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
18961	2024-08-31	Modeling physician's preference in treatment plan approval of stereotactic body radiation therapy of prostate cancer 2022-05-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac6d9e PMID:35523171	研究论文	本研究开发了一种基于深度学习的虚拟医生网络（VPN），用于模拟医生对前列腺癌立体定向体部放疗（SBRT）治疗计划批准的偏好	使用对抗框架训练VPN，以解决数据库中缺乏未批准计划的问题，并能对未批准计划提出剂量改进建议	研究样本量较小，仅包括68名前列腺癌患者	开发一种能够模拟医生偏好并提供剂量改进建议的虚拟医生网络	前列腺癌患者的立体定向体部放疗治疗计划	机器学习	前列腺癌	深度学习	VPN	图像	68名前列腺癌患者，其中60名用于训练和交叉验证，8名用于独立测试
18962	2024-08-31	Pneumonia Transfer Learning Deep Learning Model from Segmented X-rays 2022-May-26, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare10060987 PMID:35742039	研究论文	本文研究了利用图像分割和机器学习模型从X光图像中可靠地预测肺炎疾病	提出了改进的BoxENet模型，通过结合ImgNet和SqueezeNet的迁移学习，使用多数融合模型，提高了分类性能和速度	NA	开发一种快速且精确的深度学习模型来诊断肺炎疾病	肺炎疾病的X光图像	计算机视觉	肺炎	迁移学习	BoxENet	图像	4000张肺炎疾病X光图像和4000张健康X光图像
18963	2024-08-31	Partial Differential Equation-Constrained Diffeomorphic Registration from Sum of Squared Differences to Normalized Cross-Correlation, Normalized Gradient Fields, and Mutual Information: A Unifying Framework 2022-May-13, Sensors (Basel, Switzerland) DOI:10.3390/s22103735 PMID:35632143	研究论文	本文提出了一种统一的框架，将基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）从平方差和（SSD）扩展到使用归一化交叉相关（NCC）、局部归一化交叉相关（lNCC）、归一化梯度场（NGFs）和互信息（MI）等不同图像相似性度量的PDE-LDDMM。	本文通过引入新的图像相似性度量，扩展了PDE-LDDMM的应用范围，并在多个基准测试中展示了其优越性能。	对于归一化梯度场（NGFs）和互信息（MI），高斯-牛顿-克雷洛夫（GNK）优化未能超越梯度下降法，且MI的GNK优化涉及大量密集矩阵的乘积，导致内存需求过高。	旨在通过引入新的图像相似性度量，提高基于偏微分方程约束的大变形微分度量映射（PDE-LDDMM）的注册准确性。	研究对象包括不同图像相似性度量在PDE-LDDMM中的应用及其优化方法。	计算机视觉	NA	PDE-LDDMM	NA	图像	NA
18964	2024-08-31	Global User-Level Perception of COVID-19 Contact Tracing Applications: Data-Driven Approach Using Natural Language Processing 2022-May-11, JMIR formative research IF:2.0Q4 DOI:10.2196/36238 PMID:35389357	研究论文	本文通过自然语言处理技术，自动分析用户对COVID-19接触追踪应用的评论，提取并分类用户情感极性	提出了一种自动分析用户评论并提取情感的解决方案，结合用户友好的界面，可作为快速监控工具	NA	分析AI和NLP技术在自动提取和分类用户情感极性方面的有效性	COVID-19接触追踪移动应用的用户评论	自然语言处理	NA	自然语言处理	AI模型	文本	34,534条手动标注的评论
18965	2024-08-31	Evolution of Brains and Computers: The Roads Not Taken 2022-May-09, Entropy (Basel, Switzerland) DOI:10.3390/e24050665 PMID:35626550	研究论文	本文探讨了大脑和计算机发展过程中的相似性和差异性，以及这些发展如何影响人工智能的设计	文章提出了大脑和计算机在进化过程中的相似性和差异性，并讨论了这些相似性和差异性如何影响人工智能的设计	文章主要集中在理论探讨，未涉及具体的实验或数据分析	探讨大脑和计算机在进化过程中的相似性和差异性，以及这些相似性和差异性如何影响人工智能的设计	大脑和计算机的进化过程及其对人工智能设计的影响	机器学习	NA	深度学习	人工神经网络	NA	NA
