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
18661	2024-09-04	Sparks of function by de novo protein design 2024-Feb, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-024-02133-2 PMID:38361073	研究论文	本文探讨了通过深度学习方法在从头蛋白质设计中实现功能性蛋白质设计的进展	利用深度学习方法提高了结构建模的效率和准确性，并促进了成功设计的丰富化	NA	探索从头蛋白质设计中功能性蛋白质设计的新进展及其对未来挑战的影响	蛋白质设计中的序列、结构协同设计和构象控制	机器学习	NA	深度学习	NA	NA	NA
18662	2024-09-04	Low-Light Phase Retrieval With Implicit Generative Priors 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3445739 PMID:39178091	研究论文	本文提出了一种结合原位相干衍射成像和隐式生成先验的低剂量深度图像先验方法，用于单图像低剂量相位恢复	本文提出的低剂量深度图像先验方法结合了原位相干衍射成像和隐式生成先验，有效解决了单图像低剂量相位恢复问题	目前尚未提及具体的局限性	研究目的是解决单图像低剂量相位恢复问题	研究对象是低剂量相位恢复技术	计算机视觉	NA	相干衍射成像（CDI）	隐式生成先验	图像	单图像
18663	2024-09-04	Fast and High-Performance Learned Image Compression With Improved Checkerboard Context Model, Deformable Residual Module, and Knowledge Distillation 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3445737 PMID:39186412	研究论文	本文提出了一种基于深度学习的图像压缩方法，通过引入可变形残差模块、改进的棋盘上下文模型、三阶段知识蒸馏方案和L正则化技术，实现了高速且高性能的图像压缩。	引入了可变形残差模块以去除更多冗余，设计了改进的棋盘上下文模型以实现并行解码，开发了三阶段知识蒸馏方案以降低核心解码网络的复杂性，并引入了L正则化以使潜在表示数值更稀疏。	NA	旨在平衡图像压缩的复杂性和性能，提高压缩速度和质量。	图像压缩技术及其在实际应用中的效率和性能。	计算机视觉	NA	深度学习	CNN	图像	使用Kodak和Tecnick-40数据集进行实验。
18664	2024-09-04	Deep learning models for the early detection of maize streak virus and maize lethal necrosis diseases in Tanzania 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1384709 PMID:39219699	研究论文	本研究探讨了在坦桑尼亚利用深度学习模型早期检测玉米线条病毒和玉米致死性坏死病的潜力	提出了使用卷积神经网络（CNN）和视觉变换器（ViT）模型进行早期检测，并发现ViT模型在准确性上优于CNN模型	需要进一步研究开发移动应用程序并提高模型在实际应用中的精确度	开发一种方法用于早期检测玉米疾病，以便及时治疗	玉米线条病毒（MSV）和玉米致死性坏死病毒（MLN）	计算机视觉	NA	深度学习	CNN, ViT	图像	数据收集自坦桑尼亚的阿鲁沙、乞力马扎罗和曼雅拉地区，使用了四种图像数据类别：MLN、健康、MSV和WRONG
18665	2024-09-04	Three-dimensional dose prediction based on deep convolutional neural networks for brain cancer in CyberKnife: accurate beam modelling of homogeneous tissue 2024-Jan, BJR open DOI:10.1093/bjro/tzae023 PMID:39220325	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的三维剂量分布，利用了建模的射束信息、目标勾画和患者解剖信息	该方法引入了射束信息来预测CyberKnife在脑部病例中的剂量分布，这是现有深度学习方法中未涉及的创新点	初步结果仅基于14个脑癌病例，需要更多患者和其他癌症部位的研究来全面验证所提出的方法	开发一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的剂量分布	脑癌患者在CyberKnife治疗中的剂量分布	机器学习	脑癌	深度卷积神经网络（CNN）	CNN	图像	88名脑癌和腹部癌症患者的数据集，其中68例用于训练，6例用于验证，14例用于测试
