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
16781	2024-09-10	Myocardial strain imaging in Duchenne muscular dystrophy 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1031205 PMID:36505382	综述	本文综述了心肌应变成像在杜氏肌营养不良症（DMD）中的应用	探讨了3D成像和深度学习算法在自动应变评估中的新兴技术	目前尚无可靠的方法检测DMD心肌病的起始或进展速度	探讨心肌应变成像在DMD中的作用，并讨论新兴成像技术如何更好地表征DMD心肌病的进展	杜氏肌营养不良症（DMD）患者的心肌病	NA	肌肉疾病	心肌应变成像	深度学习算法	图像	NA
16782	2024-09-10	Artificial intelligence-enabled electrocardiogram screens low left ventricular ejection fraction with a degree of confidence 2022 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076221143249 PMID:36532114	研究论文	研究利用人工智能辅助的心电图来评估左心室射血分数，并提供预测的置信度	提出了一种带有置信度的人工智能辅助心电图模型，用于识别左心室功能障碍，并在排除置信度较低的病例后，提高了模型的准确性	NA	建立一种带有置信度的人工智能辅助心电图模型，用于识别左心室功能障碍	左心室功能障碍的识别	机器学习	心血管疾病	深度学习	深度学习模型	心电图	76,081份心电图用于模型建立，11,771份心电图用于模型验证
16783	2024-09-10	Homologous point transformer for multi-modality prostate image registration 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.1155 PMID:36532813	研究论文	本文提出了一种基于transformer的深度学习管道，用于执行跨模态的放射学-病理学图像配准	该管道预测两幅图像模态上的一组同源点，而不是预测变换参数，从而在平均控制点偏差方面优于当前最先进的自动配准管道	NA	开发一种新的跨模态图像配准方法	人类前列腺样本的放射学和病理学图像	计算机视觉	前列腺癌	transformer	transformer	图像	NA
16784	2024-09-10	Deep learning for MYC binding site recognition 2022, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2022.1015993 PMID:36544623	研究论文	本文探讨了使用深度学习工具DeeperBind预测MYC转录因子结合位点的有效性	首次将DeeperBind与DeepRAM结合，在Colab平台上实现了对MYC因子结合位点的高精度预测，准确率超过0.96 AUC	研究仅限于特定细胞系，未涵盖所有类型的肿瘤	开发能够快速有效预测MYC转录因子在特定细胞基因组中分布的工具	MYC转录因子的基因组分布及其在癌症中的转录活性	机器学习	NA	深度学习	DeeperBind	基因组数据	多细胞系
16785	2024-09-10	Emerging MRI techniques for molecular and functional phenotyping of the diseased heart 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.1072828 PMID:36545017	综述	本文综述了五种新兴的MRI技术，这些技术有望改变心脏MRI临床应用，实现早期检测和干预	介绍了五种新兴的MRI技术，包括微血管功能障碍成像、纤维化成像、应变成像、早期代谢变化成像和深度学习加速技术	NA	探讨新兴MRI技术在心脏疾病分子和功能表型分析中的应用潜力	心脏疾病的分子和功能表型	医学影像	心血管疾病	MRI	深度学习	图像	NA
16786	2024-09-10	Single-cell RNA-seq data analysis using graph autoencoders and graph attention networks 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.1003711 PMID:36568390	研究论文	本文开发了一种基于图神经网络的多模态模型scGAEGAT，用于单细胞RNA测序数据分析	提出了一种结合图自编码器和图注意力网络的多模态模型scGAEGAT，用于处理非欧几里得空间数据	实验仅在四个具有金标准细胞标签的scRNA-seq数据集上进行验证	提高单细胞RNA测序数据中基因插补和细胞聚类的分析效率和准确性	单细胞RNA测序数据中的基因插补和细胞聚类	机器学习	NA	单细胞RNA测序	图神经网络	基因表达数据	四个具有金标准细胞标签的scRNA-seq数据集
16787	2024-09-10	Reduced macula microvascular densities may be an early indicator for diabetic peripheral neuropathy 2022, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2022.1081285 PMID:36568975	研究论文	本研究通过光学相干断层扫描血管成像（OCTA）评估2型糖尿病患者视网膜微血管的变化，并探讨其与糖尿病周围神经病变（DPN）的相关性	采用先进的深度学习方法量化视网膜微血管密度，发现DPN患者在浅层血管复合体（SVC）和深层血管复合体（DVC）中的血管长度密度（VLD）显著降低	样本量相对较小，可能影响结果的普适性	评估2型糖尿病患者视网膜微血管的变化，并探讨其与糖尿病周围神经病变的相关性	2型糖尿病患者及其视网膜微血管	数字病理学	糖尿病	光学相干断层扫描血管成像（OCTA）	深度学习	图像	27名健康对照者（42只眼），36名无周围神经病变（NDPN）患者（62只眼），27名有周围神经病变（DPN）患者（40只眼）
