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
15701	2024-08-07	Deep learning for low-data drug discovery: Hurdles and opportunities 2024-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102818 PMID:38669740	综述	本文综述了在药物发现领域中，深度学习在低数据情况下的应用及其面临的挑战和机遇	探讨了在低数据环境下利用深度学习的新方法，并预测了未来研究方向	深度学习在药物发现中的应用常受限于某些任务的小数据情况	分析低数据学习在药物发现中的障碍和优势，并预测未来研究方向	药物发现领域中的深度学习应用	机器学习	NA	深度学习	NA	NA	低数据情况
15702	2024-08-07	New methods for drug synergy prediction: A mini-review 2024-06, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102827 PMID:38705070	综述	本文探讨了基于高通量组合筛选的药物组合协同预测新方法	介绍了自2021年以来发表的超过三十种基于深度学习技术的机器学习方法	涉及新药物或细胞线的预测场景仍未达到准确的预测水平	旨在通过突出核心技术、数据来源、输入数据类型和协同评分以及预测场景和评估协议，将这些文章置于统一的视角下	药物组合协同预测方法	机器学习	NA	深度学习	NA	NA	NA
15703	2024-08-07	Deep learning framework for peak detection at the intact level of therapeutic proteins 2024-Jun, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.202400051 PMID:38819868	研究论文	本文研究了一种深度学习框架，用于在治疗性蛋白质的整体水平上进行峰值检测	采用卷积神经网络（CNN）模型进行峰值识别，其性能优于传统的部分最小二乘判别分析（PLS-DA）和局部加权回归（LWR）	NA	开发一种自动化的峰值检测方法，以提高治疗性蛋白质分析中的真阳性率	单克隆抗体的异质变体（糖型）	机器学习	NA	液相色谱-质谱法	CNN	质谱数据	NA
15704	2024-08-07	Surface plasmons-phonons for mid-infrared hyperspectral imaging 2024-May-31, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ado3179 PMID:38809968	研究论文	研究通过开发一种结合表面等离子体和表面声子的超光谱成像系统，探索了表面声子在超光谱成像中的作用	首次展示了表面声子在超光谱成像中的应用，通过使用不对称十字形纳米天线，实现了对分子折射率强度和线形特征的精确捕捉，提高了分子识别的精确度和灵敏度	NA	探索表面声子在超光谱成像中的作用及其对分子识别的影响	表面等离子体和表面声子在超光谱成像中的应用	计算机视觉	NA	超光谱成像	深度学习	光谱数据	230,400 光谱/秒
15705	2024-08-07	Exploring the potential of pretrained CNNs and time-frequency methods for accurate epileptic EEG classification: a comparative study 2024-May-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3cde PMID:38599183	研究论文	本研究比较了多种预训练卷积神经网络（CNN）在利用时间-频率数据表示算法进行癫痫脑电图（EEG）分类中的性能	首次探索了使用时间-频率数据调整预训练框架参数对EEG数据分类的影响	研究仅使用了Bern-Barcelona EEG数据集和Temple University数据库进行验证	评估预训练CNN模型结合不同时间-频率技术在癫痫EEG分类中的效果	癫痫脑电图信号的分类	机器学习	NA	连续小波变换（CWT）、经验傅里叶分解（EFD）、经验模态分解（EMD）、经验小波变换（EWT）、变分模态分解（VMD）	CNN	脑电图（EEG）	使用了Bern-Barcelona EEG数据集和Temple University数据库
