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
17001	2024-09-06	Artificial Intelligence Meets Whole Slide Images: Deep Learning Model Shapes an Immune-Hot Tumor and Guides Precision Therapy in Bladder Cancer 2022, Journal of oncology DOI:10.1155/2022/8213321 PMID:36245985	研究论文	本文构建并验证了一个基于全切片图像（WSI）的深度学习模型，用于描述膀胱癌（BLCA）患者肿瘤微环境（TME）的免疫表型和功能异质性，并探索了用于揭示WSI集群中潜在生物学途径的AI评分	本文首次将深度学习应用于全切片图像，构建了一个能够预测膀胱癌患者预后和指导精准治疗的AI评分模型	本文仅在膀胱癌患者中验证了模型的有效性，未来需要在更多癌症类型中进行验证	构建和验证一个基于全切片图像的深度学习模型，用于描述膀胱癌患者的免疫表型和功能异质性，并探索潜在的生物学途径	膀胱癌患者的肿瘤微环境（TME）	数字病理学	膀胱癌	深度学习	神经网络	图像	整合了TCGA队列和多个外部测试队列
17002	2024-09-06	Deep Learning Classification of Breast Cancer Tissue from Terahertz Imaging Through Wavelet Synchro-Squeezed Transformation and Transfer Learning 2022-Jan, Journal of infrared, millimeter and terahertz waves DOI:10.1007/s10762-021-00839-x PMID:36246840	研究论文	本文通过小波同步挤压变换和迁移学习，利用深度学习方法对太赫兹成像技术获取的乳腺癌组织图像进行分类	本文创新性地使用小波同步挤压变换对太赫兹图像进行预处理，并结合深度卷积神经网络进行像素级分类，提高了分类准确性和肌肉与癌变区域的分割效果	本文的实验仅在新鲜切除的小鼠异种移植组织上进行，样本量有限，且未提及在人类组织上的应用效果	提高太赫兹成像技术在乳腺癌组织分类中的准确性和分割效果	新鲜切除的小鼠异种移植乳腺癌组织	计算机视觉	乳腺癌	太赫兹成像	深度卷积神经网络	图像	新鲜切除的小鼠异种移植乳腺癌组织样本
17003	2024-09-06	Segmentation of Breast Tubules in H&E Images Based on a DKS-DoubleU-Net Model 2022, BioMed research international IF:2.6Q3 DOI:10.1155/2022/2961610 PMID:36246965	研究论文	本文提出了一种名为DKS-DoubleU-Net的深度学习模型，用于在H&E染色的图像中准确分割具有复杂外观的乳腺小管	本文的创新点在于使用DenseNet模块作为DoubleU-Net的第二个子网络的编码器，并通过Kernel Selecting Module (KSM)实现多尺度特征融合，以自适应地选择核进行乳腺小管的准确分割	NA	旨在通过深度学习技术提高乳腺小管在H&E图像中的分割准确性	乳腺小管	数字病理学	乳腺癌	深度学习	DKS-DoubleU-Net	图像	使用了公开的BRACS数据集和一个私人临床数据集
17004	2024-09-06	Evaluating the use of synthetic T1-w images in new T2 lesion detection in multiple sclerosis 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.954662 PMID:36248650	研究论文	本文研究了使用合成T1加权图像在新T2病变检测中的应用	提出了一种从T2-FLAIR图像生成合成T1加权图像的方法，并评估了其在多发性硬化症新T2病变检测中的性能	研究样本量较小，且仅限于多发性硬化症患者	评估合成T1加权图像在多发性硬化症新T2病变检测中的应用效果	多发性硬化症患者的新T2病变检测	计算机视觉	多发性硬化症	深度学习	NA	图像	136张多发性硬化症患者的图像，其中73张包含病变活动
17005	2024-09-06	A Hybrid Catheter Localisation Framework in Echocardiography Based on Electromagnetic Tracking and Deep Learning Segmentation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2119070 PMID:36248919	研究论文	本文提出了一种基于电磁跟踪和深度学习分割的混合导管定位框架，用于超声心动图中的导管定位	本文的创新点在于结合了电磁跟踪和深度学习分割两种方法，提供了一种新的解决方案来识别低分辨率超声图像中的移动医疗设备	NA	本文的研究目的是提高超声心动图引导下心脏介入手术中导管定位的准确性和可靠性	本文的研究对象是超声心动图中的导管定位	计算机视觉	心血管疾病	电磁跟踪	UNet	图像	NA
