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
16361	2024-09-25	Leveraging deep learning to improve vaccine design 2023-05, Trends in immunology IF:13.1Q1 DOI:10.1016/j.it.2023.03.002 PMID:37003949	研究论文	本文探讨了深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	深度学习在疫苗研究和开发中的应用具有高公共卫生意义，特别是在蛋白质结构预测、免疫库分析和系统发育学等领域	深度学习在免疫学研究中的应用仍处于早期阶段，存在一些挑战	探讨深度学习在疫苗设计中的应用及其在生物医学科学中的潜力	疫苗设计、蛋白质结构预测、免疫库分析和系统发育学	机器学习	NA	深度学习	NA	NA	NA
16362	2024-09-25	Coronavirus covid-19 detection by means of explainable deep learning 2023-01-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-27697-y PMID:36627339	研究论文	本文设计并实现了一种基于深度学习的方法，用于从CT医学图像中自动检测新型冠状病毒肺炎（COVID-19）	提出了一种基于深度学习的自动检测方法，能够从CT医学图像中快速诊断COVID-19，并自动标记感染区域	实验数据来自不同机构，但未详细说明样本数量和多样性	提供一种全自动且更快速的COVID-19诊断方法	COVID-19患者的CT医学图像	计算机视觉	新型冠状病毒肺炎	深度学习	NA	图像	来自不同机构的医学图像，未详细说明数量
16363	2024-09-25	Region-based evidential deep learning to quantify uncertainty and improve robustness of brain tumor segmentation 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-08016-4 PMID:37724130	研究论文	本文提出了一种基于区域的证据深度学习框架，用于量化不确定性并提高脑肿瘤分割的鲁棒性	引入了一种新的基于区域的证据深度学习方法，能够生成可靠的不确定性图和准确的分割结果，对噪声和图像损坏具有鲁棒性	NA	提高脑肿瘤分割的可靠性和鲁棒性	脑肿瘤的分割和不确定性量化	计算机视觉	脑肿瘤	证据深度学习 (EDL)	神经网络	图像	BraTS 2020数据集
16364	2024-09-25	Deformable image registration based on single or multi-atlas methods for automatic muscle segmentation and the generation of augmented imaging datasets 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0273446 PMID:36897869	研究论文	本文提出了一种基于单或多图谱方法的可变形图像配准技术，用于自动分割肌肉并生成增强的成像数据集	本文首次使用非线性可变形图像配准技术生成69个手动校验的3D人工数据集，为未来研究提供了大量可靠的参考数据	本文的研究对象仅限于下肢肌肉，且平均绝对相对体积误差为12.7%，仍有改进空间	开发一种自动化的肌肉分割方法，以减少手动劳动和操作员重复性问题	下肢骨骼肌肉	计算机视觉	NA	可变形图像配准	NA	图像	5名受试者的23块主要下肢骨骼肌肉
16365	2024-09-25	Comparative evaluation and analysis of DNA N4-methylcytosine methylation sites using deep learning 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1254827 PMID:37671040	研究论文	本文比较了多种先进的深度学习模型在六个基准数据集上的表现，以评估其在4mC甲基化位点检测中的性能	本文首次系统地比较了多种深度学习模型在4mC甲基化位点检测中的应用，展示了深度学习在此领域的潜力	本文仅限于对现有深度学习模型的比较，未提出新的模型或方法	评估和分析深度学习模型在DNA N4-甲基胞嘧啶甲基化位点检测中的性能	DNA N4-甲基胞嘧啶甲基化位点	机器学习	NA	深度学习	多种深度学习模型	DNA序列数据	六个基准数据集
16366	2024-09-25	Inferring the Effects of Protein Variants on Protein-Protein Interactions with Interpretable Transformer Representations 2023, Research (Washington, D.C.) DOI:10.34133/research.0219 PMID:37701056	研究论文	本文介绍了一种名为MIPPI的可解释Transformer模型，用于推断蛋白质变体对蛋白质-蛋白质相互作用的影响	MIPPI是一个端到端的深度学习模型，通过利用IMEx的相互作用数据直接从序列中学习特征，并能通过学习到的注意力权重进行解释	NA	旨在识别致病变体并推断其对蛋白质-蛋白质相互作用的影响，从而揭示其在疾病中的功能后果	蛋白质变体对蛋白质-蛋白质相互作用的影响	机器学习	神经发育障碍	Transformer	Transformer	序列	NA
