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
17241	2024-09-11	Learning sparse log-ratios for high-throughput sequencing data 2021-12-22, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btab645 PMID:34498030	研究论文	本文介绍了一种名为CoDaCoRe的新型学习算法，用于从高通量测序数据中发现稀疏、可解释和预测性的对数比生物标志物	CoDaCoRe算法利用连续松弛来近似组合优化问题，并通过现代机器学习工具箱（特别是梯度下降）高效优化，显著提高了计算速度和预测准确性	NA	自动发现与感兴趣结果相关的稀疏生物标志物	高通量测序数据中的对数比生物标志物	机器学习	NA	高通量测序	NA	序列数据	NA
17242	2024-09-11	Deep IDA: A Deep Learning Method for Integrative Discriminant Analysis of Multi-View Data with Feature Ranking-An Application to COVID-19 severity 2021-Nov-18, ArXiv PMID:34815984	研究论文	本文提出了一种名为Deep IDA的深度学习方法，用于多视角数据的整合判别分析，并应用于COVID-19严重程度的预测	Deep IDA能够学习非线性投影，最大化关联多个视角并分离不同类别的数据，同时允许特征排序以解释结果	NA	通过整合临床和分子数据，更好地理解COVID-19的分子机制及其严重程度	COVID-19患者的临床和分子数据	机器学习	COVID-19	深度学习	深度学习模型	多视角数据	COVID-19患者和非COVID-19患者的临床和分子数据
17243	2024-09-11	Deep Learning to Estimate Biological Age From Chest Radiographs 2021-11, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.01.008 PMID:33744131	研究论文	本文研究了使用深度学习从胸部X光片估计生物年龄，并评估其对长寿预测的有效性	提出了一种新的方法，使用卷积神经网络从胸部X光片估计生物年龄，作为长期死亡风险的衡量标准	NA	评估从胸部X光片估计的生物年龄是否能比实际年龄更好地预测长寿	胸部X光片图像	计算机视觉	NA	卷积神经网络	CNN	图像	116,035个个体用于开发，40,967个个体用于PLCO测试集，5,414个个体用于NLST测试集
17244	2024-09-11	Deep learning models for predicting RNA degradation via dual crowdsourcing 2021-Oct-14, ArXiv PMID:34671698	研究论文	本文描述了一个在Kaggle上举办的机器学习竞赛，旨在通过众包方式预测RNA降解	本文通过结合自然语言处理架构和数据增强技术，提高了对RNA降解预测的准确性，并展示了这些模型在更长mRNA分子上的泛化能力	NA	设计更稳定的RNA疗法	RNA分子的降解预测	机器学习	NA	NA	自然语言处理架构	RNA序列	6043个102-130核苷酸的RNA构建体，以及504-1588核苷酸的mRNA分子
17245	2024-09-11	Handling of uncertainty in medical data using machine learning and probability theory techniques: a review of 30 years (1991-2020) 2021-Mar-21, Annals of operations research IF:4.4Q1 DOI:10.1007/s10479-021-04006-2 PMID:33776178	综述	本文回顾了过去30年（1991-2020）使用概率论和机器学习技术处理医疗数据中不确定性的相关研究	总结了处理医疗原始数据不确定性及新模型中挑战的各种方法	医疗数据中的不确定性问题仍存在有限的知识和挑战	探讨如何通过概率论和机器学习技术处理医疗数据中的不确定性	医疗数据中的不确定性及其处理方法	机器学习	NA	概率论	深度学习	医疗数据	NA
17246	2024-09-11	A Novel Block Imaging Technique Using Nine Artificial Intelligence Models for COVID-19 Disease Classification, Characterization and Severity Measurement in Lung Computed Tomography Scans on an Italian Cohort 2021-Jan-26, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-021-01707-w PMID:33496876	研究论文	本文提出了一种基于九种人工智能模型的新型块状图像技术，用于COVID-19疾病的分类、特征化和严重程度测量	本文创新性地使用了九种人工智能模型，包括深度学习模型和迁移学习模型，以及块状图像技术来评估COVID-19的严重程度	本文的局限性在于仅使用了意大利的一个患者队列，可能存在样本偏差	研究目的是开发和验证一种新型的人工智能技术，用于COVID-19疾病的分类和严重程度评估	研究对象是COVID-19患者的肺部CT扫描图像	计算机视觉	COVID-19	深度学习	CNN, VGG16, DenseNet121, DenseNet169, DenseNet201, MobileNet, ANN, DT, RF	图像	60名患者（包括30名COVID-19患者和30名对照组），共1695张切片
