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
19221	2024-08-19	Natural language processing with transformers: a review 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2222 PMID:39145251	综述	本文综述了基于Transformer的自然语言处理（NLP）任务解决方案，包括BERT和GPT架构	系统总结并比较了基于Transformer架构的NLP应用	NA	旨在简要总结NLP任务的使用案例及其主要架构	NLP任务及其基于Transformer的解决方案	自然语言处理	NA	Transformer	BERT, GPT	文本	NA
19222	2024-08-19	Efficient prediction of anticancer peptides through deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2171 PMID:39145253	研究论文	本研究利用二维卷积神经网络（2D CNN）深度学习模型，旨在提高抗癌肽预测的准确性	提出的2D CNN模型在预测抗癌肽方面表现优于现有方法，准确率、精确度、召回率和F1分数均较高	未来研究应扩大数据集，探索其他深度学习架构，并通过实验研究验证模型预测	开发和评估一个基于2D CNN的深度学习模型，以提高抗癌肽预测的准确性	抗癌肽的预测和识别	机器学习	癌症	2D CNN	2D CNN	序列	来自多个公共数据库和实验研究的多样化肽序列数据集
19223	2024-08-19	Adversarial Learning for MRI Reconstruction and Classification of Cognitively Impaired Individuals 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3408840 PMID:39148927	研究论文	开发了一种双目标对抗学习框架，用于同时重建高质量的脑部磁共振图像并保留疾病特异性成像特征，以预测从轻度认知障碍到阿尔茨海默病的进展	引入了一种双目标对抗学习框架，结合生成对抗网络和分类器，以在重建高质量脑部MRI的同时保留疾病特异性成像特征	NA	开发一种新的深度学习框架，用于提高脑部MRI的重建质量和疾病特异性成像特征的保留	轻度认知障碍（MCI）到阿尔茨海默病（AD）的进展预测	计算机视觉	阿尔茨海默病	生成对抗网络（GAN）	GAN	图像	来自阿尔茨海默病神经成像倡议（ADNI）的342名参与者和国家阿尔茨海默病协调中心（NACC）的190名参与者
19224	2024-08-19	An automatic glaucoma grading method based on attention mechanism and EfficientNet-B3 network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296229 PMID:39150930	研究论文	本文提出了一种基于注意力机制和EfficientNet-B3网络的自动青光眼分级方法	该方法通过结合EfficientNetB3和ResNet34网络，从2D眼底图像和3D-OCT扫描图像中提取并融合特征，引入注意力机制以提高分类准确性，并减少特征冗余	该研究使用的是私有数据集，可能存在数据集大小和多样性的限制	旨在提高青光眼的早期识别和分级准确性	青光眼患者的眼底图像和3D-OCT扫描图像	计算机视觉	青光眼	NA	CNN	图像	包含2D眼底图像和3D-OCT扫描图像的私有数据集
19225	2024-08-19	A scalable blockchain-enabled federated learning architecture for edge computing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308991 PMID:39150937	研究论文	本文提出了一种基于区块链的可扩展联邦学习架构FLCoin，用于边缘计算	提出了一种新的委员会基于的共识处理方法，并采用双层区块链架构，确保了系统的可扩展性和效率	未提及	探索区块链和联邦学习技术在物联网边缘网络中的集成	边缘计算中的数据处理和智能生成	机器学习	NA	区块链，联邦学习	CNN	图像	使用MNIST数据集进行实验
19226	2024-08-19	Three-Dimensional Structural Phenotype of the Optic Nerve Head as a Function of Glaucoma Severity 2023-09-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.3315 PMID:37589980	研究论文	本研究详细描述和分析了青光眼严重程度作为函数的3维结构表型，增强了对青光眼复杂病理的理解	使用传统和人工智能驱动的方法，描述了不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异	本研究为横断面研究，未来需要进行纵向研究以建立特定的3维ONH结构变化与快速视野恶化的联系	描述不同青光眼阶段视神经头（ONH）中连接组织和神经组织的3维结构差异	视神经头（ONH）的3维结构	数字病理学	青光眼	光谱域光学相干断层扫描	深度神经网络	图像	541名中国个体和112名白人参与者
19227	2024-08-19	Protein structure prediction using deep learning distance and hydrogen-bonding restraints in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26193 PMID:34331351	研究论文	本文报告了CASP14中两个最佳服务器（“Zhang-Server”和“QUARK”）的3D结构预测结果，这些服务器基于D-I-TASSER和D-QUARK算法，集成了四个新开发组件到经典的蛋白质折叠流程中	引入了新的多序列比对工具DeepMSA2、接触基域边界预测算法FUpred、基于残差卷积神经网络的方法DeepPotential以及优化的空间约束能量势，显著提高了蛋白质结构预测的准确性	当前流程在多域蛋白质建模和寡聚体复合物中的蛋白质域建模方面仍存在挑战，特别是域间距离预测的准确性较低	提高蛋白质结构预测的准确性	蛋白质的3D结构	机器学习	NA	深度学习	残差卷积神经网络	多序列比对数据	37个FM目标