18666	2024-09-04	Vehicle recognition pipeline via DeepSort on aerial image datasets 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1430155 PMID:39220587	研究论文	本文提出了一种使用FCM分割航拍图像并结合YOLOv8和ORB特征进行车辆检测与识别的方法，以及使用DeepSORT进行车辆跟踪的系统	本文创新地结合了FCM、YOLOv8、ORB特征和DeepSORT技术，实现了从复杂交通场景中自动提取车辆信息	NA	开发一种高效自动化的车辆监控系统，用于智能交通监控	车辆识别与跟踪	计算机视觉	NA	FCM, YOLOv8, ORB, DeepSORT	YOLOv8, DeepSORT	图像	VEDAI和SRTID数据集
18667	2024-09-04	Frontiers and hotspots evolution in mild cognitive impairment: a bibliometric analysis of from 2013 to 2023 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1352129 PMID:39221008	研究论文	本研究通过文献计量分析，探讨了2013年至2023年轻度认知障碍领域的研究前沿和热点演化	利用CiteSpace和VOSviewer工具分析关键词和共引文献，总结当前研究热点和未来研究方向	NA	旨在构建过去十年的可视化框架，突出当前研究热点，并预测未来轻度认知障碍研究的最有成果的途径	轻度认知障碍相关的文献	NA	轻度认知障碍	文献计量分析	NA	文献	6075篇文章
18668	2024-09-04	Deep Learning Prediction of Inflammatory Inducing Protein Coding mRNA in P. gingivalis Released Outer Membrane Vesicles 2024, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972241277081 PMID:39221175	研究论文	本研究利用深度学习算法预测P. gingivalis外膜囊泡中诱导炎症的蛋白质编码mRNA序列	采用机器学习技术成功预测了Porphyromonas gingivalis外膜囊泡中的蛋白质编码mRNA序列，其中Gradient Boosting模型表现最为平衡	尽管模型表现良好，但统计测试显示各模型间无显著差异	预测P. gingivalis外膜囊泡中的蛋白质编码mRNA序列	P. gingivalis外膜囊泡中的蛋白质编码mRNA序列	机器学习	NA	深度学习算法	Neural Networks, Naive Bayes, Gradient Boosting	转录组数据	使用NCBI GEO DATA SET GSE218606的数据
18669	2024-09-04	Consumer-priced wearable sensors combined with deep learning can be used to accurately predict ground reaction forces during various treadmill running conditions 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17896 PMID:39221284	研究论文	研究评估了使用消费者价格的可穿戴传感器结合深度学习技术，在多种跑步机跑步条件下准确预测地面反作用力的能力。	本研究首次展示了消费者价格的可穿戴传感器能够准确估计二维地面反作用力，适用于广泛跑步者及不同跑步强度。	研究仅限于跑步机上的实验，尚未在自然跑步环境中验证其准确性。	评估消费者价格的可穿戴传感器在多种跑步条件下预测地面反作用力的准确性。	研究对象为50名跑步者，包括25名女性和25名男性，他们在跑步机上以不同速度和坡度跑步。	机器学习	NA	深度学习	LSTM神经网络	压力数据和惯性测量数据	50名跑步者（25名女性，25名男性）
18670	2024-09-04	Deep learning-based quantification of brain atrophy using 2D T1-weighted MRI for Alzheimer's disease classification 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1423515 PMID:39206118	研究论文	本研究利用基于深度学习的方法，通过2D T1加权MRI量化脑萎缩，以区分阿尔茨海默病型痴呆（DAT）与认知未受损（CU）个体	本研究创新性地使用2D T1加权MRI结合深度学习算法，实现了成本效益更高的脑萎缩量化，同时保持或超越了3D T1加权MRI的性能	NA	旨在通过2D T1加权MRI实现成本效益更高的阿尔茨海默病分类	研究对象包括924名参与者，其中478名认知未受损（CU）和446名阿尔茨海默病型痴呆（DAT）	机器学习	阿尔茨海默病	深度学习	深度学习模型	图像	924名参与者（478名CU和446名DAT）