16367	2024-09-25	Sample-efficient multi-agent reinforcement learning with masked reconstruction 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291545 PMID:37708154	研究论文	本文提出了一种结合掩码重构任务的多智能体强化学习方法（M-QMIX），以提高样本效率	通过引入掩码重构任务作为辅助任务，旨在增强多智能体系统中强化学习的样本效率	本文未提及具体的局限性	提高多智能体强化学习中的样本效率	多智能体强化学习中的决策问题	机器学习	NA	强化学习	QMIX	游戏数据	使用了11个场景，包括5个简单、3个困难和3个非常困难的场景
16368	2024-09-25	Local refinement mechanism for improved plant leaf segmentation in cluttered backgrounds 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1211075 PMID:37711291	研究论文	本文提出了一种基于深度学习的植物叶片实例分割方法，通过局部细化机制在杂乱背景下提高分割性能	引入了局部细化机制，使用高斯低通和高提升滤波器来增强目标实例，并可应用于训练或测试数据集	较大的高斯低通滤波器核尺寸会导致预测性能下降	旨在解决真实温室场景中的挑战，实现智能农业中表型数据的自动识别	番茄叶片的实例分割	计算机视觉	NA	深度学习	实例分割架构	图像	番茄叶片数据集
16369	2024-09-25	EEG-based investigation of effects of mindfulness meditation training on state and trait by deep learning and traditional machine learning 2023, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2023.1033420 PMID:37719770	研究论文	本研究使用深度学习和传统机器学习方法，探讨短期正念减压训练对状态和特质的影响	本研究结合了深度学习和传统机器学习方法，评估短期正念减压训练对状态和特质的影响，并比较了不同分类策略的效果	本研究样本量较小，且仅包括11名初学者，可能影响结果的普适性	探讨短期正念减压训练对状态和特质的影响，并比较深度学习和传统机器学习方法的效果	短期正念减压训练对状态和特质的影响	机器学习	NA	卷积神经网络（CNN）、支持向量机（SVM）	卷积神经网络（CNN）	脑电图（EEG）	11名初学者正念减压训练者（6名男性，5名女性；平均年龄35.7岁；7名亚洲人，4名高加索人）
16370	2024-09-25	Artificial intelligence assisted pterygium diagnosis: current status and perspectives 2023, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2023.09.04 PMID:37724272	综述	本文综述了人工智能辅助翼状胬肉诊断的现状和未来发展	探讨了人工智能在翼状胬肉诊断中的应用潜力	分析了人工智能辅助翼状胬肉诊断的优缺点和局限性	旨在提供关于人工智能在翼状胬肉诊断中的最新进展和潜在应用的见解	翼状胬肉诊断	计算机视觉	眼科疾病	机器学习、深度学习	NA	图像	NA
16371	2024-09-25	Guidelines for the application of artificial intelligence in the diagnosis of anterior segment diseases (2023) 2023, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2023.09.03 PMID:37724278	指南	本文详细阐述了人工智能在前段眼病诊断中的应用	本文介绍了人工智能从前段眼病诊断的理论应用到实际应用的转变	本文探讨了现有障碍并展望了未来发展方向	旨在帮助眼科医生优化将人工智能融入诊断决策并增强临床研究	前段眼病，包括角膜、结膜、晶状体和眼睑的病理	数字病理	眼科疾病	人工智能	深度学习	图像	NA
16372	2024-09-25	Research progress in artificial intelligence assisted diabetic retinopathy diagnosis 2023, International journal of ophthalmology IF:1.9Q2 DOI:10.18240/ijo.2023.09.05 PMID:37724288	研究论文	总结了基于机器学习和深度学习算法的人工智能模型在糖尿病视网膜病变诊断中的研究进展，并讨论了人工智能研究中的一些局限性和挑战	人工智能模型在糖尿病视网膜病变的诊断、分级和病变识别与分割方面取得了良好的研究和应用成果	讨论了人工智能研究中的一些局限性和挑战	总结人工智能在糖尿病视网膜病变诊断中的研究进展	糖尿病视网膜病变	机器学习	糖尿病视网膜病变	机器学习和深度学习算法	NA	NA	NA
16373	2024-09-25	Deep Learning Based MS2 Feature Detection for Data-Independent Shotgun Proteomics 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995258 PMID:37635836	研究论文	本文开发了一种基于深度学习的模型，用于在数据独立 shotgun 蛋白质组学中进行 MS2 特征检测	本文提出了一种创新的滑动窗口过程，能够对定量 MS/MS 数据进行高分辨率处理，从而提高 MS2 特征检测的准确性	NA	提高 LC-MS 分析中肽段鉴定的准确性，以促进生物标志物发现和复杂蛋白质组学的研究	肽段片段离子在串联质谱中的检测	机器学习	NA	LC-MS 分析	深度学习模型	MS2 数据	NA
