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
14501	2024-10-14	Deep learning workflow for the inverse design of molecules with specific optoelectronic properties 2023-Nov-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45385-9 PMID:37973879	研究论文	本文介绍了一种用于设计具有特定光电特性的分子的深度学习工作流程	提出了结合密度泛函紧束缚方法、图卷积神经网络和掩码语言模型的迭代深度学习工作流程，以加速分子设计	NA	开发一种加速具有特定光电特性的分子设计的计算方法	具有特定光电特性的新型分子	机器学习	NA	密度泛函紧束缚方法	图卷积神经网络	分子数据	NA
14502	2024-10-14	Automated crystal system identification from electron diffraction patterns using multiview opinion fusion machine learning 2023-Nov-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2309240120 PMID:37943836	研究论文	本文开发了一种基于多视角意见融合机器学习的框架，用于从任意方向的电子衍射图案中自动识别晶体系统	提出了一个基于卷积神经网络和证据深度学习的框架，通过量化和融合多视角预测的不确定性，实现了对任意方向电子衍射图案的晶体系统分类	NA	加速高吞吐量材料数据分析实验	电子衍射图案中的晶体系统识别	机器学习	NA	卷积神经网络	CNN	图像	NA
14503	2024-10-14	Integrated Molecular Modeling and Machine Learning for Drug Design 2023-Nov-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.3c00814 PMID:37883810	研究论文	本文总结了将分子建模与机器学习相结合以开发计算工具用于调节剂设计的最新努力	提出了基于AlphaSpace的口袋引导理性设计方法，用于靶向蛋白质-蛋白质相互作用，以及用于蛋白质-配体对接和虚拟筛选的delta机器学习评分函数，并使用最先进的深度学习模型预测基于分子力学优化几何结构的计算和实验分子性质	讨论了当前方法的局限性，并指出了未来发展的有前景的方向	开发计算工具以加速新药的研发过程	蛋白质-蛋白质相互作用、蛋白质-配体对接、虚拟筛选以及分子性质预测	机器学习	NA	分子建模、机器学习	深度学习模型	分子几何结构	NA
14504	2024-10-14	A Deep Learning Approach for Automatic and Objective Grading of the Motor Impairment Severity in Parkinson's Disease for Use in Tele-Assessments 2023-Nov-06, Sensors (Basel, Switzerland) DOI:10.3390/s23219004 PMID:37960703	研究论文	研究使用深度学习方法通过低成本可穿戴传感器自动客观评估帕金森病患者的运动障碍严重程度	通过扩展训练数据集和使用无监督预训练权重，提高了运动障碍分类的准确性	研究结果仅限于特定的运动任务，未涵盖所有可能的运动障碍评估	探索深度学习在远程评估帕金森病患者运动障碍严重程度中的应用	帕金森病患者的运动障碍严重程度	机器学习	神经退行性疾病	深度学习	XceptionTime	运动数据	包括帕金森病患者和健康老年人的运动数据
14505	2024-10-14	Unsupervised deep learning registration model for multimodal brain images 2023-Nov, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14177 PMID:37823748	研究论文	本文提出了一种基于卷积神经网络的无监督深度学习模型，用于多模态脑图像的配准	本文的创新点在于使用无监督学习方法进行多模态脑图像的配准，避免了传统监督学习方法对大量标注数据的依赖和可能的偏差	本文的局限性在于仅使用了CT和MR图像进行实验，未来可以扩展到更多模态的图像	本文的研究目的是开发一种高效且准确的多模态脑图像配准方法，以支持临床图像引导的干预	本文的研究对象是脑部CT和MR图像的配准	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1100对CT/MR切片，来自110名有/无肿瘤的神经心理患者
