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
17041	2024-09-13	Biologically informed deep learning to query gene programs in single-cell atlases 2023-02, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-022-01072-x PMID:36732632	研究论文	本文提出了一种生物学信息驱动的深度学习架构expiMap，用于单细胞参考图谱的映射	expiMap能够将细胞映射到生物学上可理解的基因程序组件，同时学习每个细胞的基因程序活性，并进行程序的优化和新程序的学习	NA	开发一种能够将新产生的查询数据快速映射到参考图谱的深度学习方法，并使其结果具有生物学解释性	单细胞数据及其在不同组织和物种中的扰动响应	机器学习	NA	深度学习	深度学习架构	单细胞数据	NA
17042	2024-09-13	Periodic-net: an end-to-end data driven framework for diffuse optical imaging of breast cancer from noisy boundary data 2023-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.2.026001 PMID:36761256	研究论文	本文提出了一种端到端的深度学习框架Periodic-net，用于从噪声边界数据中进行乳腺癌症的漫射光学成像	提出的Periodic-net算法在重建和评估不均匀性方面具有高精度，并且在图像重建中表现出对噪声的更强免疫力	NA	开发一种端到端的深度学习框架，用于早期检测乳腺癌并重建其光学特性	乳腺癌症的光学特性	机器学习	乳腺癌	漫射光学成像	深度学习算法	图像	包括16×15、20×19和36×35边界测量设置的多种组合
17043	2024-09-13	Computer-Aided Drug Design towards New Psychotropic and Neurological Drugs 2023-Jan-30, Molecules (Basel, Switzerland) DOI:10.3390/molecules28031324 PMID:36770990	综述	本文综述了计算机辅助药物设计（CADD）技术在中枢神经系统（CNS）药物发现中的应用	近年来，深度学习技术被应用于药物设计，为CADD工作流程增添了新的活力	尽管CADD技术有所进步，但CNS药物发现仍面临高失败率和临床试验成本高的问题	探讨CADD技术在CNS药物发现中的应用，并回顾2018年至2022年11月期间的相关进展	中枢神经系统疾病的新药物	计算机辅助药物设计	神经系统疾病	计算机辅助药物设计（CADD）	深度学习	NA	NA
17044	2024-09-13	Predicting CTS Diagnosis and Prognosis Based on Machine Learning Techniques 2023-Jan-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030492 PMID:36766597	研究论文	本研究开发了基于机器学习算法的分类模型，用于确定腕管综合征的严重程度，并预测患者在接受超声引导下正中神经水解术后改善的可能性	本研究首次提出了基于全面临床数据的机器学习模型，用于分类腕管综合征的严重程度，并预测患者在接受治疗后的改善概率	研究样本量相对较小，且仅包括了与腕管综合征症状重叠的其他疾病患者，可能影响模型的泛化能力	开发和验证用于预测腕管综合征诊断和预后的机器学习模型	腕管综合征患者及其他与腕管综合征症状重叠的疾病患者	机器学习	神经疾病	机器学习算法	分类模型	临床数据	160名患者，包括80名腕管综合征患者和80名其他疾病患者
17045	2024-09-13	Face Image Encryption Based on Feature with Optimization Using Secure Crypto General Adversarial Neural Network and Optical Chaotic Map 2023-Jan-27, Sensors (Basel, Switzerland) DOI:10.3390/s23031415 PMID:36772454	研究论文	本文提出了一种基于特征优化和安全加密通用对抗神经网络与光学混沌映射的面部图像加密技术	结合了图像优化、密码学和深度学习架构，使用光学混沌映射管理初始标准，并引入区域兴趣网络提取加密图像中的相关项目	未提及	提高面部图像加密技术的安全性和便利性	面部图像的加密与解密	计算机视觉	NA	光学混沌映射	通用对抗神经网络	图像	未提及
17046	2024-09-13	Uncertain-CAM: Uncertainty-Based Ensemble Machine Voting for Improved COVID-19 CXR Classification and Explainability 2023-Jan-26, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030441 PMID:36766546	研究论文	本文提出了一种基于不确定性集成的机器投票方法，用于改进COVID-19胸部X射线分类和解释性	本文引入了Uncertain-CAM技术，结合循环余弦退火方法和交叉验证，提高了深度学习模型的解释性和COVID-19分类系统的可靠性	NA	提高COVID-19胸部X射线分类的准确性和深度学习模型的解释性	COVID-19胸部X射线图像	计算机视觉	COVID-19	深度学习	深度学习模型	图像	NA
