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
14561	2024-10-06	Visual Enhancement and Semantic Segmentation of Murine Tissue Scans with Pulsed THz Spectroscopy 2023-Feb, Proceedings. IEEE International Conference on Semantic Computing DOI:10.1109/ICSC56153.2023.00018 PMID:39360127	研究论文	本文探讨了使用脉冲太赫兹光谱技术对小鼠组织扫描进行视觉增强和语义分割的应用	引入了两阶段管道，使用无监督图像到图像翻译网络和监督分割网络，以解决传统深度学习方法在太赫兹成像中的低分辨率和缺乏专家标记图像的问题	依赖于合成太赫兹扫描，可能存在与实际数据的差异	提高太赫兹成像技术在医学图像中的应用效果，特别是对切除的乳腺癌组织的分割和分类	小鼠切除的乳腺癌组织	计算机视觉	乳腺癌	脉冲太赫兹光谱技术	无监督图像到图像翻译网络和监督分割网络	图像	NA
14562	2024-10-06	Transformer-based deep learning for predicting protein properties in the life sciences 2023-01-18, eLife IF:6.4Q1 DOI:10.7554/eLife.82819 PMID:36651724	综述	本文综述了基于Transformer模型的深度学习在生命科学中预测蛋白质特性的应用	Transformer模型在蛋白质特性预测中的应用带来了新的计算革命，显著改进了旧的预测结果	NA	探讨Transformer模型在蛋白质特性预测中的应用及其潜力	蛋白质特性预测，特别是后翻译修饰的预测	自然语言处理	NA	深度学习	Transformer	蛋白质序列	NA
14563	2024-10-06	From sequence to function through structure: Deep learning for protein design 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.11.014 PMID:36544476	研究论文	本文综述了深度学习在蛋白质设计中的最新进展，并提出了一种从生成序列到预测属性和网络可视化的实用流程	利用自然语言处理和计算机视觉技术，结合计算硬件的进步，从生物数据库中学习模式，用于蛋白质设计	蛋白质设计工具的实际应用复杂，需要进一步简化	探讨深度学习在蛋白质设计中的应用，提出实用流程并讨论挑战和机遇	蛋白质设计工具和流程	计算机视觉	NA	深度学习	NA	生物数据库	NA
14564	2024-10-06	Machine learning and deep learning approach for medical image analysis: diagnosis to detection 2022-Dec-24, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14305-w PMID:36588765	review	本文综述了机器学习和深度学习在医学图像分析中的应用，特别是从诊断到检测的过程	深度学习被认为是机器学习的增强技术，能够更高效地处理大量数据，并使用多层神经网络获取更多信息	机器学习在处理当前模态的大量数据时存在局限性	旨在系统综述机器学习和深度学习在多种疾病检测和分类中的应用	医学图像分析中的机器学习和深度学习方法	computer vision	NA	深度学习 (DL) 和机器学习 (ML)	多层神经网络	图像	40项主要研究，使用MRI数据集进行实验
14565	2024-10-06	PAN-cODE: COVID-19 forecasting using conditional latent ODEs 2022-11-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac160 PMID:36047844	研究论文	本文介绍了一种名为PAN-cODE的深度学习方法，用于预测COVID-19的每日感染和死亡人数	PAN-cODE使用深度条件潜在变量模型，能够基于不同的非药物干预措施生成不同的病例轨迹，并允许对训练期间未见过的地区进行病例估计	尽管使用了较少详细数据且训练过程完全自动化，PAN-cODE的性能与最先进的方法相当，但未提及具体的局限性	开发一种数据驱动的模型来预测COVID-19的传播，以支持政策决策	COVID-19的每日感染和死亡人数	机器学习	COVID-19	深度学习	条件潜在ODE模型	时间序列数据	未明确提及具体样本数量
14566	2024-10-06	iVaccine-Deep: Prediction of COVID-19 mRNA vaccine degradation using deep learning 2022-Oct, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.10.001 PMID:38620874	研究论文	研究使用深度学习预测COVID-19 mRNA疫苗降解	提出了两种混合深度神经网络模型GCN_GRU和GCN_CNN，并证明GCN_GRU模型在预测RNA降解方面表现更优	NA	研究是否可以使用混合深度学习模型预测RNA降解	COVID-19 mRNA疫苗的降解特性	机器学习	COVID-19	深度学习	GCN_GRU和GCN_CNN	RNA序列	NA