15706	2024-08-07	Optical frequency multiplication using residual network with random forest regression 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30958 PMID:38813222	研究论文	本文提出了一种利用残差网络（ResNet）与随机森林回归（RFR）算法相结合的混合深度学习方法，用于光学频率倍增	本文创新性地将残差网络与随机森林回归算法结合，用于光学频率倍增，并展示了三种不同的频率倍增调制方案	NA	研究光学频率倍增技术	光学频率倍增的参数优化及毫米波信号生成	计算机视觉	NA	残差网络（ResNet），随机森林回归（RFR）	ResNet，RFR	模拟数据	8倍频、12倍频和16倍频的毫米波信号
15707	2024-08-07	Conversion of single-energy CT to parametric maps of dual-energy CT using convolutional neural network 2024-May-29, The British journal of radiology DOI:10.1093/bjr/tqae076 PMID:38597871	研究论文	本文提出了一种深度学习多任务学习框架，使用卷积神经网络将单能量CT（SECT）直接转换为双能量CT（DECT）的三种参数图：虚拟单色图像（VMI）、有效原子序数（EAN）和相对电子密度（RED）	本文的创新点在于开发了一种深度学习框架，能够将单能量CT图像直接转换为双能量CT的多种高质量参数图	NA	研究目的是开发一种模型，能够从单能量CT图像中生成参数信息，而无需双能量CT设备	研究对象包括单能量CT图像和双能量CT的参数图	计算机视觉	NA	卷积神经网络	CNN	图像	67名患者的数据
15708	2024-08-07	PyHFO: lightweight deep learning-powered end-to-end high-frequency oscillations analysis application 2024-May-28, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad4916 PMID:38722308	研究论文	本研究旨在开发和验证一个端到端的软件平台PyHFO，该平台简化了深度学习方法在从EEG记录中检测癫痫发作区的神经生理标志物中的应用	PyHFO引入了时间效率高的高频振荡（HFO）检测算法，并结合深度学习模型进行伪影和HFO分类，能够在标准计算机硬件上高效运行	NA	开发和验证一个端到端的软件平台，用于在癫痫研究中应用深度学习技术分析EEG数据	从EEG记录中检测癫痫发作区的神经生理标志物	机器学习	癫痫	深度学习	DL模型	EEG数据	三个独立数据集，包括网格/条电极、网格/条和深度电极组合以及使用深度电极采样的啮齿动物研究中的新皮质和海马体
15709	2024-08-07	Deep learning algorithm-enabled sediment characterization techniques to determination of water saturation for tight gas carbonate reservoirs in Bohai Bay Basin, China 2024-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63168-8 PMID:38806579	研究论文	本研究利用深度学习算法，特别是门控循环单元（GRU）、循环神经网络（RNN）、长短期记忆（LSTM）、支持向量机（SVM）、K近邻（KNN）和决策树（DT），对渤海湾盆地的致密气碳酸盐岩储层的水饱和度进行预测	本研究采用了一种新颖的数据驱动策略，结合多种深度/浅层学习算法，特别是GRU模型，在预测水饱和度方面达到了前所未有的准确度	尽管GRU模型在预测水饱和度方面表现出色，但仍需考虑其在处理其他类型地质数据时的适用性和潜在的过拟合问题	优化烃类生产并解决因水饱和度导致的渗透率降低和孔喉堵塞等问题	致密气碳酸盐岩储层的水饱和度	机器学习	NA	深度学习算法	GRU, RNN, LSTM, SVM, KNN, DT	常规岩石物理数据	未具体说明样本数量
15710	2024-08-07	Machine vision-based autonomous road hazard avoidance system for self-driving vehicles 2024-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62629-4 PMID:38806585	研究论文	本文针对传统YOLOv5s在小目标检测上的问题，提出了一种优化的目标检测算法，通过升级C3模块并引入新的激活函数和损失函数，提高了检测准确性并增强了系统的视觉避障功能。	本文引入了CBAMC3模块、GELU激活函数和EfficiCIoU损失函数，加速了算法的收敛并提高了对小目标的检测准确性。	NA	旨在提高自动驾驶车辆在复杂道路条件下的导航能力和安全性。	自动驾驶车辆的视觉避障系统及其算法优化。	计算机视觉	NA	深度学习	YOLOv5s	图像	使用车载摄像头在预定路线上进行测试