17047	2024-09-13	A Study on the Impact of Integrating Reinforcement Learning for Channel Prediction and Power Allocation Scheme in MISO-NOMA System 2023-Jan-26, Sensors (Basel, Switzerland) DOI:10.3390/s23031383 PMID:36772422	研究论文	研究了在MISO-NOMA系统中集成强化学习进行信道预测和功率分配方案的影响	开发了基于Q-learning算法的信道预测模型，并将其应用于MISO-NOMA系统中，以提高下行链路总速率和减少估计损失	NA	研究强化学习在MISO-NOMA系统中信道预测和功率分配中的应用	MISO-NOMA系统中的信道参数预测和功率分配	机器学习	NA	强化学习	Q-learning	信道参数	多个用户设备
17048	2024-09-13	Using Ultrasound Image Augmentation and Ensemble Predictions to Prevent Machine-Learning Model Overfitting 2023-Jan-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030417 PMID:36766522	研究论文	本文探讨了使用超声图像增强和集成预测来防止机器学习模型过拟合的方法	引入了仿射变换和MixUp方法进行图像增强，并通过集成多个LOSO保留集的预测结果来提高模型性能	仅在组织幻影图像集上进行了验证，尚未在临床实际数据上进行测试	提高深度学习模型在超声图像分析中的泛化能力，以简化医疗影像诊断	超声图像中的弹片识别	计算机视觉	NA	NA	神经网络	图像	使用了多个组织幻影图像集进行训练和测试
17049	2024-09-13	Blind Assessment of Monomeric AlphaFold2 Protein Structure Models with Experimental NMR Data 2023-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.22.525096 PMID:36712039	研究论文	本文评估了AlphaFold2在预测小分子单体蛋白质结构模型时与实验NMR数据的拟合程度	首次系统性地评估了AlphaFold2在未用于训练的NMR结构数据上的表现，并发现其在大多数情况下与NMR数据拟合良好	研究仅限于小分子单体蛋白质，未涉及更大或更复杂的蛋白质结构	评估AlphaFold2在预测未用于训练的NMR结构数据上的准确性	小分子单体蛋白质的NMR结构数据	结构生物学	NA	NMR	AlphaFold2	蛋白质结构数据	9个小分子单体蛋白质
17050	2024-09-13	Lightweight and Energy-Efficient Deep Learning Accelerator for Real-Time Object Detection on Edge Devices 2023-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s23031185 PMID:36772225	研究论文	本文提出了一种轻量级且节能的深度学习加速器，用于边缘设备上的实时目标检测	通过模型简化和压缩优化网络模型，并设计了一种轻量级且节能的硬件架构	未提及	开发适用于资源受限的边缘设备的深度学习加速器，以实现实时目标检测	边缘设备上的实时目标检测	计算机视觉	NA	深度学习	深度学习模型	图像	未提及
17051	2024-09-13	Light-Dermo: A Lightweight Pretrained Convolution Neural Network for the Diagnosis of Multiclass Skin Lesions 2023-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13030385 PMID:36766490	研究论文	本文提出了一种基于轻量级预训练卷积神经网络的计算机辅助诊断系统，用于多类皮肤病变诊断	开发了一种名为Light-Dermo的新方法，该方法基于轻量级CNN模型，并应用了通道注意力机制，旨在提高计算效率	NA	开发一种高效的计算机辅助诊断系统，用于早期识别多类皮肤病变	多类色素性皮肤病变	计算机视觉	皮肤癌	卷积神经网络	CNN	图像	使用了14,000张图像进行初始验证，并通过数据增强技术扩展到28,000张图像
17052	2024-09-13	Thin-Slice Prostate MRI Enabled by Deep Learning Image Reconstruction 2023-Jan-18, Cancers IF:4.5Q1 DOI:10.3390/cancers15030578 PMID:36765539	研究论文	研究通过深度学习图像重建技术实现薄切片前列腺MRI，以提高前列腺癌诊断的图像质量	采用深度学习加速的T2加权薄切片成像序列（T2DLR），相比传统T2加权TSE成像（T2S），显著提高了图像锐度和病变检测能力	T2DLR在图像噪声方面表现较差	探讨深度学习加速的薄切片MRI在前列腺癌诊断中的应用效果	前列腺癌诊断中的图像质量和成像时间	计算机视觉	前列腺癌	深度学习图像重建	NA	图像	30名患者
17053	2024-09-13	Scalable Causal Structure Learning: Scoping Review of Traditional and Deep Learning Algorithms and New Opportunities in Biomedicine 2023-Jan-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38266 PMID:36649070	综述	本文综述了可扩展因果结构学习模型的传统和深度学习算法，并探讨了其在生物医学领域的新机遇	本文介绍了新的深度学习方法在因果结构学习中的应用，这些方法在处理大规模多变量数据时具有优势	本文未详细讨论深度学习方法在因果结构学习中的局限性	帮助医疗领域的读者理解和应用可扩展的因果结构学习模型	综述传统和机器学习方法在因果结构发现中的应用，并评估其在生物医学领域的潜力	机器学习	NA	深度学习	图神经网络	数据集	使用了线性、非线性和基准Sachs数据进行实验