14567	2024-10-06	A Systematic Evaluation of Ensemble Learning Methods for Fine-Grained Semantic Segmentation of Tuberculosis-Consistent Lesions in Chest Radiographs 2022-Aug-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9090413 PMID:36134959	研究论文	本文系统评估了集成学习方法在胸部X光片中结核病一致性病变细粒度语义分割中的应用	首次将集成学习应用于提高结核病一致性病变细粒度分割性能	NA	评估使用细粒度标注训练U-Net模型及其集成方法在结核病一致性病变语义分割中的效果	结核病一致性病变在胸部X光片中的细粒度语义分割	计算机视觉	肺结核	深度学习	U-Net	图像	NA
14568	2024-10-06	COVID-19 Diagnosis and Classification Using Radiological Imaging and Deep Learning Techniques: A Comparative Study 2022-Aug-03, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081880 PMID:36010231	研究论文	本文比较了使用放射影像和深度学习技术进行COVID-19诊断和分类的不同方法	利用胸部X光和CT扫描图像，结合人工智能和深度学习技术，开发自动化诊断系统	COVID图像数据有限，深度学习预测患者严重程度的准确性高于PCR检测等传统方法	研究如何利用放射影像和深度学习技术进行COVID-19的自动化诊断和分类	胸部X光和CT扫描图像，以及各种CNN模型	计算机视觉	COVID-19	深度学习	CNN	图像	多个数据集，具体样本数量未提及
14569	2024-10-06	SMANet: multi-region ensemble of convolutional neural network model for skeletal maturity assessment 2022-Jul, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-1158 PMID:35782257	研究论文	提出了一种基于多区域卷积神经网络集合的自动骨骼成熟度评估方法	该方法结合了临床可解释的方法，避免了种族和地理差异的影响	NA	开发一种自动化的骨骼成熟度评估方法	儿童骨骼成熟度评估	计算机视觉	NA	卷积神经网络	CNN	图像	4861张左手X光片
14570	2024-10-06	An All-In-One Multifunctional Touch Sensor with Carbon-Based Gradient Resistance Elements 2022-Jun-14, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-022-00875-9 PMID:35699779	研究论文	提出了一种基于碳基梯度电阻元件的多功能触觉传感器，用于促进多种机械刺激的广泛检测和识别范围	开发了一种具有梯度电阻元件和两个电极的多功能触觉传感器，消除了信号串扰并防止了人机交互中的位置感应干扰	NA	研究虚拟现实、增强现实和元宇宙中人机交互的重要性和挑战	多功能触觉传感器及其在人机交互中的应用	NA	NA	深度学习	NA	NA	NA
14571	2024-10-06	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌	提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当	未提及具体局限性	开发和评估一种自动检测基底细胞癌的深度学习模型	基底细胞癌的检测	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习模型	图像	未提及具体样本数量
14572	2024-10-06	COVID-19: A Comprehensive Review of Learning Models 2022, Archives of computational methods in engineering : state of the art reviews IF:9.7Q1 DOI:10.1007/s11831-021-09641-3 PMID:34566404	综述	本文对COVID-19相关研究进行了全面的综述，重点关注症状早期识别、疫情结束预测和用户生成对话分析	本文综述了多种机器学习和深度学习模型在COVID-19研究中的应用	本文主要综述了现有研究的结果和局限性，未提出新的模型或方法	综述COVID-19相关研究，探讨机器学习和深度学习模型在疫情监测中的应用	COVID-19症状早期识别、疫情结束预测和用户生成对话分析	机器学习	COVID-19	机器学习、深度学习	K-means聚类、随机森林、卷积神经网络、长短期记忆网络、自编码器、回归模型	图像、文本	NA
14573	2024-10-06	DeepLN: A Multi-Task AI Tool to Predict the Imaging Characteristics, Malignancy and Pathological Subtypes in CT-Detected Pulmonary Nodules 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.683792 PMID:35646699	研究论文	本文介绍了一种名为DeepLN的多任务AI工具，用于预测CT检测到的肺结节的影像特征、恶性程度和病理亚型	提出了一种基于深度卷积神经网络的DeepLN工具，能够准确预测肺结节的影像特征、恶性程度和病理亚型	研究是回顾性的，且样本主要来自单一来源	提高基于CT图像的肺结节恶性风险预测的准确性	8950个具有完整病理结果的肺结节	计算机视觉	肺癌	深度卷积神经网络	CNN	图像	8950个肺结节
