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
15061	2024-10-04	Augmenting Interpretation of Chest Radiographs With Deep Learning Probability Maps 2020-Sep, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000505 PMID:32205817	研究论文	本文探讨了使用深度学习语义分割方法在胸部X光片上突出显示肺炎潜在焦点，以辅助诊断的可行性	提出了一种基于语义分割的深度学习方法，用于生成肺炎的概率图，以辅助诊断	研究为回顾性研究，使用的是公开数据集，且样本量有限	探索深度学习在胸部X光片上辅助诊断肺炎的可行性	胸部X光片上的肺炎诊断	计算机视觉	肺部疾病	卷积神经网络 (CNN)	U-net	图像	22,000张胸部X光片，其中3684张用于独立验证
15062	2024-10-04	NuSeT: A deep learning tool for reliably separating and analyzing crowded cells 2020-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008193 PMID:32925919	研究论文	本文介绍了一种基于深度学习的细胞核分割工具NuSeT，用于在显微镜图像中准确分割拥挤的细胞核	NuSeT结合了U-Net和区域提议网络（RPN），并通过分水岭步骤进一步优化，显著提高了在复杂2D和3D图像中检测和描绘细胞核边界的能力	NA	开发一种能够准确分割拥挤细胞核的深度学习工具	显微镜图像中的细胞核	计算机视觉	NA	深度学习	U-Net和区域提议网络（RPN）	图像	多种类型的荧光成像数据
15063	2024-10-04	Application of deep learning to the classification of uterine cervical squamous epithelial lesion from colposcopy images combined with HPV types 2020-Feb, Oncology letters IF:2.5Q3 DOI:10.3892/ol.2019.11214 PMID:31966086	研究论文	研究利用深度学习技术结合HPV类型对宫颈鳞状上皮病变进行分类的可行性	开发了一种结合卷积神经网络和HPV张量的AI分类器，其准确性高于妇科肿瘤专家	需要进一步研究以验证其在临床中的应用	探索使用深度学习技术对宫颈鳞状上皮病变进行分类的可行性	宫颈鳞状上皮病变（SILs）的分类	计算机视觉	宫颈癌	深度学习	卷积神经网络	图像	253名患者，其中210名患有高级别SIL，43名患有低级别SIL
15064	2024-10-04	A Survey on Deep Learning for Neuroimaging-Based Brain Disorder Analysis 2020, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2020.00779 PMID:33117114	综述	本文综述了深度学习在基于神经影像的脑部疾病分析中的应用	本文讨论了现有研究的局限性并提出了未来可能的研究方向	本文主要讨论了现有研究的局限性	综述深度学习在基于神经影像的脑部疾病分析中的应用	本文研究了阿尔茨海默病、帕金森病、自闭症谱系障碍和精神分裂症四种典型脑部疾病	计算机视觉	神经退行性疾病	深度学习	深度神经网络	影像	NA
15065	2024-10-04	Deep Learning for Predicting Complex Traits in Spring Wheat Breeding Program 2020, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2020.613325 PMID:33469463	研究论文	本文评估了深度学习模型在华盛顿州立大学春小麦育种项目中预测复杂性状的潜力	深度学习模型在预测复杂性状方面比传统模型rrBLUP提高了0至5%的准确性	NA	评估深度学习模型在春小麦育种项目中预测复杂性状的潜力	春小麦的五个不同数量性状	机器学习	NA	深度学习	多层感知器 (MLP) 和卷积神经网络 (CNN)	基因数据	650个重组自交系 (RILs) 来自春小麦嵌套关联作图 (NAM) 群体
15066	2024-10-04	Large-Scale Counting and Localization of Pineapple Inflorescence Through Deep Density-Estimation 2020, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2020.599705 PMID:33584745	研究论文	本文通过深度密度估计方法实现菠萝花序的大规模计数和定位	利用深度学习进行密度估计，实现菠萝花序的自动计数，计算复杂度与植物数量无关，适用于大规模检测	未提及具体局限性	优化菠萝种植管理，提高收获效率	菠萝花序的计数和定位	计算机视觉	NA	深度学习	密度估计模型	图像	超过160万株开花植物
15067	2024-10-04	Diagnosis of COVID-19 Pneumonia Based on Graph Convolutional Network 2020, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2020.612962 PMID:33585511	研究论文	提出了一种基于图卷积网络的三维深度学习方法，用于快速诊断COVID-19肺炎	通过图卷积网络整合多源CT数据，并提出迁移学习方法初始化3D-CNN参数，以提高诊断性能	未提及	开发一种快速诊断COVID-19肺炎的方法，减轻放射科医生和医生的负担	COVID-19肺炎患者和正常对照组的CT图像	计算机视觉	COVID-19	图卷积网络（GCN）	3D卷积神经网络（3D-CNN）	图像	399例COVID-19感染病例和400例正常对照组，来自六种设备类型