19228	2024-08-19	Protein inter-residue contact and distance prediction by coupling complementary coevolution features with deep residual networks in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26211 PMID:34382712	research paper	本文报道并分析了在第14届蛋白质结构预测关键评估（CASP14）中，通过结合互补的共进化特征与深度残差网络进行蛋白质接触和距离预测的方法	采用了一种新的基于深度学习的接触/距离预测器，该预测器基于两个互补共进化特征的集成与深度残差网络的结合，并改进了多序列比对（MSA）生成协议	NA	旨在提高蛋白质接触和距离预测的准确性	蛋白质接触和距离预测	machine learning	NA	深度学习	深度残差网络	序列数据	22个CASP14自由建模（FM）目标和14个FM/模板辅助建模（TBM）目标
19229	2024-08-19	A Hybrid Convolutional Neural Network Model for Diagnosis of COVID-19 Using Chest X-ray Images 2021-11-20, International journal of environmental research and public health DOI:10.3390/ijerph182212191 PMID:34831960	研究论文	本文提出了一种名为C19D-Net的混合卷积神经网络模型，用于通过胸部X光图像诊断COVID-19感染	该研究采用了InceptionV4架构和多类SVM分类器提取深度学习特征，以提高COVID-19检测的准确性	NA	开发一种新的图像处理技术，帮助医疗系统通过胸部X光图像快速准确地检测COVID-19感染	COVID-19感染的胸部X光图像	计算机视觉	COVID-19	卷积神经网络	CNN	图像	1900张胸部X光图像
19230	2024-08-19	Advanced Computational Methods for Oncological Image Analysis 2021-Nov-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging7110237 PMID:34821868	研究论文	本论文集专注于肿瘤影像分析的先进计算方法	涵盖了最新的算法和方法，以及计算方法在肿瘤影像分析中的应用	NA	探索和应用先进的计算方法于肿瘤影像分析	肿瘤影像分析的算法和方法	计算机视觉	肿瘤	深度学习	NA	影像	NA
19231	2024-08-19	Live Spoofing Detection for Automatic Human Activity Recognition Applications 2021-Nov-04, Sensors (Basel, Switzerland) DOI:10.3390/s21217339 PMID:34770646	研究论文	本文提出了一种基于深度学习的活体欺骗检测方法，用于自动人体活动识别应用中的视频重放攻击检测	本文引入了一个新的数据库，包含在不同光照条件和使用不同显示及捕捉设备下拍摄的用户玩足球的视频，并展示了该系统能够实时并行运行	NA	旨在提高人体活动识别应用中的欺骗检测能力，防止异常和误报	视频重放攻击的欺骗检测	计算机视觉	NA	深度学习	NA	视频	包含多个用户玩足球的视频的数据库
19232	2024-08-19	Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images 2021-11-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-26643-8 PMID:34728629	研究论文	本文提出了一种基于平均教师架构的半监督学习方法，用于准确识别结直肠癌病理图像	采用半监督学习方法，显著减少了标注需求，同时保持了与监督学习相当的性能	NA	旨在通过半监督学习方法提高机器辅助病理识别的准确性，同时减少对大量标注的依赖	结直肠癌的病理图像	数字病理学	结直肠癌	半监督学习	平均教师架构	图像	13,111张全切片图像，来自8803个独立中心的13个中心
19233	2024-08-19	Scope of Artificial Intelligence in Gastrointestinal Oncology 2021-Nov-01, Cancers IF:4.5Q1 DOI:10.3390/cancers13215494 PMID:34771658	综述	本文综述了人工智能在胃肠肿瘤学中的应用，包括诊断、肿瘤组织学预测、息肉特征化、转移潜能评估、预后和治疗反应预测等方面	人工智能通过机器或深度学习算法提供自动和准确的图像分析，辅助诊断	目前依赖于放射科医生和内镜医生对影像的手动解读，可能导致诊断变异性	探讨人工智能在胃肠癌筛查、诊断、肿瘤分期、治疗方式和预后预测模型中的影响、局限性和未来潜力	胃肠癌的诊断和治疗	机器学习	胃肠癌	NA	NA	图像	NA
19234	2024-08-19	Deep learning identifies antigenic determinants of severe SARS-CoV-2 infection within T-cell repertoires 2021-07-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93608-8 PMID:34253751	研究论文	本研究通过分析T细胞受体测序（TCR-Seq）数据，利用深度学习方法识别出与严重SARS-CoV-2感染相关的抗原决定簇。	本研究首次使用深度学习技术分析T细胞受体序列，识别出与严重SARS-CoV-2感染相关的特定抗原反应。	研究依赖于公开数据库中的数据，可能存在样本选择偏倚。	旨在通过免疫基因组学分析，理解导致SARS-CoV-2感染临床结果差异的免疫学机制。	研究对象为SARS-CoV-2感染患者，特别是那些临床结果显示病情严重性的患者。	机器学习	NA	T细胞受体测序（TCR-Seq）	深度学习模型	序列数据	研究涉及两个队列，具体样本数量未在摘要中明确。
