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
16281	2024-08-07	Identifying pests in precision agriculture using low-cost image data acquisition 2024, Brazilian journal of biology = Revista brasleira de biologia DOI:10.1590/1519-6984.281671 PMID:38747863	研究论文	本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性	本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术	NA	探索无人机在精准农业中识别害虫的应用	评估VGG-16、CNN和FCN模型在植物病害检测中的有效性	计算机视觉	NA	深度学习	CNN	图像	NA
16282	2024-08-07	Deep learning prediction of hospital readmissions for asthma and COPD 2023-Dec-13, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-023-02628-7 PMID:38093373	研究论文	本研究旨在通过电子健康记录（EHR）数据，利用机器学习和深度学习模型预测哮喘和慢性阻塞性肺病（COPD）患者的再入院风险	本研究首次采用多层感知器（一种深度学习方法）在预测哮喘和COPD患者再入院方面表现出最佳的敏感性和特异性	NA	通过EHR数据和深度学习技术提高高风险患者的检测	哮喘和COPD患者的再入院风险	机器学习	哮喘，慢性阻塞性肺病	深度学习	多层感知器	电子健康记录数据	5,794名患者，其中1,893名哮喘患者和3,901名COPD患者
16283	2024-08-07	Environmental Impacts of Machine Learning Applications in Protein Science 2023-12-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041473 PMID:38040454	research paper	本文总结了蛋白质科学对环境的负面影响，并展示了分子模拟、蛋白质相互作用推断和蛋白质结构预测等流行蛋白质算法的碳足迹	本文首次详细分析了大型深度学习模型如AlphaFold和ESMFold在蛋白质科学应用中的碳足迹	文章未提及具体的减排技术和方法的实施细节	探讨机器学习在蛋白质科学应用中的环境影响，并提出可持续发展的策略	蛋白质科学中的机器学习应用及其环境影响	machine learning	NA	deep learning	CNN	NA	NA
16284	2024-08-07	Motion Compensated Unsupervised Deep Learning for 5D MRI 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_40 PMID:38737212	研究论文	提出一种无监督深度学习算法，用于从3D径向采集数据中进行5D心脏MRI数据的动补偿重建	该算法是一种更数据高效的选择，用于当前的动解析重建方法	NA	简化扫描规划，提高患者舒适度，并提供比呼吸保持2D检查更多的临床优势	5D心脏MRI数据的动补偿重建	计算机视觉	NA	MRI	卷积神经网络	图像	两个受试者的5D bSSFP数据集
16285	2024-08-07	Digital Histopathology by Infrared Spectroscopic Imaging 2023-06-14, Annual review of analytical chemistry (Palo Alto, Calif.) DOI:10.1146/annurev-anchem-101422-090956 PMID:37068745	综述	本文综述了红外（IR）光谱成像技术在数字组织病理学中的应用，特别关注了其在病理学中的仪器性能、数据处理方法、机器学习应用以及工作流程的讨论	结合红外光谱成像与人工智能，为组织病理学提供了一种新的对比机制，有望改变目前依赖人类检查染色组织形态模式的实践	NA	探讨红外光谱成像技术在组织病理学中的应用及其标准化	红外光谱成像技术及其在组织病理学中的应用	数字病理学	NA	红外光谱成像	深度学习	图像	NA
16286	2024-08-07	TransMHCII: a novel MHC-II binding prediction model built using a protein language model and an image classifier 2023-Apr, Antibody therapeutics DOI:10.1093/abt/tbad011 PMID:37342671	研究论文	本文介绍了一种利用蛋白质语言模型提取特征来预测主要组织相容性复合体II类（MHC-II）肽结合亲和力的方法，采用了一种新颖的迁移学习方法，将模型骨干替换为设计用于图像分类任务的架构。	本文提出的TransMHCII模型在接收者操作特征曲线下面积、平衡精度和Jaccard分数上优于NetMHCIIpan 3.2和NetMHCIIpan 4.0-BA，展示了架构创新在生物学问题深度学习模型开发中的潜力。	NA	开发一种新的MHC-II结合预测模型，利用蛋白质语言模型和图像分类器的特征。	主要组织相容性复合体II类（MHC-II）肽的结合亲和力。	机器学习	NA	蛋白质语言模型（PLMs）和图像分类器	EfficientNet v2b0, EfficientNet v2m 或 ViT-16	图像	NA