17006	2024-09-06	HIT HAR: Human Image Threshing Machine for Human Activity Recognition Using Deep Learning Models 2022, Computational intelligence and neuroscience DOI:10.1155/2022/1808990 PMID:36248917	研究论文	本文提出了一种基于深度学习模型的人类图像分拣机（HIT HAR）用于人类活动识别（HAR）	本文的创新点在于提出了一种基于图像数据集和智能手机摄像头的人类图像分拣机（HIT），使用掩码区域卷积神经网络（R-CNN）进行人体检测和深度学习模型进行活动分类	本文未提及具体的局限性	研究目的是提高人类活动识别系统的准确性，特别是在复杂活动中的分类效果	研究对象是人类活动识别系统及其在健康监测中的应用	计算机视觉	NA	掩码区域卷积神经网络（R-CNN）	ResNet	图像	未提及具体样本数量
17007	2024-09-06	Semantic Sentiment Classification for COVID-19 Tweets Using Universal Sentence Encoder 2022, Computational intelligence and neuroscience DOI:10.1155/2022/6354543 PMID:36248924	研究论文	本文介绍了一种基于Universal Sentence Encoder的深度学习模型，用于对COVID-19相关推文进行情感分类	本文提出的模型利用Universal Sentence Encoder进行句子嵌入，通过句子相似度检测情感类别，并在准确性上超越了传统的基于TF-IDF的机器学习分类器和基于CNN的分类器	NA	通过分析COVID-19相关推文的情感，帮助决策者衡量公众意见并获得有价值的发现	COVID-19相关推文的情感分类	自然语言处理	NA	深度学习	Universal Sentence Encoder	文本	从Twitter收集的数据集，分为正面、中性和负面三类
17008	2024-09-06	Anatomically curated segmentation of human subcortical structures in high resolution magnetic resonance imaging: An open science approach 2022, Frontiers in neuroanatomy IF:2.1Q3 DOI:10.3389/fnana.2022.894606 PMID:36249866	研究论文	本文开发了一种用于手动编辑高分辨率磁共振成像中人脑亚皮质结构的定制软件模块，并将其应用于50个来自人类连接组项目的高分辨率T1w MRI脑图像的手动分割	本文创新性地开发了一种基于3D Slicer软件平台的定制软件模块，用于手动编辑脑结构，并结合已建立的神经解剖学定义，手动分割了50个高分辨率T1w MRI脑图像	手动分割过程耗时且劳动密集，不适用于使用非常大的数据集、大样本量或多模态成像的研究	开发一种高质量、神经解剖学上经过精心策划和手动编辑的MRI脑图像的开源数据库，以及生成这些数据的公开工具和详细程序	高分辨率磁共振成像中的人脑亚皮质结构	计算机视觉	NA	磁共振成像 (MRI)	NA	图像	50个高分辨率T1w MRI脑图像
17009	2024-09-06	A Multiview Deep Learning Method for Brain Functional Connectivity Classification 2022, Computational intelligence and neuroscience DOI:10.1155/2022/5782569 PMID:36254204	研究论文	本文提出了一种多视角深度学习方法用于脑功能连接分类	采用多脑图谱构建不同视角的脑功能连接，并使用多视角特征选择策略和堆叠自编码器提取深度特征，最后通过多视角融合策略利用互补信息进行分类	NA	提高脑功能连接分类的性能以满足临床应用需求	脑功能连接分类	机器学习	NA	深度学习	堆叠自编码器	脑功能连接数据	涉及三个公开的神经精神障碍数据集
17010	2024-09-06	Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26194 PMID:34331359	研究论文	本文通过深度学习和Rosetta方法改进了蛋白质三级结构预测和优化	引入了语言模型嵌入和模板信息加权，并开发了一个结合无模板和有模板版本的trRosetta模型的优化流程	整体改进效果有限，部分原因是缺失域间或链间接触	改进蛋白质三级结构预测方法	蛋白质三级结构	机器学习	NA	深度学习	trRosetta	序列信息	NA