17054	2024-09-13	Anatomically interpretable deep learning of brain age captures domain-specific cognitive impairment 2023-01-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2214634120 PMID:36595679	研究论文	本研究使用卷积神经网络（CNN）从磁共振成像（MRI）中估计大脑年龄，并揭示了大脑老化模式与认知障碍之间的关系	本研究引入了CNN模型，相比以往研究，在新的数据集上表现更好，并提供了详细的大脑老化解剖图谱	NA	研究大脑年龄与认知障碍之间的关系，并开发一种能够早期识别阿尔茨海默病风险的方法	认知正常的个体、轻度认知障碍患者和阿尔茨海默病患者的大脑年龄	计算机视觉	阿尔茨海默病	磁共振成像（MRI）	卷积神经网络（CNN）	图像	训练集包含4681名认知正常参与者，测试集包含1170名认知正常参与者、351名轻度认知障碍患者和359名阿尔茨海默病患者
17055	2024-09-13	LAST: Latent Space-Assisted Adaptive Sampling for Protein Trajectories 2023-01-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.2c01213 PMID:36472885	研究论文	本文提出了一种基于变分自编码器（VAE）的潜在空间辅助自适应采样方法（LAST），用于加速蛋白质构象空间的探索	LAST方法通过在潜在空间中选择种子结构并进行额外的分子动力学模拟，显著提高了蛋白质构象空间探索的效率	NA	加速蛋白质构象空间的探索	蛋白质构象和动力学	机器学习	NA	分子动力学模拟	变分自编码器（VAE）	蛋白质轨迹	四个结构，涉及两个蛋白质系统：腺苷激酶（ADK）的两个亚稳态和Vivid（VVD）的两个天然态
17056	2024-09-13	The genetic architecture of the human skeletal form 2023-Jan-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.03.521284 PMID:36712136	研究论文	本文应用深度学习模型分析了31,221张全身双能X射线吸收法（DXA）图像，提取了23种图像衍生表型（IDPs），揭示了人类骨骼形态的遗传基础	首次应用深度学习模型分析DXA图像，识别出影响人类骨骼形态的新型和特定遗传变异，并将人类解剖学变化的主要进化方面与发病机制联系起来	NA	揭示人类骨骼形态的遗传基础	人类骨骼形态的遗传变异及其与疾病和进化的关系	生物信息学	骨关节疾病	深度学习	深度学习模型	图像	31,221张全身DXA图像
17057	2024-09-13	Blockchain for deep learning: review and open challenges 2023, Cluster computing DOI:10.1007/s10586-022-03582-7 PMID:35309043	综述	本文探讨了区块链技术与深度学习的结合，并回顾了相关文献	提出了基于七个参数的分类和主题分类法，并比较了现有的区块链深度学习框架	未提及具体的研究限制	研究区块链与深度学习结合的重要性，并提出未来研究挑战	区块链技术与深度学习的结合及其应用	机器学习	NA	区块链	深度学习	NA	NA
17058	2024-09-13	The limitations for expression recognition in computer vision introduced by facial masks 2023, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-022-13559-8 PMID:35991583	研究论文	本文探讨了面部表情识别在计算机视觉中因佩戴口罩而受到的限制	研究了在不同遮挡场景下，面部表情识别在佩戴口罩时的准确性下降情况	实验结果表明，在佩戴口罩的情况下，一些著名的深度分类器的准确性显著下降	评估面部表情识别在佩戴口罩时的准确性下降程度	面部表情识别在佩戴口罩和遮挡眼睛情况下的表现	计算机视觉	NA	深度学习	深度神经网络	图像	两个公开数据集
17059	2024-09-13	Detecting COVID-19 vaccine hesitancy in India: a multimodal transformer based approach 2023, Journal of intelligent information systems IF:2.3Q3 DOI:10.1007/s10844-022-00745-1 PMID:36091222	研究论文	本文提出了一种基于多模态变压器的方法，用于检测印度Twitter用户对COVID-19疫苗的犹豫态度	利用BERT和GraphBERT模型对文本和网络结构信息进行编码，结合多模态学习方法，提高了分类效果	未提及具体限制	研究印度公众对COVID-19疫苗的犹豫态度，并提出有效的分类方法	印度Twitter用户对COVID-19疫苗的态度	机器学习	NA	多模态学习	变压器模型（BERT和GraphBERT）	文本和网络结构	未提及具体样本数量
17060	2024-09-13	Interpretable tourism volume forecasting with multivariate time series under the impact of COVID-19 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-022-07967-y PMID:36373134	研究论文	本文提出了一种新的可解释框架，用于在COVID-19影响下预测中国九寨沟、黄山和四姑娘山每日的旅游量	首次引入与疫情相关的搜索引擎数据进行旅游需求预测，并提出了一种新的组合领先搜索指数-变分模式分解方法处理搜索引擎数据	NA	在COVID-19影响下，通过多变量时间序列数据预测旅游量	九寨沟、黄山和四姑娘山的每日旅游量	机器学习	NA	变分模式分解	DE-TFT	时间序列数据	三个案例