15068	2024-10-04	An Introductory Review of Deep Learning for Prediction Models With Big Data 2020, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2020.00004 PMID:33733124	综述	本文介绍了深度学习在人工智能和机器学习中的新学习范式，并重点讨论了深度前馈神经网络、卷积神经网络、深度信念网络、自编码器和长短期记忆网络等模型	本文介绍了深度学习模型的核心架构，并强调了这些架构在构建新应用特定网络架构中的灵活组合能力	本文主要为入门级综述，未深入探讨深度学习模型的数学和计算方法的复杂性	介绍深度学习模型的基本架构，为数据科学家和跨学科研究人员提供基础知识	深度学习模型的核心架构，包括深度前馈神经网络、卷积神经网络、深度信念网络、自编码器和长短期记忆网络	机器学习	NA	NA	深度前馈神经网络、卷积神经网络、深度信念网络、自编码器、长短期记忆网络	NA	NA
15069	2024-10-04	A natural language processing pipeline to advance the use of Twitter data for digital epidemiology of adverse pregnancy outcomes 2020, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.yjbinx.2020.100076 PMID:34417007	研究论文	研究开发了一种自然语言处理管道，用于从Twitter数据中识别不良妊娠结局，以推进数字流行病学研究	首次开发了一种基于BERT的自然语言处理方法，用于自动识别Twitter上的不良妊娠结局报告，并引入了一种规则过滤器来减少误报	研究主要基于Twitter数据，可能无法完全代表所有妊娠结局报告的情况	评估女性是否在Twitter上报告不良妊娠结局，并开发自然语言处理方法以自动识别这些报告	Twitter上的不良妊娠结局报告，包括流产、死产、早产等	自然语言处理	妊娠相关疾病	自然语言处理 (NLP)	BERT	文本	超过4亿条公开的Twitter推文，涉及超过10万名宣布怀孕的用户
15070	2024-10-04	DeepHarmony: A deep learning approach to contrast harmonization across scanner changes 2019-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.05.041 PMID:31301354	研究论文	提出了一种基于U-Net深度学习架构的对比度协调方法DeepHarmony，用于解决MRI扫描协议和设备变化导致的图像对比度不一致问题	DeepHarmony通过深度学习方法实现了跨扫描协议的对比度协调，显著提高了图像量化的一致性	研究中使用的样本量较小，仅为8例	解决MRI扫描协议和设备变化导致的图像对比度不一致问题，提高多站点或长期研究中的图像量化一致性	MRI图像的对比度协调和量化一致性	计算机视觉	多发性硬化症	深度学习	U-Net	图像	8例重叠队列用于训练数据，多发性硬化症患者的纵向MRI数据用于评估
15071	2024-10-04	Artificial intelligence in clinical and genomic diagnostics 2019-11-19, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-019-0689-8 PMID:31744524	综述	本文综述了人工智能在临床和基因组诊断中的应用	介绍了人工智能在临床诊断和基因组学中的新兴方法，特别是深度学习算法在处理大型复杂基因组数据集中的应用	讨论了人工智能在医学应用中的挑战、局限性和偏见，特别是涉及人类遗传学和基因组数据的应用	总结人工智能系统擅长解决的主要问题，并描述受益于这些解决方案的临床诊断任务	人工智能在临床诊断和基因组学中的应用，包括变异检测、基因组注释和变异分类，以及表型与基因型的对应关系	机器学习	NA	深度学习	深度学习算法	基因组数据	NA
15072	2024-10-04	Prediction of BAP1 Expression in Uveal Melanoma Using Densely-Connected Deep Classification Networks 2019-Oct-16, Cancers IF:4.5Q1 DOI:10.3390/cancers11101579 PMID:31623293	研究论文	本文研究了使用密集连接的深度分类网络预测葡萄膜黑色素瘤中BAP1表达水平	提出了一种基于深度学习的密集连接分类网络，用于预测BAP1表达，具有高灵敏度、特异性和准确性	研究样本仅来自两个中心，可能存在地域偏差	验证人工智能是否能准确预测葡萄膜黑色素瘤中BAP1表达水平	葡萄膜黑色素瘤中的BAP1表达水平	数字病理学	葡萄膜黑色素瘤	深度学习	密集连接分类网络	图像	47个摘除的眼球样本，分为6800个训练补丁和1376个验证补丁
15073	2024-10-04	Comparison Study of Computational Prediction Tools for Drug-Target Binding Affinities 2019, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2019.00782 PMID:31824921	综述	本文综述了用于预测药物-靶点结合亲和力的计算预测工具，重点关注人工智能、机器学习和深度学习方法	首次全面比较分析了基于AI/ML/DL的DTBA预测工具	NA	探讨药物-靶点相互作用预测方法，特别是结合亲和力的预测	药物-靶点结合亲和力预测工具及其相关基准数据集和数据库	机器学习	NA	人工智能、机器学习、深度学习	NA	NA	NA