17011	2024-09-06	Machine learning meets mechanistic modelling for accurate prediction of experimental activation energies 2021-Jan-21, Chemical science IF:7.6Q1 DOI:10.1039/d0sc04896h PMID:36299676	研究论文	本文构建了结合传统过渡态模型和机器学习的混合模型，用于准确预测反应能垒	提出了一种结合传统过渡态模型和机器学习的混合模型，显著提高了反应能垒预测的准确性	模型在低数据情况下表现良好，但在数据量较大的情况下可能需要进一步优化	开发一种能够准确预测化学反应能垒的混合模型	核芳香亲核取代反应的实验动力学数据	机器学习	NA	高斯过程回归	混合模型	实验数据	100-150个速率常数
17012	2024-09-06	Rule-based automatic diagnosis of thyroid nodules from intraoperative frozen sections using deep learning 2020-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2020.101918 PMID:32972671	研究论文	本文提出了一种基于规则的系统，利用深度学习技术从术中冷冻切片中自动诊断甲状腺结节	首次将深度学习应用于术中冷冻切片甲状腺结节的诊断	系统将16.2%的切片分类为不确定，需要进一步人工检查或通过永久切片处理	开发一种基于规则的系统，利用深度学习技术从术中冷冻切片中自动诊断甲状腺结节	甲状腺结节的术中冷冻切片	数字病理学	甲状腺疾病	深度学习	卷积神经网络 (CNN)	图像	259张测试切片
17013	2024-09-06	Simultaneous cosegmentation of tumors in PET-CT images using deep fully convolutional networks 2019-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.13331 PMID:30537103	研究论文	研究使用深度全卷积网络（DFCN）在PET-CT图像上同时分割肿瘤的方法	提出了一种基于DFCN的肿瘤同时分割方法，结合了PET和CT的信息，并展示了其优于现有图论分割方法的性能	NA	研究3D深度学习全卷积网络在非小细胞肺癌PET-CT图像上同时分割肿瘤的效用和效率	非小细胞肺癌（NSCLC）的PET-CT图像中的肿瘤	计算机视觉	肺癌	深度学习	全卷积网络（DFCN）	图像	60对PET/CT图像
17014	2024-09-06	Deep learning in medical imaging and radiation therapy 2019-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.13264 PMID:30367497	综述	本文综述了深度学习在医学影像和放射治疗中的应用	本文总结了当前的成就，并指出了未来的应用和技术创新方向	本文主要总结了现有研究，未涉及具体实验或数据分析	总结深度学习在医学影像和放射治疗中的应用现状，并探讨未来的发展方向	深度学习在医学影像和放射治疗中的应用	计算机视觉	NA	深度学习	卷积神经网络	影像	NA
17015	2024-09-05	Predicting Small Molecule Binding Nucleotides in RNA Structures Using RNA Surface Topography 2024-Sep-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01264 PMID:39230508	研究论文	本文开发了一种基于空间相关性的深度学习模型ZHmolReSTasite，用于预测带有结的RNA结构中的小分子结合核苷酸	ZHmolReSTasite模型利用RNA表面地形考虑空间相关性，能够准确预测简单和复杂RNA结构中的结合核苷酸	现有方法难以预测带有结的复杂RNA结构中的结合核苷酸	提高RNA小分子结合核苷酸预测的准确性，促进药物发现和抑制剂设计	RNA小分子结合核苷酸的预测	机器学习	NA	深度学习	深度学习模型	RNA结构数据	包含简单RNA结构的基准测试集TE18和RB9，以及带有结的RNA结构的挑战性测试集
