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
14641	2024-10-05	Validity of Neural Networks to Determine Body Position on the Bicycle 2023-12, Research quarterly for exercise and sport IF:1.4Q3 DOI:10.1080/02701367.2022.2070103 PMID:35575754	研究论文	本研究评估了两种深度学习方法（MSRA和OpenPose）在自行车上自动估计人体关节角度以确定身体位置的有效性	本研究首次比较了两种深度学习方法在自行车上自动估计人体关节角度的准确性	研究仅在一个静止的自行车上进行，且样本量较小，可能限制了结果的普适性	评估神经网络在自行车上自动估计人体关节角度以确定身体位置的有效性	自行车上的身体位置和关节角度	计算机视觉	NA	深度学习	神经网络	视频	14名自行车手
14642	2024-10-05	Direct prediction of gas adsorption via spatial atom interaction learning 2023-Nov-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42863-6 PMID:37923711	研究论文	本文介绍了一种名为DeepSorption的空间原子相互作用学习网络，用于直接预测气体吸附	提出了DeepSorption模型，通过考虑全局结构和局部空间原子相互作用，实现了对晶体多孔材料吸附性能的准确、快速预测	NA	开发一种能够快速准确预测晶体多孔材料气体吸附性能的深度学习模型	晶体多孔材料的气体吸附性能	机器学习	NA	深度学习	Matformer	原子坐标和化学元素类型信息	NA
14643	2024-10-05	An invertible, invariant crystal representation for inverse design of solid-state materials using generative deep learning 2023-Nov-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42870-7 PMID:37919277	研究论文	本文介绍了一种可逆且不变的晶体表示方法SLICES，用于固态材料的逆向设计	开发了一种名为SLICES的简化线输入晶体编码系统，解决了固态材料设计中缺乏可逆晶体表示的问题	NA	解决固态材料设计中缺乏可逆晶体表示的问题，并应用于光电应用中的直接窄带隙半导体逆向设计	固态材料及其结构排列	材料科学	NA	生成式深度学习	NA	晶体结构数据	超过40,000种结构和化学多样化的晶体结构
14644	2024-10-05	Image harmonization and deep learning automated classification of plus disease in retinopathy of prematurity 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.061107 PMID:37794884	研究论文	本文开发了一种基于深度学习的方法，用于自动分类早产儿视网膜病变中的plus疾病，并使用智能手机摄像头获取的图像进行图像协调	本文创新性地使用智能手机摄像头和廉价镜头获取眼底图像，并通过预处理管道增强血管和协调图像，然后使用深度学习进行分类	研究结果基于有限的数据集，未来需要更大规模的数据集进行验证	开发一种能够使用智能手机图像进行plus疾病分期的算法和软件	早产儿视网膜病变中的plus疾病	计算机视觉	眼科疾病	深度学习	GoogLeNet	图像	有限的数据集
14645	2024-10-05	Hybrid deep learning model based smart IOT based monitoring system for Covid-19 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e21150 PMID:37928011	研究论文	本文设计了一种基于物联网的智能健康监测系统，用于监测COVID-19患者的生理参数，并提出了一种基于循环卷积神经网络（RCNN）和拼图优化算法（PO）的分类方法	本文提出了一种创新的循环卷积神经网络（RCNN）和拼图优化算法（PO）的混合模型，用于分类和监测患者的生理参数	NA	设计一种基于物联网的智能健康监测系统，用于远程监测COVID-19患者的生理参数	COVID-19患者的生理参数，如血氧水平、血压、体温和心率	机器学习	COVID-19	物联网（IoT）	循环卷积神经网络（RCNN）	生理参数数据	NA
14646	2024-10-05	3D multiplexed tissue imaging reconstruction and optimized region of interest (ROI) selection through deep learning model of channels embedding 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1275402 PMID:37928169	研究论文	本文提出了一种深度学习方法，用于从多通道图像中重建3D组织图像并优化感兴趣区域（ROI）的选择	本文的创新点在于使用生成模型重建3D CyCIF表示，并通过跨域翻译学习多模态映射，以实现最小代表性ROI的选择	本文的局限性在于处理大量组织切片时的高成本和时间消耗，以及ROI选择的定性和主观性	本文的研究目的是解决肿瘤异质性问题，通过深度学习方法优化组织图像的重建和感兴趣区域的选择	本文的研究对象是结直肠癌的组织图像和多通道图像	数字病理学	结直肠癌	深度学习	生成模型	图像	NA
14647	2024-10-05	Applications of discriminative and deep learning feature extraction methods for whole slide image analysis: A survey 2023, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100335 PMID:37928897	综述	本文综述了用于全切片图像分析的判别性和深度学习特征提取方法	深度学习特征提取方法在组织学相关任务中表现出优越的性能	NA	探讨数字病理学中特征提取方法的进展、挑战和机遇	全切片图像（WSI）的特征提取方法	数字病理学	NA	深度学习	NA	图像	NA