15074	2024-10-04	Peptide-Major Histocompatibility Complex Class I Binding Prediction Based on Deep Learning With Novel Feature 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.01191 PMID:31850062	研究论文	本文提出了一种基于深度学习的新特征来预测肽与主要组织相容性复合体I类（MHC I）蛋白的结合亲和力	本文采用了深度卷积神经网络（CNN）来预测肽与MHC I的结合亲和力，并引入了新的特征，如序列顺序、疏水性指数、极性和肽长度，以提高预测准确性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种更准确的预测肽与MHC I结合亲和力的方法，以支持基于肽的疫苗开发	肽与MHC I蛋白的结合亲和力	机器学习	NA	深度学习	CNN	序列数据	涉及数十种肽数据
15075	2024-10-04	Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks 2018-04-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btx727 PMID:29155928	研究论文	本文开发了一种基于样条变换的神经网络模块，用于灵活且稳健地建模距离，显著提高了深度神经网络对体内RNA结合蛋白结合位点的预测准确性	提出了样条变换方法，用于在深度神经网络中建模基因组地标之间的相对距离，相比传统的分段线性变换，样条变换在预测准确性、训练速度和鲁棒性方面表现更优	NA	提高深度神经网络对基因调控序列的预测准确性	RNA结合蛋白结合位点和人类剪接分支点	机器学习	NA	深度学习	深度神经网络	基因组数据	123种蛋白质中的120种
15076	2024-10-04	Toward an Integration of Deep Learning and Neuroscience 2016, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2016.00094 PMID:27683554	研究论文	本文探讨了深度学习和神经科学之间的整合，提出大脑可能优化成本函数并在预结构化架构内进行操作	提出大脑可能优化多样化的成本函数，并在预结构化架构内进行操作，这与传统的人工神经网络优化方法不同	文章主要基于假设和理论推断，缺乏直接的实验证据支持	探讨深度学习和神经科学之间的联系，提出大脑可能的优化机制	大脑的计算机制和优化过程	机器学习	NA	NA	NA	NA	NA
15077	2024-10-03	Advances in Oral Exfoliative Cytology: From Cancer Diagnosis to Systemic Disease Detection 2024-Nov, Diagnostic cytopathology IF:1.0Q4 DOI:10.1002/dc.25400 PMID:39219248	综述	本文综述了口腔脱落细胞学在癌症诊断和系统性疾病检测中的应用及最新进展	本文介绍了细胞采集和制备方法的改进、分子标记和DNA分析的整合、系统性疾病检测的新应用以及计算机辅助分析和深度学习算法的潜力	标准化和广泛临床应用仍面临挑战	评估口腔脱落细胞学在口腔和系统性疾病诊断中的当前状态和未来潜力	口腔脱落细胞学技术及其在癌症和系统性疾病检测中的应用	NA	NA	口腔脱落细胞学	深度学习	细胞	NA
15078	2024-10-03	Accurate nuclear quantum statistics on machine-learned classical effective potentials 2024-Oct-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0226764 PMID:39352405	研究论文	本文利用深度学习和多尺度粗粒化技术，通过机器学习势能来准确表示对经典势能的修正，从而显著降低路径积分分子动力学模拟中核量子效应的计算成本	本文提出了一种利用机器学习势能来准确表示对经典势能的修正的方法，显著降低了模拟核量子效应的计算成本	NA	旨在通过机器学习技术减轻路径积分分子动力学模拟中核量子效应的计算负担	氢键系统的核量子效应，包括生物分子	机器学习	NA	路径积分分子动力学 (PIMD)	深度学习模型	势能	四个不同系统：Morse势、Zundel阳离子、单个水分子和大量水
15079	2024-10-03	Automated High-Throughput Atomic Force Microscopy Single-Cell Nanomechanical Assay Enabled by Deep Learning-Based Optical Image Recognition 2024-Oct-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.4c03861 PMID:39302697	研究论文	本文介绍了一种基于深度学习图像识别辅助的原子力显微镜（AFM）自动化高通量单细胞纳米力学测量方法	利用深度学习技术实现了AFM的自动化和高通量单细胞纳米力学测量，减少了人工操作的依赖	NA	开发一种自动化的高通量单细胞纳米力学测量方法，以提高AFM在机械生物学中的应用效率	单细胞的纳米力学特性	计算机视觉	NA	原子力显微镜（AFM）	深度学习模型	图像	NA
15080	2024-10-03	Advancing the Prediction of MS/MS Spectra Using Machine Learning 2024-Oct-02, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.4c00154 PMID:39258761	研究论文	本文探讨了使用机器学习技术预测串联质谱（MS/MS）谱图的挑战和改进策略	本文提出了使用机器学习和深度学习技术来提高MS/MS谱图预测的速度和准确性	现有方法在处理广泛的小分子时面临速度和准确性的挑战，且通用机器学习基准策略可能导致误导性的准确性评分	提高MS/MS谱图预测的准确性和速度	串联质谱（MS/MS）谱图	机器学习	NA	串联质谱（MS/MS）	机器学习模型	谱图数据	广泛的小分子