目的是开发一种可解释的语言模型，用于预测抗体的特异性	本研究主要研究对象是流感血凝素（HA）抗体	机器学习	NA	NA	记忆B细胞语言模型（mBLM）	序列	超过5000个流感血凝素（HA）抗体
14264	2024-10-11	Uncovering Footprints of Natural Selection Through Spectral Analysis of Genomic Summary Statistics 2023-07-05, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msad157 PMID:37433019	研究论文	本文通过频谱分析基因组汇总统计数据，揭示自然选择的痕迹	本文采用小波变换、多锥谱分析和S变换等方法，将一维汇总统计数组转换为二维频谱分析图像，并使用卷积神经网络进行分析，提高了特征提取的准确性	NA	通过频谱分析基因组汇总统计数据，区分自然选择与中性模式，揭示自然选择的细微特征	基因组汇总统计数据的空间分布	机器学习	NA	小波变换、多锥谱分析、S变换	卷积神经网络	基因组数据	NA
14265	2024-10-11	A computer vision image differential approach for automatic detection of aggressive behavior in pigs using deep learning 2023-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skad347 PMID:37813375	研究论文	本研究使用基于卷积神经网络和图像差分的深度学习方法，自动检测猪的攻击行为	本研究创新性地结合了图像差分技术和卷积神经网络，以提高检测猪攻击行为的准确性和效率	本研究仅在特定条件下（32对不熟悉的猪仔）进行了实验，结果可能不适用于所有情况	开发一种自动检测猪攻击行为的有效且计算效率高的方法	猪的攻击行为	计算机视觉	NA	深度学习	卷积神经网络	图像	32对不熟悉的猪仔，共16小时视频记录，其中1.25小时用于建模
14266	2024-10-11	SEA-Net: Structure-Enhanced Attention Network for Limited-Angle CBCT Reconstruction of Clinical Projection Data 2023, IEEE transactions on instrumentation and measurement IF:5.6Q1 DOI:10.1109/tim.2023.3318712 PMID:38957474	研究论文	本文旨在通过开发深度学习方法，利用临床CBCT投影数据改进有限角度锥束CT重建	首次利用临床投影数据进行有限角度CBCT重建的可行性研究	NA	改进有限角度锥束CT重建技术，减少扫描时间和辐射剂量	临床CBCT投影数据	计算机视觉	NA	深度学习	结构增强注意力网络（SEA-Net）	图像	NA
14267	2024-10-11	Validation of deep learning techniques for quality augmentation in diffusion MRI for clinical studies 2023, NeuroImage. Clinical DOI:10.1016/j.nicl.2023.103483 PMID:37572514	研究论文	本研究评估了深度学习技术在临床应用中提高扩散MRI数据质量的有效性	本研究首次探讨了深度学习技术在扩散MRI数据质量增强中的应用，并评估了其在临床研究中的效果	研究结果显示，深度学习技术在提高检测统计差异能力的同时，也增加了假阳性率，且在处理异质性数据时存在信息被篡改的风险	评估深度学习技术在临床应用中提高扩散MRI数据质量的有效性	扩散MRI数据的质量增强，特别是偏头痛患者的临床试验	计算机视觉	偏头痛	深度学习	NA	图像	14个不同机构的团队使用21个梯度方向和b值为1000 s/mm的数据进行研究
14268	2024-10-11	Deep learning model of somatic hypermutation reveals importance of sequence context beyond hotspot targeting 2022-Jan-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103668 PMID:35036866	研究论文	本文开发了一种深度学习模型DeepSHM，用于分析体细胞超突变（SHM），揭示了序列上下文在热点靶向之外的重要性	通过使用5-21个碱基的子序列，DeepSHM模型提高了预测准确性，并识别出具有高突变性的扩展WWRCT基序和AGYCTGGGGG基序	NA	研究体细胞超突变（SHM）的机制，特别是序列上下文对突变靶向的影响	免疫球蛋白（Ig）可变区的体细胞超突变	机器学习	NA	深度学习	深度学习模型	序列数据	使用5-21个碱基的子序列进行模型训练