19235	2024-08-19	Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT Images: A Machine Learning Based Approach 2021 Jul-Sep, Biocybernetics and biomedical engineering IF:5.3Q1 DOI:10.1016/j.bbe.2021.05.013 PMID:34108787	研究论文	本文研究了基于深度学习的特征提取框架，用于自动分类COVID-19的X射线和CT图像	采用了多种深度卷积神经网络进行特征提取，并通过机器学习分类器进行分类，避免了特定任务的数据预处理方法，提高了对未知数据的一般化能力	NA	开发一种计算机辅助诊断系统，用于早期检测COVID-19异常并监测疾病进展，从而可能降低死亡率	COVID-19的X射线和CT图像	机器学习	COVID-19	深度学习	CNN	图像	公开可用的COVID-19胸部X射线和CT图像数据集
19236	2024-08-19	A Hybrid Method of Covid-19 Patient Detection from Modified CT-Scan/Chest-X-Ray Images Combining Deep Convolutional Neural Network And Two- Dimensional Empirical Mode Decomposition 2021, Computer methods and programs in biomedicine update DOI:10.1016/j.cmpbup.2021.100022 PMID:34337590	研究论文	本文提出了一种结合深度卷积神经网络和二维经验模态分解的混合方法，用于从修改后的CT扫描/胸部X光图像中快速检测Covid-19患者	本文采用二维经验模态分解对CT扫描/胸部X光图像进行预处理，生成不同阶的本征模态函数，然后利用深度卷积神经网络进行特征提取和分类，提供了一种新的图像预处理特征提取视角	NA	开发一种快速且准确的Covid-19检测方法	Covid-19患者的CT扫描和胸部X光图像	计算机视觉	Covid-19	二维经验模态分解（2DEMD）	CNN	图像	三个公开的SARS-CoV-2数据集
19237	2024-08-19	Automated Identification of Skull Fractures With Deep Learning: A Comparison Between Object Detection and Segmentation Approach 2021, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2021.687931 PMID:34777193	研究论文	本研究旨在开发一种基于深度学习的系统，用于从颅脑CT扫描中自动识别颅骨骨折	本研究采用了两种深度学习方法（对象检测和分割）来识别颅骨骨折，并比较了它们的性能	研究使用了回顾性数据，且模型性能在测试集上有所波动	开发和验证用于自动识别颅骨骨折的深度学习系统	颅骨骨折的自动识别	计算机视觉	NA	深度学习	YOLOv3, 注意力U-Net	CT扫描图像	4,782名患者（开发集：4,168，测试集：614），以及7,856名健康人
19238	2024-08-19	Utilization of Nursing Defect Management Evaluation and Deep Learning in Nursing Process Reengineering Optimization 2021, Computational and mathematical methods in medicine DOI:10.1155/2021/8019385 PMID:34819992	研究论文	本研究探讨了护理缺陷管理评估和深度学习在护理流程再造优化中的应用	本研究通过改进Apriori算法和使用卷积神经网络(CNN)进行数据特征分类，提高了数据处理的效率	NA	旨在优化护理流程，提高长期护理的效果和临床护理质量	护理缺陷管理、护理数据挖掘、护理流程优化	机器学习	NA	卷积神经网络(CNN)	CNN	图像	使用了SVHN数据集进行网络训练
19239	2024-08-19	Development of pathological reconstructed high-resolution images using artificial intelligence based on whole slide image 2020-Dec, MedComm IF:10.7Q1 DOI:10.1002/mco2.39 PMID:34766132	研究论文	本文提出了一种基于深度学习的高分辨率病理图像重建方法，能够将20倍全切片图像转换为40倍图像，同时保持整体和局部特征	开发了一种新的高分辨率图像重建流程，通过深度学习技术实现20倍全切片图像到40倍图像的无损转换	NA	提高数字病理学的普及性，通过减少存储空间和传输时间的需求	子宫平滑肌肉瘤和成人颗粒细胞瘤的全切片图像数据	数字病理学	肿瘤	深度学习	深度学习模型	图像	100例子宫平滑肌肉瘤和100例成人颗粒细胞瘤的全切片图像
19240	2024-08-18	Artificial intelligence in antidiabetic drug discovery: The advances in QSAR and the prediction of α-glucosidase inhibitors 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.07.003 PMID:39148608	综述	本文综述了人工智能在抗糖尿病药物发现中的应用，特别是定量构效关系（QSAR）分析和α-葡萄糖苷酶抑制剂的预测	介绍了从经典机器学习算法到现代深度学习算法在QSAR模型开发中的应用	NA	探讨人工智能在抗糖尿病药物发现中的应用，特别是QSAR分析和α-葡萄糖苷酶抑制剂的预测	抗糖尿病药物目标α-葡萄糖苷酶的调节	机器学习	糖尿病	QSAR	机器学习算法，深度学习算法	分子描述符	NA