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
14881	2024-10-08	A comprehensive review of machine learning algorithms and their application in geriatric medicine: present and future 2023-Nov, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-023-02552-2 PMID:37682491	综述	本文综述了机器学习算法及其在老年医学中的应用现状和未来发展	本文详细描述了各种机器学习算法的分类、用途和能力，并特别关注了其在老年医学中的应用	本文主要集中在算法的技术层面和临床应用，未深入探讨数据隐私和伦理问题	探讨机器学习算法在老年医学中的应用及其未来发展	机器学习算法及其在老年医学中的应用	机器学习	老年病	NA	NA	NA	NA
14882	2024-10-08	THPLM: a sequence-based deep learning framework for protein stability changes prediction upon point variations using pretrained protein language model 2023-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad646 PMID:37874953	研究论文	提出了一种基于序列的深度学习框架THPLM，用于预测蛋白质稳定性变化，使用预训练的蛋白质语言模型ESM-2	利用预训练的蛋白质语言模型ESM-2和简单的卷积神经网络，THPLM在蛋白质稳定性变化预测方面表现优异	NA	探索蛋白质稳定性变化的预测方法，特别是在点突变情况下的预测	蛋白质稳定性变化	机器学习	NA	深度学习	卷积神经网络	序列	NA
14883	2024-10-08	Lyme rashes disease classification using deep feature fusion technique 2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13519 PMID:38009027	研究论文	本文提出了一种新的深度特征融合系统，用于分类莱姆病皮疹	本文创新性地提出了一个深度特征融合机制，通过集成多个深度学习模型的特征来提高分类准确性	NA	开发一种自动分类莱姆病皮疹的方法，以帮助临床医生和皮肤科医生更有效地研究和诊断	莱姆病皮疹的分类	计算机视觉	莱姆病	深度学习	深度卷积神经网络	图像	NA
14884	2024-10-08	Deep learning-enabled 3D multimodal fusion of cone-beam CT and intraoral mesh scans for clinically applicable tooth-bone reconstruction 2023-Sep-08, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100825 PMID:37720330	研究论文	本文提出了一种基于深度学习的3D多模态融合框架，用于临床适用的牙骨重建	引入了Deep Dental Multimodal Fusion (DDMF)框架，结合了CBCT和IOS数据，采用新颖的像素表示学习架构、先验知识引导的损失函数和基于几何的3D融合技术	NA	开发一种自动化的多模态框架，用于高保真度的牙骨结构3D重建，以支持虚拟牙科治疗规划	牙骨结构的3D模型	计算机视觉	NA	深度学习	NA	图像	大规模真实世界数据集
14885	2024-10-08	Task-based assessment of digital mammography microcalcification detection with deep learning denoising algorithmss using in silico and physical phantom studies 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.053502 PMID:37808969	研究论文	研究使用深度学习去噪算法在数字乳腺摄影微钙化检测中的任务评估，通过体内和物理模型研究	提出使用深度学习去噪算法来改善低剂量乳腺摄影图像质量，并探讨了训练数据集中信号存在区域的重要性	研究结果显示在物理模型和临床系统中，去噪后的半剂量乳腺摄影图像在微钙化信号检测方面没有明显改善	评估深度学习去噪算法在低剂量乳腺摄影图像中检测微钙化的效果	乳腺微钙化检测	计算机视觉	乳腺癌	深度学习去噪算法	卷积神经网络	图像	使用了一个人体模型物理幻影和数字压缩乳腺幻影进行研究
14886	2024-10-08	Active learning of enhancer and silencer regulatory grammar in photoreceptors 2023-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.21.554146 PMID:37662358	研究论文	本文研究了在视网膜光感受器中使用主动机器学习方法来训练增强子和沉默子调控语法的深度学习模型	本文提出了一种新的主动机器学习方法，通过迭代训练模型来预测包含光感受器转录因子CRX结合基序的序列活性，使用比当前方法少一个数量级的训练数据	本文未提及具体的局限性	研究如何通过主动机器学习方法训练准确的深度学习模型来预测调控元件的活性	研究对象包括增强子和沉默子的调控语法以及光感受器转录因子CRX的结合基序	机器学习	NA	主动机器学习	深度学习模型	DNA序列	使用了多轮合成的DNA序列进行实验
14887	2024-10-08	DeepAIR: A deep learning framework for effective integration of sequence and 3D structure to enable adaptive immune receptor analysis 2023-08-09, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abo5128 PMID:37556545	研究论文	本文介绍了一种名为DeepAIR的深度学习框架，用于整合序列和3D结构特征，以准确预测适应性免疫受体（AIR）与抗原的结合	DeepAIR框架首次将序列和结构特征整合用于预测AIR-抗原结合，显著提高了预测准确性	NA	开发一种能够准确预测适应性免疫受体与抗原结合的深度学习框架	适应性免疫受体（AIR），包括T细胞受体（TCR）和B细胞受体（BCR）	机器学习	NA	深度学习	深度学习框架	序列和3D结构数据	使用了TCR和BCR的组合数据，具体样本数量未明确提及