14506	2024-10-14	Deep Learning for Genomics: From Early Neural Nets to Modern Large Language Models 2023-Nov-01, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms242115858 PMID:37958843	review	本文从基因组学角度简要讨论了不同深度学习模型的优势，以便为每个特定任务选择合适的基于深度学习的架构，并强调了开发基因组学深度学习架构的实际考虑	本文回顾了深度学习在基因组学研究各个方面的应用，并指出了当前的挑战和未来基因组学应用的潜在研究方向	NA	探讨深度学习在基因组学中的应用及其未来发展方向	不同深度学习模型在基因组学任务中的适用性	machine learning	NA	high-throughput sequencing	NA	genomic data	NA
14507	2024-10-14	Deep Learning Framework for Liver Segmentation from T1-Weighted MRI Images 2023-Nov-01, Sensors (Basel, Switzerland) DOI:10.3390/s23218890 PMID:37960589	研究论文	研究提出了一种用于从T1加权MRI图像中分割肝脏的深度学习框架	提出了一种新的级联网络，用于分割轴向肝脏切片，并在肝脏分割任务中表现优于现有方法	研究仅使用了20名患者的647张MR切片数据，样本量较小	开发一种自动分割肝脏的深度学习框架，以辅助临床诊断	肝脏在T1加权MRI图像中的分割	计算机视觉	NA	MRI	CNN	图像	20名患者，647张MR切片
14508	2024-10-14	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.30.563998 PMID:37961180	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的语义分割，并探索了半监督学习方法	引入了半监督学习方法Cross Pseudo Supervision，并比较了多种先进模型在稀疏标注数据上的表现	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁	计算机视觉	癌症	电子显微镜	UNet++, FracTALResNet, SenFormer, CEECNet	图像	三个完全标注的内部数据集
14509	2024-10-14	Deep learning-based multimodal fusion network for segmentation and classification of breast cancers using B-mode and elastography ultrasound images 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10480 PMID:38023698	研究论文	本文提出了一种基于深度学习的乳腺肿瘤分割与分类方法，利用B模式和弹性成像超声图像进行多模态融合	本文提出了一种加权多模态U-Net模型和多模态融合框架，能够同时从B模式和弹性成像超声图像中学习互补信息，并在实际临床数据上表现优异	NA	开发一种能够提高乳腺肿瘤分类准确性的计算机辅助诊断系统	乳腺肿瘤的分割与分类	计算机视觉	乳腺癌	深度学习	U-Net、CNN	图像	NA
14510	2024-10-14	4D-CT deformable image registration using unsupervised recursive cascaded full-resolution residual networks 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10587 PMID:38023695	研究论文	提出了一种用于腹部四维计算机断层扫描（4D-CT）图像配准的新型递归级联全分辨率残差网络（RCFRR-Net）	该网络采用无监督学习方法，无需变形向量场的真实值，通过级联三个不同架构的全分辨率残差子网络实现渐进式配准	NA	开发一种在医学图像配准中表现优越且具有广泛应用前景的新方法	腹部四维计算机断层扫描（4D-CT）图像的配准	计算机视觉	NA	递归级联全分辨率残差网络（RCFRR-Net）	递归级联全分辨率残差网络（RCFRR-Net）	图像	使用了内部4D-CT数据集、公开的DIRLAB 4D-CT数据集和4D锥束CT（4D-CBCT）数据集进行广泛的网络测试
