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
19081	2024-08-25	Artificial intelligence can be used in the identification and classification of shoulder osteoarthritis and avascular necrosis on plain radiographs: a training study of 7,139 radiograph sets 2024-06-17, Acta orthopaedica IF:2.5Q1 DOI:10.2340/17453674.2024.40905 PMID:38884536	研究论文	本研究使用深度学习模型在平片上识别和分类肩关节骨关节炎和无血管性坏死	首次展示了深度学习模型在平片上识别和分级肩关节骨关节炎和无血管性坏死的能力	模型在区分无和轻度肩关节骨关节炎等级方面存在挑战	分析深度学习模型在平片上识别和分级肩关节骨关节炎的表现，并训练模型识别和分级无血管性坏死	肩关节骨关节炎和无血管性坏死	计算机视觉	骨关节炎	深度学习	ResNet类型网络	图像	7,139组肩部X光片
19082	2024-08-25	Assessment of the current and emerging criteria for the histopathological classification of lung neuroendocrine tumours in the lungNENomics project 2024-Jun, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2024.103591 PMID:38878324	研究论文	本研究评估了当前和新兴的组织病理学分类标准在肺神经内分泌肿瘤分类中的应用	研究了两种肿瘤增殖标志物Ki-67指数和磷酸化组蛋白H3（PHH3）蛋白表达，并通过深度学习自动量化	研究揭示Ki-67和PHH3蛋白表达并未显著提高当前分类的预后价值，且深度学习模型未发现具有诊断价值的未公开形态学特征	评估世界卫生组织（WHO）分类标准的优势和局限性，并评估新兴标志物的实用性	259例肺神经内分泌肿瘤（LNETs）	数字病理学	肺肿瘤	深度学习	深度学习算法	图像	259例肺神经内分泌肿瘤，其中171例有相关生存数据
19083	2024-08-25	A joint learning framework for multisite CBCT-to-CT translation using a hybrid CNN-transformer synthesizer and a registration network 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1440944 PMID:39175474	研究论文	本文提出了一种联合学习框架SynREG，用于多站点CBCT到CT的转换，通过混合CNN-transformer合成器和配准网络来提高CBCT图像质量	SynREG框架集成了混合CNN-transformer架构和配准网络，能够动态校正局部结构错位，提高合成CT图像的保真度	由于配准不完美，配对数据集的局部结构错位可能导致模型性能不佳	开发一种统一的深度学习模型，通过生成合成CT图像来提高多站点CBCT图像的质量	135名癌症患者的配对CBCT和规划CT图像，包括头颈部、胸部和腹部肿瘤	计算机视觉	癌症	深度学习	混合CNN-transformer	图像	135名癌症患者用于训练，23名额外患者用于独立测试
19084	2024-08-25	A deep learning radiomics model based on CT images for predicting the biological activity of hepatic cystic echinococcosis 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1426468 PMID:39175611	研究论文	本研究基于CT图像，利用深度学习放射组学模型预测肝包虫病的生物活性分级	首次提出基于CT图像的深度学习放射组学模型用于预测肝包虫病的生物活性分级	研究为回顾性分析，样本量相对较小	探索基于CT图像的深度学习放射组学模型在预测肝包虫病生物活性分级中的应用潜力	肝包虫病的生物活性分级	机器学习	肝病	CT	深度神经网络	图像	160名肝包虫病患者，其中127名用于训练，33名用于验证
19085	2024-08-24	Integration of single-cell manipulation, whole transcriptome analysis, and image-based deep learning for studying "Singularity Biology" 2024, Biophysics and physicobiology IF:1.6Q4 DOI:10.2142/biophysico.bppb-v21.s005 PMID:39175857	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19086	2024-08-25	Evaluating deep learning techniques for identifying tongue features in subthreshold depression: a prospective observational study 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1361177 PMID:39176227	研究论文	本研究旨在评估使用深度学习技术通过舌象特征非侵入性诊断亚阈值抑郁的潜力，并探讨这些特征与针灸治疗效果的相关性	本研究首次使用多种高级深度学习模型分析舌象特征，并发现SEResNet101模型在识别亚阈值抑郁舌象特征方面表现最佳，且能有效评估针灸治疗效果	NA	评估深度学习技术在通过舌象特征诊断亚阈值抑郁中的应用潜力	亚阈值抑郁患者的舌象特征及针灸治疗效果	计算机视觉	NA	深度学习	SEResNet101	图像	NA