14269	2024-10-11	Application of deep learning techniques for detection of COVID-19 cases using chest X-ray images: A comprehensive study 2021-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2020.102365 PMID:33230398	研究论文	本文研究了使用深度学习技术通过胸部X光图像检测COVID-19病例的方法	提出了使用八种预训练的卷积神经网络模型进行COVID-19的早期诊断，并通过比较分析确定了最佳模型	仅限于使用胸部X光图像进行诊断，未考虑其他类型的医学影像	设计一种自动化和早期诊断系统，以提供快速决策并减少诊断错误	COVID-19病例的早期诊断	计算机视觉	COVID-19	深度学习	卷积神经网络 (CNN)	图像	使用了公开可用的胸部X光图像进行验证
14270	2024-10-11	Sentiment Analysis of COVID-19 tweets by Deep Learning Classifiers-A study to show how popularity is affecting accuracy in social media 2020-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2020.106754 PMID:33013254	研究论文	研究通过深度学习分类器分析COVID-19相关推文的情绪，探讨社交媒体中流行度对准确性的影响	提出了一种基于高斯隶属函数的模糊规则库来正确识别推文情绪，并验证了深度学习分类器在推文情绪分析中的应用	研究仅分析了特定时间段内的推文，未涵盖更广泛的时间范围	探讨COVID-19相关推文中情绪分析的准确性，并提出改进方法	COVID-19相关推文及其情绪分析	自然语言处理	NA	深度学习	深度学习分类器	文本	分析了23,000条最常转发的推文和226,668条推文
14271	2024-10-11	Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and segmentation 2020-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.104037 PMID:33065387	研究论文	本文提出了一种基于多任务深度学习的胸部CT影像分析工具，用于COVID-19肺炎的分类和分割	本文提出了一种新的多任务深度学习模型，通过联合执行分割、分类和重建任务来识别COVID-19患者并分割病变区域	本文未提及具体的局限性	开发一种自动化的分类和分割工具，以帮助筛查COVID-19肺炎并评估其严重程度	COVID-19肺炎患者的胸部CT影像	计算机视觉	COVID-19	深度学习	多任务深度学习模型	影像	1369名患者，其中包括449名COVID-19患者、425名正常患者、98名肺癌患者和397名其他病理患者
14272	2024-10-11	Advanced Deep Learning Techniques Applied to Automated Femoral Neck Fracture Detection and Classification 2020-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-020-00364-8 PMID:32583277	研究论文	使用深度学习和高级数据增强技术进行股骨颈骨折的自动检测和分类	采用生成对抗网络（GAN）和数字重建放射图像（DRR）进行数据增强，提高了股骨颈骨折诊断和分类的准确性	研究仅限于回顾性分析，且样本量相对较小	开发一种能够准确诊断和分类股骨颈骨折的深度学习工具	股骨颈骨折的诊断和分类	计算机视觉	骨科疾病	深度学习	卷积神经网络（CNN）	图像	1063张AP髋关节X光片，来自550名患者
14273	2024-10-11	Deep learning with noisy labels: Exploring techniques and remedies in medical image analysis 2020-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2020.101759 PMID:32623277	研究论文	本文探讨了在医学图像分析中使用深度学习处理噪声标签的技术和补救措施	本文开发了新的方法来对抗噪声标签的负面影响，并提供了针对不同类型噪声标签的缓解方法的建议	本文主要集中在噪声标签的处理上，未涉及其他可能影响深度学习模型性能的因素	帮助医学图像分析研究人员和开发者选择和设计有效处理深度学习中噪声标签的新技术	医学图像分析中的噪声标签问题	计算机视觉	NA	深度学习	深度模型	图像	三个医学影像数据集
14274	2024-10-11	Faster RCNN-based detection of cervical spinal cord injury and disc degeneration 2020-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.13001 PMID:32797664	研究论文	本研究利用深度神经网络结合Faster R-CNN模型，通过MRI图像检测颈椎脊髓损伤和椎间盘退变	首次将Faster R-CNN应用于MRI图像中颈椎疾病的分类和检测	研究样本仅限于1500名患者，且数据集划分存在不平衡	探索深度学习在MRI图像中颈椎疾病检测的应用	颈椎脊髓损伤和椎间盘退变	计算机视觉	脊髓疾病	MRI	Faster R-CNN	图像	1500名患者，分为椎间盘组（800例）、损伤组（200例）和正常组（500例）
