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
16921	2024-09-08	DeepCov19Net: Automated COVID-19 Disease Detection with a Robust and Effective Technique Deep Learning Approach 2022, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00152-0 PMID:35035024	研究论文	提出了一种基于深度学习模型的方法DeepCov19Net，用于自动检测COVID-19疾病	使用卷积自编码器模型进行深度特征提取，并采用SDAR算法选择特征，结合SVM分类器进行分类	未提及具体的研究局限性	开发一种高效且鲁棒的深度学习方法，用于自动检测COVID-19疾病	胸部X光图像中的COVID-19、正常和肺炎类别	计算机视觉	COVID-19	深度学习	卷积自编码器	图像	未提及具体样本数量
16922	2024-09-08	Image enhancement techniques on deep learning approaches for automated diagnosis of COVID-19 features using CXR images 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13486-8 PMID:35938148	研究论文	研究探讨了图像去噪和增强技术对深度学习方法在COVID-19特征自动诊断中的影响	提出了结合图像去噪和增强技术的方法，显著提高了深度学习模型在COVID-19诊断中的准确性和敏感性	研究仅限于胸部X光图像，未考虑其他类型的医学影像	探索图像增强技术对深度学习方法在COVID-19自动诊断中的影响	胸部X光图像中的COVID-19特征	计算机视觉	COVID-19	深度学习	CNN	图像	使用了两个基准数据集，进行了4-way和3-way分类
16923	2024-09-08	π VAE: a stochastic process prior for Bayesian deep learning with MCMC 2022, Statistics and computing IF:1.6Q1 DOI:10.1007/s11222-022-10151-w PMID:36276409	研究论文	本文提出了一种新的变分自编码器（VAE），称为π VAE，用于贝叶斯深度学习中的随机过程先验，并通过MCMC进行推理	π VAE是一种新的连续随机过程，能够通过结合可训练的特征映射和生成模型来学习函数类的低维嵌入，并在空间插值等任务中实现了最先进的性能	NA	开发一种新的变分自编码器，以实现对复杂数据的灵活建模和高效推理	函数类的低维嵌入和函数属性的学习，如高斯过程及其积分	机器学习	NA	变分自编码器（VAE）	变分自编码器（VAE）	函数类	NA
16924	2024-09-08	Deep learning-based phenotyping for genome wide association studies of sudden death syndrome in soybean 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.966244 PMID:36340398	研究论文	本文研究了使用深度学习技术对大豆猝死综合征进行表型分析，并应用于全基因组关联研究	本文首次将深度学习技术应用于大豆猝死综合征的表型分析，并将其与传统的视觉评分方法进行比较	本文仅使用了473个样本，样本量相对较小，可能影响结果的普适性	研究旨在通过深度学习技术对大豆猝死综合征进行表型分析，并应用于全基因组关联研究	研究对象为大豆猝死综合征的表型和相关单核苷酸多态性标记	机器学习	大豆猝死综合征	深度学习	深度学习框架	图像	473个大豆样本
16925	2024-09-08	Hallucinating structure-conditioned antibody libraries for target-specific binders 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.999034 PMID:36341416	研究论文	本文提出了一种名为FHallucinator的深度学习模型，用于设计基于抗体结构的抗体序列，特别是CDR环，以生成针对特定抗原的抗体库	FHallucinator模型利用结构预测深度学习模型，生成保留结合位点构象的靶向CDR库，从而保留与抗原表位的结合模式	NA	开发一种高效且经济的深度学习模型，用于抗体亲和力成熟过程中生成多样化和靶向的抗体库	抗体序列，特别是CDR环	机器学习	NA	深度学习	深度学习模型	抗体序列	60个抗体样本
16926	2024-09-08	Deep learning algorithm reveals probabilities of stage-specific time to conversion in individuals with neurodegenerative disease LATE 2022, Alzheimer's & dementia (New York, N. Y.) DOI:10.1002/trc2.12363 PMID:36348767	研究论文	本文开发了一种深度学习算法，用于评估神经退行性疾病LATE患者特定阶段转换时间的概率	首次利用深度学习方法在个体水平上预测LATE疾病特定阶段的转换时间	NA	开发一种有效的预测方法，用于评估神经退行性疾病LATE患者特定阶段转换时间的概率	神经退行性疾病LATE患者	机器学习	神经退行性疾病	深度学习	深度学习模型	临床数据	不同受试者