18966	2024-08-31	Rigid motion-resolved B1+ prediction using deep learning for real-time parallel-transmission pulse design 2022-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29132 PMID:34958134	研究论文	本文提出了一种深度学习框架，用于预测并实时重新设计并行传输脉冲，以解决7T磁共振成像中头部运动对均匀激发轮廓的影响。	利用条件生成对抗网络预测头部运动后的B1+分布，并用于实时重新设计并行传输脉冲，以减少运动相关误差。	研究基于模拟数据，尚未在实际临床环境中验证。	开发一种能够实时预测并重新设计并行传输脉冲的方法，以减少头部运动对磁共振成像质量的影响。	并行传输脉冲的实时重新设计和头部运动对磁共振成像的影响。	计算机视觉	NA	深度学习	条件生成对抗网络	模拟数据	两个未用于训练的虚拟身体模型
18967	2024-08-31	Automatic evaluation of graft orientation during Descemet membrane endothelial keratoplasty using intraoperative OCT 2022-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.446519 PMID:35774322	研究论文	本文介绍了一种利用内镜下光学相干断层扫描（iOCT）自动评估Descemet膜内皮角膜移植（DMEK）手术中移植物方向的方法	该方法利用移植物的自然滚动行为，通过深度学习模型进行移植物分割，并计算曲率以确定移植物方向	自动方法在独立测试集中的准确性为78%，低于专业人员的识别率	开发一种自动评估DMEK手术中移植物方向的方法，以提高手术成功率	DMEK手术中的移植物方向评估	数字病理学	NA	光学相干断层扫描（OCT）	深度学习模型	图像	100个iOCT帧
18968	2024-08-31	Feasibility of the soft attention-based models for automatic segmentation of OCT kidney images 2022-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.449942 PMID:35774323	研究论文	本文研究了基于软注意力的深度学习模型在OCT肾脏图像自动分割中的可行性	提出并评估了五种方法，包括Residual-Attention-UNET、Attention-UNET等，其中Residual-Attention-UNET在分割准确性和可靠性上表现最佳	未提及具体局限性	开发基于注意力的UNET模型，用于肾脏OCT图像的自动分析、模式识别和分割	肾脏OCT图像中的近端卷曲小管（PCTs）	计算机视觉	NA	光学相干断层扫描（OCT）	CNN	图像	14403张OCT图像来自169个移植肾脏
18969	2024-08-31	Retinopathy grading with deep learning and wavelet hyper-analytic activations 2022-Apr-25, The Visual computer DOI:10.1007/s00371-022-02489-z PMID:35493724	研究论文	本文通过结合多分辨率分析（MRA）和卷积神经网络（CNN）框架，利用超分析小波激活函数增强输入图像的特征，提高了糖尿病视网膜病变（DR）分级的准确性	提出了一种新颖的超分析小波激活函数，该函数能够转换负系数以保留重要的边缘特征图，并通过选择合适的激活函数超参数，产生单调且有效的激活	NA	提高糖尿病视网膜病变分级的准确性	糖尿病视网膜病变（DR）的图像分级	计算机视觉	糖尿病视网膜病变	卷积神经网络（CNN）	CNN	图像	未明确提及具体样本数量
18970	2024-08-31	Fully Automated Wound Tissue Segmentation Using Deep Learning on Mobile Devices: Cohort Study 2022-04-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/36977 PMID:35451982	研究论文	本研究利用深度学习技术在移动设备上实现全自动伤口组织分割，以减少临床评估中的主观性。	开发了两种深度卷积神经网络架构用于伤口和组织分割，并在大量多样化的图像数据集上进行训练，模型在多种成像条件下表现稳健，且对肤色无偏见。	研究中报告了临床医生在识别组织类型时的中等到较差的一致性，以及在识别上皮化时的非常低的Krippendorff α值。	旨在测量伤口护理临床医生在手动组织分割和量化中的相互和内部评分者变异性，并确定是否可以使用深度神经网络实现对组织类型的客观评估。	研究对象包括58张不同类型的慢性伤口图像，以及4种不同的伤口床组织类型（上皮、肉芽、腐肉和焦痂）。	计算机视觉	NA	深度学习	深度卷积神经网络	图像	465,187和17,000对图像标签用于训练模型，58张伤口图像用于评估。
