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
15841	2024-09-21	Super-resolution reconstruction improves multishell diffusion: using radiomics to predict adult-type diffuse glioma IDH and grade 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1435204 PMID:39296980	研究论文	本文通过深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发和验证了预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	使用深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发了新的预测模型	高级扩散模型在诊断性能上并未优于简单扩散模型	提高多壳扩散图像的分辨率，并开发预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型	成人弥漫性胶质瘤的IDH状态和2/3级肿瘤	计算机视觉	脑肿瘤	深度学习超分辨率重建	生成对抗网络	图像	90例成人弥漫性胶质瘤患者
15842	2024-09-21	Detecting common coccinellids found in sorghum using deep learning models 2023-06-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36738-5 PMID:37328502	研究论文	本文开发并训练了深度学习模型，用于检测和分类高粱中常见的瓢虫	首次开发了用于高粱中瓢虫检测和分类的深度学习模型	NA	开发自动化技术以检测和分类高粱中的瓢虫，减少对杀虫剂的依赖	高粱中常见的七种瓢虫	计算机视觉	NA	深度学习	Faster R-CNN, YOLOv5, YOLOv7	图像	从iNaturalist项目中提取的图像
15843	2024-09-21	Detecting stress caused by nitrogen deficit using deep learning techniques applied on plant electrophysiological data 2023-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36683-3 PMID:37316610	研究论文	本文利用深度学习技术分析植物电生理数据，检测由氮缺乏引起的植物应激反应	本文首次将深度学习技术应用于植物电生理记录中识别植物应激反应，无需预先计算特征，自动学习分类目标	NA	检测由氮缺乏引起的植物应激反应	16株在典型生产条件下生长的番茄植物的电生理数据	机器学习	NA	深度学习	NA	电生理数据	16株番茄植物
15844	2024-09-21	Bayesian interpolation with deep linear networks 2023-Jun-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2301345120 PMID:37252994	研究论文	本文研究了深度、宽度和数据集大小对模型质量的联合影响，并给出了线性网络在特定条件下的完整解决方案	提出了一个新的有效深度概念，并展示了无限深度线性网络在数据无关先验下的最优预测能力	研究仅限于输出维度为一的线性网络，并使用零噪声贝叶斯推断和均方误差作为负对数似然	探讨神经网络深度、宽度和数据集大小对模型质量的联合影响	线性网络在特定条件下的预测后验和贝叶斯模型证据	机器学习	NA	贝叶斯推断	线性网络	数值数据	NA
15845	2024-09-21	An end-to-end deep learning method for protein side-chain packing and inverse folding 2023-06-06, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2216438120 PMID:37253017	研究论文	提出了一种端到端的深度学习方法AttnPacker，用于蛋白质侧链包装和逆折叠	AttnPacker直接利用骨架3D几何结构同时计算所有侧链坐标，无需依赖离散的旋转异构体库或进行昂贵的构象搜索和采样步骤，显著提高了计算效率	NA	解决蛋白质侧链包装问题，提高蛋白质结构预测、优化和设计的速度和准确性	蛋白质侧链构象	机器学习	NA	深度学习	NA	蛋白质结构数据	CASP13和CASP14中的天然和非天然蛋白质骨架
15846	2024-09-21	Variation in foraging activity influences area-restricted search behaviour by bottlenose dolphins 2023-Jun, Royal Society open science IF:2.9Q1 DOI:10.1098/rsos.221613 PMID:37325592	研究论文	研究了宽吻海豚的区域限制搜索行为与其觅食活动之间的关系	利用被动声学监测和基于深度学习的技术，首次提供了宽吻海豚区域限制搜索行为的一个驱动因素的实证证据	研究仅限于特定种群的宽吻海豚，且依赖于特定的声学数据	探讨区域限制搜索行为在海洋系统中的驱动因素	宽吻海豚的区域限制搜索行为及其与觅食活动的关系	NA	NA	被动声学监测	卷积神经网络	声学数据	特定种群的宽吻海豚
15847	2024-09-21	Quantitative characterization of zebrafish development based on multiple classifications using Mueller matrix OCT 2023-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.488614 PMID:37342688	研究论文	本文提出了一种基于Mueller矩阵光学相干断层扫描（Mueller matrix OCT）和深度学习的非侵入性方法，用于定量分析斑马鱼多个器官在其生长过程中的发育情况	结合Mueller矩阵OCT和深度学习技术，首次实现了对斑马鱼多个器官发育过程的定量分析	NA	开发一种非侵入性的方法，用于定量分析斑马鱼多个器官在其生长过程中的发育情况	斑马鱼的多个器官，包括身体、眼睛、脊柱、卵黄囊和游泳膀胱	生物医学工程	NA	Mueller矩阵光学相干断层扫描（Mueller matrix OCT）	U-Net网络	三维图像	从第1天到第19天的斑马鱼胚胎
