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
16241	2024-09-20	PNNGS, a multi-convolutional parallel neural network for genomic selection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410596 PMID:39290743	研究论文	本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性	引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS	当训练样本在小集群中减少时，PNNGS的预测精度显著下降	提高基因组选择的预测精度和稳定性	水稻、向日葵、小麦和玉米的基因组选择	机器学习	NA	深度学习	并行神经网络	基因组数据	24个案例，不同集群的样本数量差异很大
16242	2024-09-20	DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1454652 PMID:39291256	研究论文	本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断	本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担	NA	开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核	肺炎和肺结核的诊断	计算机视觉	肺部疾病	深度学习	混合模型	图像	NA
16243	2024-09-20	Deep learning based hybrid prediction model for predicting the spread of COVID-19 in the world's most populous countries 2023-Nov-30, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2023.120769 PMID:37334273	研究论文	本文开发了一种基于深度学习的混合预测模型，用于预测全球人口最多的国家中COVID-19的传播	本研究首次尝试预测和分析全球人口最多的国家之间的COVID-19跨国家传播	NA	预测COVID-19的传播，以帮助制定健康管理计划和社会经济行动计划	全球人口最多的国家中COVID-19的传播	机器学习	COVID-19	深度学习	CNN-GRU混合模型	NA	全球人口最多的国家
16244	2024-09-20	MRI-based T1rho and T2 cartilage compositional imaging in osteoarthritis: what have we learned and what is needed to apply it clinically and in a trial setting? 2023-Nov, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-023-04310-x PMID:37000230	研究论文	本文探讨了基于MRI的T1rho和T2关节软骨成分成像在骨关节炎中的应用，分析了其在临床和试验设置中的现状和需求	开发了基于深度学习的自动软骨分割和更快的成像方法，推动了T1rho和T2成像在临床和科学试验中的可行性	软骨分割的挑战、图像采集时间长、成像标准化不足以及缺乏参考数据库和异常阈值定义	研究T1rho和T2关节软骨成分成像在骨关节炎早期诊断和治疗中的应用	骨关节炎患者的关节软骨	数字病理学	骨关节炎	MRI	深度学习	图像	NA
16245	2024-09-20	ADU-Net: An Attention Dense U-Net based deep supervised DNN for automated lesion segmentation of COVID-19 from chest CT images 2023-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2023.104974 PMID:37122956	研究论文	提出了一种基于注意力密集U-Net的深度监督DNN模型，用于从胸部CT图像中自动分割COVID-19病变	引入了注意力机制和深度监督机制，使用5×5卷积核代替3×3卷积核，并在编码器级别引入密集连接网络	未提及具体限制	开发一种自动化的COVID-19预测框架，用于胸部CT图像的定性和定量评估	COVID-19患者的胸部CT图像中的肺部病变	计算机视觉	COVID-19	深度学习	注意力密集U-Net	图像	MedSeg COVID-19胸部CT分割数据集
16246	2024-09-20	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文验证了一种基于深度学习的人工智能模型在冠状动脉造影图像分割中的应用	首次在多中心数据集上验证了该深度学习模型在冠状动脉造影图像分割中的准确性	研究仅限于一个月内的患者数据，且样本量相对较小	验证人工智能模型在冠状动脉造影图像分割中的准确性	冠状动脉造影图像的自动分割	计算机视觉	心血管疾病	深度学习	深度学习模型	图像	90名患者，117张图像，123个感兴趣区域
16247	2024-09-20	Deep learning framework for rapid and accurate respiratory COVID-19 prediction using chest X-ray images 2023-Jul, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2023.101596 PMID:37275558	研究论文	本文提出了一种基于深度特征拼接和多头自注意力网络的端到端深度学习框架，用于通过胸部X光图像快速准确地预测COVID-19	该研究采用了深度特征拼接和多头自注意力网络，结合了DenseNet、VGG-16和InceptionV3的预训练模型，并在COVID-19_Radiography_Dataset上进行了端到端训练和评估	NA	开发一种快速准确的深度学习框架，用于通过胸部X光图像预测COVID-19	COVID-19感染的胸部X光图像	计算机视觉	呼吸系统疾病	深度学习	多头自注意力网络	图像	使用了COVID-19_Radiography_Dataset进行训练和评估
