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
17821	2024-09-08	Predicting Chemical Carcinogens Using a Hybrid Neural Network Deep Learning Method 2022-Oct-26, Sensors (Basel, Switzerland) DOI:10.3390/s22218185 PMID:36365881	研究论文	本文开发了一种混合神经网络（HNN）方法HNN-Cancer，用于预测现实化学物质的潜在致癌性	提出了新的SMILES特征表示方法，并通过修改之前的3D数组表示法来模拟1D SMILES，结合卷积神经网络（CNN）进行处理	尽管HNN-Cancer在大多数已知致癌实验数据集上表现较好，但其预测性能在多样性较少的分子上与文献报道的模型相当	开发一种能够预测多种化学物质潜在致癌性的方法	现实生活中的化学物质及其潜在的致癌性	机器学习	NA	混合神经网络（HNN）	卷积神经网络（CNN）	化学物质的SMILES表示	7994种化学物质用于二分类模型，1618种化学物质用于多分类模型
17822	2024-09-08	EVAE-Net: An Ensemble Variational Autoencoder Deep Learning Network for COVID-19 Classification Based on Chest X-ray Images 2022-Oct-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12112569 PMID:36359413	研究论文	本文提出了一种基于胸部X光图像的COVID-19分类的集成变分自编码器深度学习网络EVAE-Net	利用变分自编码器的潜在嵌入结合集成技术，提出了三种有效的EVAE-Net模型用于COVID-19检测	未提及	开发一种高精度的COVID-19早期检测方法	胸部X光图像	计算机视觉	肺部疾病	变分自编码器	集成模型	图像	使用了来自Kaggle的COVID-19放射学数据集中的胸部X光图像
17823	2024-09-08	Validation of a deep learning-based material estimation model for Monte Carlo dose calculation in proton therapy 2022-10-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac9663 PMID:36174551	研究论文	本文开发并验证了一种基于深度学习的材料特性估计模型，用于质子治疗中的蒙特卡罗剂量计算	提出了一个框架，通过使用深度学习模型（PRN）来验证蒙特卡罗剂量计算的准确性，并比较了不同材料转换模型的效果	仅在人体模型和猪模型上进行了验证，未涉及更多种类的样本	开发和验证一种基于CT的材料特性模型，以提高质子治疗计划中剂量计算的准确性	人体模型和猪模型	机器学习	NA	深度学习	残差网络（RN/PRN）	CT图像	两个人体模型和两个猪模型
17824	2024-09-08	Virtual labeling of mitochondria in living cells using correlative imaging and physics-guided deep learning 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.464177 PMID:36425635	研究论文	本文提出了一种利用相关成像和物理引导深度学习在活细胞中对线粒体进行虚拟标记的新方法	本文创新性地提出了一种物理引导深度学习方法，用于从明场图像中获取线粒体的虚拟标记显微图像，并展示了优于现有技术的显著结果	NA	开发一种无需荧光标记即可在活细胞中可视化线粒体的方法	活细胞中的线粒体	计算机视觉	NA	物理引导深度学习	对抗神经网络	图像	NA
17825	2024-09-08	Using deep learning for the automated identification of cone and rod photoreceptors from adaptive optics imaging of the human retina 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.470071 PMID:36425636	研究论文	本文介绍了一种用于从人眼视网膜自适应光学成像中自动识别锥体和杆状光感受器的深度学习算法RC-UPerNet	提出了RC-UPerNet算法，用于自动识别锥体和杆状光感受器，并在中央和周边视网膜图像上进行了评估，结果优于先前的AI方法	NA	开发一种自动化的深度学习算法，用于从自适应光学成像中识别视网膜中的锥体和杆状光感受器	人眼视网膜中的锥体和杆状光感受器	计算机视觉	NA	深度学习	RC-UPerNet	图像	中央和周边视网膜图像，范围从中央到鼻侧和颞侧30°
17826	2024-09-08	Using a Visual Turing Test to Evaluate the Realism of Generative Adversarial Network (GAN)-Based Synthesized Myocardial Perfusion Images 2022-Oct, Cureus DOI:10.7759/cureus.30646 PMID:36439582	研究论文	评估专家心脏病学家能否通过视觉图灵测试识别由生成对抗网络（GAN）生成的合成心肌灌注图像（MPI）的真实性	首次使用视觉图灵测试评估GAN生成的心肌灌注图像的真实性	视觉图灵测试的平均正确率仅为61.1%，尽管在提供线索信息后有所提高	评估专家心脏病学家识别合成心肌灌注图像的能力	由GAN生成的合成心肌灌注图像	计算机视觉	心血管疾病	生成对抗网络（GAN）	深度卷积GAN	图像	1448张极坐标图
