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
18261	2024-08-27	Corrigendum to: Super-resolution based Nodule Localization in Thyroid Ultrasound Images through Deep Learning 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/157340562001240725140602 PMID:39185658	correction	本文是对题为“基于深度学习的甲状腺超声图像中超分辨率结节定位”的文章的更正，补充了资金细节	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18262	2024-08-27	Corrigendum to: Deep Learning-based Automated Knee Joint Localization in Radiographic Images Using Faster R-CNN 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/157340562001240606112211 PMID:39185659	correction	本文是对之前发表的文章中作者隶属关系变更的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18263	2024-08-27	Early Diagnosis: End-to-End CNN-LSTM Models for Mass Spectrometry Data Classification 2023-09-12, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c00613 PMID:37624777	研究论文	本文提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的端到端深度学习方法，用于质谱数据分类，以实现早期癌症诊断	该方法能够直接处理原始质谱数据，避免了复杂的前处理和特征选择步骤，同时能够有效降低数据的高维度并捕捉时间模式	NA	提高诊断过程中早期癌症检测的准确性	肿瘤组织和正常组织的早期鉴别	机器学习	NA	LC-MS	CNN-LSTM	质谱数据	NA
18264	2024-08-27	Updates on Compositional MRI Mapping of the Cartilage: Emerging Techniques and Applications 2023-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28689 PMID:37010113	综述	本文综述了当前先进的软骨组成性磁共振成像（MRI）技术及其新兴方法，并讨论了其在临床实践和转化性骨关节炎研究中的应用前景和挑战	介绍了多种新兴的软骨组成性MRI技术，如MR指纹识别、压缩感知、多指数弛豫测量、改进和鲁棒的射频脉冲序列以及基于深度学习的采集、重建和分割方法	目前这些技术在临床实践中的应用仍面临挑战，需要进一步的研究和验证	探讨软骨组成性MRI技术在早期骨关节炎诊断和治疗反应评估中的应用	骨关节炎患者的软骨	医学影像	骨关节炎	磁共振成像（MRI）	深度学习	图像	NA
18265	2024-08-27	A cross-scanner and cross-tracer deep learning method for the recovery of standard-dose imaging quality from low-dose PET 2022-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05644-1 PMID:34950968	研究论文	本文开发了一种深度学习方法，能够在不同扫描器和示踪剂下从低剂量PET图像恢复到标准剂量图像质量	本文创新性地开发了一种条件生成对抗网络（GAN），用于跨扫描器和跨示踪剂的优化，以提高AI在临床实践中的可信度	NA	旨在开发一种AI技术，能够在不同扫描器和示踪剂下独立应用，从低剂量扫描中恢复高质量成像	237名患者的脑部[18F]FDG PET图像，以及不同扫描器和示踪剂下的PET图像	计算机视觉	NA	条件生成对抗网络（GAN）	GAN	图像	237名患者的脑部[18F]FDG PET图像，45名患者的[18F]FDG PET图像，18名患者的[18F]FET PET图像，10名患者的[18F]Florbetapir图像
18266	2024-08-27	Continuous monitoring of surgical bimanual expertise using deep neural networks in virtual reality simulation 2022-Apr-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00596-8 PMID:35473961	research paper	本文介绍了一种智能连续技能监控系统（ICEMS），利用深度学习技术在虚拟现实模拟中以0.2秒间隔评估外科手术双手操作技能	ICEMS系统能够成功区分不同训练阶段的外科医生和学生，并能进行关键指标的辅导和风险评估	NA	开发一种连续评估外科手术技能的系统，以提供实时反馈和错误避免指导	外科手术双手操作技能的评估	machine learning	NA	deep learning	LSTM	virtual reality simulation data	156个虚拟模拟肿瘤切除任务，144个手术程序
18267	2024-08-27	AutoCoV: tracking the early spread of COVID-19 in terms of the spatial and temporal patterns from embedding space by K-mer based deep learning 2022-Apr-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04679-x PMID:35468739	研究论文	本文提出了一种基于K-mer的深度学习方法AutoCoV，用于追踪COVID-19早期传播的空间和时间模式	AutoCoV是首个从基因组序列中学习病毒传播模式的方法	NA	追踪COVID-19早期传播的空间和时间模式	COVID-19病毒的传播模式	机器学习	COVID-19	深度学习	深度学习方法	基因组序列	来自NCBI和GISAID数据集的SARS-CoV-2序列