18671	2024-09-04	Dominating Alzheimer's disease diagnosis with deep learning on sMRI and DTI-MD 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1444795 PMID:39211812	研究论文	本文提出了一种名为MADNet的多模态深度学习方法，用于辅助阿尔茨海默病（AD）的诊断，通过融合sMRI和DTI-MD数据进行特征提取和分类	MADNet采用双分支并行提取特征，结合注意力机制在决策层进行长距离依赖建模，并通过特征融合基于重要性跨模态整合信息	NA	开发一种有效的计算机辅助诊断方法，用于快速准确地评估AD患者的病情和受影响区域	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者	机器学习	老年疾病	深度学习	CNN	图像	包括AD、MCI和CN的公开ADNI数据集和自收集的XWNI数据集
18672	2024-09-04	Multimodal Machine Learning in Image-Based and Clinical Biomedicine: Survey and Prospects 2024, International journal of computer vision IF:11.6Q1 DOI:10.1007/s11263-024-02032-8 PMID:39211895	review	本文综述了多模态机器学习在医学图像分析和临床决策支持系统中的应用现状与前景	强调了多模态表示、融合、翻译、对齐和协同学习中的挑战与创新	存在数据偏差和生物医学领域“大数据”稀缺等挑战	探讨多模态模型在临床预测中的变革潜力，并强调其原则性评估和实际应用的必要性	多模态机器学习在医学图像分析和临床决策支持系统中的应用	machine learning	NA	NA	deep learning	multimodal	NA
18673	2024-09-04	Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics 2023-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.17.567581 PMID:38014155	研究论文	本文利用5-乙炔尿苷标记新生RNA并通过纳米孔直接RNA测序，开发了深度卷积和循环神经网络RNAkinet，用于处理纳米孔测序产生的电信号，以识别5EU标记的新生RNA分子	本文开发了RNAkinet，一个深度卷积和循环神经网络，能够处理纳米孔测序的电信号，识别5EU标记的新生RNA分子，并能推广到不同的细胞类型和生物体	现有的方法依赖于新生RNA的代谢标记和物理分离或通过PCR产生的突变进行推断，这些方法在识别短暂衰变中间体或同时分析RNA衰变与cis-调节RNA稳定性的元素方面存在局限	量化RNA代谢动力学，以理解健康和疾病中的基因调控	RNA代谢动力学及其cis-调节元素	机器学习	NA	纳米孔测序	CNN和LSTM	电信号	NA
18674	2024-09-04	Sleep State Trend (SST), a bedside measure of neonatal sleep state fluctuations based on single EEG channels 2022-11, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2022.08.022 PMID:36155385	研究论文	本文开发并验证了一种基于单个脑电图通道的自动化方法，用于新生儿重症监护室中睡眠状态波动的床边监测	提出了Sleep State Trend (SST)，一种床边可用的可视化分类器输出的方法	NA	开发和验证一种自动化方法，用于监测新生儿睡眠状态的波动	新生儿睡眠状态的波动	机器学习	NA	脑电图(EEG)	深度学习算法	脑电图数据	53个EEG记录用于训练，30个多导睡眠图记录用于验证
18675	2024-09-04	Pushing the limits of remote RF sensing by reading lips under the face mask 2022-09-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-32231-1 PMID:36071056	研究论文	本文提出了一种基于无线电频率（RF）的唇读框架，能够在佩戴口罩的情况下进行唇读	利用Wi-Fi和雷达技术实现RF传感唇读，解决了传统基于摄像头的唇读技术的遮挡和隐私问题	NA	解决传统摄像头基唇读技术的基本限制	唇读技术	计算机视觉	NA	Wi-Fi, 雷达	神经网络（NN）, VGG16	数据集	包含元音A, E, I, O, U及静态/闭合嘴唇的数据集