17827	2024-09-08	Deep-SMOLM: deep learning resolves the 3D orientations and 2D positions of overlapping single molecules with optimal nanoscale resolution 2022-Sep-26, Optics express IF:3.2Q2 DOI:10.1364/OE.470146 PMID:36258598	研究论文	本文介绍了一种基于深度学习的估计方法Deep-SMOLM，用于在单分子定位显微镜中测量重叠分子的三维方向和二维位置，具有优于理论极限的分辨率	Deep-SMOLM能够以接近理论极限的精度测量重叠分子的三维方向和二维位置，并且在处理重叠图像时表现出优越的估计性能	NA	开发一种能够精确测量重叠单分子三维方向和二维位置的方法	重叠的单分子	计算机视觉	NA	深度学习	深度学习模型	图像	模拟生物纤维和实验性淀粉样纤维
17828	2024-09-08	Deep Learning-Assisted Investigation of Electric Field-Dipole Effects on Catalytic Ammonia Synthesis 2022-Jun-27, JACS Au IF:8.5Q1 DOI:10.1021/jacsau.2c00003 PMID:35783174	研究论文	本文利用深度学习算法加速密度泛函理论（DFT）计算，研究了外部电场对钌催化氨合成的影响	开发了一种深度学习算法，能够以五阶量级的速度加速电场依赖性能量的预测，并具有可转移性，能够使用少量训练数据预测其他催化表面的电场依赖性能量	NA	研究外部电场对钌催化氨合成的影响	钌催化氨合成反应	机器学习	NA	密度泛函理论（DFT）计算	深度学习算法	NA	NA
17829	2024-09-08	Joint Frequency and Image Space Learning for MRI Reconstruction and Analysis 2022-Jun, The journal of machine learning for biomedical imaging PMID:36349348	研究论文	本文提出了一种结合频率和图像特征表示的神经网络层，并展示了这些层可以作为频率空间数据重建的多功能构建块	本文的创新点在于提出了联合学习方案，能够在网络的每一层同时校正频率空间的伪影并操作图像空间表示，从而重建连贯的图像结构，这与大多数当前深度学习方法不同	NA	研究目的是改进MRI数据的重建和分析方法	MRI数据的重建和分析	计算机视觉	NA	深度学习	卷积神经网络	MRI图像	模拟和真实世界的多线圈MRI数据
17830	2024-09-08	Simulation of Random Deformable Motion in Soft-Tissue Cone-Beam CT with Learned Models 2022-Jun, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2646720 PMID:36381251	研究论文	本文提出了一种利用条件生成对抗网络（GAN）模型模拟软组织锥束CT中随机变形运动的方法	本文首次利用条件生成对抗网络（GAN）模型来学习未标记的、运动受损的锥束CT体积中的复杂运动，以生成真实的运动轨迹	本文仅在模拟数据上进行了初步的可行性研究，尚未扩展到临床数据	开发一种能够模拟软组织锥束CT中复杂变形运动的方法，以生成用于训练深度自动聚焦模型的真实运动受损的CBCT数据	软组织锥束CT中的变形运动	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	模拟数据
17831	2024-09-08	Digital breast tomosynthesis-based peritumoral radiomics approaches in the differentiation of benign and malignant breast lesions 2022-May, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2022.20664 PMID:35748203	研究论文	评估基于数字乳腺断层合成（DBT）的放射组学方法在区分良性与恶性乳腺病变中的应用	开发了一种结合DBT影像特征和临床因素（年龄和月经状态）的放射组学列线图，用于辅助乳腺癌的临床诊断	研究样本量较小，且仅限于特定时间段内的患者	评估基于DBT的放射组学在区分良性与恶性乳腺病变中的有效性	良性与恶性乳腺病变	数字病理学	乳腺癌	放射组学	列线图	影像	185名接受DBT扫描的患者
17832	2024-09-08	CoWarriorNet: A Novel Deep-Learning Framework for CoVID-19 Detection from Chest X-Ray Images 2022, New generation computing IF:2.0Q2 DOI:10.1007/s00354-021-00143-1 PMID:34876770	研究论文	提出了一种名为CoWarriorNet的新型深度学习框架，用于从胸部X光图像中快速检测COVID-19	引入了Alpha Trimmed Average Pooling技术，并设计了新的网络架构，提高了检测的准确性和敏感性	未提及具体的局限性	开发一种高效的深度学习模型，用于快速准确地检测COVID-19	COVID-19的胸部X光图像	计算机视觉	COVID-19	深度学习	CoWarriorNet	图像	未提及具体样本数量
17833	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
17834	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
17835	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
17836	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
17837	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
17838	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
17839	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
17840	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