14888	2024-10-08	Generative design of de novo proteins based on secondary structure constraints using an attention-based diffusion model 2023-Jul-13, Chem IF:19.1Q1 DOI:10.1016/j.chempr.2023.03.020 PMID:37614363	研究论文	本文报道了两种基于深度学习的生成模型，用于根据二级结构设计目标预测氨基酸序列和3D蛋白质结构	模型能够发现自然机制或系统中尚未发现的新蛋白质序列，具有设计新蛋白质的能力	未来的工作可能需要进一步的条件调整和其他功能属性的探索	开发能够根据二级结构设计目标生成新蛋白质序列和结构的深度学习模型	氨基酸序列和3D蛋白质结构	机器学习	NA	深度学习	基于注意力机制的扩散模型	3D蛋白质结构数据	从实验已知的3D蛋白质结构中提取的数据集
14889	2024-10-08	Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization 2023-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120125 PMID:37084926	综述	本文综述了用于消除批次效应的统计和深度学习方法，并介绍了评估图像协调方法的指标	提供了评估新提出的协调方法的标准化框架，并提出了对最终用户和方法学家的建议	NA	探讨如何消除批次效应以提高下游分析结果的泛化性和可重复性	磁共振成像和计算机断层扫描数据的批次效应	计算机视觉	NA	深度学习	NA	图像	NA
14890	2024-10-08	DrugEx: Deep Learning Models and Tools for Exploration of Drug-Like Chemical Space 2023-06-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00434 PMID:37272707	研究论文	介绍了一个名为DrugEx的开源软件包，用于多目标强化学习，以探索药物样化学空间	整合并重新设计了先前DrugEx论文中的脚本，包括多种生成器架构、多种评分工具和多目标优化方法，提供了一个灵活的应用编程接口和图形用户界面GenUI	NA	开发一个用户友好且易于定制的药物设计工具	药物样化学空间中的新分子发现	机器学习	NA	多目标强化学习	多种生成器架构	NA	NA
14891	2024-10-08	Deep Learning for Human Activity Recognition on 3D Human Skeleton: Survey and Comparative Study 2023-May-27, Sensors (Basel, Switzerland) DOI:10.3390/s23115121 PMID:37299848	综述	本文对基于三维人体骨架数据的人类活动识别（HAR）的深度学习方法进行了全面的调查和比较研究	本文首次对基于三维人体骨架数据的人类活动识别的深度学习方法进行了系统的分类和比较研究	本文的比较研究仅限于KLHA3D 102和KLYOGA3D数据集，可能无法全面反映所有深度学习方法的性能	评估和比较基于三维人体骨架数据的人类活动识别的深度学习方法	基于三维人体骨架数据的人类活动识别	计算机视觉	NA	深度学习	RNN, CNN, GCN, Hybrid-DNN	三维人体骨架数据	KLHA3D 102和KLYOGA3D数据集
14892	2024-10-08	Denoising digital breast tomosynthesis projections using deep learning with synthetic data as training set 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034001 PMID:37223635	研究论文	本文研究了使用深度学习技术对数字乳腺断层合成（DBT）投影图像进行去噪，并提出使用合成数据进行训练	提出使用软件生成的合成数据来训练深度神经网络（DNN）进行DBT图像去噪，解决了实际数据集获取困难的问题	仅限于DBT图像去噪，未涉及其他类型的医学图像处理	研究如何在没有大量实际数据的情况下，使用合成数据训练深度神经网络进行DBT图像去噪	数字乳腺断层合成（DBT）投影图像的去噪	计算机视觉	NA	深度神经网络（DNN）	深度神经网络（DNN）	图像	合成数据集包含噪声和原始图像，具体样本数量未提及
14893	2024-10-08	Histogram of Oriented Gradients meet deep learning: A novel multi-task deep network for 2D surgical image semantic segmentation 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102747 PMID:36702038	研究论文	本文提出了一种新颖的多任务深度学习方法，用于2D手术图像的语义分割	本文的创新点在于使用无监督方式生成辅助任务的伪标签，并利用方向梯度直方图（HOG）作为伪标签生成的特征	NA	研究目的是改进医学图像分割的性能	研究对象是2D手术图像的语义分割	计算机视觉	NA	方向梯度直方图（HOG）	多任务深度网络	图像	两个不同的医学图像分割数据集
14894	2024-10-08	AI-based multi-PRS models outperform classical single-PRS models 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1217860 PMID:37441549	研究论文	本文研究了基于AI的多PRS模型是否能超越传统的单一PRS模型	本文创新性地将其他疾病的PRS添加到预测模型中，并使用机器学习模型替代回归模型，显著提高了预测性能	NA	研究如何通过添加其他疾病的PRS和使用机器学习模型来提高疾病风险的预测性能	多PRS模型与单一PRS模型的比较，以及回归模型与机器学习模型的比较	机器学习	多种复杂疾病	机器学习	深度学习	基因数据	NA
