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
18121	2024-09-06	Enhancing Disease Classification with Deep Learning: a Two-Stage Optimization Approach for Monkeypox and Similar Skin Lesion Diseases 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00941-7 PMID:38343247	研究论文	本研究提出了一种基于深度学习的两阶段优化方法，用于区分猴痘和其他类似皮肤病	本研究通过迁移学习、微调和集成学习技术，优化了深度神经网络的准确性，并提出了一种新的集成模型EM3，显著提高了疾病分类的准确性	本研究主要针对猴痘、水痘和麻疹进行分类，未涵盖其他可能的皮肤病	开发一种快速且高度准确的决策支持系统，用于及时诊断猴痘，减少人为错误和手动流程，提高临床效率	猴痘、水痘和麻疹	计算机视觉	传染病	深度学习	ConvNeXtBase, Large, XLarge, RegNetX160, ResNetRS101, ResNet101	图像	71个预训练深度神经网络模型
18122	2024-09-06	Automatic 3D Segmentation and Identification of Anomalous Aortic Origin of the Coronary Arteries Combining Multi-view 2D Convolutional Neural Networks 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00950-6 PMID:38343261	研究论文	本文提出了一种基于多视角2D卷积神经网络的自动3D分割和识别冠状动脉异常起源于主动脉的方法	本文创新性地结合了多视角2D注意力U-Net和3D视图集成，实现了对冠状动脉异常起源于主动脉的自动分割和分类	本文仅在124个CTA样本上进行了训练和测试，样本量相对较小，可能影响模型的泛化能力	旨在通过卷积神经网络自动分割和分类冠状动脉的正常或异常起源，以提高临床诊断的效率和准确性	冠状动脉的正常或异常起源于主动脉的分割和分类	计算机视觉	心血管疾病	卷积神经网络	注意力U-Net	图像	124个CTA图像
18123	2024-09-06	Lightweight Attentive Graph Neural Network with Conditional Random Field for Diagnosis of Anterior Cruciate Ligament Tear 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00944-4 PMID:38343260	研究论文	本文提出了一种轻量级注意力图神经网络（GNN）与条件随机场（CRF）结合的方法，用于前交叉韧带（ACL）撕裂的诊断	引入了基于度量的元学习策略和轻量级特征嵌入网络，结合CRF和多种注意力机制，解决了小样本和不平衡数据的问题	NA	克服小样本和不平衡数据带来的挑战，实现快速准确的前交叉韧带撕裂分类	前交叉韧带撕裂的分类	计算机视觉	运动损伤	图神经网络（GNN），条件随机场（CRF）	轻量级注意力图神经网络（GNN）	图像	NA
18124	2024-09-06	Horse Herd Optimization with Gate Recurrent Unit for an Automatic Classification of Different Facial Skin Disease 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-023-00962-2 PMID:38343253	研究论文	本文提出了一种基于门控循环单元（GRU）的深度学习模型，用于自动分类不同面部皮肤病	本文创新性地结合了马群优化算法（HOA）和门控循环单元（GRU），提高了面部皮肤病分类的准确性和效率	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种高效准确的面部皮肤病自动分类方法	面部皮肤病，包括痤疮、湿疹、痣、黑色素瘤、酒渣鼻和其他真菌感染	计算机视觉	皮肤病	门控循环单元（GRU）	门控循环单元（GRU）	图像	使用Kaggle数据库中的面部皮肤病图像数据集，包括酒渣鼻、湿疹、基底细胞癌、光化性角化病和痤疮等
18125	2024-09-06	Intelligently Quantifying the Entire Irregular Dental Structure 2024-04, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241226871 PMID:38372132	研究论文	本文提出了一种人工智能测量工具，用于对不规则牙结构进行整体定量分析	本文创新性地使用了轻量级模型LU-Net，并通过补偿模块解决了边界不清晰导致的分割难题，同时进行了额外的牙釉质分割以建立测量坐标系统	NA	开发一种能够对不规则牙结构进行整体定量分析的工具，以满足临床需求	不规则牙结构，特别是腭骨	计算机视觉	NA	深度学习语义分割	LU-Net	图像	测试集中包含腭骨和牙釉质的样本
18126	2024-09-06	B-mode US and Deep Learning Rivals Shear-Wave Elastography in Screening for Fibrosis 2024-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.240868 PMID:38652032	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18127	2024-09-06	Context-dependent design of induced-fit enzymes using deep learning generates well-expressed, thermally stable and active enzymes 2024-Mar-12, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2313809121 PMID:38437538	研究论文	本文介绍了一种基于深度学习的酶设计策略CoSaNN，用于结构预测和序列优化，旨在提高酶的表达水平、热稳定性和催化多样性	引入CoSaNN策略，通过深度学习控制酶构象，扩展化学空间，采用上下文依赖的方法生成酶设计，并开发了预测蛋白质溶解度的图神经网络SolvIT	未提及具体限制	提高工程酶在工业应用中的表达水平、热稳定性和催化多样性	酶的表达水平、热稳定性和催化活性	机器学习	NA	深度学习	图神经网络	蛋白质序列和结构数据	54%的酶在表达中成功，30%的酶热稳定性提高
18128	2024-09-06	Improved Vertebral Fracture Assessment: The Game-Changing Potential of Deep Learning with Multidetector CT 2024-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.240409 PMID:38530170	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18129	2024-09-06	Deep learning and transfer learning identify breast cancer survival subtypes from single-cell imaging data 2023-Dec-19, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00414-6 PMID:38114659	研究论文	本文通过深度学习和迁移学习方法，利用单细胞成像数据识别乳腺癌生存亚型	提出了一种量化单细胞分辨率细胞间相互作用特征的方法，并应用于神经网络模型以预测患者生存	NA	开发一种从单细胞水平信息到群体水平生存预测的方法	乳腺癌患者的生存亚型	数字病理学	乳腺癌	非负矩阵分解 (NMF)	神经网络	图像	数百个单细胞分辨率的细胞间相互作用特征
18130	2024-09-06	SpineQ: Unsupervised 3D Lumbar Quantitative Assessment 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10485565 PMID:38557307	研究论文	本文提出了一种无监督的3D腰椎定量评估方法SpineQ，能够从不同视角分析MRI图像并生成多组织分割结果	本文的创新点在于结合了基于规则和深度学习的方法，实现了无监督的3D腰椎定量评估，无需繁琐的手动标注	本文的局限性在于仅进行了初步测试，尚未在更大规模的数据集上验证其有效性	开发一种无监督的3D腰椎定量评估方法，提高临床诊断和手术规划的效率和一致性	腰椎的MRI图像	计算机视觉	NA	深度学习	NA	图像	NA
18131	2024-09-06	Consonant-Vowel Transition Models Based on Deep Learning for Objective Evaluation of Articulation 2023, IEEE/ACM transactions on audio, speech, and language processing DOI:10.1109/taslp.2022.3209937 PMID:36712557	研究论文	本文提出了一种基于深度学习的辅音-元音过渡模型，用于客观评估发音	提出了一个名为客观发音测量（OAM）的新指标，通过分析辅音-元音过渡区域来评估发音的准确性	NA	开发一种客观测量发音准确性的方法	辅音-元音过渡区域的发音准确性	自然语言处理	NA	卷积神经网络	CNN	语音	包括成人构音障碍语音、唇腭裂儿童语音以及母语为普通话和西班牙语的英语口音语音的数据库
18132	2024-09-06	Computer-aided diagnostic for classifying chest X-ray images using deep ensemble learning 2022-10-15, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00904-4 PMID:36243705	研究论文	本文提出了一种基于深度集成学习的计算机辅助诊断系统，用于分类胸部X光图像	本文提出了一种新的卷积神经网络（CNN）集成架构，用于分类胸部X光图像，并引入了可解释的深度学习方法	本文未详细讨论模型的可解释性方法，且未扩展到其他疾病检测	开发一种更快速和准确的计算机辅助诊断系统，用于胸部X光图像分类	胸部X光图像，包括病毒性肺炎、肺结核、COVID-19和健康状态	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	使用了多个公共数据集混合创建的大规模数据集
18133	2024-09-06	Deep learning-based behavioral profiling of rodent stroke recovery 2022-10-15, BMC biology IF:4.4Q1 DOI:10.1186/s12915-022-01434-9 PMID:36243716	研究论文	本文介绍了基于深度学习的软件DeepLabCut在评估小鼠中风后行为恢复中的应用	使用DeepLabCut软件进行高精度的3D运动跟踪，并结合全面的后期分析，揭示了中风后小鼠运动行为的生物学差异	NA	评估小鼠中风后的行为恢复机制	小鼠中风后的行为恢复	机器学习	中风	深度学习	DeepLabCut	3D运动数据	涉及多种小鼠品系，跟踪了10个身体部位