17016	2024-09-05	Unrealistic Data Augmentation Improves the Robustness of Deep Learning-Based Classification of Dopamine Transporter SPECT Against Variability Between Sites and Between Cameras 2024-Sep-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267570 PMID:39054285	研究论文	本文提出了一种强烈不切实际的数据增强方法，以提高卷积神经网络（CNN）对多巴胺转运体SPECT图像分类的鲁棒性，特别是在不同站点和不同相机之间的变异性。	使用基于高斯模糊和加性噪声的强烈不切实际数据增强方法，显著提高了CNN在不同数据集上的分类准确性和泛化能力。	NA	提高深度学习在多巴胺转运体SPECT图像分类中的鲁棒性。	多巴胺转运体SPECT图像的自动分类。	计算机视觉	NA	数据增强	CNN	图像	1,100张I-标记的2β-羧甲氧基-3β-(4-碘苯基)--(3-氟丙基)诺特罗潘SPECT图像
17017	2024-09-05	Perspectives on Advancing Multimodal Learning in Environmental Science and Engineering Studies 2024-Sep-03, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.4c03088 PMID:39226136	研究论文	本文探讨了多模态学习在环境科学与工程研究中的应用和潜力	提出利用多模态学习（MML）整合不同模态数据，以提高环境问题预测模型的准确性和鲁棒性	讨论了在环境科学与工程领域实施多模态学习的挑战	探索多模态学习在环境科学与工程中的应用，以解决复杂的环境问题	环境质量评估、化学危害预测和污染控制技术优化	机器学习	NA	多模态学习（MML）	NA	多模态数据	NA
17018	2024-09-05	Sequence-specific targeting of intrinsically disordered protein regions 2024-Sep-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.15.603480 PMID:39071356	研究论文	本文介绍了一种结合生物物理原理和深度学习的方法，用于设计能够特异性地结合到蛋白质无序区域（IDRs）的蛋白质	该方法通过将查询序列通过数百个具有不同口袋深度和间距的模板，实现了对无序序列的通用识别，并通过RFdiffusion优化结合体-目标的适应性	NA	开发一种能够特异性地结合到蛋白质无序区域的方法，以应用于生物研究、治疗和诊断	设计能够结合到39种高度多样化的无结构目标的结合体	生物技术	NA	深度学习, RFdiffusion	NA	蛋白质序列	39种高度多样化的无结构目标，每个目标约36种设计
17019	2024-09-05	A deep learning classification framework for research methods of marine protected area management 2024-Sep, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2024.122228 PMID:39182377	研究论文	本研究提出了一种基于深度学习的海洋保护区管理方法分类框架，特别关注数据和理论能力，使用自然语言处理技术	该框架通过提取学术资源中的关键词并基于语义相似性进行聚类，生成了用于摘要标注的基准文本，并总结了研究方法的组合类型，提出了数据-理论中和原则	NA	旨在为海洋保护区管理方法提供一个高效的基于理论和数据驱动的方法集成框架	海洋保护区管理方法	自然语言处理	NA	自然语言处理	深度学习	文本	分析了1986至2024年间9049篇海洋保护区管理实证研究文章
17020	2024-09-05	Sensor-based characterization of construction and demolition waste at high occupancy densities using synthetic training data and deep learning 2024-Sep, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X241231410 PMID:38385439	研究论文	研究使用深度学习方法和合成训练数据对高密度占用下的建筑拆除废物进行传感器监测	提出了一种生成合成训练图像的方法，避免了耗时的手动标记，并通过在真实图像上测试训练模型来证明其成功	未明确提及	探索不同深度学习架构在建筑拆除废物特征化中的适用性	建筑拆除废物（CDW）的传感器监测和深度学习对象检测方法	机器学习	NA	深度学习	Region-based CNN (Faster R-CNN), YOLOv3, Single Shot MultiBox Detector (SSD)	图像	以砖和砂灰砖混合物作为示例废物流