14511	2024-10-14	Virtual differential phase-contrast and dark-field imaging of x-ray absorption images via deep learning 2023-Nov, Bioengineering & translational medicine IF:6.1Q1 DOI:10.1002/btm2.10494 PMID:38023711	研究论文	本文展示了使用深度卷积神经网络将X射线吸收图像转换为差分相衬和暗场图像的方法	通过生成对抗网络训练的深度卷积神经网络，能够直接将X射线吸收图像转换为差分相衬和暗场图像，效果可与同步辐射光源和实验室设备获得的图像相媲美	NA	解决生物组织中弱吸收对比度问题，扩展X射线图像对比度生成的方法	X射线吸收图像转换为差分相衬和暗场图像	计算机视觉	NA	深度学习	深度卷积神经网络	图像	NA
14512	2024-10-14	Updates in Diagnostic Imaging for Infectious Keratitis: A Review 2023-Oct-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13213358 PMID:37958254	综述	本文综述了感染性角膜炎诊断成像技术的最新进展	介绍了深度学习模型在感染性角膜炎诊断中的应用潜力，并探讨了生成对抗网络等新技术在克服现有模型局限性方面的可能性	深度学习模型需要大量图像数据进行训练，且在识别不同类型感染性角膜炎的特殊特征、模型训练不平衡、缺乏图像协议和分类偏差等方面存在挑战	探讨感染性角膜炎诊断成像技术的最新进展及其在临床应用中的潜力	感染性角膜炎的诊断成像技术，包括裂隙灯显微镜、光学相干断层扫描、体内共聚焦显微镜和深度学习模型	计算机视觉	眼科疾病	光学相干断层扫描（OCT）、体内共聚焦显微镜（IVCM）、深度学习（DL）	卷积神经网络（CNN）、生成对抗网络（GAN）	图像	NA
14513	2024-10-14	Impact of Imaging Biomarkers and AI on Breast Cancer Management: A Brief Review 2023-Oct-30, Cancers IF:4.5Q1 DOI:10.3390/cancers15215216 PMID:37958390	综述	本文回顾了BI-RADS的历史，探讨了先进的乳腺成像技术，并介绍了人工智能在乳腺癌管理中的应用	本文整合了最新的成像技术和人工智能算法，旨在提高放射科医生对乳腺癌患者的个性化需求的服务能力	NA	探讨成像生物标志物和人工智能在乳腺癌管理中的应用	乳腺成像技术、成像生物标志物、治疗反应评估以及人工智能在乳腺癌诊断中的应用	计算机视觉	乳腺癌	NA	NA	图像	NA
14514	2024-10-14	Deep Learning-Based Denoising of CEST MR Data: A Feasibility Study on Applying Synthetic Phantoms in Medical Imaging 2023-Oct-27, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13213326 PMID:37958222	研究论文	本研究探讨了使用合成幻影数据在医学影像中应用深度学习进行CEST MRI数据去噪的可行性	本研究首次使用合成幻影数据和神经网络（特别是ResUNet架构）进行CEST MRI数据去噪，并展示了其在高噪声环境下的优越性能	神经网络在体内数据应用中面临噪声特征变化的挑战，需要进一步研究其在临床环境中的应用	研究深度学习在CEST MRI数据去噪中的应用，并评估其在不同噪声水平下的性能	合成生成的CEST MRI图像和传统去噪方法的比较	计算机视觉	NA	深度学习	ResUNet	图像	使用合成生成的幻影数据进行实验
14515	2024-10-14	Progress in Active Infrared Imaging for Defect Detection in the Renewable and Electronic Industries 2023-Oct-27, Sensors (Basel, Switzerland) DOI:10.3390/s23218780 PMID:37960480	综述	本文综述了主动红外热成像技术在可再生能源和电子行业中的缺陷检测应用	结合红外热成像与深度学习技术，提出了一种高效且高精度的光伏板缺陷检测解决方案	讨论了红外热成像技术在激励源、光伏行业、电子行业和人工智能方面的优势与挑战	综述红外热成像技术在可再生能源和电子行业中的应用，并探讨其未来研究方向	红外热成像技术在光伏板和电路板缺陷检测中的应用	计算机视觉	NA	红外热成像	深度学习	图像	NA
