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
18681	2024-09-04	Deep learning applied to breast imaging classification and segmentation with human expert intervention 2022-Sep, Journal of ultrasound IF:1.3Q3 DOI:10.1007/s40477-021-00642-3 PMID:35000127	research paper	本文研究了深度学习在乳腺超声图像分类和分割中的应用，并结合专家放射科医生的干预	本文展示了深度学习算法在提高乳腺超声评估准确性方面的潜力	NA	旨在实现乳腺超声图像中肿瘤的自动分类和分割，以改善乳腺癌患者的诊断和治疗策略规划	乳腺超声图像中的肿瘤	machine learning	breast cancer	NA	deep learning algorithms	image	953张乳腺超声图像
18682	2024-09-04	AlphaFold, Artificial Intelligence (AI), and Allostery 2022-09-01, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.2c04346 PMID:35976160	研究论文	本文概述了AlphaFold在结构生物学中的应用，特别是在分子动力学模拟和微生物组-人类蛋白质-蛋白质相互作用预测中的应用	AlphaFold通过深度学习技术在蛋白质结构预测方面取得了显著进展，对生命科学产生了深远影响	AlphaFold未能解决长期存在的蛋白质折叠问题，也无法识别折叠途径，且不能捕捉如挫败和变构等构象机制	探讨AlphaFold在个性化治疗和临床试验中的应用潜力	AlphaFold在蛋白质结构预测和分子动力学模拟中的应用	人工智能	NA	深度学习	AlphaFold	蛋白质序列数据	NA
18683	2024-09-04	Automated Lung Segmentation from Computed Tomography Images of Normal and COVID-19 Pneumonia Patients 2022-09, Iranian journal of medical sciences IF:1.6Q2 DOI:10.30476/IJMS.2022.90791.2178 PMID:36117575	研究论文	本研究评估了一种基于深度学习的模型在从正常和COVID-19患者的CT图像中进行肺部分割的性能	使用残差神经网络（ResNet）模型进行肺部分割，并在正常和COVID-19患者中取得了高准确度	NA	评估深度学习模型在肺部分割中的性能	正常和COVID-19患者的CT图像	计算机视觉	COVID-19	CT	ResNet	图像	1200名确诊COVID-19患者和120名正常患者
18684	2024-09-04	Machine learning algorithm to characterize antimicrobial resistance associated with the International Space Station surface microbiome 2022-08-24, Microbiome IF:13.8Q1 DOI:10.1186/s40168-022-01332-w PMID:35999570	研究论文	本研究利用深度学习模型分析国际空间站（ISS）表面微生物组的鸟枪法宏基因组数据，以识别与抗菌药物耐药性（AMR）相关的基因	本研究通过深度学习模型超越了仅基于高DNA序列相似性的传统阈值，扩展了AMR基因的目录	NA	旨在识别与国际空间站环境样本中可培养菌株、鸟枪法宏基因组序列和宏基因组组装基因组（MAGs）相关的AMR基因	国际空间站环境样本中的226株可培养菌株、21个鸟枪法宏基因组序列和24个MAGs	机器学习	NA	鸟枪法宏基因组学	深度学习模型	宏基因组数据	226株可培养菌株、21个鸟枪法宏基因组序列和24个MAGs
18685	2024-09-04	Multi-Scale Hybrid Network for Polyp Detection in Wireless Capsule Endoscopy and Colonoscopy Images 2022-Aug-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12082030 PMID:36010380	research paper	本文提出了一种基于inception v4架构的单次多框检测器（Hyb-SSDNet）混合网络，用于在无线胶囊内窥镜（WCE）和结肠镜图像中检测小息肉区域	采用inception块缓解卷积操作的固有限制，结合上下文特征和语义信息，并通过多尺度编码和特征图融合增强检测性能	NA	解决无线胶囊内窥镜图像中速度与精度之间的权衡问题，提高小息肉区域的检测效率	无线胶囊内窥镜和结肠镜图像中的小息肉区域	computer vision	NA	deep transfer learning	Hyb-SSDNet	image	扩大了训练数据集
18686	2024-09-04	Using DeepLabCut as a Real-Time and Markerless Tool for Cardiac Physiology Assessment in Zebrafish 2022-Aug-21, Biology DOI:10.3390/biology11081243 PMID:36009871	研究论文	本研究探索了使用DeepLabCut（DLC）这一基于深度学习的工具进行无标记斑马鱼心脏生理评估的可能性	成功使用DeepLabCut工具进行实时无标记心脏室追踪，并验证了其在检测心脏异常方面的准确性	NA	探索DeepLabCut在斑马鱼心脏生理评估中的应用	斑马鱼心脏生理	机器学习	NA	深度学习	卷积神经网络	视频	20个不同个体的视频
