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
16001	2024-09-19	Corrigendum: Contextual emotion detection in images using deep learning 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1476791 PMID:39290717	correction	纠正了文章DOI: 10.3389/frai.2024.1386753中的错误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16002	2024-09-19	Automatic segmentation of white matter hyperintensities in T2-FLAIR with AQUA: A comparative validation study against conventional methods 2023-12, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2023.110825 PMID:38000477	研究论文	本文提出了一种名为AQUA的深度学习模型，用于自动分割T2-FLAIR扫描中的白质高信号（WMH），并与其他五种自动分割方法进行了比较验证	AQUA模型在U-Net架构的基础上进行了改进，引入了Bottleneck Attention Module，显著提高了对小尺寸WMH的检测性能	尽管AQUA在大多数指标上表现优异，但在召回率和F1分数上仍有改进空间，特别是在排除小病变后	开发一种高效且客观的自动分割方法，用于检测和监测与认知衰退和痴呆风险相关的白质高信号	T2-FLAIR扫描中的白质高信号（WMH）	计算机视觉	神经退行性疾病	深度学习	U-Net	图像	170名老年参与者
16003	2024-09-19	Explainable Convolutional Neural Networks for Brain Cancer Detection and Localisation 2023-Sep-02, Sensors (Basel, Switzerland) DOI:10.3390/s23177614 PMID:37688069	研究论文	本文提出了一种利用卷积神经网络和类激活映射进行脑癌检测和定位的方法	利用深度学习技术，特别是卷积神经网络和类激活映射，提供了解释性，突出显示与脑癌相关的医学图像区域	NA	检测和定位脑癌	脑癌	计算机视觉	脑癌	卷积神经网络	卷积神经网络	图像	3000个磁共振图像
16004	2024-09-19	Deep learning architecture for 3D image super-resolution of late gadolinium enhanced cardiac MRI 2023-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.5.051808 PMID:37235130	研究论文	本文提出了一种基于3D卷积神经网络（CNN）的方法，用于提高晚期钆增强心脏MRI图像的穿透平面分辨率	本文创新性地引入了一个梯度分支，为CNN超分辨率框架提供结构指导，从而提高了图像的穿透平面分辨率和分割效果	NA	提高晚期钆增强心脏MRI图像的穿透平面分辨率，并评估其对心脏腔室3D分割的影响	晚期钆增强心脏MRI图像的穿透平面分辨率和左心房（LA）的3D分割	计算机视觉	心血管疾病	3D卷积神经网络（CNN）	CNN	3D图像	使用了2018年心房分割挑战数据集和2022年左心房和瘢痕量化与分割挑战数据集
16005	2024-09-19	A lightweight CORONA-NET for COVID-19 detection in X-ray images 2023-Sep-01, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120023 PMID:37063778	研究论文	本文提出了一种轻量级的深度学习方法CORONA-NET，用于从胸部X光图像中诊断COVID-19	结合了卷积神经网络（CNN）、离散小波变换（DWT）和长短期记忆网络（LSTM），实现了高效的COVID-19检测	NA	开发一种自动化的COVID-19检测系统，以快速诊断和阻止病毒传播	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	卷积神经网络（CNN）、离散小波变换（DWT）、长短期记忆网络（LSTM）	CNN、LSTM	图像	3000张X光图像，其中1000张为COVID-19阳性
16006	2024-09-19	DeepBindPPI: Protein-Protein Binding Site Prediction Using Attention Based Graph Convolutional Network 2023-08, The protein journal DOI:10.1007/s10930-023-10121-9 PMID:37198346	研究论文	本文提出了一种基于注意力机制的图卷积网络模型DeepBindPPI，用于预测蛋白质-蛋白质相互作用的结合位点	本文创新性地将图卷积网络与注意力机制结合，提高了蛋白质结合位点预测的精度	本文未详细讨论模型的泛化能力和对不同类型蛋白质结合位点的预测效果	开发一种高精度的蛋白质结合位点预测方法，以支持药物发现任务	蛋白质-蛋白质相互作用的结合位点，特别是抗原-抗体相互作用	机器学习	NA	图卷积网络	注意力机制	蛋白质数据	使用了通用蛋白质数据集，并使用抗原-抗体数据进行微调
16007	2024-09-19	Pacpaint: a histology-based deep learning model uncovers the extensive intratumor molecular heterogeneity of pancreatic adenocarcinoma 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39026-y PMID:37311751	研究论文	开发了一种基于深度学习的模型PACpAInt，用于快速分型胰腺腺癌的分子亚型	PACpAInt模型能够在全切片或瓦片级别预测肿瘤组织和肿瘤细胞的分子亚型，并独立预测生存率	NA	研究胰腺腺癌的分子异质性并开发快速分型工具	胰腺腺癌的肿瘤和基质亚型	数字病理学	胰腺腺癌	深度学习	深度学习模型	转录组数据	202例多中心队列训练，4个独立队列（包括148、97、126例手术队列和25例活检队列）验证，总共598例样本
16008	2024-09-19	Volumetric Analysis of Amygdala and Hippocampal Subfields for Infants with Autism 2023-Jun, Journal of autism and developmental disorders IF:3.2Q1 DOI:10.1007/s10803-022-05535-w PMID:35389185	研究论文	本文首次使用MRI对6至24个月大的婴儿进行杏仁核和海马子区域的三维分析，以研究自闭症谱系障碍（ASD）儿童的脑部异常发育	提出了Dilated-Dense U-Net深度学习方法，用于解决这些子区域低组织对比度和小结构尺寸的挑战	NA	研究自闭症谱系障碍（ASD）婴儿杏仁核和海马子区域的发育情况	6至24个月大的婴儿的杏仁核和海马子区域	计算机视觉	自闭症	MRI	Dilated-Dense U-Net	图像	NA
16009	2024-09-19	Profiling of kidney involvement in systemic lupus erythematosus by deep learning using the National Database of Designated Incurable Diseases of Japan 2023-Jun, Clinical and experimental nephrology IF:2.2Q2 DOI:10.1007/s10157-023-02337-x PMID:36929044	研究论文	本研究利用日本国家指定难治性疾病数据库的数据，通过深度学习方法分析了系统性红斑狼疮（SLE）患者中的肾脏受累情况	本研究首次利用深度学习技术分析了SLE患者中肾脏受累与其他临床表现之间的关系	研究仅基于2015年至2017年注册的1655名SLE患者的横断面数据，可能存在样本量不足的问题	探讨系统性红斑狼疮患者中肾脏受累的临床表现及其与其他临床表现的关系	系统性红斑狼疮患者及其肾脏受累情况	机器学习	系统性红斑狼疮	深度学习	人工神经网络	临床数据	1655名SLE患者
16010	2024-09-19	Progressive attention integration-based multi-scale efficient network for medical imaging analysis with application to COVID-19 diagnosis 2023-06, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106947 PMID:37099976	研究论文	本文开发了一种基于深度学习的医学影像分析框架，旨在解决影像数据不完美导致的特征学习不足问题	提出了一种多尺度高效网络（MEN），通过集成不同的注意力机制，实现逐步学习方式下细节特征和语义信息的充分提取	未提及	开发一种新的深度学习框架，用于医学影像分析，特别是COVID-19诊断	COVID-19诊断任务中的医学影像	计算机视觉	COVID-19	深度学习	多尺度高效网络（MEN）	影像	未提及
16011	2024-09-19	Comparison of the output of a deep learning segmentation model for locoregional breast cancer radiotherapy trained on 2 different datasets 2023-Jun, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2023.100209 PMID:37213441	研究论文	比较了基于两个不同数据集训练的深度学习分割模型在局部乳腺癌放疗中的输出	研究了使用外部数据训练的模型与使用内部数据训练的模型之间的性能差异	研究仅限于30名乳腺癌患者的内部数据，可能无法完全代表所有情况	评估使用外部数据训练的模型与使用内部数据训练的模型在乳腺癌放疗中的性能差异	深度学习分割模型在乳腺癌放疗中的应用	机器学习	乳腺癌	深度学习	分割模型	图像	30名乳腺癌患者
16012	2024-09-19	Deep learning for multi-class semantic segmentation enables colorectal cancer detection and classification in digital pathology images 2023-05-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-35491-z PMID:37225743	研究论文	本文介绍了一种基于深度学习的多类语义分割方法，用于在数字病理图像中检测和分类结直肠癌	本文提出了一种基于人工智能的方法，用于在H&E染色的全切片图像中分割多个组织隔室，并测试和比较了用于分割模型的多种最先进的损失函数	本文的局限性在于其研究范围主要集中在荷兰和德国的五个医疗中心的结直肠癌病例，以及两个公开的结直肠癌分割数据集	本文的研究目的是开发一种能够自动评估结直肠癌病理全切片图像的人工智能方法	本文的研究对象是结直肠癌的病理全切片图像	数字病理学	结直肠癌	深度学习	语义分割模型	图像	超过1000名患者的独立队列
16013	2024-09-19	A Small Step Toward Generalizability: Training a Machine Learning Scoring Function for Structure-Based Virtual Screening 2023-05-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00322 PMID:37166179	研究论文	本文开发了一种基于机器学习的评分函数，用于结构导向的虚拟筛选，旨在提高其对未见分子的泛化能力	本文提出了一种新的机器学习评分函数，通过彻底的训练和测试数据集筛选来避免数据集偏差的影响，并首次使用深度学习方法从目标中提取结构信息用于分子设计	本文未详细讨论该评分函数在不同蛋白质目标上的泛化能力，以及其在实际应用中的表现	开发一种能够准确预测小分子与蛋白质结合亲和力的机器学习评分函数，并提高其对未见分子的泛化能力	小分子与蛋白质的结合亲和力预测	机器学习	NA	机器学习	NA	结构数据	使用了CASF-2016基准测试集进行训练和测试