14516	2024-10-14	DeepVision: Enhanced Drone Detection and Recognition in Visible Imagery through Deep Learning Networks 2023-Oct-25, Sensors (Basel, Switzerland) DOI:10.3390/s23218711 PMID:37960411	研究论文	本文介绍了一种创新的深度学习方法，用于在可见图像中有效区分无人机和鸟类	提出了一种基于SqueezeNet模型的深度学习方法，通过图像分块技术提高了对小型无人机的检测性能，并在平均精度（AP）和检测时间上优于其他现有方法	NA	解决无人机在机场等关键基础设施中的潜在滥用问题，提高无人机检测的准确性和实时性	无人机和鸟类	计算机视觉	NA	深度学习	SqueezeNet	图像	使用了由多所大学和研究机构提供的真实世界数据集，作为2020年无人机与鸟类检测挑战的一部分
14517	2024-10-14	Protein Language Models Uncover Carbohydrate-Active Enzyme Function in Metagenomics 2023-Oct-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.23.563620 PMID:37961379	研究论文	本文介绍了CAZyLingua工具，该工具利用蛋白质语言模型嵌入构建深度学习框架，用于元基因组数据中碳水化合物活性酶（CAZymes）的功能注释	首次利用蛋白质语言模型嵌入构建深度学习框架进行CAZymes的功能注释，并在多个数据集上展示了比传统序列同源性方法更高的F1分数	NA	开发一种新的工具来提高元基因组数据中碳水化合物活性酶的功能注释准确性	碳水化合物活性酶（CAZymes）及其在元基因组数据中的功能注释	机器学习	NA	蛋白质语言模型嵌入	深度学习模型	元基因组数据	包括母亲/婴儿纵向数据集和纤维化倾向疾病（如克罗恩病和IgG4相关疾病）患者的元基因组数据集
14518	2024-10-14	Exploring the Roles of RNAs in Chromatin Architecture Using Deep Learning 2023-Oct-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.22.563498 PMID:37961712	研究论文	本文提出了一种名为AkitaR的深度学习框架，利用基因组序列和全基因组RNA-DNA相互作用来研究染色质相关RNAs（caRNAs）在HFFc6细胞中基因组折叠中的作用	本文首次提出了AkitaR框架，通过结合基因组序列和RNA-DNA相互作用来解析caRNAs在基因组折叠中的作用，并发现了新的可能调节染色质结构的非编码RNAs	本文主要集中在HFFc6细胞中，研究结果的普适性有待进一步验证	研究染色质相关RNAs在基因组三维组织中的作用	染色质相关RNAs（caRNAs）及其在基因组折叠中的作用	机器学习	NA	深度学习	深度学习框架	基因组序列和RNA-DNA相互作用数据	HFFc6细胞
14519	2024-10-14	Binding affinity predictions with hybrid quantum-classical convolutional neural networks 2023-Oct-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-45269-y PMID:37864075	研究论文	本文介绍了一种混合量子-经典卷积神经网络用于预测药物与蛋白质的结合亲和力	提出了一种混合量子-经典卷积神经网络，相比传统方法减少了20%的复杂性，并在训练阶段节省了40%的成本和时间	NA	提高药物设计的效率和准确性	药物与蛋白质的结合亲和力	机器学习	NA	量子机器学习	卷积神经网络	结合亲和力数据	NA
14520	2024-10-14	Leveraging Large Language Models (LLM) for the Plastic Surgery Resident Training: Do They Have a Role? 2023-Oct, Indian journal of plastic surgery : official publication of the Association of Plastic Surgeons of India IF:0.7Q4 DOI:10.1055/s-0043-1772704 PMID:38026769	研究论文	探讨大型语言模型（LLM）在整形外科住院医师培训中的作用	研究首次探索了LLM作为教学助理（TA）在整形外科中的应用，并评估了其生成内容的准确性和实用性	研究仅基于ChatGPT模型，未涵盖其他LLM模型，且样本量较小，仅涉及八位研究作者的评估	评估LLM在整形外科住院医师培训中的潜在作用	整形外科住院医师培训中的教学助理角色	自然语言处理	NA	深度学习技术，包括微调和基于人类反馈的强化学习	Transformer	文本	八位研究作者