18268	2024-08-27	Prediction of multiple pH compartments by deep learning in magnetic resonance spectroscopy with hyperpolarized 13C-labelled zymonic acid 2022-Apr-23, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-022-00894-y PMID:35460436	研究论文	本文研究了使用深度学习方法在超极化13C标记的酒石酸磁共振波谱中预测多个pH隔室的可行性	提出使用卷积神经网络（CNN）和多层感知器（MLP）来改进超极化酒石酸波谱中多个pH隔室的预测，相较于传统线性拟合方法，CNN表现出更优越的性能	超极化13C-MRSI数据集通常较小，这可能限制了深度学习模型的训练效果	探索深度学习方法在超极化磁共振波谱成像（MRSI）中对多个pH隔室的预测能力	超极化13C标记的酒石酸波谱中的多个pH隔室	机器学习	NA	超极化磁共振波谱成像（MRSI）	卷积神经网络（CNN）和多层感知器（MLP）	波谱数据	从健康小鼠肾脏获取的八个真实数据集和合成数据集
18269	2024-08-27	CRISPR-Cas9 gRNA efficiency prediction: an overview of predictive tools and the role of deep learning 2022-Apr-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac192 PMID:35349718	研究论文	本文综述了CRISPR-Cas9系统中gRNA效率预测的计算工具，并重点讨论了深度学习在此领域的应用	探讨了新的深度学习工具在gRNA效率预测中的应用，并对其进行了系统评估	尽管有许多工具可用，但对其应用场景和性能基准的评估有限	旨在评估和讨论CRISPR-Cas9系统中gRNA设计的计算工具及其应用	CRISPR-Cas9系统中的gRNA效率预测工具	生物信息学	NA	CRISPR-Cas9	深度学习	序列数据	NA
18270	2024-08-27	Fast anther dehiscence status recognition system established by deep learning to screen heat tolerant cotton 2022-Apr-21, Plant methods IF:4.7Q1 DOI:10.1186/s13007-022-00884-0 PMID:35449108	研究论文	本文通过深度学习技术建立了快速识别棉花花药开裂状态的系统，以筛选耐热棉花品种	首次应用深度学习技术替代人工方法，快速筛选耐热棉花品种	NA	开发深度学习模型以快速准确地识别棉花花药开裂状态，促进棉花遗传育种研究	棉花花药的开裂状态	计算机视觉	NA	深度学习	Faster R-CNN 和 YOLOv5	图像	30种随机选择的棉花品种
18271	2024-08-27	Data-driven discovery of cardiolipin-selective small molecules by computational active learning 2022-Apr-20, Chemical science IF:7.6Q1 DOI:10.1039/d2sc00116k PMID:35656132	研究论文	本文介绍了一种数据驱动的计算活性学习方法，结合深度学习、粗粒度分子动力学模拟和自由能计算，用于发现能够选择性渗透含心磷脂膜的小分子化合物	通过使用可转移的粗粒度模型，高效地探索了分子量小于约500 Da的小有机分子的全原子设计空间，并发现了比常用的心磷脂探针10-壬基吖啶橙具有更高心磷脂选择性的分子	NA	旨在发现能够选择性渗透含心磷脂膜的小分子化合物	心磷脂膜的选择性小分子染料	计算生物学	NA	粗粒度分子动力学模拟	深度学习	分子结构数据	仅模拟了粗粒度搜索空间的0.42%
18272	2024-08-27	Deep learning-based approach for identification of diseases of maize crop 2022-04-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10140-z PMID:35428845	研究论文	本文提出了一种基于深度学习的玉米病害图像识别方法，通过采集自ICAR-IIMR实验田的图像，针对三种重要病害进行识别	采用旋转增强和亮度增强方法生成人工图像以解决类别不平衡问题，并使用基于'Inception-v3'网络的三种不同架构进行训练，实现了95.99%的分类准确率和95.96%的平均召回率	NA	开发一种有效的深度学习方法，用于识别田间玉米病害图像	玉米病害图像，包括Maydis Leaf Blight、Turcicum Leaf Blight和Banded Leaf and Sheath Blight	计算机视觉	农作物病害	深度学习	Inception-v3	图像	从ICAR-IIMR实验田采集的病害图像，以及通过旋转增强和亮度增强生成的人工图像
18273	2024-08-27	A Principal Neighborhood Aggregation-Based Graph Convolutional Network for Pneumonia Detection 2022-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s22083049 PMID:35459035	研究论文	本文提出了一种基于主要邻域聚合的图卷积网络（PNA-GCN）用于肺炎检测	PNA-GCN通过利用转移学习技术提取特征并构建图，结合多重聚合函数和度标量，有效捕捉图结构的基本属性	NA	设计一个自动化的分类系统来检测肺炎	肺炎检测	机器学习	肺部疾病	图卷积网络	PNA-GCN	图像	使用真实世界数据集进行实验