16248	2024-09-20	Predicting the antigenic evolution of SARS-COV-2 with deep learning 2023-06-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-39199-6 PMID:37311849	研究论文	本文介绍了一种基于机器学习的抗原进化预测方法MLAEP，用于预测SARS-CoV-2的抗原进化	结合结构建模、多任务学习和遗传算法，通过计算机模拟定向进化探索抗原进化	NA	预测SARS-CoV-2的抗原进化，以辅助疫苗开发和应对未来变种	SARS-CoV-2的抗原进化及其对免疫逃逸的影响	机器学习	NA	结构建模、多任务学习、遗传算法	NA	序列数据	现有SARS-CoV-2变种及免疫缺陷COVID-19患者样本
16249	2024-09-20	A generalizable deep learning regression model for automated glaucoma screening from fundus images 2023-Jun-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00857-0 PMID:37311940	研究论文	本文提出了一种可推广的深度学习回归模型，用于从眼底图像中自动筛查青光眼	该模型在多种挑战性设置下表现出色，并能有效减少数据偏移问题	需要进一步的前瞻性队列研究进行验证	开发一种可推广的青光眼筛查模型	青光眼筛查	计算机视觉	眼科疾病	深度学习	回归模型	图像	共149,455张眼底图像
16250	2024-09-20	NISNet3D: three-dimensional nuclear synthesis and instance segmentation for fluorescence microscopy images 2023-06-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36243-9 PMID:37308499	研究论文	本文介绍了一种名为NISNet3D的三维核合成与实例分割网络，用于荧光显微镜图像中的细胞核分割	NISNet3D通过使用改进的3D U-Net、3D标记控制的分水岭变换和核实例分割系统，能够直接分割三维体积，并能有效处理具有挑战性的图像体积	NISNet3D的实现依赖于大量手动标注的训练数据，尽管它可以通过合成数据进行训练	开发一种有效的三维核分割方法，以推动组织细胞计量的发展	荧光显微镜图像中的细胞核	计算机视觉	NA	3D U-Net、3D标记控制的分水岭变换	3D U-Net	图像	大量合成核数据，可能来自相对较少的标注体积或无标注体积
16251	2024-09-20	Designing catalysts with deep generative models and computational data. A case study for Suzuki cross coupling reactions 2023-Jun-12, Digital discovery IF:6.2Q1 DOI:10.1039/d2dd00125j PMID:37312682	研究论文	本文介绍了一种基于深度生成模型和计算数据的催化剂设计方法，以Suzuki交叉偶联反应为例	利用变分自编码器（VAE）和前馈神经网络生成新的催化剂-配体候选物，并通过计算结合能进行优化	NA	开发更高效的催化过程设计方法	催化剂和配体的设计	机器学习	NA	密度泛函理论（DFT）	变分自编码器（VAE）	分子表示和结合能数据	NA
16252	2024-09-20	Deep learning-assisted radiomics facilitates multimodal prognostication for personalized treatment strategies in low-grade glioma 2023-06-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36298-8 PMID:37302994	研究论文	本文开发了一种深度学习辅助的放射组学模型，用于评估低级别胶质瘤患者的总生存期、未来恶性转化概率和肿瘤生长速度	首次将深度学习与放射组学结合，用于多模态预测低级别胶质瘤患者的个性化治疗策略	研究样本量有限，且仅限于低级别胶质瘤患者	开发一种综合的深度学习辅助放射组学模型，用于评估低级别胶质瘤患者的预后	低级别胶质瘤患者的总生存期、未来恶性转化概率和肿瘤生长速度	数字病理学	脑肿瘤	放射组学	深度学习模型	影像数据	349名低级别胶质瘤患者
16253	2024-09-20	Preserving privacy in surgical video analysis using a deep learning classifier to identify out-of-body scenes in endoscopic videos 2023-06-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36453-1 PMID:37286660	研究论文	开发并验证了一种深度学习模型，用于识别内窥镜视频中的体外图像，以保护手术视频分析中的隐私	首次开发并验证了一种深度学习模型，能够可靠地识别内窥镜视频中的体外图像，并公开分享该模型	仅限于识别内窥镜视频中的体外图像，未涉及其他类型的隐私保护方法	开发一种能够识别内窥镜视频中体外图像的深度学习模型，以保护患者和手术室工作人员的隐私	内窥镜视频中的体外图像	计算机视觉	NA	深度学习	深度学习分类器	图像	内部数据集包含356,267张图像，来自48个视频；两个多中心测试数据集分别包含54,385和58,349张图像，来自10和20个视频