16788	2024-09-10	Prediction of RNA-protein interactions using a nucleotide language model 2022, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbac023 PMID:36699410	研究论文	本文提出了一种基于BERT架构的模型BERT-RBP，用于预测RNA与RNA结合蛋白（RBP）的相互作用	利用BERT架构的深度学习模型，能够解释性强且仅基于序列信息进行预测	NA	开发一种新的机器学习模型来预测RNA与RNA结合蛋白的相互作用	RNA序列与RNA结合蛋白的相互作用	机器学习	NA	BERT	BERT	序列	154种RNA结合蛋白的eCLIP-seq数据
16789	2024-09-10	Wavelet and deep learning-based detection of SARS-nCoV from thoracic X-ray images for rapid and efficient testing 2021-Dec-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2021.115650 PMID:34366576	研究论文	本文提出了一种基于小波和深度学习的快速高效检测SARS-nCoV的方法，通过胸腔X光图像进行诊断	使用小波变换和卷积神经网络结合的方法，从胸腔X光图像中提取特征，提高了检测准确性和信号噪声比	NA	开发一种快速高效的SARS-nCoV检测方法，减少诊断时间	SARS-nCoV感染患者	计算机视觉	呼吸道疾病	小波变换、卷积神经网络	卷积神经网络	图像	使用了公开数据库中的胸腔X光图像以及近期COVID-19患者的图像进行验证
16790	2024-09-10	Hybrid deep learning of social media big data for predicting the evolution of COVID-19 transmission 2021-Dec-05, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2021.107417 PMID:34690447	研究论文	研究构建了一种混合深度学习模型ODANN，结合神经网络、数据同化和自然语言处理技术，用于预测COVID-19传播的演变	提出了一种新的混合深度学习模型ODANN，结合了神经网络、数据同化和自然语言处理技术，能够同时处理COVID-19时间序列数据和Twitter数据，以预测全球确诊病例的增长率	研究仅使用了2020年1月23日至5月10日的Twitter数据，可能无法全面反映全球社区的情感反应	开发一种能够预测COVID-19传播演变的混合深度学习模型	COVID-19时间序列数据和Twitter数据	机器学习	COVID-19	自然语言处理	神经网络	文本	超过1亿条英文Twitter数据
16791	2024-09-10	Correlating dynamic climate conditions and socioeconomic-governmental factors to spatiotemporal spread of COVID-19 via semantic segmentation deep learning analysis 2021-Dec, Sustainable cities and society IF:10.5Q1 DOI:10.1016/j.scs.2021.103231 PMID:34377630	研究论文	本研究开发了一种深度学习模型，通过融合气候条件、社会经济和政府限制因素的数据特征，预测全球COVID-19的传播率	提出了G参数，并通过两步优化过程融合气候特征和社会经济-政府因素，提高了模型的预测能力	NA	预测COVID-19的全球传播率	COVID-19的传播率及其与气候条件、社会经济和政府因素的关系	机器学习	NA	深度学习	NA	数据特征	全球251个国家
16792	2024-09-10	COVID-19 lung infection segmentation with a novel two-stage cross-domain transfer learning framework 2021-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102205 PMID:34425317	研究论文	本文提出了一种新颖的两阶段跨域迁移学习框架，用于从CT图像中准确分割COVID-19肺部感染	创新点包括一个名为nCoVSegNet的有效感染分割深度学习模型和一种新颖的两阶段迁移学习策略	NA	快速诊断COVID-19以控制疫情传播	COVID-19肺部感染的CT图像分割	计算机视觉	COVID-19	深度学习	nCoVSegNet	图像	NA
16793	2024-09-10	Classification of COVID-19 in X-ray images with Genetic Fine-tuning 2021-Dec, Computers & electrical engineering : an international journal IF:4.0Q2 DOI:10.1016/j.compeleceng.2021.107467 PMID:34584299	研究论文	本文研究了基于X射线图像和深度学习技术对COVID-19和其他类型肺炎的检测	提出了新的遗传微调方法来自动定义ResNet50和VGG16架构的最佳超参数集	NA	开发一种能够快速高效分类COVID-19肺炎的方法，以降低成本	COVID-19、其他肺炎和健康状态的X射线图像	计算机视觉	COVID-19	深度学习	ResNet50, VGG16	图像	NA