18687	2024-09-04	Subject-Based Model for Reconstructing Arterial Blood Pressure from Photoplethysmogram 2022-Aug-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9080402 PMID:36004927	研究论文	本文提出了一种基于W-Net深度学习模型的方法，用于从光电容积脉搏波（PPG）重建动脉血压（ABP）信号	该模型通过两个串联的U-Net架构，能够评估ABP信号的全局相似性，而不仅仅是收缩压、舒张压和平均动脉压的相似性	NA	开发一种非侵入性方法，用于连续预测动脉血压波形，以预防和治疗心血管疾病	从PPG信号重建ABP信号	机器学习	心血管疾病	NA	W-Net	信号	500条不同长度的记录用于训练和测试
18688	2024-09-04	Detection and Characterization of Gastric Cancer Using Cascade Deep Learning Model in Endoscopic Images 2022-Aug-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081996 PMID:36010346	研究论文	本文提出了一种级联深度学习模型，用于在内镜图像中检测和分类胃癌，并识别侵袭区域	该研究通过级联深度学习模型，先对内镜图像进行分类，然后使用两个独立的U-Net模型对癌症图像进行分割，提高了检测的准确性和效率	该方法在健康图像上应用分割可能导致假阳性结果和计算成本增加	旨在解决内镜检查中胃癌检测的假阳性和计算成本问题	内镜图像中的胃癌检测和侵袭区域识别	计算机视觉	胃癌	NA	CNN, U-Net	图像	共使用了2378张内镜图像，包括1208张健康受试者图像，533张早期胃癌患者图像和637张晚期胃癌患者图像
18689	2024-09-04	Decoding Task-Based fMRI Data with Graph Neural Networks, Considering Individual Differences 2022-Aug-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci12081094 PMID:36009157	研究论文	本文提出了一种基于图卷积网络（GCN）的端到端框架，用于分类人类连接组项目数据集中的任务fMRI数据	首次采用图卷积网络处理任务fMRI数据，并比较了四种节点嵌入算法在提取功能图节点结构属性方面的性能	实验结果显示模型在性别分类上表现显著，但在高/低流体智力fMRI数据分类上没有显著差异	探索图神经网络在任务fMRI数据解码中的应用，并评估个体差异的影响	任务fMRI数据及其在性别和流体智力上的分类表现	计算机视觉	NA	fMRI	图卷积网络（GCN）	图像	人类连接组项目数据集中的任务fMRI数据
18690	2024-09-04	Artificial Intelligence Analysis of Celiac Disease Using an Autoimmune Discovery Transcriptomic Panel Highlighted Pathogenic Genes including BTLA 2022-Aug-16, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10081550 PMID:36011206	研究论文	本研究利用人工智能和自身免疫发现基因面板预测并建模乳糜泻	首次使用人工智能技术结合自身免疫发现基因面板高精度预测乳糜泻，并验证了BTLA等致病基因	研究基于公开数据集，需进一步在更广泛的样本中验证	验证人工智能技术在乳糜泻预测和建模中的应用	乳糜泻及相关致病基因	机器学习	乳糜泻	基因集富集分析（GSEA）	随机森林、神经网络（多层感知器）	基因表达数据	公开数据集GSE164883
18691	2024-09-04	An Entropy-Based Measure of Complexity: An Application in Lung-Damage 2022-Aug-14, Entropy (Basel, Switzerland) DOI:10.3390/e24081119 PMID:36010783	研究论文	本文介绍了一种基于熵的复杂度度量（EMC）及其在肺损伤评估中的应用，即肺损伤度量（LDM）	引入了一种新的基于熵的复杂度度量（EMC）和肺损伤度量（LDM），用于分析肺部CT图像	NA	开发一种新的度量方法来评估肺部CT图像中的肺损伤	健康受试者、COVID-19患者和肺炎患者的肺部CT图像	数字病理学	肺部疾病	CT扫描	基于熵的度量	图像	486名健康受试者，263名COVID-19患者，329名肺炎患者
18692	2024-09-04	The Prediction of Consumer Behavior from Social Media Activities 2022-Aug-12, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs12080284 PMID:36004855	研究论文	本文提出了一种新的深度学习模型，用于分类消费者行为变体，该模型采用集成架构并结合了两个预训练的学习算法	提出的集成模型在消费者行为分类上实现了98.78%的准确率，超过了现有文献中的大多数机器学习模型	NA	开发一种新的深度学习模型，以更有效地检测和分类复杂的消费者行为变体	消费者行为变体	机器学习	NA	深度学习	集成模型	文本	使用了Facemg BIG-D15和TwitD数据库进行测试
18693	2024-09-04	An Improved Temporal Fusion Transformers Model for Predicting Supply Air Temperature in High-Speed Railway Carriages 2022-Aug-12, Entropy (Basel, Switzerland) DOI:10.3390/e24081111 PMID:36010775	研究论文	本文提出了一种改进的时间融合变换器（TFT）模型，用于预测高速列车车厢内的供气温度	引入了基于扩张因果卷积的双卷积残差编码器结构和基于门控线性单元的时空双重门控结构，并设计了适用于长序列时间序列预测任务的损失函数	NA	提高高速列车车厢内供气温度的预测准确性，以优化空调系统的控制效果	高速列车车厢内的供气温度	机器学习	NA	时间融合变换器（TFT）	TFT	时间序列	使用了中国某特定地点的高速铁路空调运行数据集