18676	2024-09-04	Systemic injection of nicotinic acetylcholine receptor antagonist mecamylamine affects licking, eyelid size, and locomotor and autonomic activities but not temporal prediction in male mice 2022-09-06, Molecular brain IF:3.3Q2 DOI:10.1186/s13041-022-00959-y PMID:36068635	研究论文	本研究探讨了烟碱型乙酰胆碱受体拮抗剂美卡拉明对雄性小鼠行为的影响，包括舔食、眼睑大小、运动和自主活动，但不影响时间预测能力。	本研究首次结合头部固定实验设计和基于深度学习算法的计算机视觉分析，成功量化了清醒小鼠的眼睑大小。	研究主要集中在美卡拉明对特定行为的影响，未全面探讨烟碱型乙酰胆碱受体在其他行为和认知功能中的作用。	探讨烟碱型乙酰胆碱受体在学习和行为中的作用。	雄性小鼠	NA	NA	计算机视觉分析，深度学习算法	深度学习算法	行为数据，眼睑大小数据	未明确指出具体数量
18677	2024-09-04	A deep learning-based self-adapting ensemble method for segmentation in gynecological brachytherapy 2022-Sep-05, Radiation oncology (London, England) DOI:10.1186/s13014-022-02121-3 PMID:36064571	研究论文	本研究应用基于深度学习的自适应集成方法，用于妇科近距离放射治疗中快速且可重复的自动分割危险器官和临床肿瘤体积	采用nnU-Net（一种基于U-Net的自动适应深度卷积神经网络）进行分割，并通过集成2D U-Net、3D U-Net和3D-Cascade U-Net三种架构来提高分割精度	NA	旨在应用自配置的集成方法，实现妇科癌症中危险器官和临床肿瘤体积的快速且可重复的自动分割	膀胱、直肠和临床肿瘤体积的分割	计算机视觉	妇科癌症	深度学习	U-Net	CT图像	训练集207例，测试集30例
18678	2024-09-04	Fast, efficient, and accurate neuro-imaging denoising via supervised deep learning 2022-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-32886-w PMID:36056020	研究论文	本文介绍了一种基于监督深度学习的神经影像去噪方法，旨在提高影像质量和分析效率	提出了一种新的监督深度去噪方法，能够在训练和推理中实现快速且高效的处理，并具有较小的内存占用	该方法需要使用小规模的非时间序列独立采集的训练数据集	开发一种能够克服体积功能成像中质量和速度之间权衡的去噪技术	包括全脑成像、自由移动动物的大视野成像以及C. elegans中复杂神经结构的恢复	计算机视觉	NA	深度学习	深度去噪模型	影像	约500对图像
18679	2024-09-04	Experimental evidence of effective human-AI collaboration in medical decision-making 2022-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-18751-2 PMID:36056152	研究论文	本研究探讨了人工智能系统在医疗决策中与医生的有效协作	研究展示了医生与AI系统在诊断决策中的协同作用，以及这种协同如何通过类似贝叶斯推理的方式优化决策	研究样本仅限于21名内镜医生和504个结肠镜检查视频，可能限制了结果的普遍性	探究在医疗决策中，医生与人工智能系统的协作效果及其背后的心理和设计机制	内镜医生和人工智能辅助诊断系统在结肠镜检查中的协作	人工智能	NA	深度学习	NA	视频	21名内镜医生，504个结肠镜检查视频
18680	2024-09-04	From theory to experiment: transformer-based generation enables rapid discovery of novel reactions 2022-Sep-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-022-00638-z PMID:36056425	研究论文	本文提出了一种基于transformer模型的反应生成任务，并通过Heck反应训练模型生成新反应，最终通过实验验证了模型的准确性和可行性	首次探索了使用人工智能技术从头生成新反应的方法，并通过实验验证了其有效性	NA	探索人工智能技术在化学领域中新反应的生成和验证	Heck反应及其生成的新反应	自然语言处理	NA	transformer模型	transformer	文本	4717个反应生成，其中2253个新Heck反应通过验证