14648	2024-10-05	Detection of COVID-19 from CT and Chest X-ray Images Using Deep Learning Models 2022-Jul, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-022-02958-5 PMID:35415768	研究论文	本文提出了一种利用深度学习模型从CT和胸部X光图像中自动检测COVID-19的新方法	提出了使用VGG和ResNet深度学习模型进行COVID-19检测的新方法，并取得了高准确率	未提及具体限制	开发一种自动检测COVID-19的方法，以帮助早期诊断和控制疫情	COVID-19的CT和胸部X光图像	计算机视觉	COVID-19	深度学习	VGG19, ResNet50	图像	所有胸部X光图像
14649	2024-10-05	[Deep learning-assisted construction of three-demensional facial midsagittal plane] 2022-Feb-18, Beijing da xue xue bao. Yi xue ban = Journal of Peking University. Health sciences PMID:35165480	研究论文	研究利用深度学习算法和加权Procrustes分析算法，自动构建三维面部正中矢状面	首次结合深度学习算法和Procrustes分析算法，实现了三维面部正中矢状面的全自动化构建	样本量较小，仅包含100名无明显面部畸形的受试者	开发一种能够准确确定三维面部解剖标志并自动构建三维面部正中矢状面的深度学习算法	三维面部数据及其解剖标志	计算机视觉	NA	多视图堆叠沙漏卷积神经网络（MSH-CNN）	卷积神经网络（CNN）	三维面部数据	100名无明显面部畸形的受试者
14650	2024-10-05	Detection of COVID-19 Based on Chest X-rays Using Deep Learning 2022-Feb-10, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10020343 PMID:35206957	研究论文	本文提出了一种基于深度学习的胸部X光图像检测COVID-19的方法	本文提出了两种基于ResNet-50的深度学习方法，用于COVID-19的检测，并在多个指标上表现优于现有的方法	NA	开发一种可靠且易于使用的深度学习方法，用于早期诊断和隔离COVID-19患者	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	ResNet-50	图像	使用了两个公开的基准数据集：COVID-19图像数据集和胸部X光图像数据集
14651	2024-10-05	Model-based stratification of progression along the Alzheimer disease continuum highlights the centrality of biomarker synergies 2022-01-24, Alzheimer's research & therapy DOI:10.1186/s13195-021-00941-1 PMID:35073974	研究论文	本研究使用模型和数据驱动的方法，探讨了阿尔茨海默病（AD）进展过程中Aβ、tau和神经退行性病变（AT(N)）生物标志物的协同作用	本研究揭示了AT(N)生物标志物组合在预测AD进展中的协同关系，扩展了之前关于A-T协同机制的证据	本研究使用了较大的数据集（N=321），但样本量仍有限，可能影响模型的泛化能力	探讨阿尔茨海默病进展过程中生物标志物的协同作用	阿尔茨海默病患者的认知评估和生物标志物数据	机器学习	阿尔茨海默病	深度学习模型	深度学习模型	生物标志物数据	321名患者
14652	2024-10-05	Implications of AlphaFold2 for crystallographic phasing by molecular replacement 2022-Jan-01, Acta crystallographica. Section D, Structural biology DOI:10.1107/S2059798321012122 PMID:34981757	研究论文	探讨了AlphaFold2在晶体学相位分析中的应用前景	利用AlphaFold2生成的精确蛋白质结构模型，探索其在晶体学相位分析中的潜在应用	NA	研究AlphaFold2对晶体学相位分析方法的影响	AlphaFold2生成的蛋白质结构模型及其在晶体学相位分析中的应用	结构生物学	NA	深度学习	AlphaFold2	蛋白质结构数据	来自CASP14的数据
14653	2024-10-05	Computerized migraine diagnostic tools: a systematic review 2022, Therapeutic advances in chronic disease IF:3.3Q2 DOI:10.1177/20406223211065235 PMID:35096362	综述	本文对计算机化偏头痛诊断工具进行了系统性回顾，总结并评估了相关研究的质量	本文首次对计算机化偏头痛诊断工具进行了系统性回顾，评估了不同工具的诊断准确性	缺乏随机患者抽样、工具之间的直接比较以及对其他头痛诊断的适用性	总结和评估计算机化偏头痛诊断工具的研究质量	计算机化偏头痛诊断工具	计算机视觉	偏头痛	深度学习、分类器集成、蚁群算法、人工免疫、随机森林、白盒与黑盒组合、混合模糊专家系统	NA	NA	41项研究，中位样本量为288名参与者，中位年龄43岁，77%为女性