16374	2024-09-25	Precision Care in Cardiac Arrest: ICECAP (PRECICECAP) Study Protocol and Informatics Approach 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01464-9 PMID:35229231	研究论文	本文介绍了PRECICECAP研究的方案和信息学方法，旨在通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	开发了一个免费的开源软件平台，用于标准化重症监护病房数据的整理，并使用自编码器神经网络和监督深度学习神经网络算法进行数据分析	NA	通过机器学习分析高分辨率的多模态数据，发现新的生物标志物特征，以预测治疗性低温的最佳持续时间和90天功能结果	从院外心脏骤停复苏的患者中收集的高分辨率多模态数据	机器学习	心血管疾病	自编码器神经网络、监督深度学习神经网络算法	自编码器神经网络、监督深度学习神经网络	多模态数据（包括病例报告表、详细药物数据、心肺和脑电图波形、DICOM文件）	12个ICECAP站点将收集数据，研究预计在2025年底完成
16375	2024-09-25	Self-Supervised Learning Methods for Label-Efficient Dental Caries Classification 2022-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051237 PMID:35626392	研究论文	本文提出了一种利用自监督学习方法进行高效标签的牙釉质龋齿分类的研究	本文首次将自监督学习方法应用于牙釉质龋齿分类，显著提高了标签效率和分类性能	研究仅限于牙釉质龋齿分类，未涉及其他口腔疾病	探索自监督学习在医疗图像分析中的应用，特别是在标签获取成本高昂的情况下	牙釉质龋齿分类	计算机视觉	口腔疾病	自监督学习	神经网络	图像	38,000张未标记的咬翼片放射图像和343张标记的咬翼片放射图像
16376	2024-09-25	Emerging Vaccine-Breakthrough SARS-CoV-2 Variants 2022-03-11, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.1c00557 PMID:35133792	研究论文	研究揭示了SARS-CoV-2变种的分子机制及其对疫苗的突破性，并预测了未来可能出现的变种	整合了大量基因组数据、抗体库、突变数据、拓扑数据分析和深度学习，揭示了SARS-CoV-2的进化机制并预测了疫苗突破性变种	NA	理解SARS-CoV-2的传播和进化机制，预测疫苗突破性变种，并为设计抗突变疫苗和单克隆抗体提供依据	SARS-CoV-2变种及其对疫苗的突破性	NA	COVID-19	深度学习	NA	基因组数据	1,489,884个SARS-CoV-2基因组，130个人类抗体，数万个突变数据
16377	2024-09-25	Replay in Deep Learning: Current Approaches and Missing Biological Elements 2021-10-12, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01433 PMID:34474476	研究论文	本文比较了哺乳动物大脑中的重放机制与人工神经网络中的重放机制，并探讨了如何利用生物重放机制改进人工神经网络	首次全面比较了哺乳动物大脑中的重放机制与人工神经网络中的重放机制，并提出了改进人工神经网络的假设	NA	探讨生物重放机制在人工神经网络中的应用潜力	哺乳动物大脑中的重放机制与人工神经网络中的重放机制	机器学习	NA	NA	人工神经网络	NA	NA
16378	2024-09-25	On Clinical Agreement on the Visibility and Extent of Anatomical Layers in Digital Gonio Photographs 2021-09-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.10.11.1 PMID:34468695	研究论文	本文量化评估了眼科医生在数字前房角照片上描绘解剖层轮廓的注释者间变异性，为自动化分析算法的验证提供了基准	本文首次系统地评估了眼科医生在前房角照片上描绘解剖层轮廓的一致性，为深度学习模型的验证提供了基础	研究样本量较小，仅包含20张图像，可能影响结果的普适性	评估眼科医生在数字前房角照片上描绘解剖层轮廓的一致性，为自动化分析算法的验证提供基准	眼科医生在前房角照片上描绘的解剖层轮廓	计算机视觉	NA	NA	NA	图像	20张前房角照片，由5名经验丰富的眼科医生进行注释
16379	2024-09-25	Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future 2021-Jul-12, Sensors (Basel, Switzerland) DOI:10.3390/s21144758 PMID:34300498	综述	本文综述了基于图的深度学习在医疗诊断和分析中的应用	探讨了图神经网络在处理不规则和无序生理记录数据中的潜力	现有技术主要集中在网格状数据上，难以处理不规则数据	探讨机器学习和深度学习方法在医疗数据分析中的应用	图神经网络及其在医疗领域的应用	机器学习	NA	图神经网络	图神经网络	生理记录数据	NA
16380	2024-09-25	Map3D: Registration-Based Multi-Object Tracking on 3D Serial Whole Slide Images 2021-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3069154 PMID:33780334	研究论文	本文提出了一种名为Map3D的新方法，用于在3D连续全切片图像上进行基于配准的多目标跟踪，以实现肾脏病理学中大规模肾小球的自动识别和关联	创新点包括将大规模肾小球关联视为新的多目标跟踪视角，提出质量感知的全系列配准方法以提供亲和力估计和自动肾脏质量保证，以及提出双路径关联方法以应对跟踪过程中的大变形、缺失组织和伪影	NA	实现肾脏病理学中大规模肾小球的自动识别和关联	3D连续全切片图像中的肾小球	数字病理学	肾脏疾病	全切片成像（WSI）	多目标跟踪（MOT）	图像	大规模肾小球