18694	2024-09-04	Multimodal MRI-Based Whole-Brain Assessment in Patients In Anoxoischemic Coma by Using 3D Convolutional Neural Networks 2022-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-022-01525-z PMID:35876960	研究论文	本研究开发并验证了一种深度学习模型，利用多模态3D MRI全脑时间序列数据，对缺氧缺血性昏迷相关的脑损伤进行早期评估	首次成功使用3D卷积神经网络（CNN）对缺氧后昏迷患者与对照组进行区分，利用全脑结构和功能MRI数据	NA	开发并验证一种深度学习模型，以自动捕捉、分析、组织和合并结构与功能脑MRI数据，提取有助于医疗决策的相关信号	缺氧缺血性昏迷患者及健康志愿者	机器学习	NA	MRI	3D CNN	MRI数据	29名缺氧后昏迷患者和34名健康志愿者
18695	2024-09-04	Depth-extended acoustic-resolution photoacoustic microscopy based on a two-stage deep learning network 2022-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.461183 PMID:36032586	研究论文	本文提出了一种基于两阶段深度学习网络的声分辨率光声显微镜深度扩展方法	采用两阶段深度学习重建策略，能够在不同离焦深度下自适应恢复高分辨率光声图像	目前仅在实验阶段验证了该方法的有效性，尚未广泛应用于实际生物医学研究中	旨在扩展声分辨率光声显微镜的成像深度，提高离焦区域的成像质量	声分辨率光声显微镜的成像深度和图像质量	计算机视觉	NA	深度学习	残差U-Net结合注意力门	图像	实验中使用了幻影和生物组织样本
18696	2024-09-04	Diagnostic accuracy of deep learning for evaluation of C-spine injury from lateral neck radiographs 2022-Aug, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e10372 PMID:36061007	研究论文	本研究使用深度学习技术评估侧位颈部X光片中颈椎损伤的诊断准确性	本研究采用YOLO网络模型，特别是V4版本，以提高颈椎损伤检测的准确性	研究样本量相对较小，且仅限于侧位颈部X光片	旨在通过深度学习技术提高颈椎损伤的诊断准确性，减少不必要的CT扫描	侧位颈部X光片中的颈椎损伤	机器学习	颈椎损伤	深度学习	YOLO网络模型	图像	229张X光片（129张阴性，100张阳性）来自625名患者
18697	2024-09-04	A Comprehensive Review of Machine Learning Used to Combat COVID-19 2022-Jul-31, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081853 PMID:36010204	综述	本文综述了机器学习和深度学习在COVID-19诊断和治疗中的应用	系统总结了AI在COVID-19中的多种应用方法和模型	未提及具体的研究局限性	探讨AI在COVID-19中的应用及其未来发展方向	COVID-19的诊断、治疗及患者健康结果预测	机器学习	COVID-19	机器学习, 深度学习	CNN, LSTM, GAN	医学图像, 患者数据	超过5.39亿确诊病例和630万死亡病例
18698	2024-09-04	GraphSite: Ligand Binding Site Classification with Deep Graph Learning 2022-07-29, Biomolecules IF:4.8Q1 DOI:10.3390/biom12081053 PMID:36008947	研究论文	本文介绍了一种基于深度学习的图表示方法GraphSite，用于蛋白质中配体结合位点的分类	GraphSite利用图神经网络和神经加权消息传递层，有效捕捉结合口袋的结构、物化及进化特征，提高了分类准确性	NA	开发一种高效检测和分类蛋白质中配体结合位点的方法，以促进基于结构的药物发现	蛋白质中的配体结合位点	机器学习	NA	深度学习	图神经网络	图	14种不同功能类别的结合口袋数据集
18699	2024-09-04	Breast Cancer Detection in Mammography Images Using Deep Convolutional Neural Networks and Fuzzy Ensemble Modeling Techniques 2022-Jul-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12081812 PMID:36010164	研究论文	本文利用深度卷积神经网络和模糊集成建模技术在乳腺X线图像上进行乳腺癌检测	提出了一种基于Gompertz函数的模糊排名集成方法，该方法结合了多个深度学习模型的决策分数，提高了预测准确性	NA	开发一种高效的乳腺癌检测工具，以降低死亡率并提高完全康复的机会	乳腺X线图像中的正常、良性及恶性图像	计算机视觉	乳腺癌	深度卷积神经网络	CNN	图像	1145张乳腺X线图像
18700	2024-09-04	Strategies for tackling the class imbalance problem of oropharyngeal primary tumor segmentation on magnetic resonance imaging 2022-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.08.005 PMID:36035088	研究论文	本文探讨了在磁共振成像中分割口咽部原发肿瘤时处理类别不平衡问题的不同策略	提出了两种策略：使用不同的损失函数和实施两阶段方法，以改善分割性能	不同损失函数在训练中未显示出显著差异	研究解决口咽部原发肿瘤自动轮廓化中类别不平衡问题的策略	口咽部癌症患者的磁共振成像数据	计算机视觉	口咽癌	磁共振成像 (MRI)	3D U-Net	图像	230名口咽癌患者