16287	2024-08-07	ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL) 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230471 PMID:38738185	研究论文	本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用	MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率	NA	验证MOL框架在并行MRI加速中的有效性	并行MRI加速	计算机视觉	NA	单调算子学习（MOL）	CNN	图像	NA
16288	2024-08-07	De novo design of small beta barrel proteins 2023-03-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2207974120 PMID:36897987	研究论文	本文探讨了使用Rosetta能量方法和深度学习方法从头设计小型beta桶蛋白拓扑结构	使用深度学习进行骨架生成和Rosetta进行序列设计的方法提高了设计成功率和结构多样性	小型beta桶蛋白的设计存在挑战，如小尺寸导致的疏水核心小和桶闭合的构象应变	探索和设计小型beta桶蛋白的拓扑结构，以增加可用作感兴趣蛋白靶标结合剂的蛋白形状空间	小型beta桶蛋白，包括Src同源3（SH3）和核酸/多糖结合（OB）拓扑结构以及罕见的五和六上-下-链桶	蛋白质设计	NA	Rosetta能量方法和深度学习	深度学习模型	蛋白质结构	四种小型beta桶折叠结构
16289	2024-08-07	Label-free hyperspectral imaging and deep-learning prediction of retinal amyloid β-protein and phosphorylated tau 2022-Sep, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgac164 PMID:36157597	research paper	本研究开发了一种无标记的超光谱成像方法，用于检测视网膜中Aβ和pS396-Tau的谱特征，并利用深度学习预测其在视网膜横截面中的分布	首次报道了pTau的谱特征，并展示了深度学习在准确预测Aβ和pTau分布方面的应用	NA	开发一种无标记的超光谱成像方法，用于检测和预测视网膜中Aβ和pTau的分布，为阿尔茨海默病的无标记检测奠定基础	视网膜中的Aβ和pTau	computer vision	阿尔茨海默病	超光谱成像	深度学习	图像	NA
16290	2024-08-07	ArtSeg-Artifact segmentation and removal in brightfield cell microscopy images without manual pixel-level annotations 2022-07-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-14703-y PMID:35794119	研究论文	本文提出了一种名为ScoreCAM-U-Net的管道，用于在明场细胞显微镜图像中自动分割和去除视觉伪影，无需手动像素级标注	该方法使用图像级标签进行训练，大大加快了训练过程，同时不显著牺牲分割性能	NA	开发一种自动化的方法来分割和去除明场细胞显微镜图像中的伪影，以改善下游分析	明场细胞显微镜图像中的伪影	计算机视觉	NA	深度卷积神经网络	U-Net	图像	三个不同的明场显微镜图像数据集
16291	2024-08-07	A Reproducible Deep-Learning-Based Computer-Aided Diagnosis Tool for Frontotemporal Dementia Using MONAI and Clinica Frameworks 2022-Jun-23, Life (Basel, Switzerland) DOI:10.3390/life12070947 PMID:35888037	研究论文	本文介绍了一种基于Clinica和MONAI框架的可重复且可靠的计算机辅助诊断工具的开发，用于检测额颞叶痴呆（FTD）	提出了一个可重复的计算机辅助诊断开发工作流程，并应用了可解释的人工智能方法来理解模型行为	文章未明确提及具体的局限性	开发一种标准化的计算机辅助诊断工具，以促进人工智能产品在医疗系统中的应用	额颞叶痴呆（FTD）的检测	计算机视觉	神经退行性疾病	深度学习（DL）	NA	3D MRI数据	数据来自NIFD数据库