16927	2024-09-08	Calibrated bagging deep learning for image semantic segmentation: A case study on COVID-19 chest X-ray image 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276250 PMID:36383512	研究论文	本文提出了一种结合bagging深度学习和模型校准的集成深度学习模型，用于COVID-19胸部X光图像的语义分割，旨在提高分割性能并降低预测不确定性	本文的创新点在于将bagging深度学习与模型校准相结合，提出了一种新的集成深度学习模型，以提高分割性能并减少预测不确定性	本文未详细讨论该方法在其他类型医学图像上的适用性及其泛化能力	研究目的是开发一种能够提高COVID-19胸部X光图像分割性能并降低预测不确定性的深度学习模型	研究对象是COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习	集成深度学习模型	图像	大量胸部X光图像数据集
16928	2024-09-08	The performance of deep generative models for learning joint embeddings of single-cell multi-omics data 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.962644 PMID:36387277	研究论文	本文研究了深度生成模型在单细胞多组学数据联合嵌入学习中的性能	本文首次系统评估了不同样本量下深度生成模型在单细胞多组学数据集成中的表现	本文主要基于现有工具和数据集进行评估，未涉及模型训练和优化过程	评估深度生成模型在不同样本量下单细胞多组学数据联合嵌入学习的效果	单细胞RNA测序和蛋白质丰度数据（CITE-seq）以及染色质可及性和RNA表达数据（10x Multiome）	机器学习	NA	深度生成模型	深度生成模型	多组学数据	数千个细胞
16929	2024-09-08	Site effects how-to and when: An overview of retrospective techniques to accommodate site effects in multi-site neuroimaging analyses 2022, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2022.923988 PMID:36388214	综述	本文综述了用于处理多站点神经影像分析中站点效应的回顾性技术	本文首次全面讨论了各种统计和机器学习方法在不同应用场景中的优缺点	本文未提供每种方法的具体实现细节和代码示例	探讨如何处理多站点神经影像数据中的站点效应，以提高分析的可靠性和泛化性	多站点神经影像数据中的站点效应	机器学习	NA	线性混合效应模型、ComBat技术及其变体、基于图像质量指标的调整、规范建模、生成对抗网络	生成对抗网络	影像	NA
16930	2024-09-08	Enhancing short-term crime prediction with human mobility flows and deep learning architectures 2022, EPJ data science IF:3.0Q1 DOI:10.1140/epjds/s13688-022-00366-2 PMID:36406335	研究论文	本文探讨了在短期犯罪预测中结合人流数据和深度学习架构的效果	本文首次使用公开的细粒度人流数据集，并展示了人流特征对短期犯罪预测的改进效果	研究仅限于多个城市和不同类型的犯罪，未涵盖所有可能的情况	提高短期犯罪预测的准确性	短期犯罪预测模型	机器学习	NA	深度学习	神经网络	人流数据	多个具有不同人口特征的城市和多种犯罪类型
16931	2024-09-08	Mental Disorder Diagnosis from EEG Signals Employing Automated Leaning Procedures Based on Radial Basis Functions 2022, Journal of medical and biological engineering IF:1.6Q4 DOI:10.1007/s40846-022-00758-9 PMID:36407571	研究论文	本文提出了一种基于深度学习方法的自动化程序，用于精神分裂症的诊断	本文提出了一种基于径向基函数和模糊均值算法的新型神经网络分类方法，用于精神分裂症的诊断	NA	开发一种高精度的自动化诊断工具，用于精神分裂症的早期诊断和治疗	精神分裂症患者和健康志愿者的脑电信号	机器学习	精神疾病	径向基函数	神经网络	脑电信号	使用32通道头盔采集的脑电信号数据
16932	2024-09-08	Predicting the tissue outcome of acute ischemic stroke from acute 4D computed tomography perfusion imaging using temporal features and deep learning 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.1009654 PMID:36408399	研究论文	本文提出了一种基于深度学习的模块化UNet网络，用于从急性缺血性卒中患者的急性4D CT灌注成像中预测组织结果	本文创新性地将时间特征提取与组织结果预测分离，允许使用灌注参数图进行模型验证，并从时空CTP数据中进行端到端学习	本文未正式调查将深度学习应用于源或反卷积CTP数据与灌注参数图相比的益处	研究目的是预测急性缺血性卒中患者的随访病变，以辅助临床决策	研究对象为接受静脉溶栓或动脉机械取栓治疗的急性缺血性卒中患者	计算机视觉	脑血管疾病	CT灌注成像	深度卷积网络（DCN）	图像	145例回顾性数据集，包括基线CT灌注成像、灌注参数图和随访非对比CT
16933	2024-09-08	Real-time noise cancellation with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0277974 PMID:36409690	研究论文	本文介绍了一种新的实时深度学习算法，用于生物测量中的噪声消除	提出了一种自适应的深度学习算法，能够产生与噪声相反的信号，实现破坏性干扰	仅在电生理学测量中进行了验证，尚未在其他领域广泛应用	开发一种有效的噪声消除技术，以提高生物测量信号的质量	电生理学信号，特别是脑电图（EEG）中的肌电噪声	机器学习	NA	深度学习	NA	信号	使用了定制的3D打印复合电极进行实验