15848	2024-09-21	Prediction of clinicopathological features, multi-omics events and prognosis based on digital pathology and deep learning in HR+/HER2- breast cancer 2023-May-30, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-23-445 PMID:37324098	研究论文	本研究利用深度学习技术，基于数字病理图像预测HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	首次在HR+/HER2-乳腺癌中应用深度学习模型预测治疗靶点和预后	研究样本量有限，且仅基于单一中心的病理图像数据	开发基于深度学习的模型，预测HR+/HER2-乳腺癌患者的临床病理特征、多组学特征及预后	HR+/HER2-乳腺癌患者的临床病理特征、多组学事件及预后	数字病理学	乳腺癌	深度学习	深度学习模型	病理图像	421例HR+/HER2-乳腺癌患者
15849	2024-09-21	Rapid protein stability prediction using deep learning representations 2023-05-15, eLife IF:6.4Q1 DOI:10.7554/eLife.82593 PMID:37184062	研究论文	本文介绍了一种利用深度学习表示快速准确预测蛋白质稳定性的方法RaSP	RaSP方法在蛋白质稳定性预测方面与基于生物物理学的方法表现相当，并且能够在不到一秒的时间内完成饱和突变稳定性预测	NA	开发一种快速准确的蛋白质稳定性预测方法	人类蛋白质组的单氨基酸变化及其在人类群体中的变异	机器学习	NA	深度学习	NA	蛋白质结构数据	约2.3亿个稳定性变化，涉及人类蛋白质组中的几乎所有单氨基酸变化
15850	2024-09-21	DDCNet: Deep Dilated Convolutional Neural Network for Dense Prediction 2023-Feb-28, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2022.12.024 PMID:37332394	研究论文	本文提出了一种用于密集预测任务的深度扩张卷积神经网络DDCNet	通过在深层网络中使用扩张卷积层，实现了更大的有效感受野和更高的空间特征分辨率，同时减少了可训练参数的数量	NA	设计一种能够在保持高空间特征分辨率的同时提供更大感受野的网络架构	密集像素匹配问题，如光流和视差估计	计算机视觉	NA	扩张卷积	CNN	图像	NA
15851	2024-09-21	Exploiting multi-granularity visual features for retinal layer segmentation in human eyes 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1191803 PMID:37324431	研究论文	本文提出了一种基于ConvNeXt的端到端视网膜层分割网络，利用多粒度视觉特征进行精确分割	引入了新的深度高效注意力模块和多尺度结构，保留更多特征图细节	NA	提高视网膜层边界分割的准确性，辅助早期眼科疾病的检测	人眼视网膜层的分割	计算机视觉	NA	ConvNeXt	ConvNeXt	图像	206张健康人眼视网膜图像（NR206数据集）
15852	2024-09-21	Detection of brain regions responsible for chronic pain in osteoarthritis: an fMRI-based neuroimaging study using deep learning 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1195923 PMID:37333009	研究论文	本文利用深度学习算法分析fMRI数据，检测骨关节炎慢性疼痛相关的脑区	首次使用深度学习算法识别骨关节炎慢性疼痛相关的脑区，并发现了先前文献中未提及的几个脑区	样本量较小，仅包括51名疼痛患者和20名健康对照	探索深度学习算法在识别骨关节炎慢性疼痛相关脑区的应用	骨关节炎慢性疼痛患者和健康对照的脑区	计算机视觉	骨关节炎	fMRI	CNN	图像	51名疼痛患者和20名健康对照
15853	2024-09-21	A multi-class classification algorithm based on hematoxylin-eosin staining for neoadjuvant therapy in rectal cancer: a retrospective study 2023, PeerJ IF:2.3Q2 DOI:10.7717/peerj.15408 PMID:37334122	研究论文	本文开发了一种基于苏木精-伊红染色图像的多分类算法，用于预测直肠癌新辅助治疗的反应	首次开发了一种多分类器，能够预测直肠癌新辅助治疗的不同反应	仅限于使用苏木精-伊红染色图像进行分类	开发一种多分类算法，用于预测直肠癌新辅助治疗的反应	直肠癌新辅助治疗的病理反应	数字病理学	直肠癌	NA	残差神经网络 (ResNet)	图像	NA