15711	2024-08-07	Deep learning for risk stratification of thymoma pathological subtypes based on preoperative CT images 2024-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-024-12394-4 PMID:38807039	研究论文	本研究旨在开发一种基于术前CT图像的胸腺瘤风险分层深度模型	该深度模型能够同时识别病变、分割感兴趣区域（ROI）并区分胸腺瘤的风险，其诊断能力优于基线模型	目前的算法主要关注放射组学特征或2D深度特征，并需要放射科医生手动进行肿瘤分割，限制了其实际应用	开发一种创新的深度模型，用于基于术前CT图像的胸腺瘤风险分层	胸腺瘤的风险分层	机器学习	胸腺瘤	深度学习	深度模型	CT图像	147名患者（其中82名女性；平均年龄54岁±10）
15712	2024-08-07	Novel f-CaO soft sensor for cement clinker based on integrated model of dual-parallel structure 2024-May-01, The Review of scientific instruments DOI:10.1063/5.0194437 PMID:38819257	research paper	本文针对水泥生产过程中存在的不确定性、时延和变量间强耦合问题，提出了一种基于双并行结构集成模型的新型游离氧化钙软传感器	该模型采用一维卷积神经网络、长短时记忆网络、图神经网络和极限梯度提升的优化集成，有效缓解过拟合风险，并结合各模型的优势，擅长从原始时间序列数据中提取局部和全局特征以及时空特性	NA	解决水泥生产过程中的不确定性、时延和变量间强耦合问题	游离氧化钙在水泥熟料中的软传感器模型	machine learning	NA	一维卷积神经网络、长短时记忆网络、图神经网络、极限梯度提升	CNN, LSTM, 图神经网络, 极限梯度提升	时间序列数据	NA
15713	2024-08-07	[A survey on the application of convolutional neural networks in the diagnosis of occupational pneumoconiosis] 2024-Apr-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202309079 PMID:38686425	综述	本文综述了卷积神经网络（CNN）在职业性尘肺病影像诊断中的应用	探讨了CNN在尘肺病筛查诊断、分期诊断及病灶分割中的方法和优化思路	未提及具体的研究局限	总结CNN在尘肺病图像应用中的方法、优缺点及优化思路，为计算机辅助尘肺病诊断的进一步研究提供参考	职业性尘肺病的影像诊断	计算机视觉	职业病	卷积神经网络（CNN）	CNN（包括VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet）	图像	NA
15714	2024-08-07	Revolutionizing protein-protein interaction prediction with deep learning 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102775 PMID:38330793	综述	本文综述了利用深度学习方法预测蛋白质相互作用的最新进展	结合大量基因组序列数据，深度学习方法在预测蛋白质结构和建模蛋白质复合体方面达到了与实验技术相当的水平	本文未提及具体限制	探讨蛋白质相互作用预测的计算方法及其在生物医学中的应用	蛋白质相互作用及其在生物过程中的作用	机器学习	NA	深度学习	NA	基因组序列数据	NA
15715	2024-08-07	Deep learning in modeling protein complex structures: From contact prediction to end-to-end approaches 2024-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2024.102789 PMID:38402744	综述	本文综述了基于深度学习的蛋白质-蛋白质复合体结构建模方法的最新进展，包括通过蛋白质间接触预测和端到端方法的应用	深度学习在单体蛋白质结构预测中取得成功后，被广泛应用于蛋白质-蛋白质复合体结构的建模	文章讨论了应用深度学习预测蛋白质复合体结构面临的挑战和可能的未来方向	探讨深度学习在蛋白质-蛋白质复合体结构预测中的应用	蛋白质-蛋白质复合体结构	机器学习	NA	深度学习	NA	蛋白质结构数据	NA
15716	2024-08-07	Lesion segmentation using 3D scan and deep learning for the evaluation of facial portwine stain birthmarks 2024-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2024.104030 PMID:38423233	研究论文	本文研究了使用3D扫描和深度学习技术对面部葡萄酒色斑胎记进行病变分割和面积量化的方法	开发了一种改进的DeepLabV3+网络，引入了卷积块注意力模块（CBAM）和DENSE，并在Ranger优化器下进行训练，以提高病变区域的精确提取	NA	评估3D扫描与深度学习结合在自动化葡萄酒色斑面积量化中的应用	面部葡萄酒色斑胎记的病变分割和面积量化	计算机视觉	NA	3D扫描	DeepLabV3+	3D图像	29.26-45.82 cm²的葡萄酒色斑样本
15717	2024-08-07	Deep Learning-Based Automated Labeling of Coronary Segments for Structured Reporting of Coronary Computed Tomography Angiography in Accordance With Society of Cardiovascular Computed Tomography Guidelines 2024-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000753 PMID:37889562	研究论文	评估一种基于深度学习的自动化冠状动脉标记方法，用于根据心血管计算机断层扫描学会指南进行冠状动脉疾病的结构化报告	利用树状结构的长短期记忆循环神经网络架构，通过自下而上编码和自上而下解码的两步法，自动标记冠状动脉中心线	NA	评估基于深度学习的自动化冠状动脉标记方法的性能，以改进冠状动脉CT血管造影的自动化结构化报告	104名接受心电图同步冠状动脉CT血管造影的患者	计算机视觉	心血管疾病	深度学习	树状结构的长短期记忆循环神经网络	图像	1491个冠状动脉段
15718	2024-08-07	Advantages and Pitfalls of the Use of Optical Coherence Tomography for Papilledema 2024-03, Current neurology and neuroscience reports IF:4.8Q1 DOI:10.1007/s11910-023-01327-6 PMID:38261144	综述	本文综述了光学相干断层扫描（OCT）在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用	OCT技术可以检测到眼底镜检查可能遗漏的亚临床视网膜神经纤维层（pRNFL）增厚，增强深度成像（EDI）和扫频源OCT技术可以识别伪视盘水肿的原因，如视盘玻璃体	OCT技术有其固有的优缺点，需要充分理解以最佳地利用该方法检测视盘水肿	强调OCT在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用	视盘水肿及其相关的颅内压升高综合征	NA	NA	光学相干断层扫描（OCT）	NA	图像	NA
15719	2024-08-07	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	本文介绍了一种基于Swin Transformer的深度学习模型（SwinIR）用于单延迟和多延迟3D动脉自旋标记（ASL）的去噪，并将其性能与卷积神经网络（CNN）和其他基于Transformer的方法进行了比较	SwinIR模型在去噪单延迟和多延迟3D ASL数据方面优于CNN和其他基于Transformer的网络	文章未明确提及具体的局限性	开发和评估一种新的深度学习模型用于3D ASL数据的去噪	单延迟和多延迟3D ASL数据的去噪性能	机器学习	NA	动脉自旋标记（ASL）	Swin Transformer	图像	训练集包含66名受试者（119次扫描），测试集包含39名受试者（44次扫描）；多延迟ASL数据集包含6名受试者（10次扫描）
15720	2024-08-07	Detecting major depressive disorder presence using passively-collected wearable movement data in a nationally-representative sample 2024-Feb, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2023.115693 PMID:38194801	研究论文	本研究利用手腕佩戴的活动记录仪数据结合机器学习和深度学习技术，探索了在大规模代表性样本中检测重度抑郁症（MDD）的方法	本研究首次在大规模代表性样本中使用被动收集的活动记录仪数据结合机器学习和深度学习技术来检测MDD	研究仅使用了活动记录仪数据，可能忽略了其他重要的生理或心理指标	探索使用活动记录仪数据和机器学习技术在早期检测重度抑郁症的可能性	重度抑郁症（MDD）的早期检测	机器学习	心理疾病	机器学习, 深度学习	CNN	活动记录仪数据	8,378名参与者，其中766名进行了MDD筛查