16934	2024-09-08	Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7186687 PMID:36419507	综述	本文综述了计算机视觉技术在自动检测马铃薯病害中的应用	发现深度学习算法在检测作物病害方面比传统机器学习算法更常用	NA	综述计算机视觉技术在马铃薯病害检测中的应用	马铃薯病害检测	计算机视觉	NA	计算机视觉	深度学习	图像	39项主要研究
16935	2024-09-08	Deep Learning in Ischemic Stroke Imaging Analysis: A Comprehensive Review 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/2456550 PMID:36420096	综述	本文综述了深度学习在缺血性脑卒中影像分析中的应用现状	深度学习模型被认为是急性干预和指导缺血性脑卒中预后的有力辅助工具	当前研究存在问题和展望	探讨深度学习技术在缺血性脑卒中影像分析中的应用，以促进临床实践和改善患者临床结果	缺血性脑卒中的影像诊断和多模态预后	计算机视觉	脑血管疾病	深度学习	NA	影像	NA
16936	2024-09-08	Deep-learning-based generation of synthetic 6-minute MRI from 2-minute MRI for use in head and neck cancer radiotherapy 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.975902 PMID:36425548	研究论文	研究利用深度学习技术从2分钟MRI生成高质量的合成6分钟MRI，用于头颈部癌症的放射治疗	首次利用深度学习生成高质量的合成MRI图像，以替代传统的6分钟MRI扫描	合成图像与真实图像之间仍存在一定差异，需要进一步改进	探索深度学习在生成高质量MRI图像中的应用，以提高放射治疗的准确性	头颈部癌症患者的MRI图像	计算机视觉	头颈部癌症	深度学习	生成对抗网络（GAN）	图像	108组头颈部MRI图像，包括2分钟和6分钟T2加权扫描
16937	2024-09-08	NN-Poly: Approximating common neural networks with Taylor polynomials to imbue dynamical system constraints 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.968305 PMID:36425848	研究论文	提出了一种将常见神经网络近似为泰勒多项式的方法，以赋予动力系统约束，从而提高状态预测的准确性	通过将神经网络近似为泰勒多项式，确保了算法在遵循物理定律的同时保持状态预测的准确性	目前仅在单层神经网络和多项式训练数据上进行了评估，未来工作将扩展到高维动力系统数据	解决现有神经网络在动力系统预测中不遵循物理定律的问题	全连接感知器、卷积和递归神经网络及其激活函数	机器学习	NA	泰勒多项式近似	神经网络	动力系统数据	NA
16938	2024-09-08	Graph auto-encoding brain networks with applications to analyzing large-scale brain imaging datasets 2021-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118750 PMID:34823023	研究论文	本文开发了一种非线性潜在因子模型，用于表征脑图的群体分布并推断其与人类特征的关系	提出了名为Graph AuTo-Encoding (GATE)的方法，通过深度学习技术对脑网络进行编码和解码，以分析大规模脑成像数据集	NA	研究从不同成像模式推断的人类脑连接组及其与人类特征（如认知）的关系	脑连接组及其与认知的关系	计算机视觉	NA	深度学习	图自编码器 (Graph AuTo-Encoding, GATE)	网络数据	两个大规模脑成像数据集：Adolescent Brain Cognitive Development (ABCD) 研究和 Human Connectome Project (HCP) 成人研究
16939	2024-09-08	A mixture-density-based tandem optimization network for on-demand inverse design of thin-film high reflectors 2021-Nov, Nanophotonics IF:6.5Q1 DOI:10.1515/nanoph-2021-0392 PMID:36425324	研究论文	本文介绍了一种基于混合密度网络和全连接网络的串联优化模型，用于薄膜高反射器的按需逆向设计	该模型结合了混合密度网络的多模态特性，能够访问由概率分布描述的无限候选设计，并通过全连接网络进行迭代采样和评估，从而实现快速优化	NA	开发一种高效且准确的逆向设计方法，用于薄膜高反射器的实际应用	薄膜高反射器的逆向设计	计算机视觉	NA	深度学习	混合密度网络（MDN）和全连接网络（FC）	光谱数据	20层薄膜结构
16940	2024-09-08	Q-space Conditioned Translation Networks for Directional Synthesis of Diffusion Weighted Images from Multi-modal Structural MRI 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87234-2_50 PMID:36383495	研究论文	提出了一种基于生成对抗网络的扩散加权图像合成框架，能够在任意q空间采样条件下从多模态结构MRI生成高质量的DWI	该方法通过线性调制内部表示以适应连续的q空间信息，避免了固定采样方案的需求，并能从任意子采样的DWI中估计高质量的微观结构图	NA	改进扩散MRI建模，提高DWI合成的准确性和保真度，增强下游应用的实用性	扩散加权图像（DWI）的合成	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA