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
16121	2024-09-19	DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data 2023-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.537396 PMID:37163042	研究论文	提出了一种基于条件变分自编码器和ComBat模型的深度学习方法DeepComBat，用于神经影像数据的批次效应校正	DeepComBat通过考虑特征之间的多元关系来学习并去除受试者级别的批次效应，并且对超参数选择具有较强的鲁棒性	未提及	解决多批次神经影像数据中的批次效应问题，提高数据的可泛化性和可重复性	神经影像数据及其提取的放射组学特征	计算机视觉	NA	深度学习	条件变分自编码器	图像	一个大型认知老化队列的神经影像数据
16122	2024-09-19	From Deep Mutational Mapping of Allosteric Protein Landscapes to Deep Learning of Allostery and Hidden Allosteric Sites: Zooming in on "Allosteric Intersection" of Biochemical and Big Data Approaches 2023-Apr-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms24097747 PMID:37175454	综述	本文综述了通过数据密集型生物化学方法和基于人工智能的计算方法在别构研究中的最新进展	讨论了人工智能方法在蛋白质结构和动力学研究中的应用进展，并强调了开发人工智能增强的整合结构生物学的重要性	尽管人工智能方法在蛋白质研究中取得了显著进展，但别构调控与新兴结构生物学技术和人工智能方法之间的交叉领域仍未充分探索	探讨别构研究中数据密集型生物化学方法和人工智能计算方法的最新发展	蛋白质动力学和别构机制	机器学习	NA	机器学习	NA	蛋白质结构数据	NA
16123	2024-09-19	Hierarchical multi-omics data integration and modeling predict cell-specific chemical proteomics and drug responses 2023-04-24, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100452 PMID:37159671	研究论文	开发了一种端到端的深度学习框架TransPro，用于预测未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和相应表型	提出了TransPro框架，通过分层整合多组学数据来预测蛋白质组学特征和药物反应，填补了蛋白质组学数据稀缺和缺失值问题的空白	NA	开发一种计算方法来推断药物诱导的蛋白质组学模式，以促进系统药理学的发展	未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和药物反应	机器学习	NA	深度学习	深度学习框架	多组学数据	NA
16124	2024-09-19	Revolutionizing the Early Detection of Alzheimer's Disease through Non-Invasive Biomarkers: The Role of Artificial Intelligence and Deep Learning 2023-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s23094184 PMID:37177386	研究论文	本文探讨了通过非侵入性生物标志物结合人工智能和深度学习技术，实现阿尔茨海默病早期检测的潜力	本文提出了一种结合非侵入性技术和人工智能深度学习的方法，用于阿尔茨海默病的早期检测，这在当前研究中是一个创新点	本文未详细讨论具体的模型或技术细节，以及实际应用中的可行性和效果	研究目的是通过非侵入性方法和人工智能技术，实现阿尔茨海默病的早期检测	研究对象是阿尔茨海默病及其早期检测方法	机器学习	阿尔茨海默病	人工智能和深度学习	深度学习模型	生物数据	NA
16125	2024-09-19	Deployment of Real-time Natural Language Processing and Deep Learning Clinical Decision Support in the Electronic Health Record: Pipeline Implementation for an Opioid Misuse Screener in Hospitalized Adults 2023-Apr-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/44977 PMID:37079367	研究论文	本文详细介绍了一个医院范围内实时自然语言处理和深度学习临床决策支持工具的部署流程，并描述了一个以用户为中心的设计框架	本文首次在临床环境中实施了实时自然语言处理管道，用于医疗保健交付	网络安全审批和保护健康信息交换是管道开发中最长的延迟原因	旨在详细描述一个医院范围内的实时自然语言处理驱动的临床决策支持工具的实施流程，并提供一个实施框架	医院范围内的实时自然语言处理驱动的临床决策支持工具	自然语言处理	NA	自然语言处理	卷积神经网络	文本	100名成年患者
16126	2024-09-19	Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training 2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI53787.2023.10230515 PMID:39253557	研究论文	本文探讨了通过证据神经网络和不确定性感知训练来改善深度学习模型校准的方法	本文结合了不确定性感知训练和证据神经网络两种方法，展示了它们在复杂任务中改善模型校准的潜力	实验结果表明，当任务变得足够复杂时，模型校准可能会受到影响，即使使用高容量模型	研究如何通过不确定性感知训练和证据神经网络来改善深度学习模型的校准	MNIST数字分类任务和使用相位对比心脏磁共振图像的复杂医学影像伪影检测任务	计算机视觉	NA	深度学习	证据神经网络	图像	涉及MNIST数据集和相位对比心脏磁共振图像的医学影像伪影检测任务