16014	2024-09-19	A survey on automatic generation of medical imaging reports based on deep learning 2023-May-18, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-023-01113-y PMID:37202803	综述	本文综述了基于深度学习的医学影像报告自动生成领域的最新研究进展，并提出了未来的研究方向	本文总结了多种深度学习架构在诊断报告生成中的应用，包括分层RNN框架、基于注意力机制的框架和基于强化学习的框架	本文指出了当前研究中存在的潜在挑战，并提出了未来研究方向以支持临床应用和决策	综述基于深度学习的医学影像报告自动生成领域的研究进展，并提出未来研究方向	医学影像报告的自动生成	计算机视觉	NA	深度学习	RNN、注意力机制、强化学习	影像	NA
16015	2024-09-19	General framework for E(3)-equivariant neural network representation of density functional theory Hamiltonian 2023-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38468-8 PMID:37208320	研究论文	提出了一种E(3)-等变深度学习框架，用于表示密度泛函理论（DFT）哈密顿量作为材料结构的函数	该方法能够自然地保留欧几里得对称性，即使在存在自旋轨道耦合的情况下，也能实现高效的电子结构计算	NA	设计一种结合深度学习和从头计算的神经网络模型，以实现高效的电子结构计算	密度泛函理论（DFT）哈密顿量和材料结构	机器学习	NA	深度学习	E(3)-等变神经网络	材料结构数据	小尺寸结构的数据
16016	2024-09-19	The effect of neural network architecture on virtual H&E staining: Systematic assessment of histological feasibility 2023-May-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100725 PMID:37223268	研究论文	本文研究了神经网络架构对虚拟H&E染色的影响，评估了其在组织学上的可行性	本文通过使用pix2pix模型，发现用密集卷积单元替代简单卷积可以提高结构相似性分数、峰值信噪比和细胞核再现精度	NA	研究神经网络架构对虚拟H&E染色的影响，评估其在组织学分析中的应用潜力	未染色的组织切片和虚拟H&E染色图像	计算机视觉	NA	深度学习	生成对抗网络 (GAN)	图像	涉及多种组织类型
16017	2024-09-19	Sentiment Impact of Public Health Agency communication Strategies on TikTok under COVID-19 Normalization: Deep Learning Exploration 2023-May-11, Zeitschrift fur Gesundheitswissenschaften = Journal of public health DOI:10.1007/s10389-023-01921-5 PMID:37361279	研究论文	研究探讨了COVID-19常态化背景下，公共卫生机构在TikTok上的沟通策略对公众情感倾向的影响	首次探索了公共卫生机构在TikTok上的沟通策略与公众情感倾向之间的关系	研究仅基于2022年上海封城事件，可能缺乏普适性	探讨公共卫生机构在TikTok上的沟通策略与公众情感倾向之间的关系	公共卫生机构的沟通策略和公众的情感倾向	自然语言处理	NA	ERNIE预训练模型	ERNIE	文本	基于2022年上海封城事件的TikTok数据
16018	2024-09-19	Deep learning models challenge the prevailing assumption that face-like effects for objects of expertise support domain-general mechanisms 2023-05-10, Proceedings. Biological sciences DOI:10.1098/rspb.2023.0093 PMID:37161322	研究论文	本文探讨了专家对象识别中任务表现的最佳机制是领域特定还是领域通用的处理机制	通过训练深度学习算法在不同领域和分类级别上，发现面孔般的反转效应并不支持领域通用机制，而是可能源自领域特定机制	人类研究中领域、经验和分类级别的效果混淆可能导致错误推断	测试专家对象识别中任务表现的最佳机制	深度学习模型在不同领域和分类级别上的表现	机器学习	NA	深度学习	深度学习算法	图像	不同领域（对象、面孔、鸟类）和分类级别（基本、下属、个体）的数据
16019	2024-09-19	Molecular Identification from AFM Images Using the IUPAC Nomenclature and Attribute Multimodal Recurrent Neural Networks 2023-May-10, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.3c01550 PMID:37126486	研究论文	本文提出了一种基于非接触原子力显微镜（HR-AFM）图像的分子识别方法，利用多模态循环神经网络（M-RNN）进行分子结构和组成的识别	本文首次提出利用HR-AFM图像结合机器学习技术进行分子识别，克服了传统光谱方法在溶液合成中的局限性	本文主要基于理论图像进行测试，实验验证较少	开发一种新的分子识别方法，克服传统光谱方法的局限性	利用HR-AFM图像识别分子结构和组成	计算机视觉	NA	非接触原子力显微镜（HR-AFM）	多模态循环神经网络（M-RNN）	图像	约700,000个分子和1.65亿张理论AFM图像
16020	2024-09-19	Ultrahigh-Throughput Enzyme Engineering and Discovery in In Vitro Compartments 2023-05-10, Chemical reviews IF:51.4Q1 DOI:10.1021/acs.chemrev.2c00910 PMID:37126602	review	本文综述了利用水油乳液液滴进行超高通量酶工程和发现的方法	液滴微流控技术能够显著提高筛选通量，实现每日筛选超过10个变体，频率达到kHz级别	NA	探讨液滴微流控技术在酶发现和动力学特性分析中的应用	酶的发现和工程	NA	NA	液滴微流控技术	NA	NA	NA