15854	2024-09-21	A novel framework based on deep learning for COVID-19 diagnosis from X-ray images 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1375 PMID:37346600	研究论文	本文提出了一种基于深度学习的COVID-19诊断框架，使用X射线图像进行检测	本文提出了一种新的深度学习框架，使用改进的DenseNet-121模型进行COVID-19诊断	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	设计一种高精度的深度神经网络，用于在线识别医学图像	COVID-19的X射线图像	计算机视觉	COVID-19	深度学习	DenseNet-121	图像	涉及不同类型的肺炎数据
15855	2024-09-21	Deep Relation Learning for Regression and Its Application to Brain Age Estimation 2022-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3161739 PMID:35320092	研究论文	本文提出了一种用于回归任务的深度关系学习方法，并将其应用于脑龄估计	本文创新性地提出了四种非线性关系（累积关系、相对关系、最大关系和最小关系），并通过一个包含特征提取和关系回归的两部分深度神经网络同时学习这些关系	NA	研究目的是通过学习输入图像对之间的关系来改进时间回归任务的性能	研究对象是脑龄估计任务	计算机视觉	NA	卷积神经网络和Transformer	深度神经网络	图像	6049名年龄在0-97岁之间的受试者
15856	2024-09-21	Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision 2021-Feb, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference) DOI:10.5220/0010241900002865 PMID:34046649	研究论文	本文提出了一种利用深度学习计算机视觉技术自动量化嗜酸性粒细胞以诊断嗜酸性食管炎（EoE）并评估疾病严重程度和进展的方法	首次利用深度学习计算机视觉技术进行EoE诊断，并提供了一种自动化的疾病严重程度和进展跟踪过程	NA	寻找可能指导新患者在疾病初始诊断时治疗计划的关联	嗜酸性食管炎（EoE）的诊断和疾病严重程度及进展评估	计算机视觉	消化系统疾病	深度学习	U-Net	图像	NA
15857	2024-09-21	Mixed deep learning and natural language processing method for fake-food image recognition and standardization to help automated dietary assessment 2019-05, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018000708 PMID:29623869	研究论文	本文研究了一种结合深度学习和自然语言处理的方法，用于识别假食物图像并进行标准化，以帮助自动化饮食评估	首次提出了一种自动识别假食物图像的方法，并结合自然语言处理进行食物匹配和标准化	研究样本量较小，仅涉及124名参与者，未来需要更大规模的研究验证	开发一种自动化方法，用于饮食评估和食物选择研究	假食物图像的识别和标准化	计算机视觉	NA	深度学习，自然语言处理	深度学习网络	图像	124名参与者，提供55种食物类别
15858	2024-09-20	Bangla news article dataset 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110874 PMID:39290422	研究论文	本文介绍了一个基于孟加拉语新闻文章的更新标准数据集	提供了超过190万篇来自九个孟加拉语新闻网站的文章，涵盖多个类别，为孟加拉语自然语言处理研究提供了丰富的数据资源	NA	提供一个标准化的孟加拉语新闻文章数据集，以支持自然语言处理和机器学习模型的研究	孟加拉语新闻文章数据集	自然语言处理	NA	NA	NA	文本	超过190万篇孟加拉语新闻文章
15859	2024-09-20	Enhancing sustainability in the production of palm oil: creative monitoring methods using YOLOv7 and YOLOv8 for effective plantation management 2024-Dec, Biotechnology reports (Amsterdam, Netherlands) DOI:10.1016/j.btre.2024.e00853 PMID:39290791	研究论文	评估YOLOv7和YOLOv8在识别油棕榈树方面的性能，以提高种植园管理的可持续性	YOLOv8系列在检测精度和时间上有所提升，YOLOv8m获得了最高的F1分数，YOLOv8s在检测时间上显著减少	NA	评估YOLOv7和YOLOv8在油棕榈种植园管理中的应用效果	YOLOv7和YOLOv8模型在油棕榈树识别中的性能	计算机视觉	NA	深度学习	YOLO	图像	训练集包含80,486张图像，测试集包含482张无人机拍摄的图像，其中包括5,233张油棕榈树图像
15860	2024-09-20	An enhanced AlexNet-Based model for femoral bone tumor classification and diagnosis using magnetic resonance imaging 2024-Oct, Journal of bone oncology IF:3.1Q2 DOI:10.1016/j.jbo.2024.100626 PMID:39290649	研究论文	本文介绍了一种基于AlexNet的增强深度学习模型，用于通过磁共振成像对股骨肿瘤进行分类和诊断	本文提出了一种优化的AlexNet模型，通过卷积神经网络对股骨肿瘤图像进行分类，相比其他方法具有更高的准确性、精确性、敏感性、特异性和F1分数	NA	开发一种自动化的分类方法，以提高股骨肿瘤的诊断准确性	股骨肿瘤患者及其磁共振成像数据	计算机视觉	骨肿瘤	卷积神经网络 (CNN)	AlexNet	图像	500例股骨肿瘤患者，包括500例影像数据（335例良性，165例恶性）