14895	2024-10-08	Mini-COVIDNet: Efficient Lightweight Deep Neural Network for Ultrasound Based Point-of-Care Detection of COVID-19 2021-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2021.3068190 PMID:33755565	研究论文	本文开发了一种轻量级的深度学习模型Mini-COVIDNet，用于基于肺部超声图像的COVID-19检测	提出了Mini-COVIDNet模型，相比现有模型参数减少了4.39倍，内存需求仅为51.29 MB，适用于移动平台部署	NA	开发一种适用于移动平台的轻量级深度学习模型，用于COVID-19的快速检测	COVID-19、肺炎和健康状态的肺部超声图像	计算机视觉	COVID-19	深度学习	深度神经网络	图像	三类样本：COVID-19、肺炎和健康状态
14896	2024-10-08	InstantDL: an easy-to-use deep learning pipeline for image segmentation and classification 2021-Mar-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04037-3 PMID:33653266	研究论文	本文介绍了一个名为InstantDL的深度学习管道，用于图像分割和分类任务	InstantDL允许具有基本计算背景的研究人员轻松应用经过调试和基准测试的最新深度学习算法，无需大量编码和机器学习背景	NA	开发一个易于使用的深度学习管道，使生物医学研究人员能够进行可重复的图像处理	图像分割和分类任务	计算机视觉	NA	卷积神经网络	CNN	图像	七个公开数据集
14897	2024-10-08	DRPnet: automated particle picking in cryo-electron micrographs using deep regression 2021-Feb-08, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-03948-x PMID:33557750	研究论文	本文开发了一种基于深度学习的粒子挑选网络，用于自动检测冷冻电镜图像中的粒子中心	提出了一种双卷积神经网络级联的方法，名为DRPnet，能够有效识别不同大小、形状、分布和灰度模式的粒子，并在多个性能指标上优于现有方法	NA	开发一种自动化的方法来识别和选择冷冻电镜图像中的蛋白质粒子	冷冻电镜图像中的蛋白质粒子	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	单个冷冻电镜数据集
14898	2024-10-08	Ankle fracture classification using deep learning: automating detailed AO Foundation/Orthopedic Trauma Association (AO/OTA) 2018 malleolar fracture identification reaches a high degree of correct classification 2021-02, Acta orthopaedica IF:2.5Q1 DOI:10.1080/17453674.2020.1837420 PMID:33103536	研究论文	研究使用深度学习算法自动分类踝关节骨折，特别是根据AO基金会/骨科创伤协会（AO/OTA）2018标准进行详细分类	开发了一种基于ResNet架构的神经网络，能够自动学习并分类踝关节骨折的复杂分类标准	研究主要集中在踝关节骨折的分类，未涉及其他身体部位的骨折分类	探索使用深度学习算法自动分类踝关节骨折，以辅助骨科决策	踝关节骨折的分类，特别是AO/OTA 2018标准的详细分类	计算机视觉	NA	深度学习	ResNet	图像	4941例踝关节X光检查图像，其中400例用于测试
14899	2024-10-08	A Review on Deep Learning Techniques for the Diagnosis of Novel Coronavirus (COVID-19) 2021, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/ACCESS.2021.3058537 PMID:34976571	综述	本文综述了基于深度学习技术用于新型冠状病毒（COVID-19）诊断的最新系统	本文提供了对使用不同医学成像模式（如CT和X射线）的深度学习系统的全面概述，并讨论了用于训练这些网络的知名数据集	本文指出了使用深度学习方法进行COVID-19检测的挑战，并提出了未来研究的趋势	旨在概述基于深度学习技术用于COVID-19诊断的系统，并为专家和技术人员提供理解这些技术如何被使用以及如何进一步利用它们来对抗COVID-19爆发的见解	COVID-19诊断的深度学习系统	计算机视觉	新型冠状病毒	深度学习	NA	图像	NA
14900	2024-10-08	M 3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening From CT Imaging 2020-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.3030853 PMID:33048773	研究论文	本文提出了一种用于多类肺部肺炎筛查的深度学习系统M 3Lung-Sys，通过CT影像进行诊断	该系统仅由两个2D CNN网络组成，分别用于切片级和患者级分类，能够从大量CT切片中提取特征并恢复不同切片间的时间信息	NA	旨在提高COVID-19等肺部肺炎的准确诊断，以便及时隔离和治疗	COVID-19、H1N1、CAP和健康病例的CT影像	计算机视觉	肺部疾病	深度学习	CNN	影像	734名患者（251名健康人，245名COVID-19患者，105名H1N1患者，133名CAP患者）