16292	2024-08-07	Open Source Software for Automatic Subregional Assessment of Knee Cartilage Degradation Using Quantitative T2 Relaxometry and Deep Learning 2021-12, Cartilage IF:2.7Q1 DOI:10.1177/19476035211042406 PMID:34496667	研究论文	本文评估了一种全自动股骨软骨分割模型，用于测量T2弛豫值和纵向变化，并开发了一个开源的网络应用程序，用户可以拖放图像进行自动分割	开发了一个全自动的股骨软骨分割模型，并将其开源，提供了一个用户友好的网络应用程序	NA	评估全自动股骨软骨分割模型在测量T2弛豫值和纵向变化中的准确性	股骨软骨的分割和T2弛豫值的测量	计算机视觉	NA	多回波自旋回波（MESE）磁共振成像（MRI）	神经网络	图像	28张测试图像，其中14张由第二位专家评估
16293	2024-08-07	Synthesizing Quantitative T2 Maps in Right Lateral Knee Femoral Condyles from Multicontrast Anatomic Data with a Conditional Generative Adversarial Network 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200122 PMID:34617020	研究论文	本文开发了一种卷积神经网络（CNN），利用条件生成对抗网络（cGAN）从解剖MR图像中合成右侧外侧股骨髁关节软骨的T2图	使用基于神经网络的cGAN方法合成T2图，与多回波自旋回波（MESE）扫描结果有良好的一致性	研究为回顾性，且仅限于特定患者群体和膝关节	开发一种新的方法来合成T2图，以评估膝关节软骨	右侧外侧股骨髁关节软骨的T2图	计算机视觉	骨关节炎	条件生成对抗网络（cGAN）	卷积神经网络（CNN）	图像	4621名患者的数据，其中3703用于训练，462用于验证，456用于测试
16294	2024-08-07	Using Satellite Images and Deep Learning to Identify Associations Between County-Level Mortality and Residential Neighborhood Features Proximal to Schools: A Cross-Sectional Study 2021, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2021.766707 PMID:34805078	研究论文	本研究使用卫星图像和卷积神经网络来识别县域死亡率与学校周边住宅区特征之间的关联	首次利用卫星图像和深度学习技术评估美国各县粗死亡率与学习图像特征之间的关系	研究主要依赖于与人口统计信息相关的特征，未来模型需直接识别与健康相关结果的图像特征	探讨美国县域死亡率是否能通过卫星图像预测	美国430个县的学校周边住宅区卫星图像及其对应的死亡率	计算机视觉	NA	卷积神经网络	CNN	图像	430个县，代表约68.9%的美国人口
16295	2024-08-07	Identification of surface-enhanced Raman spectroscopy using hybrid transformer network 2024-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124295 PMID:38703407	研究论文	本研究开发了一种混合Transformer网络TMNet，用于识别表面增强拉曼光谱（SERS），通过集成Transformer编码器和多层感知器来提高序列光谱的特征提取能力	提出了一种新的混合Transformer网络TMNet，通过Transformer编码器和多层感知器的结合，有效提升了序列光谱的特征提取和识别准确性	NA	开发一种新的深度学习方法，以提高表面增强拉曼光谱的识别准确性和抗噪声能力	表面增强拉曼光谱（SERS）及其在药物检测中的应用	机器学习	NA	表面增强拉曼光谱（SERS）	混合Transformer网络	光谱	包含药物的头发和尿液光谱
16296	2024-08-07	Single particle mass spectral signatures from on-road and non-road vehicle exhaust particles and their application in refined source apportionment using deep learning 2024-Jun-20, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172822 PMID:38688364	研究论文	本研究收集了道路和非道路车辆的颗粒物，并使用单颗粒气溶胶质谱法分析其化学成分，通过自适应共振理论神经网络对数据进行分组，建立移动源的质谱数据库，并开发了一种基于深度学习的气溶胶颗粒分类模型（DeepAerosolClassifier），用于源解析。	本研究开发了一种高度自动化的源解析模型，无需特征选择，实现了端到端的操作，适用于精细和在线的颗粒物源解析。	NA	更新源解析的源谱以满足当前需求，并开发一种基于深度学习的气溶胶颗粒分类模型。	道路和非道路车辆的颗粒物及其化学成分。	机器学习	NA	单颗粒气溶胶质谱法	深度学习模型	质谱数据	NA