18134	2024-09-06	A preliminary study on the application of deep learning methods based on convolutional network to the pathological diagnosis of PJI 2022-Oct-14, Arthroplasty (London, England) DOI:10.1186/s42836-022-00145-4 PMID:36229852	研究论文	本研究旨在建立基于卷积网络的深度学习方法，用于假体关节感染（PJI）的病理诊断初步研究	本研究首次使用卷积神经网络深度学习方法识别关节周围软组织病理切片的高倍镜图像，与急性感染诊断标准对照，实现了高精度和高召回率	需要不断升级扩展训练集以提高卷积网络深度学习的诊断准确性，才能应用于临床实践	建立基于卷积网络的深度学习方法，用于假体关节感染的病理诊断	关节置换术后修订患者的病理切片图像	数字病理学	假体关节感染	卷积神经网络	resNET模型	图像	20名关节置换术后修订患者，其中10名确诊感染，10名未感染
18135	2024-09-06	DENSEN: a convolutional neural network for estimating chronological ages from panoramic radiographs 2022-Oct-14, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04935-0 PMID:36241969	研究论文	本文介绍了一种基于卷积神经网络的深度学习方法DENSEN，用于从全景X光片中估计个体的年龄	首次提出了一种基于深度学习的方法DENSEN，用于从全景X光片中估计年龄，适用于不同年龄段，并且相比现有方法减少了实验室工作量	NA	开发一种新的方法来从全景X光片中估计个体的年龄	从全景X光片中估计个体的年龄	计算机视觉	NA	卷积神经网络	卷积神经网络	图像	1903张临床全景X光片，年龄范围为3至85岁
18136	2024-09-06	Resolving subcellular pH with a quantitative fluorescent lifetime biosensor 2022-10-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33348-z PMID:36224168	研究论文	本文介绍了一种结合pH依赖性荧光寿命成像显微镜（pHLIM）和深度学习技术，用于准确量化单个囊泡的亚细胞pH值的方法	本文的创新点在于结合了pHLIM和深度学习技术，以提高亚细胞pH测量的准确性，并解决了传统方法中依赖于荧光强度变化的高不确定性问题	NA	本文的研究目的是开发一种准确测量亚细胞pH值的方法，以帮助理解药物作用和疾病进展	本文的研究对象是亚细胞pH值，特别是细胞质、内体和溶酶体中的pH变化	生物医学工程	NA	pH依赖性荧光寿命成像显微镜（pHLIM）	深度学习	图像	涉及的样本包括细胞质、内体和溶酶体中的pH变化，以及药物如bafilomycin A1和氯喹引起的pH变化
18137	2024-09-06	Dual sensing signal decoupling based on tellurium anisotropy for VR interaction and neuro-reflex system application 2022-10-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-33716-9 PMID:36216925	研究论文	本文展示了利用碲纳米线的内在各向异性来调节电子结构和压电极化，从而解耦压力和温度差异信号，实现VR交互和神经反射应用	利用碲纳米线的各向异性实现压力和温度信号的解耦，并应用于VR交互和神经反射系统	NA	开发一种基于碲各向异性的双模传感器，用于VR交互和神经反射应用	碲纳米线、VR交互、神经反射系统	电子医学	NA	深度学习	NA	传感器信号	兔子坐骨神经模型
18138	2024-09-06	TNTdetect.AI: A Deep Learning Model for Automated Detection and Counting of Tunneling Nanotubes in Microscopy Images 2022-Oct-10, Cancers IF:4.5Q1 DOI:10.3390/cancers14194958 PMID:36230881	研究论文	本文介绍了一种基于深度学习的自动化方法，用于在显微镜图像中检测和计数隧道纳米管（TNTs）	开发了一种新的预处理方法，用于在像素级别上标记TNTs，并使用两个顺序模型进行TNTs的检测	算法的精确度、召回率和F1分数仍有待提高	开发一种自动化的方法，用于定量分析TNTs，以替代人工识别和计数	隧道纳米管（TNTs）在显微镜图像中的检测和计数	计算机视觉	NA	卷积神经网络（U-Net）	U-Net	图像	涉及癌症和非癌症细胞的显微镜图像
18139	2024-09-06	Deep Learning for Encrypted Traffic Classification and Unknown Data Detection 2022-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s22197643 PMID:36236739	研究论文	提出了一种基于深度神经网络的用户活动检测框架，用于从加密的互联网流量中识别移动应用程序中的细粒度用户活动	利用深度神经网络输出层的概率分布来过滤模型训练期间未考虑的应用程序数据（即未知数据）	无法收集和训练所有可能的应用程序数据，导致对未知数据的识别准确率有限	开发一种能够从加密流量中识别细粒度用户活动的方法，以提高移动设备用户的隐私和安全性	移动应用程序中的用户活动和未知数据	机器学习	NA	深度神经网络	深度神经网络 (DNN)	加密互联网流量	NA
18140	2024-09-06	Few-Shot Fine-Grained Image Classification via GNN 2022-Oct-09, Sensors (Basel, Switzerland) DOI:10.3390/s22197640 PMID:36236743	研究论文	本文提出了一种基于图神经网络（GNN）的少样本细粒度图像分类框架	利用GNN的信息传递特性来表示不同图像之间的细微差异，并通过元学习优化特征提取	NA	解决少样本学习在细粒度图像分类中的挑战	细粒度图像分类	计算机视觉	NA	图神经网络（GNN）	图神经网络（GNN）	图像	三个数据集（CIFAR-100, CUB, DOGS）