16127	2024-09-19	mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537196 PMID:37131600	研究论文	本文介绍了一个名为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，包括地面真值生成、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	NA	开发一个用户友好的工具，帮助神经科学和图像处理领域的研究人员进行高级分析	电子显微镜（EM）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	涉及4种不同动物和5个数据集，总计约180小时的专家标注，产生超过1.2 GB的标注EM图像
16128	2024-09-19	Methods and considerations for estimating parameters in biophysically detailed neural models with simulation based inference 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537118 PMID:37131818	研究论文	本文探讨了如何使用基于模拟的推断（SBI）方法在生物物理学详细神经模型中估计参数，并提供了相关的指导和考虑因素	提出了使用基于模拟的推断（SBI）方法来克服传统方法中无法访问似然函数的挑战，并利用深度学习进行密度估计	在大规模生物物理学详细模型中应用SBI仍然具有挑战性，尤其是当需要估计时间序列波形参数时	为在生物物理学详细神经模型中应用基于模拟的推断（SBI）方法提供指导和考虑因素	生物物理学详细神经模型中的参数估计	神经科学	NA	基于模拟的推断（SBI）	深度学习	时间序列波形	NA
16129	2024-09-19	Self-supervised attention-based deep learning for pan-cancer mutation prediction from histopathology 2023-Mar-28, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-023-00365-0 PMID:36977919	研究论文	本文研究了基于自监督注意力的深度学习方法在泛癌变异预测中的应用	本文提出了一种结合自监督特征提取和基于注意力的多实例学习的分析流程，提高了预测的鲁棒性和泛化能力	文章未提及具体的局限性	研究深度学习方法在病理切片中预测基因突变的泛化能力	研究对象为多种肿瘤类型的病理切片	数字病理学	泛癌	深度学习	基于注意力的多实例学习	图像	涉及两个大型多肿瘤类型数据集
16130	2024-09-19	A feasibility study of enhanced prompt gamma imaging for range verification in proton therapy using deep learning 2023-03-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acbf9a PMID:36848674	研究论文	本文研究了使用深度学习增强提示伽马成像在质子治疗中进行范围验证的可行性	提出了一种两层深度学习方法，结合新颖的加权轴投影损失，生成精确的3D提示伽马图像，以实现准确的质子范围验证	本文仅进行了初步研究，尚未在临床环境中验证该方法的有效性	研究深度学习在质子治疗中增强提示伽马成像以进行范围验证的可行性	质子治疗中的提示伽马成像	计算机视觉	NA	深度学习	两层深度学习模型	图像	模拟了54个质子笔束（能量范围：75-125 MeV，剂量水平：1 × 10^10质子/束和3 × 10^10质子/束）
16131	2024-09-19	Unassisted Clinicians Versus Deep Learning-Assisted Clinicians in Image-Based Cancer Diagnostics: Systematic Review With Meta-analysis 2023-03-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/43832 PMID:36862499	系统综述与荟萃分析	本文系统地量化了在图像辅助癌症诊断中，临床医生在有无深度学习辅助下的诊断准确性	首次系统地量化了深度学习辅助临床医生在图像辅助癌症诊断中的诊断准确性	研究结果未涵盖临床实践中涉及的所有细节，需要进一步研究以改进深度学习辅助实践	量化临床医生在有无深度学习辅助下的诊断准确性	临床医生在图像辅助癌症诊断中的诊断准确性	机器学习	NA	深度学习	NA	图像	共分析了48项研究，其中25项提供了足够的统计数据进行荟萃分析
16132	2024-09-19	Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays 2023-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3217218 PMID:36288235	研究论文	提出了一种基于放射组学的全局-局部Transformer模型，用于胸部X光片中病理定位和分类	创新性地融合了全局图像信息与局部放射组学引导的辅助信息，无需边界框标注即可实现准确的病理定位和分类	NA	开发一种无需边界框标注的病理定位和分类方法	胸部X光片中的病理定位和分类	数字病理学	NA	Transformer	Transformer	图像	使用了NIH ChestXRay数据集
16133	2024-09-19	A fuzzy fine-tuned model for COVID-19 diagnosis 2023-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.106483 PMID:36621192	研究论文	本文提出了一种模糊微调的Xception模型用于COVID-19的自动诊断	使用盲/无参考图像空间质量评估器过滤不适当数据，结合两个数据集进行多类别分类，并采用加权多类别交叉熵减少数据不平衡的影响	未提及具体限制	开发一种准确、易获取且成本低廉的COVID-19诊断方法	COVID-19疾病的自动诊断	计算机视觉	COVID-19	深度学习	Xception	图像	合并了两个数据集，用于区分正常、COVID-19和不同类型的肺炎（细菌性和病毒性）
16134	2024-09-19	Non-Destructive Banana Ripeness Detection Using Shallow and Deep Learning: A Systematic Review 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020738 PMID:36679535	综述	本文综述了使用浅层和深层学习技术进行非破坏性香蕉成熟度检测的研究	本文总结了不同研究中使用的传感器和特征，如颜色，以及卷积神经网络在大数据集上的优越表现	现有研究存在数据集和捕捉设备信息不足、数据可用性有限以及过度使用数据增强技术的问题	自动化和减少人工干预，提高香蕉成熟度检测的准确性	香蕉的成熟度	计算机视觉	NA	NA	卷积神经网络	图像	35项研究被纳入最终综述