18971	2024-08-31	Research and Application of Artificial Intelligence Based on Electronic Health Records of Patients With Cancer: Systematic Review 2022-Apr-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/33799 PMID:35442195	综述	本文系统回顾了基于电子健康记录的人工智能在癌症患者护理中的应用现状和局限性	首次系统分析了基于电子健康记录的人工智能在癌症护理中的应用及其意义	现有研究主要使用英文电子病历数据，且数据来源多为私人机构数据库	旨在介绍基于电子健康记录的人工智能在癌症患者护理中的当前状态、局限性及其对癌症护理的影响	癌症患者的电子健康记录及其在癌症护理中的应用	机器学习	癌症	NA	集成方法和深度学习	文本	148篇符合条件的论文
18972	2024-08-31	Yuel: Improving the Generalizability of Structure-Free Compound-Protein Interaction Prediction 2022-02-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c01531 PMID:35103472	研究论文	本文开发了一种新的化合物-蛋白质相互作用预测器Yuel，旨在提高结构自由的化合物-蛋白质相互作用预测的泛化能力	Yuel在各种数据集上表现出比现有深度学习方法更好的未知化合物和未知蛋白质间相互作用的预测能力	现有深度学习方法在预测未知蛋白质和未知小分子间的相互作用时存在泛化能力不足的问题	提高化合物-蛋白质相互作用预测的泛化能力	化合物和蛋白质的相互作用	机器学习	NA	深度学习	NA	数据集	NA
18973	2024-08-31	Simultaneous prediction of antibody backbone and side-chain conformations with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0258173 PMID:35704640	研究论文	本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体骨架和侧链构象	DeepSCAb方法能够预测抗体变异片段的残基间几何结构以及侧链二面角，且仅需要序列作为输入，适用于无已知骨架构象的抗体	NA	提高抗体结构预测的准确性，特别是在侧链建模方面	抗体骨架和侧链构象	机器学习	NA	深度学习	自注意力层	序列	NA
18974	2024-08-31	Deep learning empowered COVID-19 diagnosis using chest CT scan images for collaborative edge-cloud computing platform 2022, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-021-11158-7 PMID:34220289	研究论文	本文开发了一种基于MobileNet V2架构的微调深度学习模型，用于在边缘云协同计算平台上进行COVID-19的胸部CT扫描图像诊断	提出的模型在准确性和诊断时间上优于现有的深度学习模型，且适用于资源受限环境	NA	提高COVID-19诊断的效率和可及性	COVID-19的胸部CT扫描图像	计算机视觉	COVID-19	深度学习	MobileNet V2	图像	2482张胸部CT扫描图像
18975	2024-08-31	A Tensorized Multitask Deep Learning Network for Progression Prediction of Alzheimer's Disease 2022, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2022.810873 PMID:35601611	研究论文	本研究提出了一种基于模态融合、核化和张量化的深度神经网络，用于阿尔茨海默病（AD）的进展预测，同时进行多类分类和纵向回归	该研究通过统一的多任务框架，同时进行多类分类和纵向回归，利用多模态特征的互补性，提高了模型的整体效能	研究发现，优化预测结果的超参数集可能与优化多类分类的超参数集不同，存在一个临界点，超过该点进一步提高一个过程的结果可能导致另一个过程的准确性下降	旨在提高早期诊断的前景和预测未来疾病状态的能力	阿尔茨海默病（AD）的进展预测	机器学习	阿尔茨海默病	深度神经网络	CNN	多模态数据	未明确提及具体样本数量