17247	2024-09-11	Intelligent system for COVID-19 prognosis: a state-of-the-art survey 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-020-02102-7 PMID:34764577	综述	本文综述了智能系统在COVID-19预后中的应用现状	本文探讨了机器学习和深度学习在COVID-19预后中的应用及其效率和影响	本文主要集中在现有方法的综述，未提出新的解决方案	探讨智能系统在COVID-19预后中的应用及其未来挑战	COVID-19的预后和诊断	机器学习	COVID-19	机器学习 (ML) 和深度学习 (DL)	NA	复杂大数据	NA
17248	2024-09-11	Pre-clinical undergraduate students' perspectives on the adoption of virtual and augmented reality to their dental learning experience: A one-group pre- and post-test design protocol 2021, F1000Research DOI:10.12688/f1000research.53059.2 PMID:36703700	研究论文	研究评估虚拟现实（VR）和增强现实（AR）技术在牙科预临床学习中的应用对学生感知的影响	探讨了VR和AR技术在牙科预临床学习中的应用，以改善学生的学习体验	研究采用单一组别的前后测试设计，可能存在偏差	评估VR和AR技术在牙科预临床学习中的应用对学生感知的影响	牙科预临床学生	NA	NA	虚拟现实（VR）和增强现实（AR）	NA	问卷调查	一组牙科预临床学生
17249	2024-09-11	Automated Quality Assessment and Image Selection of Ultra-Widefield Fluorescein Angiography Images through Deep Learning 2020-09, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.52 PMID:32995069	研究论文	本研究评估了使用深度学习自动分类和选择超广角荧光血管造影图像质量的可行性	开发了一种基于深度学习的自动图像质量评估系统，能够对超广角荧光血管造影图像进行分类和选择	NA	评估自动图像质量分类和选择系统的可行性	超广角荧光血管造影图像	计算机视觉	NA	深度学习	分类模型	图像	训练集包含3543张图像，测试集包含392张随机选择的图像和100张独立平衡的图像
17250	2024-09-11	DeepAtlas: Joint Semi-Supervised Learning of Image Registration and Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32245-8_47 PMID:39247524	研究论文	提出了一种联合学习图像配准和分割的深度学习框架	该框架能够利用现有分割数据进行弱监督，并在没有分割数据时通过分割网络计算，从而提高配准和分割的准确性	NA	提高医学图像配准和分割的准确性，特别是在训练数据有限的情况下	膝关节和脑部的3D磁共振图像	计算机视觉	NA	深度卷积神经网络 (CNN)	CNN	图像	膝关节和脑部的3D磁共振图像，具体数量未明确
17251	2024-09-10	Neural implicit surface reconstruction of freehand 3D ultrasound volume with geometric constraints 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103305 PMID:39168075	研究论文	本文介绍了一种名为FUNSR的自监督神经隐式表面重建方法，用于从自由手3D超声体积中学习有符号距离函数（SDFs），并利用几何约束进行表面重建	本文引入了两种新的几何约束：符号一致性约束和表面约束，结合对抗学习，以提高表面重建的质量	NA	提高自由手3D超声体积的表面重建质量，以获取准确的解剖结构	自由手3D超声体积的表面重建	计算机视觉	NA	神经隐式表面重建	NA	体积数据	四个数据集，包括一个髋部幻影数据集、两个血管数据集和一个公开的前列腺数据集
17252	2024-09-10	Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103298 PMID:39173410	研究论文	本研究评估了在胃肠内镜图像分析中利用领域内预训练是否比自然图像预训练更有优势	首次系统评估了领域内预训练在胃肠内镜图像分析中的效果，并发现使用DINO框架的自监督领域内预训练模型在下游任务中表现更优	研究仅限于特定的胃肠内镜图像分析任务，未涵盖其他医学图像分析领域	探讨领域内预训练在胃肠内镜图像分析中的潜在优势	胃肠内镜图像分析中的深度学习模型性能	计算机视觉	NA	自监督学习	ResNet50, Vision-Transformer-small	图像	5,014,174张胃肠内镜图像
17253	2024-09-10	Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103322 PMID:39197301	研究论文	本文提出了一种利用真实荧光透视数据进行腰椎三维重建的领域适应策略	本文创新性地结合了风格迁移和配对数据集，通过迁移学习有效缩小了合成数据与真实X射线数据之间的领域差距	NA	解决手术导航在骨科手术中广泛应用的障碍，如时间限制、成本问题、辐射担忧和手术流程整合	腰椎的三维重建	计算机视觉	NA	深度学习	NA	图像	配对数据集包括合成和真实荧光透视图像