14574	2024-10-06	CVD-HNet: Classifying Pneumonia and COVID-19 in Chest X-ray Images Using Deep Network 2022, Wireless personal communications IF:1.9Q3 DOI:10.1007/s11277-022-09864-y PMID:35756172	研究论文	本文提出了一种基于新型深度卷积神经网络（CNN）的COVID-19感染胸部X光图像分类方法	设计了两种新的定制CNN架构CVD-HNet1和CVD-HNet2，并提出了一种基于边界和区域操作以及卷积过程的系统方法	在有限的数据集上取得了显著的分类准确率，但需要更多训练样本以获得更好的结果	提高COVID-19和肺炎在胸部X光图像中的分类准确性	COVID-19和肺炎的胸部X光图像	计算机视觉	肺部疾病	深度学习（DL）	卷积神经网络（CNN）	图像	有限的数据集
14575	2024-10-06	Identification of the ubiquitin-proteasome pathway domain by hyperparameter optimization based on a 2D convolutional neural network 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.851688 PMID:35937990	研究论文	本文开发了一种基于2D卷积神经网络的超参数优化算法，用于识别泛素-蛋白酶体途径域	提出了名为2DCNN-UPP的新型深度学习预测器，通过遗传算法选择最优特征，避免了过拟合问题	NA	开发一种快速准确的计算方法来识别泛素-蛋白酶体途径	泛素-蛋白酶体途径及其在细胞过程中的作用	机器学习	NA	下一代测序	2D卷积神经网络	蛋白质序列	使用10折交叉验证方法进行训练和评估
14576	2024-10-06	Deep learning approaches for conformational flexibility and switching properties in protein design 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.928534 PMID:36032687	综述	本文综述了深度学习在蛋白质设计中处理构象灵活性和开关特性的方法	探讨了前沿深度学习设计方法如何适应蛋白质的灵活性，并展望了该领域的未来发展	NA	探讨深度学习在蛋白质设计中的应用，特别是如何处理蛋白质的构象灵活性和开关特性	蛋白质设计方法及其在处理蛋白质灵活性方面的应用	机器学习	NA	深度学习	生成模型	NA	NA
14577	2024-10-06	Artificial Intelligence and Deep Learning Assisted Rapid Diagnosis of COVID-19 from Chest Radiographical Images: A Survey 2022, Contrast media & molecular imaging DOI:10.1155/2022/1306664 PMID:36304775	综述	本文综述了利用人工智能和深度学习技术从胸部影像图像中快速诊断COVID-19的研究进展	本文系统地总结了超过110篇来自多个知名来源的论文，涵盖了使用深度学习模型从胸部X光和CT扫描图像中检测和分类COVID-19的研究	本文主要基于已有文献的综述，未提出新的研究方法或模型	探讨人工智能和深度学习在COVID-19快速诊断中的应用	COVID-19的胸部影像图像	计算机视觉	COVID-19	深度学习	深度学习模型	图像	超过110篇论文
14578	2024-10-06	A review of deep learning-based deformable medical image registration 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.1047215 PMID:36568171	综述	本文综述了基于深度学习的可变形医学图像配准方法	本文分类并详细讨论了五种基于深度学习的可变形医学图像配准方法，并提供了统计分析和公开数据集的总结	本文未提及具体的实验结果或模型性能比较	综述基于深度学习的可变形医学图像配准方法的最新进展	可变形医学图像配准方法	计算机视觉	NA	深度学习	NA	图像	33个公开数据集
14579	2024-10-06	COVID-19 infection localization and severity grading from chest X-ray images 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105002 PMID:34749094	研究论文	本文提出了一种从胸部X光图像中定位COVID-19感染并进行严重程度分级的方法	构建了包含33,920张胸部X光图像的最大基准数据集，并采用人机协作方法进行肺部分割掩码的标注；使用U-Net、U-Net++和特征金字塔网络（FPN）进行实验，实现了高精度的肺部分割和感染定位	数据集主要集中在COVID-19样本上，可能限制了模型的泛化能力	开发一种自动化的方法来定位COVID-19感染并评估其严重程度	COVID-19感染的定位和严重程度分级	计算机视觉	COVID-19	深度学习	U-Net, U-Net++, 特征金字塔网络 (FPN)	图像	33,920张胸部X光图像，其中11,956张为COVID-19样本
14580	2024-10-06	A review of deep learning-based three-dimensional medical image registration methods 2021-Dec, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-175 PMID:34888197	综述	本文综述了过去五年基于深度学习的三维医学图像配准方法的进展，并指出了现有挑战和未来研究方向	总结了深度学习在三维医学图像配准中的应用进展，并分类讨论了不同方法的优缺点	未提供具体的技术细节或实验结果，仅进行了文献综述	回顾和总结基于深度学习的三维医学图像配准方法，并探讨未来的研究方向	三维医学图像配准方法及其在不同医学程序中的应用	计算机视觉	NA	深度学习	NA	图像	NA