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
15041	2024-09-30	Abnormal structural and functional network topological properties associated with left prefrontal, parietal, and occipital cortices significantly predict childhood TBI-related attention deficits: A semi-supervised deep learning study 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1128646 PMID:36937671	研究论文	研究使用半监督深度学习模型探讨儿童创伤性脑损伤（TBI）相关注意力缺陷的结构和功能网络拓扑变化	首次使用半监督自编码器深度学习模型分析TBI儿童的脑网络拓扑变化，并预测注意力缺陷	样本量相对较小，且仅限于儿童TBI患者	探讨TBI儿童脑网络的结构和功能拓扑变化，并预测注意力缺陷	TBI儿童的脑网络结构和功能变化及其对注意力缺陷的预测能力	机器学习	创伤性脑损伤	功能磁共振成像（fMRI）和扩散张量成像（DTI）	半监督自编码器	图像	110名受试者（55名TBI儿童和55名匹配的对照组）
15042	2024-09-30	An in-silico framework for modeling optimal control of neural systems 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1141884 PMID:36968496	研究论文	本文提出了一种可扩展的、数据驱动的统一方法，用于研究脑-机-环境交互，结合了动力系统、最优控制理论和深度学习的工具	本文的创新点在于将最优控制理论与深度学习相结合，提出了一种新的框架来模拟神经系统的最优控制	本文的局限性在于仅在模拟环境中进行了验证，尚未应用于实际的神经系统	本文的研究目的是设计适用于大规模复杂神经系统的控制律	本文的研究对象是脑-机接口和神经系统的最优控制	机器学习	NA	最优控制理论、深度学习	递归神经网络	NA	NA
15043	2024-09-30	Non-stationary neural signal to image conversion framework for image-based deep learning algorithms 2023, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2023.1081160 PMID:37035716	研究论文	本文提出了一种时间高效的预处理框架，将任何给定的1D生理信号记录转换为2D图像表示，用于训练基于图像的深度学习模型	使用Bresenham's线算法将非平稳信号光栅化为2D图像，并使用修改后的2D卷积神经网络进行分类	NA	开发一种将1D生理信号转换为2D图像的方法，以便用于基于图像的深度学习模型	神经尖峰分类和EEG癫痫发作与非发作分类	机器学习	NA	Bresenham's线算法	2D卷积神经网络	图像	两个公开数据集，包括多类神经记录和二类EEG癫痫发作与非发作记录
15044	2024-09-30	Multi-head attention-based masked sequence model for mapping functional brain networks 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1183145 PMID:37214388	研究论文	本文提出了一种基于多头注意力机制的掩码序列模型，用于映射功能性脑网络	该模型通过多头注意力机制和掩码训练方法，学习不同状态下相同体素值的表示，并结合余弦相似度和任务设计曲线构建新的损失函数	现有方法在构建功能性脑网络时未考虑fMRI数据的内在特性，如同一信号值在不同时间点可能代表不同的脑状态和意义，且在训练过程中忽略了先验知识	克服现有方法的局限性，开发更高效的功能性脑网络映射模型	功能性脑网络的映射	计算机视觉	NA	功能磁共振成像(tfMRI)	多头注意力机制	图像	七种任务状态数据集
15045	2024-09-30	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023, Frontiers in neural circuits IF:3.4Q2 DOI:10.3389/fncir.2023.952921 PMID:37396399	研究论文	介绍了一个名为mEMbrain的交互式深度学习MATLAB工具，用于在普通台式机上进行连接组分割	提出了mEMbrain工具，集成了多种功能，包括地面实况生成、图像预处理、深度神经网络训练和实时预测，旨在加速手动标注工作并提供半自动实例分割方法	未提及	开发一个用户友好的开源工具，促进神经科学和图像处理领域的先进分析	电子显微镜数据集的标注和分割	计算机视觉	NA	深度学习	深度神经网络	图像	测试了多种数据集，包括不同物种、神经系统区域和发育阶段的数据集，提供了来自四种动物和五个数据集的地面实况标注，总计约180小时专家标注，生成超过1.2 GB的标注EM图像
15046	2024-09-30	The use of artificial intelligence for delivery of essential health services across WHO regions: a scoping review 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1102185 PMID:37469694	综述	本文综述了人工智能在WHO各地区基本医疗服务中的应用现状	本文首次系统综述了人工智能在医疗保健中的广泛应用，涵盖了多种疾病类型	本文仅基于2022年3月之前的文献，可能未涵盖最新的研究进展	旨在总结现有证据，探讨人工智能在医疗保健中的应用	人工智能在医疗保健中的应用，包括疾病检测、诊断、分类、管理、治疗和预后监测	机器学习	NA	深度学习	NA	NA	NA