18274	2024-08-27	MRA-free intracranial vessel localization on MR vessel wall images 2022-04-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10256-2 PMID:35422490	研究论文	本文研究了在没有磁共振血管造影（MRA）的情况下，直接从磁共振血管壁成像（VWI）中推断血管位置的可行性	提出了一种结合基于图谱的方法和深度学习网络在运动场域中校正残余几何误差的方法	NA	探讨直接从VWI数据中自动进行定量分析的可行性	颅内动脉粥样硬化疾病（ICAD）的血管形态分析	数字病理学	心血管疾病	磁共振成像（MRI）	深度学习网络	图像	NA
18275	2024-08-27	Survey on Self-Supervised Learning: Auxiliary Pretext Tasks and Contrastive Learning Methods in Imaging 2022-Apr-14, Entropy (Basel, Switzerland) DOI:10.3390/e24040551 PMID:35455214	综述	本文综述了自监督学习在图像处理中的辅助预任务和对比学习方法	自监督学习利用未标记数据进行特征表示构建，无需手动标注，通过预任务和对比学习方法提高下游任务性能	自监督学习方法与监督学习方法的比较，以及自监督学习面临的进一步考虑和挑战	综述自监督学习方法，特别是辅助预任务和对比学习技术，并探讨其与监督学习的比较及面临的挑战	自监督学习中的辅助预任务和对比学习方法	计算机视觉	NA	自监督学习	NA	图像	NA
18276	2024-08-27	Medical image segmentation model based on triple gate MultiLayer perceptron 2022-04-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-09452-x PMID:35413958	研究论文	本文提出了一种基于三重门控多层感知器的医学图像分割模型TGMLP U-Net	设计了三重门控多层感知器（TGMLP），通过线性投影编码特征，有效捕捉长距离依赖和精确位置信息，同时设计了局部先验和全局感知器模块，以及门控机制来解决位置嵌入依赖问题	NA	缓解有限医疗资源与日益增长的医疗需求之间的社会矛盾，提高基于深度学习的医学图像辅助诊断效果	医学图像分割	计算机视觉	NA	多层感知器（MLP）	TGMLP U-Net	图像	相对较小数量的医学图像分割数据
18277	2024-08-27	What you sample is what you get: ecomorphological variation in Trithemis (Odonata, Libellulidae) dragonfly wings reconsidered 2022-04-11, BMC ecology and evolution IF:2.3Q3 DOI:10.1186/s12862-022-01978-y PMID:35410171	研究论文	本文重新探讨了非洲-亚洲蜻蜓属Trithemis的翅膀生态形态变异，通过更强大的统计测试和更全面的形态数据分析方法，研究了27种Trithemis物种的翅膀形状与栖息地之间的关系。	本文采用了更全面的形态数据分析方法和深度学习神经网络直接分析翅膀图像，以更好地识别生态形态形状差异。	尽管样本量较小，但通过Bootstrap和Jackknife测试确保结果的稳定性。	探讨物种特异性翅膀形状变异与栖息地之间的联系。	27种Trithemis蜻蜓的翅膀形态。	NA	NA	深度学习神经网络	卷积神经网络	图像	27种Trithemis蜻蜓
18278	2024-08-27	Machine learning models outperform deep learning models, provide interpretation and facilitate feature selection for soybean trait prediction 2022-Apr-08, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-022-03559-z PMID:35395721	研究论文	本研究通过使用1110个大豆个体的全基因组分子标记和性状数据，开发了准确预测模型，比较了机器学习与深度学习在预测性能上的表现	本研究首次系统比较了机器学习与深度学习在基因型到表型预测中的应用，并提供了模型的解释性分析	NA	加速作物改良，提高基因型到表型预测的准确性	大豆性状预测	机器学习	NA	XGBoost, 随机森林	机器学习模型, 深度学习模型	基因组数据	1110个大豆个体
18279	2024-08-27	A deep learning-based hybrid model of global terrestrial evaporation 2022-04-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29543-7 PMID:35395845	研究论文	本文利用涡度协方差和树液流量数据以及卫星观测数据训练深度学习算法，旨在模拟蒸腾胁迫（S），即从理论最大值减少的蒸发量（E），并将新的S公式嵌入基于过程的E模型中，形成一个全球混合E模型	提出了一种新的深度学习混合模型，用于全球陆地蒸发量的估计，该模型能够双向耦合到宿主模型中，并在每日时间尺度上运行	NA	提高全球蒸腾胁迫和蒸发量的估计能力，并增进对这一关键气候变量的理解	全球陆地蒸发量及其相关环境因素	机器学习	NA	深度学习算法	混合模型	数据	使用了涡度协方差和树液流量数据以及卫星观测数据
18280	2024-08-27	A novel wavelet decomposition and transformation convolutional neural network with data augmentation for breast cancer detection using digital mammogram 2022-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-09905-3 PMID:35396565	研究论文	本文提出了一种新的基于小波分解和变换的卷积神经网络结合数据增强方法，用于通过数字乳腺X线摄影检测乳腺癌	本研究通过小波-CNN-小波架构，结合缝雕刻和小波分解算法进行图像预处理，并提出了一种新的小波变换函数，以改进CNN架构，提高数字乳腺摄影中判别特征的检测和分类准确性	目前尚无机制用于区分应增强和应消除的特征以进行特征增强	旨在解决现有方法在特征增强方面的不完整性，并提高乳腺癌检测的分类准确性	乳腺癌的检测	数字病理学	乳腺癌	小波变换	CNN	图像	使用了DDSM + CBIS和MIAS数据集进行实验