19087	2024-08-25	Collective and harmonized high throughput barcoding of insular arthropod biodiversity: Toward a Genomic Observatories Network for islands 2023-12, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.16683 PMID:36156326	研究论文	本文探讨了如何利用高通量测序技术（HTS）和深度学习图像分析方法，系统地进行岛屿节肢动物多样性的编目和监测，并提出了建立岛屿基因组观测网络（iGON）的框架。	本文首次提出将高通量测序技术与深度学习图像分析相结合，用于岛屿节肢动物多样性的研究，并探讨了在岛屿基因组观测网络框架下实施这些方法的可能性。	文章指出当前方法在节肢动物多样性数据可用性方面存在局限，需要进一步的技术创新和数据积累。	旨在通过新技术手段，深入理解岛屿生态和进化过程中节肢动物多样性的关键过程。	研究对象为岛屿上的节肢动物，特别是那些在生态、进化和保护生物学领域具有重要意义的物种。	基因组学	NA	高通量测序（HTS）	深度学习	图像	文章未具体提及样本数量
19088	2024-08-25	Automated Deep Transfer Learning-Based Approach for Detection of COVID-19 Infection in Chest X-rays 2022-Apr, Ingenierie et recherche biomedicale : IRBM = Biomedical engineering and research DOI:10.1016/j.irbm.2020.07.001 PMID:32837679	研究论文	本文提出了一种基于深度迁移学习的自动化方法，用于通过胸部X光片检测COVID-19感染	使用极端版本的Inception（Xception）模型进行深度迁移学习，显著提高了检测性能	目前仅在胸部X光片上应用了该方法，尚未在其他类型的影像数据上进行验证	开发一种自动化的深度迁移学习方法，以加速COVID-19感染的检测	COVID-19感染的胸部X光片	计算机视觉	COVID-19	深度迁移学习	Xception	图像	NA
19089	2024-08-25	Synthetic feature pairs dataset and siamese convolutional model for image matching 2022-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107965 PMID:35242945	研究论文	本文通过使用相同的特征块创建一个新的合成特征对大型数据集，利用孪生卷积模型进行特征描述和匹配，完善了整个匹配流程	本文提出的数据集避免了使用其他算法提取特征块时的错误检测或手动标记的不准确性，并且可以控制合成特征块的内容和几何及光度参数，从而控制模型的不变性	NA	旨在通过合成特征对数据集和孪生卷积模型改进图像匹配技术	合成特征对数据集和孪生卷积模型	计算机视觉	NA	孪生卷积模型	CNN	图像	大型合成特征对数据集
19090	2024-08-25	Improved image classification explainability with high-accuracy heatmaps 2022-Mar-18, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.103933 PMID:35252819	研究论文	本文提出了一种名为金字塔定位网络（PYLON）的深度学习模型，用于提高类激活图（CAM）产生的热图分辨率，从而在图像分类中提供更精确的位置解释	PYLON模型能够显著提高CAM热图的质量，并能精确地定位小物体的位置，且不需要专家对物体位置进行标注，仅使用图像级别的标签进行训练	NA	旨在提高深度学习模型在图像分类中的可解释性，特别是在医疗影像等关键应用中	深度学习模型在图像分类中的可解释性和热图的精确性	计算机视觉	NA	深度学习	PYLON	图像	NA
19091	2024-08-25	Application of machine learning in understanding plant virus pathogenesis: trends and perspectives on emergence, diagnosis, host-virus interplay and management 2022-03-09, Virology journal IF:4.0Q2 DOI:10.1186/s12985-022-01767-5 PMID:35264189	综述	本文综述了机器学习在植物病毒发病机制、诊断、宿主-病毒相互作用及管理方面的应用趋势和前景。	机器学习方法能够处理高维大数据，提高植物病毒疾病的早期诊断准确性，并有助于更好地理解宿主-病毒相互作用。	NA	探讨机器学习在植物病毒学领域的应用，特别是在病毒疾病的诊断、宿主-病毒相互作用和病毒出现方面的应用。	植物病毒及其在农业中的影响。	机器学习	NA	机器学习	深度学习算法	大数据	NA
19092	2024-08-25	Personalized wearable electrodermal sensing-based human skin hydration level detection for sports, health and wellbeing 2022-03-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07754-8 PMID:35260675	研究论文	本文提出了一种基于机器学习和深度学习的个性化穿戴式电皮肤传感系统，用于非侵入性地监测人体皮肤的水分水平	本文引入了混合（ML+DL）模型，特别是混合Bi-LSTM算法，以提高水分水平估计的准确性	NA	开发一种有效的非侵入性水分监测系统，以避免潜在的健康并发症和死亡风险	人体皮肤的水分水平	机器学习	NA	电皮肤反应（GSR）	Bi-LSTM	数据	数据收集包括三种不同的水分状态（水分充足、轻度脱水和极度轻度脱水）和三种不同的身体姿势（坐、站和走）
19093	2024-08-25	A deep learning-driven low-power, accurate, and portable platform for rapid detection of COVID-19 using reverse-transcription loop-mediated isothermal amplification 2022-03-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07954-2 PMID:35260715	研究论文	本文介绍了一种基于深度学习的便携式、准确、低成本设备，用于通过逆转录环介导等温扩增（RT-LAMP）快速检测COVID-19	该设备采用3D打印技术，仅需5伏交流-直流适配器供电，可同时进行16次RT-LAMP反应，并可重复使用。实验方案设计消除了对单独昂贵RNA提取设备的需求，并防止样品蒸发	NA	开发一种快速、准确、便携的COVID-19检测设备	COVID-19的快速检测	机器学习	COVID-19	RT-LAMP	深度学习系统	颜色数据	250个RT-LAMP临床样本