14275	2024-10-11	Objective assessment of stored blood quality by deep learning 2020-09-01, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2001227117 PMID:32839303	研究论文	本文展示了使用无标签成像流式细胞术和深度学习来评估储存红细胞损伤的方法	本文提出了一种基于深度学习的无标签成像流式细胞术方法，用于客观评估储存红细胞的质量，并展示了其在分类红细胞形态方面的优越性	该方法尚未在多个站点、协议和仪器上进行广泛的临床测试	开发一种自动化且客观的方法来评估储存红细胞的质量	储存红细胞的损伤评估	机器学习	NA	深度学习	神经网络	图像	NA
14276	2024-10-11	Knowledge-primed neural networks enable biologically interpretable deep learning on single-cell sequencing data 2020-08-03, Genome biology IF:10.1Q1 DOI:10.1186/s13059-020-02100-5 PMID:32746932	研究论文	本文介绍了一种知识引导的神经网络（KPNNs），用于在单细胞测序数据上进行可解释的深度学习	KPNNs结合了深度学习的预测能力和生物网络的可解释性，通过在多层网络中分配有意义的权重，增强了模型的可解释性	本文仅在单细胞测序数据上验证了KPNNs的应用，未来需要在其他领域进一步验证其广泛适用性	开发一种结合深度学习预测能力和生物网络可解释性的方法	单细胞RNA测序数据，包括癌症和免疫细胞	机器学习	NA	单细胞RNA测序	神经网络	基因表达数据	五个生物应用中的单细胞RNA测序数据
14277	2024-10-11	Revealing architectural order with quantitative label-free imaging and deep learning 2020-07-27, eLife IF:6.4Q1 DOI:10.7554/eLife.55502 PMID:32716843	研究论文	本文报道了使用定量无标记成像和深度学习技术揭示未标记活细胞和组织切片中结构密度、各向异性和方向的方法	结合定量无标记成像（QLIPP）和深度神经网络，预测多种细胞和组织结构的荧光图像，并开发了多通道2.5D U-Net架构和数据归一化方法	NA	揭示未标记活细胞和组织切片中的结构密度、各向异性和方向，并预测荧光图像	未标记的活细胞和组织切片	计算机视觉	NA	定量无标记成像（QLIPP）	多通道2.5D U-Net	图像	NA
14278	2024-10-11	Machine Learning for 3D Kinematic Analysis of Movements in Neurorehabilitation 2020-06-15, Current neurology and neuroscience reports IF:4.8Q1 DOI:10.1007/s11910-020-01049-z PMID:32542455	综述	本文综述了机器学习，特别是深度学习在神经康复中3D运动学分析的应用	深度学习方法在人体姿势和运动分类中的应用，以及便携式立体摄像系统在临床环境中进行3D姿态估计的可能性	目前这些技术在运动康复领域的应用尚未广泛	探讨机器学习在3D运动学分析中的应用及其对神经康复的影响	机器学习在神经康复中的应用	机器学习	NA	深度学习	卷积神经网络	图像	NA
14279	2024-10-11	DePicT Melanoma Deep-CLASS: a deep convolutional neural networks approach to classify skin lesion images 2020-Mar-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-3351-y PMID:32164530	研究论文	提出了一种基于深度卷积神经网络的皮肤病变图像分类方法，用于早期检测黑色素瘤	采用深度卷积神经网络构建了DePicT Melanoma Deep-CLASS系统，显著提高了图像分类效率和推荐质量	NA	开发一种基于深度学习的皮肤病变分类方法，用于早期检测黑色素瘤	皮肤病变图像	计算机视觉	黑色素瘤	深度学习	卷积神经网络（CNN）	图像	1796张皮肤镜图像
14280	2024-10-11	Multi-resolution convolutional neural networks for fully automated segmentation of acutely injured lungs in multiple species 2020-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2019.101592 PMID:31760194	研究论文	本文提出了一种多分辨率卷积神经网络用于自动分割多物种中急性损伤肺部	本文创新性地使用多分辨率卷积神经网络，通过级联低分辨率到高分辨率网络，避免了在高分辨率和全局上下文之间的权衡	本文的局限性在于依赖于有限的训练数据集，并使用了迁移学习来弥补这一不足	研究目的是开发一种自动分割急性损伤肺部的方法	研究对象是多物种中急性呼吸窘迫综合征（ARDS）损伤的肺部	计算机视觉	呼吸系统疾病	卷积神经网络	多分辨率卷积神经网络	CT图像	287个动物数据集