18976	2024-08-31	Potential drug discovery for COVID-19 treatment targeting Cathepsin L using a deep learning-based strategy 2022, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2022.05.023 PMID:35602976	研究论文	本研究利用基于深度学习的策略，通过Chemprop模型识别能够抑制Cathepsin L活性的小分子和FDA批准的药物，以发现治疗COVID-19的新药物	首次应用Chemprop模型预测酶抑制剂，并发现daptomycin这一FDA批准的抗生素具有显著的Cathepsin L抑制作用	NA	发现和开发针对Cathepsin L的新型抑制剂，用于COVID-19的治疗	Cathepsin L、SARS-CoV-2病毒、FDA批准的药物	机器学习	COVID-19	深度学习	深度神经网络	分子数据	5种小分子和多种FDA批准的药物
18977	2024-08-31	Application of Convolutional Neural Network-Based Detection Methods in Fresh Fruit Production: A Comprehensive Review 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.868745 PMID:35651761	综述	本文全面回顾了卷积神经网络（CNN）在新鲜水果生产中的应用	首次全面回顾了CNN在新鲜水果生产全过程中的应用	NA	探讨CNN在新鲜水果生产各环节中的应用及效果	新鲜水果生产的各个环节，包括花果检测、果实检测、采摘和分级	计算机视觉	NA	卷积神经网络（CNN）	CNN	图像	大量文章
18978	2024-08-31	Design of Machine Learning Algorithm for Tourism Demand Prediction 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/6352381 PMID:35720035	研究论文	本文构建了一个基于机器学习的旅游需求预测模型，通过引入LSTM自动编码器的深度堆叠方法，提高了深度学习模型的性能，并进行了四年的旅游人数预测实验。	提出了基于LSTM的自动编码器深度堆叠方法，采用分层贪婪预训练方法替代深度网络中的随机权重初始化方法，结合预训练阶段和微调网络，形成SAE-LSTM预测模型。	NA	提高旅游需求预测的准确性，帮助政府做出关于基础设施发展和住宿地点规划的明智决策。	旅游需求预测	机器学习	NA	LSTM	SAE-LSTM	数据集	使用城市A的月度搜索引擎强度数据及其相关影响因素作为数据集，进行了四年的旅游人数预测。
18979	2024-08-31	Unsupervised Black-Box Model Domain Adaptation for Brain Tumor Segmentation 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.837646 PMID:35720708	研究论文	本文提出了一种无监督领域自适应框架，用于脑肿瘤分割，该框架使用仅在源域训练的黑盒分割模型，无需依赖源数据或可访问网络参数的白盒源模型	提出了一种知识蒸馏方案，以逐步学习目标特定表示，并通过无监督熵最小化来规范目标域标签的置信度	未提及具体的局限性	解决跨中心合作中因隐私问题导致的数据和标签共享困难，实现无监督领域自适应	脑肿瘤分割	计算机视觉	脑肿瘤	无监督领域自适应 (UDA)	黑盒模型	图像	未提及具体样本数量
18980	2024-08-31	O-Net: A Novel Framework With Deep Fusion of CNN and Transformer for Simultaneous Segmentation and Classification 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.876065 PMID:35720715	研究论文	本文提出了一种名为O-Net的新型网络框架，结合CNN和Transformer的优势，用于医学图像的分割和分类	O-Net框架融合了CNN和Transformer，能够同时学习全局和局部信息，提高医学图像分割和分类的性能	NA	改进医学图像分割和分类的准确性	医学图像的分割和分类	计算机视觉	NA	CNN, Transformer	O-Net	图像	使用了synapse多器官CT数据集和ISIC 2017挑战数据集