17254	2024-09-10	Editorial for the Special Issue on the 2022 Medical Imaging with Deep Learning Conference 2024-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103308 PMID:39214771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17255	2024-09-10	Combined deep learning and radiomics in pretreatment radiation esophagitis prediction for patients with esophageal cancer underwent volumetric modulated arc therapy 2024-10, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110438 PMID:39013503	研究论文	本文开发了一种结合放射组学和深度学习的模型，用于预测接受容积调制弧形放疗的食管癌患者术前放射性食管炎的发生	本文创新性地结合了放射组学特征和深度学习技术，通过卷积神经网络提取特征，提高了放射性食管炎的预测准确性	尽管结合了多种特征提取方法，但剂量本身并不是预测准确性的主要因素	开发一种预测食管癌患者在接受容积调制弧形放疗后放射性食管炎发生的方法	接受容积调制弧形放疗的食管癌患者	数字病理学	食管癌	卷积神经网络	ResNet34	图像	273名食管癌患者
17256	2024-09-10	AutoNet-Generated Deep Layer-Wise Convex Networks for ECG Classification 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3378843 PMID:38512733	研究论文	提出了一种自动生成层级凸网络的算法AutoNet，用于心电图分类任务	提出了层级凸定理，确保每一层的损失函数相对于参数是凸的，并通过约束每一层为非线性方程的超定系统来实现	NA	开发一种自动生成层级凸网络的算法，以提高神经网络设计的效率和性能	心电图分类任务	机器学习	NA	NA	层级凸网络（LCN）	心电图数据	涉及五个基准数据集，包括三个心电图数据集和两个非心电图数据集
17257	2024-09-10	Solving the twin paradox-forensic strategies to identify the identical twins 2024-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2024.112205 PMID:39213915	研究论文	本文探讨了通过法医策略识别同卵双胞胎的最新方法和技术	本文介绍了通过下一代测序（NGS）、深度学习网络、表观遗传分析和指纹分析等多种技术来区分同卵双胞胎的新方法	NA	研究如何通过多种技术手段有效区分同卵双胞胎	同卵双胞胎	法医学	NA	下一代测序（NGS）、深度学习网络、表观遗传分析、指纹分析	深度学习网络	基因组数据、语音数据、表观遗传数据、指纹数据	NA
17258	2024-09-10	SmartCADD: AI-QM Empowered Drug Discovery Platform with Explainability 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00720 PMID:39177478	研究论文	介绍了一个名为SmartCADD的创新开源虚拟筛选平台，结合了深度学习、计算机辅助药物设计（CADD）和量子力学方法	SmartCADD整合了多种独立技术，包括ADMET属性预测、从头2D和3D药效团建模、分子对接以及可解释AI机制	NA	解决AI在科学研究中因模型不透明、实施复杂和数据稀缺而面临的阻力	开发一个用户友好的Python框架，用于药物发现和虚拟筛选	计算机辅助药物设计	HIV	深度学习、量子力学	NA	分子数据	NA
17259	2024-09-10	Hybrid Diffusion Model for Stable, Affinity-Driven, Receptor-Aware Peptide Generation 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01020 PMID:39193724	研究论文	本文介绍了一种名为HYDRA的混合深度学习方法，用于生成针对特定受体的稳定、亲和力驱动的肽	HYDRA结合了扩散模型的分布建模能力和结合亲和力最大化算法，用于从头设计针对各种目标受体的肽结合剂	NA	开发一种新的深度学习方法，用于设计针对特定受体的治疗性肽	治疗性肽及其与目标受体的结合	机器学习	NA	深度学习	扩散模型	肽序列	NA
17260	2024-09-10	Conformations of KRAS4B Affected by Its Partner Binding and G12C Mutation: Insights from GaMD Trajectory-Image Transformation-Based Deep Learning 2024-Sep-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01174 PMID:39197061	研究论文	研究了KRAS4B与其伙伴结合及G12C突变对其构象动态的影响	采用高斯加速分子动力学模拟结合深度学习和主成分分析，揭示了G12C突变和伙伴结合对KRAS4B关键结构域接触的改变	NA	深入理解KRAS4B的功能	KRAS4B的构象变化及其与伙伴结合和G12C突变的关系	生物信息学	NA	高斯加速分子动力学模拟	深度学习	分子动力学轨迹	NA