16135	2024-09-19	Interpretable tourism demand forecasting with temporal fusion transformers amid COVID-19 2023, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-022-04254-0 PMID:36320610	研究论文	提出了一种创新的ADE-TFT可解释旅游需求预测模型，以解决现有旅游需求预测解释性不足的问题	采用自适应差分进化算法优化Temporal Fusion Transformer参数，结合历史旅游量、月度新增确诊案例和旅游论坛大数据，提高COVID-19期间旅游量预测精度，并使用卷积神经网络分析旅客情绪和话题	NA	提高旅游需求预测的解释性和精度，特别是在COVID-19疫情期间	旅游需求预测模型及其在COVID-19期间的应用	机器学习	NA	自适应差分进化算法、卷积神经网络	Temporal Fusion Transformer、卷积神经网络	文本、时间序列	NA
16136	2024-09-19	Deep learning on multi-view sequential data: a survey 2023, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-022-10332-z PMID:36466765	综述	本文综述了深度学习在多视角序列数据上的应用	本文首次系统介绍了多视角序列数据的构成类型和技术挑战，并总结了深度学习技术在该领域的最新进展	本文主要为综述性质，未提出具体的新方法或模型	探讨深度学习在多视角序列数据上的应用及其技术挑战	多视角序列数据及其在不同领域的应用	机器学习	NA	深度学习	NA	多视角序列数据	NA
16137	2024-09-19	LWSNet - a novel deep-learning architecture to segregate Covid-19 and pneumonia from x-ray imagery 2023, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-14247-3 PMID:36532598	研究论文	本文提出了一种名为LWSNet的新型深度学习架构，用于从X射线图像中区分新冠肺炎、普通肺炎和正常胸部图像	本文的创新点在于提出了一种轻量级堆叠网络（LWSNet），通过单、双、三和四重堆叠机制来解决三分类问题，并在资源受限设备上方便部署	NA	开发一种自动检测肺部疾病的AI工具，以应对全球范围内大量病例的需求，并支持医生工作	新冠肺炎、普通肺炎和正常胸部X射线图像	计算机视觉	新冠肺炎	深度学习	CNN	图像	使用了三个公开数据集及其组合进行评估
16138	2024-09-19	A Systematic Review of Using Deep Learning Technology in the Steady-State Visually Evoked Potential-Based Brain-Computer Interface Applications: Current Trends and Future Trust Methodology 2023, International journal of telemedicine and applications IF:3.1Q2 DOI:10.1155/2023/7741735 PMID:37168809	综述	本文通过系统综述评估了深度学习技术在基于稳态视觉诱发电位（SSVEP）的脑-机接口（BCI）应用中的重要性	提出了一个信任提案解决方案，包含三个方法论阶段，用于评估和基准测试基于SSVEP的BCI应用	本文主要关注于综述和分析现有研究，未提出新的实验或模型	评估深度学习技术在基于SSVEP的BCI应用中的现状和未来发展趋势	基于SSVEP的BCI应用中的深度学习方法	机器学习	NA	深度学习	卷积神经网络（CNN）、循环神经网络（RNN）、深度神经网络（DNN）、长短期记忆（LSTM）、受限玻尔兹曼机（RBM）	稳态视觉诱发电位（SSVEP）数据	30篇相关文献
16139	2024-09-19	Combination of multi-modal MRI radiomics and liquid biopsy technique for preoperatively non-invasive diagnosis of glioma based on deep learning: protocol for a double-center, ambispective, diagnostical observational study 2023, Frontiers in molecular neuroscience IF:3.5Q2 DOI:10.3389/fnmol.2023.1183032 PMID:37201155	研究论文	本研究旨在利用多模态MRI放射组学和液体活检技术，基于深度学习构建一种新型的多任务放射组学模型，实现胶质瘤的术前无创“综合诊断”	首次将放射组学与液体活检技术结合用于胶质瘤诊断，探索了深度学习模型结合液体活检参数是否能提高胶质瘤诊断的性能	NA	开发一种新型的多任务深度学习放射组学模型，实现胶质瘤的术前无创“综合诊断”	胶质瘤	数字病理学	脑肿瘤	MRI放射组学、液体活检	深度学习模型	影像数据	使用2019脑肿瘤分割挑战数据集（BraTS）和两个原始数据集，包括南昌大学第二附属医院和武汉大学人民医院的数据
16140	2024-09-19	Flu-Net: two-stream deep heterogeneous network to detect flu like symptoms from videos using grey wolf optimization algorithm 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-023-04585-x PMID:37228698	研究论文	本文提出了一种名为Flu-Net的AI框架，用于从视频中检测流感样症状，以限制感染的传播	本文创新性地采用了灰狼优化算法进行特征选择，并结合2D和3D卷积神经网络构建了一个双流异构网络	本文未详细讨论模型的泛化能力和对不同数据集的适应性	开发一种能够识别流感样症状的AI框架，以帮助控制传染病的传播	从监控视频中识别咳嗽、打喷嚏等流感样症状	计算机视觉	NA	灰狼优化算法	双流异构网络（2D和3D卷积神经网络）	视频	使用了BII Sneeze-Cough (BIISC)视频数据集，具体样本数量未提及