16297	2024-08-07	Automatic offline-capable smartphone paper-based microfluidic device for efficient biomarker detection of Alzheimer's disease 2024-Jun-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2024.342575 PMID:38740448	研究论文	本文介绍了一种基于智能手机的离线微流控纸基分析装置，用于阿尔茨海默病的早期筛查和生物标志物检测	该平台采用深度学习辅助的智能手机控制旋转结构，实现μPADs上的自动化c-ELISA，并集成了YOLOv5模型进行高精度检测	NA	开发一种低成本、高效率的离线智能手机平台，用于在资源有限地区进行阿尔茨海默病的快速检测	阿尔茨海默病及其生物标志物β-淀粉样蛋白1-42	机器学习	阿尔茨海默病	c-ELISA	YOLOv5	图像	38个人工血浆样本（健康：19，不健康：19，N = 6）
16298	2024-08-07	VENet: Variational energy network for gland segmentation of pathological images and early gastric cancer diagnosis of whole slide images 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108178 PMID:38652995	研究论文	本文提出了一种名为VENet的变分能量网络，用于病理图像中的腺体分割和全切片图像中的早期胃癌诊断	VENet结合了变分数学模型和深度学习方法的数据适应性，有效平衡了边界和区域分割，并能在大尺寸全切片图像中可靠地分割和分类腺体	NA	解决腺体分割中边界和区域分割结果不理想的问题，并辅助早期胃癌诊断	病理图像中的腺体分割和全切片图像中的早期胃癌诊断	数字病理学	胃癌	深度学习	变分能量网络（VENet）	图像	在2015 MICCAI腺体分割挑战（GlaS）数据集、结直肠腺癌腺体（CRAG）数据集和南方医院自收集数据集上进行了评估，包括69张全切片图像（WSIs）
16299	2024-08-07	RegWSI: Whole slide image registration using combined deep feature- and intensity-based methods: Winner of the ACROBAT 2023 challenge 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108187 PMID:38657383	research paper	本文提出了一种两步混合方法，用于不同染色全幻灯片图像（WSI）的自动配准，该方法结合了深度学习和特征基于的初始对齐算法以及基于强度的非刚性配准	该方法无需对特定数据集进行微调，可直接用于任何所需的组织类型和染色，并且在ACROBAT 2023挑战赛中获得第一名	NA	提高通过融合不同可见结构产生的互补信息来进行诊断和预后的自动配准	不同染色的全幻灯片图像（WSI）的自动配准	digital pathology	NA	深度学习	NA	image	使用了三个公开数据集进行评估：Automatic Nonrigid Histological Image Registration Dataset (ANHIR)、Automatic Registration of Breast Cancer Tissue Dataset (ACROBAT) 和 Hybrid Restained and Consecutive Histological Serial Sections Dataset (HyReCo)
16300	2024-08-07	Brain tumor detection using proper orthogonal decomposition integrated with deep learning networks 2024-Jun, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108167 PMID:38669717	研究论文	本研究通过将正交分解（POD）与卷积神经网络（CNN）结合，用于从磁共振成像（MRI）扫描的2D图像中有效识别脑肿瘤	首次将POD与CNN集成用于脑肿瘤检测，特别是在使用有限MRI扫描数据的情况下	NA	开发一种自动可靠的技术，以帮助医疗从业者及时诊断患者	脑肿瘤的自动检测	计算机视觉	脑肿瘤	磁共振成像（MRI）	卷积神经网络（CNN）	图像	NA