19094	2024-08-25	Pretrained transformer framework on pediatric claims data for population specific tasks 2022-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07545-1 PMID:35256645	研究论文	本文介绍了一种名为Claim Pre-Training (Claim-PT)的预训练框架，该框架首先在整个儿科索赔数据集上进行训练，然后针对每个特定人群任务进行区分性微调，以解决特定人群任务数据稀缺的问题	提出了Claim-PT框架，通过预训练和任务感知微调实现了有效的知识转移，并能在小规模患者群体中充分训练深度学习模型	NA	开发一种能够在特定人群任务中有效利用儿科索赔数据的预训练框架	儿科索赔数据和特定人群的医疗任务	机器学习	NA	预训练和微调技术	Transformer	电子健康记录(EHR)数据	超过一百万患者记录
19095	2024-08-25	A Hybrid Model for Driver Emotion Detection Using Feature Fusion Approach 2022-03-06, International journal of environmental research and public health DOI:10.3390/ijerph19053085 PMID:35270777	研究论文	本文提出了一种混合模型，用于在不同姿态、遮挡和光照条件下检测驾驶员的六到七种情绪，通过融合Gabor和LBP特征并结合支持向量机和卷积神经网络进行分类	开发了一种新颖的混合网络架构，结合深度神经网络和支持向量机，以提高情绪检测的准确性	NA	旨在通过监测驾驶员的情绪来预测其行为，从而避免交通事故	驾驶员的情绪	机器学习	NA	特征融合	混合模型（深度神经网络和支持向量机）	图像	使用了FER 2013、CK+、KDEF和KMU-FED数据集
19096	2024-08-25	Federated learning for multi-center imaging diagnostics: a simulation study in cardiovascular disease 2022-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07186-4 PMID:35241683	研究论文	本文通过模拟研究探讨了联邦学习在多中心心血管疾病影像诊断中的应用	首次在心血管磁共振成像领域进行联邦学习的模拟研究，并探索了两种不同的形状先验信息整合方法和四种数据增强设置	研究样本量较小，仅包含180个来自四个中心的研究对象	验证联邦学习在多中心影像诊断中的有效性和优势	心血管疾病中的肥厚型心肌病诊断	机器学习	心血管疾病	联邦学习	3D-CNN	影像	180个研究对象
19097	2024-08-25	Unsupervised Learning in Drug Design from Self-Organization to Deep Chemistry 2022-Mar-03, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23052797 PMID:35269939	综述	本文回顾了从1990年代的自组织映射到当前深度化学中神经网络在药物设计中的应用	探讨了无监督学习在深度化学中的潜在应用，特别是自组织映射的高效性	化学领域中可用的测量属性数据仍然有限，影响了深度化学的效率	探索神经网络在药物设计中的应用，特别是深度学习和无监督学习方法	神经网络在药物设计中的应用，特别是自组织映射和深度学习	机器学习	NA	深度学习	神经网络	分子表示	NA
19098	2024-08-25	A deep learning model for molecular label transfer that enables cancer cell identification from histopathology images 2022-Mar-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-022-00252-0 PMID:35236916	研究论文	本文开发了一种名为H&E分子神经网络（HEMnet）的深度学习模型，用于从组织病理学图像中识别癌细胞	HEMnet利用免疫组织化学作为初始分子标签，通过分子转移方法成功生成了大量训练图像，并能以更高分辨率预测癌细胞	NA	提高癌症诊断的准确性	从组织病理学图像中识别癌细胞	机器学习	结直肠癌	深度学习	神经网络	图像	21,939个肿瘤图像和8,782个正常图像
19099	2024-08-25	Artificial intelligence to detect malignant eyelid tumors from photographic images 2022-Mar-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00571-3 PMID:35236921	研究论文	本文开发了一种基于卷积神经网络和深度学习分类网络的人工智能系统，用于从摄影图像中自动检测和区分恶性与良性眼睑肿瘤	该系统能够自动定位眼睑肿瘤并区分恶性与良性，其性能与资深眼科医生相当	NA	促进恶性眼睑肿瘤的早期检测和治疗	眼睑肿瘤的恶性与良性区分	计算机视觉	眼睑肿瘤	卷积神经网络	CNN	图像	1,417张图像来自851名患者
19100	2024-08-25	Generating 3D molecules conditional on receptor binding sites with deep generative models 2022-Mar-02, Chemical science IF:7.6Q1 DOI:10.1039/d1sc05976a PMID:35356675	research paper	本文首次描述了一种基于深度学习的系统，用于生成以受体结合位点为条件的3D分子结构	本研究首次应用深度学习生成预测与蛋白质结合的3D分子，通过条件变分自编码器和原子密度网格表示法来实现	NA	旨在通过深度学习找到与特定目标蛋白质结合的小分子，实现基于结构的药物发现	3D分子结构及其与蛋白质的结合能力	machine learning	NA	条件变分自编码器	VAE	原子密度网格	涉及交叉对接的蛋白质-配体结构