15047	2024-09-30	Disentangling rodent behaviors to improve automated behavior recognition 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1198209 PMID:37496740	研究论文	本文探讨了自动化行为识别中啮齿动物行为识别准确率难以超过75-80%的原因，并区分了行为动态的三个难以自动化的方面	通过人工数据集隔离这些行为动态方面，并使用最先进的行为识别模型重现效果，为优化行为识别架构提供了可能性	依赖于人工数据集和现有模型的局限性	提高自动化行为识别的准确性，特别是啮齿动物行为的识别	啮齿动物的行为动态	计算机视觉	NA	深度学习	行为识别模型	人工数据集	大量标记训练数据
15048	2024-09-30	Water Meter Reading for Smart Grid Monitoring 2022-Dec-21, Sensors (Basel, Switzerland) DOI:10.3390/s23010075 PMID:36616673	研究论文	本文提出了一种自动读取表盘表数字的方法，以促进智能电网的实施	利用深度学习中的YOLOv5s模型进行数字定位和识别	未提及	促进智能电网的实施	表盘表的数字读取	计算机视觉	NA	深度学习	YOLOv5s	图像	未提及
15049	2024-09-30	Classification and visual explanation for COVID-19 pneumonia from CT images using triple learning 2022-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24936-6 PMID:36460708	研究论文	本文提出了一种新的框架，用于从CT图像中分类和可视化由COVID-19引起的肺炎	本文引入了对比学习和注意力机制，以改进分类效果并提供详细的可视化解释	NA	提高COVID-19肺炎CT图像分类的准确性和可解释性	COVID-19肺炎的CT图像	计算机视觉	肺部疾病	对比学习，注意力机制	NA	图像	使用三折交叉验证进行实验
15050	2024-09-30	McS-Net: Multi-class Siamese network for severity of COVID-19 infection classification from lung CT scan slices 2022-Dec, Applied soft computing IF:7.2Q1 DOI:10.1016/j.asoc.2022.109683 PMID:36277300	研究论文	本文提出了一种基于深度学习的P-shot N-ways孪生网络，结合原型最近邻分类器，用于从肺部CT扫描切片中分类COVID-19感染的严重程度	本文的创新点在于使用孪生网络和原型最近邻分类器，能够在有限数据集的情况下实现高精度的COVID-19感染严重程度分类	本文的局限性在于仅在MosMed数据集和两个特定数据集上进行了验证，可能需要进一步在更多数据集上验证其泛化能力	本文的研究目的是开发一种高效的方法，用于从肺部CT扫描中分类COVID-19感染的严重程度	本文的研究对象是COVID-19感染的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	孪生网络	图像	1110名患者和42名患者的低剂量CT扫描图像
15051	2024-09-30	DLBLS_SS: protein secondary structure prediction using deep learning and broad learning system 2022-Nov-22, RSC advances IF:3.9Q2 DOI:10.1039/d2ra06433b PMID:36505696	研究论文	本文提出了一种基于深度学习和广义学习系统的蛋白质二级结构预测模型DLBLS_SS	结合双向长短期记忆网络和时间卷积网络与通道注意力机制，以及广义学习系统来优化特征并捕捉残基间的局部相互作用	NA	提高蛋白质二级结构预测的准确性	蛋白质的3-state和8-state二级结构	机器学习	NA	深度学习	BLSTM, TCN, BLS	序列	包括CASP10, CASP11, CASP12, CASP13, CASP14和CB513的公共测试集
15052	2024-09-30	Deep Learning Techniques to Diagnose Lung Cancer 2022-Nov-13, Cancers IF:4.5Q1 DOI:10.3390/cancers14225569 PMID:36428662	研究论文	本文介绍了基于深度学习的医学影像技术在早期肺癌诊断中的最新进展	利用深度学习技术自动分类癌症图像，提高肺癌诊断的敏感性和准确性	现有技术无法自动分类癌症图像，不适用于其他病理的患者	开发一种敏感且准确的早期肺癌诊断方法	肺癌的早期诊断	计算机视觉	肺癌	深度学习	NA	医学影像	NA
15053	2024-09-30	Cocrystal Prediction of Bexarotene by Graph Convolution Network and Bioavailability Improvement 2022-Oct-16, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14102198 PMID:36297633	研究论文	本文开发了一种基于图卷积网络的深度学习模型（CocrystalGCN），用于预测Bexarotene的共晶体，并通过实验验证了其有效性	首次使用图卷积网络进行共晶体预测，并成功合成了多种具有改善溶解性和生物利用度的共晶体	实验验证的样本数量有限，可能需要进一步扩大样本量以验证模型的普适性	提高Bexarotene的水溶性和生物利用度，以改善其临床应用	Bexarotene及其共晶体	药物化学	皮肤T细胞淋巴瘤	图卷积网络（GCN）	GCN	分子结构数据	109个共晶体候选物中的30个进行了实验验证