16254	2024-09-20	A comprehensive review of COVID-19 detection with machine learning and deep learning techniques 2023-Jun-07, Health and technology IF:3.1Q2 DOI:10.1007/s12553-023-00757-z PMID:37363343	综述	本文综述了使用机器学习和深度学习技术进行COVID-19检测的研究进展	本文总结了现有的机器学习和深度学习模型在COVID-19检测中的应用，并探讨了未来的改进方向	本文指出机器学习和深度学习模型在COVID-19检测中存在过拟合问题，可能导致错误预测和模型过载	本文旨在为研究专家提供人工智能在COVID-19检测中的应用概述，帮助他们探索未来的改进方向	本文研究对象为COVID-19患者的健康状况分类	机器学习	COVID-19	机器学习、深度学习	机器学习模型、深度学习模型	图像	本文收集了200篇研究论文，最终筛选出50篇进行分析
16255	2024-09-20	Influence of Mg2+ Distribution on the Stability of Folded States of the Twister Ribozyme Revealed Using Grand Canonical Monte Carlo and Generative Deep Learning Enhanced Sampling 2023-Jun-06, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.3c00931 PMID:37305323	研究论文	本文研究了镁离子分布对Twister核酶折叠状态稳定性的影响	结合大正则蒙特卡罗和生成式深度学习增强采样方法，揭示了镁离子在RNA三维结构稳定中的具体作用	研究仅限于Twister核酶，且主要关注镁离子的作用	探讨镁离子在RNA三维结构形成和稳定中的作用	Twister核酶的折叠状态稳定性	生物信息学	NA	大正则蒙特卡罗（GCMC）和元动力学	生成式深度学习	RNA结构数据	9个独立系统，进行了6微秒的模拟
16256	2024-09-20	SSMD-UNet: semi-supervised multi-task decoders network for diabetic retinopathy segmentation 2023-06-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36311-0 PMID:37277554	研究论文	提出了一种用于糖尿病视网膜病变分割的半监督多任务解码器网络SSMD-UNet	利用未标记数据进行半监督学习，通过多解码器架构提高分割性能	未明确提及	开发一种自动化的深度学习工具，用于糖尿病视网膜病变的早期筛查和诊断	糖尿病视网膜病变	计算机视觉	糖尿病并发症	深度学习	UNet	图像	使用了两个公开数据集（FGADR和IDRiD）进行评估
16257	2024-09-20	deepPERFECT: Novel Deep Learning CT Synthesis Method for Expeditious Pancreatic Cancer Radiotherapy 2023-Jun-05, Cancers IF:4.5Q1 DOI:10.3390/cancers15113061 PMID:37297023	研究论文	本文提出了一种新的深度学习方法deepPERFECT，用于从诊断CT合成计划CT，以加速胰腺癌放射治疗流程	开发了一种生成式深度学习模型deepPERFECT，能够捕捉诊断CT和计划CT之间的差异，并生成变形向量场以转换诊断CT为初步计划CT	NA	加速胰腺癌放射治疗的标准护理工作流程	诊断CT和计划CT的合成	计算机视觉	胰腺癌	深度学习	生成式深度学习模型	CT图像	NA
16258	2024-09-20	Multivariate time series short term forecasting using cumulative data of coronavirus 2023-Jun-04, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-023-09509-w PMID:37359316	研究论文	本文研究了利用新冠病毒的累积数据进行多变量时间序列短期预测	本文扩展了SEIR模型，整合了医院收治、死亡、疫苗接种和隔离等额外信息，并比较了深度学习和数学模型在预测死亡率和发病率方面的表现	NA	开发更准确的预测模型和策略以对抗疾病	新冠病毒的累积报告发病率和死亡率的短期预测	机器学习	传染病	多变量时间序列预测	LSTM	时间序列数据	研究涉及八个受影响最严重的国家
16259	2024-09-20	Image Recommendation System Based on Environmental and Human Face Information 2023-Jun-02, Sensors (Basel, Switzerland) DOI:10.3390/s23115304 PMID:37300029	研究论文	本文介绍了一种基于环境和人脸信息的图像推荐系统，通过深度学习算法实时估计用户的情绪、年龄和性别，并结合环境数据推荐个性化的自然景观图像	系统结合了人脸信息和环境数据，使用生成对抗网络（GANs）对图像进行着色，提供个性化的图像推荐，增强了用户体验	NA	开发一种能够根据用户的情绪状态和特征推荐个性化图像的系统，以提升用户体验	用户的情绪、年龄、性别以及环境信息	计算机视觉	NA	深度学习算法	生成对抗网络（GANs）	图像	NA
16260	2024-09-20	Benchmarking explanation methods for mental state decoding with deep learning models 2023-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120109 PMID:37059157	研究论文	本文通过对比多种解释方法在心理状态解码中的表现，评估了深度学习模型在理解心理状态与脑活动之间映射关系中的应用	本文首次在心理状态解码分析中对多种解释方法进行了基准测试，并揭示了解释方法的忠实度与其与其他实证证据的一致性之间的权衡	本文仅限于功能性磁共振成像数据集，未涵盖其他类型的脑成像数据	评估不同解释方法在心理状态解码中的表现，并为神经影像学研究者提供选择解释方法的指导	心理状态解码中的解释方法及其与脑活动映射的关系	机器学习	NA	功能性磁共振成像 (fMRI)	深度学习模型	图像	多个功能性磁共振成像数据集