14654	2024-10-05	Detection of Cytopathic Effects Induced by Influenza, Parainfluenza, and Enterovirus Using Deep Convolution Neural Network 2021-Dec-30, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines10010070 PMID:35052750	研究论文	本研究利用深度卷积神经网络（ResNet-50）和多任务学习模型，提高了流感、副流感病毒和肠道病毒引起的细胞病变效应（CPEs）的检测效率	首次使用深度学习技术（ResNet-50和多任务学习模型）来检测流感、副流感病毒和肠道病毒引起的细胞病变效应，显著提高了检测准确率和效率	需要进一步验证模型在不同细胞系和更多病毒类型上的适用性	提高病毒引起的细胞病变效应的检测效率和准确性	流感、副流感病毒和肠道病毒引起的细胞病变效应	计算机视觉	NA	深度学习	ResNet-50	图像	涉及流感、副流感病毒和肠道病毒引起的细胞病变效应的数据
14655	2024-10-05	Yet Another Automated Gleason Grading System (YAAGGS) by weakly supervised deep learning 2021-Jun-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00469-6 PMID:34127777	研究论文	本文介绍了一种基于弱监督深度学习的自动Gleason分级系统	该系统不需要专家进行广泛的区域级手动注释或复杂的算法来生成区域级注释	受限于病例数量和其他因素	开发一种无需广泛区域级注释的人工智能系统来诊断前列腺癌	前列腺癌的Gleason分级	数字病理学	前列腺癌	深度学习	NA	图像	6664和936个前列腺穿刺单核切片（689和99例）
14656	2024-10-05	A Rapid, Accurate and Machine-Agnostic Segmentation and Quantification Method for CT-Based COVID-19 Diagnosis 2020-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2020.3001810 PMID:32730214	研究论文	提出了一种快速、准确且与机器无关的CT图像分割和量化方法，用于COVID-19诊断	1) 开发了首个COVID-19 CT扫描模拟器，通过拟合真实患者在不同时间点的数据变化，缓解了数据稀缺问题；2) 提出了一种新的深度学习算法，解决了大场景小目标问题，将3D分割问题分解为三个2D问题，降低了模型复杂性并显著提高了分割精度	NA	开发一种全自动、快速、准确且与机器无关的CT图像分割和量化方法，用于COVID-19诊断	COVID-19患者的CT扫描图像	计算机视觉	COVID-19	深度学习	NA	CT图像	多国、多医院、多机器的数据集
14657	2024-10-04	Predicting BRCA mutation and stratifying targeted therapy response using multimodal learning: a multicenter study 2024-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2024.2399759 PMID:39258876	研究论文	本研究开发并验证了一种多模态模型，用于预测BRCA1/2基因状态并评估PARPi治疗反应	本研究创新性地结合了组织特征、细胞特征和临床因素，构建了MIAM-C模型，显著提高了BRCA1/2基因状态的识别准确性，并能有效预测PARPi治疗的反应	本研究仅在卵巢癌、乳腺癌、前列腺癌和胰腺癌患者中进行了验证，未来需要在更多癌症类型中进行进一步验证	开发和验证一种多模态模型，用于预测BRCA1/2基因状态并评估PARPi治疗反应	卵巢癌、乳腺癌、前列腺癌和胰腺癌患者	数字病理学	卵巢癌	多实例注意力模型（MIAM）	多模态模型	病理图像、细胞特征和临床因素	1417名患者，1695张病理切片
14658	2024-10-04	CIDACC: Chlorella vulgaris image dataset for automated cell counting 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110941 PMID:39351130	研究论文	本文介绍了CIDACC数据集，用于微藻培养中的细胞计数	该数据集通过高分辨率图像和详细的分割掩码及边界框，为自动细胞检测、计数、大小和几何估计提供了丰富的资源	数据集的动态特性和复杂的相关性使其具有挑战性	旨在推进计算机视觉在微藻研究和相关领域的应用	微藻细胞的自动检测、计数、大小和几何估计	计算机视觉	NA	NA	深度学习架构	图像	628张图像
14659	2024-10-04	MycoAI: Fast and accurate taxonomic classification for fungal ITS sequences 2024-Nov, Molecular ecology resources IF:5.5Q1 DOI:10.1111/1755-0998.14006 PMID:39152642	研究论文	介绍了一个名为MycoAI的Python包，用于快速且准确地对真菌ITS序列进行分类	引入了BERT和CNN等深度学习模型，并采用多头输出架构和多层次分层标签平滑技术，显著提高了分类的准确性和效率	由于参考数据不足，分类结果仍需人工验证	开发一种高效且准确的真菌ITS序列分类方法	真菌ITS序列的分类	机器学习	NA	深度学习	BERT, CNN	序列	超过500万条标记序列
14660	2024-10-04	Development of a deep learning model for detecting lumbar vertebral fractures on CT images: An external validation 2024-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2024.111685 PMID:39197270	研究论文	开发并外部验证了一种基于CT图像的深度学习模型，用于检测腰椎椎体骨折	利用3D V-Net和3D ResNet卷积深度神经网络进行椎体分割和骨折分类	NA	开发和验证一种用于检测腰椎椎体骨折的二分类模型	腰椎椎体骨折的检测	计算机视觉	骨骼疾病	深度学习	3D V-Net, 3D ResNet	图像	Cohort A: 248名患者，1508个椎体；Cohort B: 148名患者，887个椎体