15054	2024-09-30	First-Gen Lens: Assessing Mental Health of First-Generation Students across Their First Year at College Using Mobile Sensing 2022-Jul, Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies DOI:10.1145/3543194 PMID:36561350	研究论文	通过移动感知技术评估第一代大学生在其大学第一年的心理健康状况	提出了一种深度学习模型，通过考虑第一代学生的独特行为因素来准确预测其心理健康状况	研究样本仅限于达特茅斯学院的180名新生，可能无法完全代表所有第一代大学生	研究第一代大学生在大学第一年的心理健康状况及其行为模式	第一代大学生和非第一代大学生的心理健康及行为	机器学习	NA	移动感知技术	深度学习模型	行为数据	180名大学新生，其中27名为第一代学生，占研究群体的15%
15055	2024-09-30	Graph-based molecular Pareto optimisation 2022-Jun-29, Chemical science IF:7.6Q1 DOI:10.1039/d2sc00821a PMID:35872811	研究论文	本文介绍了基于图的非支配排序遗传算法（NSGA-II和NSGA-III）在分子多目标优化中的最新和开源实现	引入了新的评估指标，包括支配超体积和基于扩展指纹的内部相似性，用于基准测试	未提及具体的局限性	研究基于图的遗传算法在分子多目标优化中的应用	小分子药物的逆向设计	机器学习	NA	遗传算法	NSGA-II, NSGA-III	分子数据	未提及具体的样本数量
15056	2024-09-30	A 3-miRNA Signature Enables Risk Stratification in Glioblastoma Multiforme Patients with Different Clinical Outcomes 2022-06-16, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol29060345 PMID:35735454	研究论文	研究通过分析3-miRNA标志物在胶质母细胞瘤患者中的表达水平，实现了患者的风险分层	提出了一个3-miRNA标志物，通过RT-qPCR和深度学习系统验证其在胶质母细胞瘤患者风险分层中的有效性	研究样本量较小，仅涉及37名患者	开发一种新的分子标志物，用于胶质母细胞瘤患者的风险分层	胶质母细胞瘤患者及其miRNA表达水平	数字病理学	脑癌	RT-qPCR	深度学习	图像	37名胶质母细胞瘤患者
15057	2024-09-30	From systems to structure - using genetic data to model protein structures 2022-06, Nature reviews. Genetics DOI:10.1038/s41576-021-00441-w PMID:35013567	综述	本文综述了利用大规模遗传数据和深度学习方法来建模蛋白质结构及其相互作用的新兴应用	本文介绍了基于共进化、深度突变扫描和基因组规模遗传或化学遗传相互作用映射的新方法，这些方法使得能够建模单个蛋白质或蛋白质复合物的结构	NA	理解遗传变异的影响是生物学中的一个基本问题，需要分析序列变化在系统和机制尺度上的物理和功能后果	蛋白质结构及其相互作用	机器学习	NA	深度学习	NA	遗传数据	NA
15058	2024-09-30	COVID-19 prognostic modeling using CT radiomic features and machine learning algorithms: Analysis of a multi-institutional dataset of 14,339 patients 2022-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105467 PMID:35378436	研究论文	研究使用CT放射组学特征和机器学习算法对COVID-19患者进行预后建模	提出了基于CT放射组学特征的预后模型，并在大规模多中心数据集上验证了其预测能力	ComBat数据调和并未显著提高模型的性能	分析基于CT放射组学模型的预后能力	COVID-19患者	机器学习	COVID-19	放射组学特征提取	随机森林	CT影像	14,339名患者
15059	2024-09-30	Towards robust diagnosis of COVID-19 using vision self-attention transformer 2022-05-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13039-x PMID:35618740	研究论文	本文提出了一种基于视觉自注意力变换器的COVID-19诊断方法	使用自注意力机制的变换器架构，能够利用大量未标记数据进行预训练，提高了COVID-19诊断的准确性	需要大量的计算资源和数据进行训练	比较自注意力变换器与CNN和集成分类器在COVID-19诊断中的性能	COVID-19的诊断	计算机视觉	COVID-19	自注意力机制	Transformer	CT扫描图像	使用了HUST-19和SARS-CoV-2数据集进行训练和测试
15060	2024-09-30	Organic fluorescent nanoprobes with NIR-IIb characteristics for deep learning 2022-Apr, Exploration (Beijing, China) DOI:10.1002/EXP.20210097 PMID:37323884	研究论文	本文综述了具有NIR-IIb特性的有机荧光纳米探针的最新发展及其在动物模型深部成像中的应用	首次系统综述了NIR-IIb区域有机荧光纳米探针的发展及其在深部成像中的应用	有机荧光纳米探针在NIR-IIb区域的应用仍处于早期阶段，临床应用尚未广泛	综述具有NIR-IIb特性的有机荧光纳米材料的发展及其在深部成像中的应用	具有NIR-IIb特性的有机荧光纳米材料及其在动物模型中的应用	生物医学成像	NA	NIR-IIb成像	NA	图像	动物模型