16794	2024-09-10	A comparative analysis of eleven neural networks architectures for small datasets of lung images of COVID-19 patients toward improved clinical decisions 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104887 PMID:34688974	研究论文	本文比较了十一种神经网络架构在COVID-19患者肺部图像小数据集上的表现，以改进临床决策	本文首次系统比较了十一种卷积神经网络在COVID-19肺部图像分类中的性能，为小医疗数据集的处理和分析提供了决策支持	本文仅限于COVID-19肺部图像的分类，未涉及其他疾病或数据类型	比较不同神经网络模型在COVID-19肺部图像分类中的性能，为临床决策提供支持	COVID-19患者的肺部图像	计算机视觉	呼吸系统疾病	卷积神经网络	CNN	图像	小数据集
16795	2024-09-10	Deep learning detects heart failure with preserved ejection fraction using a baseline electrocardiogram 2021-Dec, European heart journal. Digital health DOI:10.1093/ehjdh/ztab081 PMID:36713109	研究论文	本研究利用深度学习技术，通过基线心电图检测保留射血分数的心力衰竭	首次使用卷积神经网络（CNN）根据欧洲心脏病学会（ESC）标准识别HFpEF患者，包括在诊断算法中纳入NT-proBNP测量	NA	开发一种基于心电图的深度学习模型，用于检测保留射血分数的心力衰竭	保留射血分数的心力衰竭患者和对照组	机器学习	心血管疾病	卷积神经网络（CNN）	CNN	心电图	1884名患者用于模型训练，203名志愿者用于外部验证
16796	2024-09-10	Unsupervised PM2.5 anomalies in China induced by the COVID-19 epidemic 2021-Nov-15, The Science of the total environment DOI:10.1016/j.scitotenv.2021.148807 PMID:34237535	研究论文	研究评估了COVID-19疫情对中国城市PM2.5水平的影响	开发了一种基于深度学习的条件变分自编码器（CVAE）算法来识别疫情期间的无监督PM2.5异常	NA	评估COVID-19疫情对PM2.5水平的影响	中国城市的PM2.5水平	环境科学	NA	深度学习	条件变分自编码器（CVAE）	PM2.5数据	2017年至2020年中国春节期间的PM2.5数据
16797	2024-09-10	SCOAT-Net: A novel network for segmenting COVID-19 lung opacification from CT images 2021-Nov, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108109 PMID:34127870	研究论文	提出了一种新的空间和通道级粗到细注意力网络（SCOAT-Net），用于从CT图像中分割COVID-19肺部不透明区域	设计了空间和通道级注意力模块，以增强网络对感染区域的特征提取能力	由于医疗资源有限，短时间内难以获取大量数据，这进一步阻碍了深度学习模型的训练	解决从CT图像中自动分割COVID-19肺部不透明区域的挑战	COVID-19肺部不透明区域的CT图像	计算机视觉	COVID-19	CT成像	SCOAT-Net	图像	NA
16798	2024-09-10	COVID-19 in Asia: Transmission factors, re-opening policies, and vaccination simulation 2021-11, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2021.111657 PMID:34246638	研究论文	本文研究了亚洲COVID-19大流行的传播因素、重新开放政策和疫苗接种模拟	本文首次综合分析了环境因素、社会政治参数与COVID-19传播率的关系，并使用深度学习方法模拟了疫苗接种率和群体免疫时间	研究基于特定时间段和数据，结果可能受数据质量和时间限制影响	探讨COVID-19在亚洲的传播机制、重新开放策略和疫苗接种效果	COVID-19传播率、环境因素、社会政治参数、重新开放政策、疫苗接种模拟	公共卫生	COVID-19	深度学习	NA	数值数据	8个亚洲国家（伊朗、土耳其、印度、沙特阿拉伯、阿拉伯联合酋长国、菲律宾、韩国和俄罗斯）的数据
16799	2024-09-10	RCTE: A reliable and consistent temporal-ensembling framework for semi-supervised segmentation of COVID-19 lesions 2021-Nov, Information sciences DOI:10.1016/j.ins.2021.07.059 PMID:34305162	研究论文	本文提出了一种可靠且一致的时间集成框架（RCTE），用于半监督的COVID-19病变分割	引入了可靠的师生架构和基于改进的广义交叉熵损失的噪声感知损失，以提高分割性能	未提及具体限制	开发一种高效的自动化诊断系统，用于从CT扫描中分割COVID-19病变	COVID-19病变的分割	计算机视觉	COVID-19	深度学习	师生架构	CT扫描图像	有限数量的标注CT扫描和大量未标注CT扫描
16800	2024-09-10	Multi-label segmentation and detection of COVID-19 abnormalities from chest radiographs using deep learning 2021-Nov, Optik DOI:10.1016/j.ijleo.2021.167780 PMID:34393275	研究论文	本文提出了一种基于深度学习的全自动多标签分割和检测COVID-19异常的模型	设计了带有通道和空间注意力块的Attention U-Net模型，应用了扩张卷积以提高模型对前景像素的敏感性，并提出了一种新的混合损失函数	NA	开发一种能够自动检测胸部X光片中COVID-19常见异常的深度学习模型	胸部X光片中的COVID-19异常	计算机视觉	COVID-19	深度学习	Attention U-Net	图像	使用了Chest X-ray 14数据集和日本放射技术学会(JSRT)CXR数据集