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
19241	2024-08-25	Recent Advances of Deep Learning for Computational Histopathology: Principles and Applications 2022-Feb-25, Cancers IF:4.5Q1 DOI:10.3390/cancers14051199 PMID:35267505	综述	本文综述了深度学习在数字H&E染色病理图像分析中的最新进展和应用	深度学习及其扩展为解决病理图像分析中的挑战性问题提供了多种途径，如颜色归一化、图像分割以及癌症的诊断和预后	NA	综述深度学习在数字病理学中的应用和原理	数字H&E染色病理图像	数字病理学	NA	深度学习	CNN	图像	NA
19242	2024-08-25	Deep learning-based quantitative analyses of spontaneous movements and their association with early neurological development in preterm infants 2022-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07139-x PMID:35210507	研究论文	本研究旨在基于深度学习算法开发高风险早产儿自发运动的定量评估方法	利用深度学习算法和样本熵对早产儿自发运动的复杂性指数进行定量评估	NA	开发早产儿自发运动的定量评估方法，并探讨其与早期神经发育的关联	高风险早产儿的自发运动	机器学习	NA	深度学习算法	pose-estimation model	视频图像	65名早产儿
19243	2024-08-25	Forecasting the outcome of spintronic experiments with Neural Ordinary Differential Equations 2022-Feb-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28571-7 PMID:35197449	研究论文	本文展示了使用神经常微分方程（Neural Ordinary Differential Equations）的动态神经网络，能够在极少数据训练下，高精度且高效地预测自旋电子器件的行为	提出了将神经常微分方程应用于自旋电子学的框架，能够显著加速复杂问题的模拟，如磁斯格明子构成的储备池计算机的模拟	目前仅限于自旋电子器件的预测，尚未扩展到其他类型的电子设备	开发一种新的工具，以辅助自旋电子应用的开发，并弥补微磁模拟在处理噪声和不完美情况时的不足	自旋电子器件及其在不同输入下的响应	机器学习	NA	神经常微分方程（Neural Ordinary Differential Equations）	动态神经网络	实验数据	五毫秒的测量响应数据
19244	2024-08-25	Segmentation of pancreatic ductal adenocarcinoma (PDAC) and surrounding vessels in CT images using deep convolutional neural networks and texture descriptors 2022-02-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07111-9 PMID:35197542	研究论文	本文介绍了一种基于卷积神经网络（CNN）的框架，用于在CT图像中分割胰腺导管腺癌（PDAC）及其周围血管，结合了强大的经典特征	引入了Texture Attention U-Net（TAU-Net），通过融合密集的尺度不变特征变换（SIFT）和局部二值模式（LBP）描述符到注意力U-Net中，并提出了一个多目标损失函数来减少不平衡数据的影响	由于样本量不足，血管分割采用了预训练网络并进行微调	实现胰腺导管腺癌及其周围血管的全自动和体积分割，以辅助诊断和手术规划	胰腺导管腺癌（PDAC）及其周围血管的分割	计算机视觉	胰腺癌	卷积神经网络（CNN）	3D-CNN, 2D注意力U-Net, Texture Attention U-Net（TAU-Net）	CT图像	样本量不足
19245	2024-08-25	UFold: fast and accurate RNA secondary structure prediction with deep learning 2022-02-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkab1074 PMID:34792173	研究论文	本文提出了一种基于深度学习的方法UFold，用于预测RNA二级结构，该方法通过全卷积网络（FCN）高效处理RNA序列的图像类表示	UFold采用了一种新颖的图像类表示方法，能够通过全卷积网络高效处理RNA序列，并且在跨家族RNA数据集上与传统方法表现相当	NA	解决RNA二级结构预测的性能瓶颈问题	RNA二级结构的预测	机器学习	NA	深度学习	全卷积网络（FCN）	序列	NA
19246	2024-08-25	Variational autoencoding of gene landscapes during mouse CNS development uncovers layered roles of Polycomb Repressor Complex 2 2022-02-22, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkac006 PMID:35048973	研究论文	本文通过变分自编码器分析小鼠中枢神经系统发育过程中的基因表达图谱，揭示了Polycomb抑制复合物2（PRC2）在促进前脑扩张中的多层作用	开发了一种结合标准统计分析和概率深度学习的方法，以整合转录组响应PRC2失活与表观遗传数据，并发现了几组未预期的基因	NA	探究PRC2在小鼠胚胎中枢神经系统发育中的全面作用及其与表观遗传景观的交集	小鼠中枢神经系统发育中的PRC2功能	数字病理学	NA	变分自编码器	变分自编码器	转录组数据	通过突变关键基因Eed去除了发育中小鼠中枢神经系统中的PRC2功能，并生成了时空转录组数据
19247	2024-08-25	Deep learning for fully automatic detection, segmentation, and Gleason grade estimation of prostate cancer in multiparametric magnetic resonance images 2022-02-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06730-6 PMID:35194056	研究论文	本文提出了一种基于深度学习的全自动系统，用于从多参数磁共振成像（mpMRI）中定位、分割和评估前列腺癌（PCa）病变的Gleason分级	该系统在测试集上实现了高水平的AUC、敏感性和特异性，并在在线ProstateX挑战中取得了与原始获胜者相当的AUC	NA	开发一种全自动系统，用于从多参数磁共振成像中检测、分割和评估前列腺癌的Gleason分级	前列腺癌病变	计算机视觉	前列腺癌	深度学习	NA	图像	训练/验证集使用490个mpMRI，测试集使用75个mpMRI
19248	2024-08-25	Deep learning forecasting using time-varying parameters of the SIRD model for Covid-19 2022-02-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06992-0 PMID:35194090	研究论文	本文介绍了一种结合易感-感染-恢复-死亡模型（SIRD模型）和长短期记忆（LSTM）神经网络的新算法，用于实时预测和时间依赖参数估计，包括接触率和死亡率	该算法通过将SIRD模型的流行病学动态融入LSTM网络，提高了预测准确性，并利用手机移动数据和阳性测试率，以及疫苗接种模型，捕捉个体行为变化和政策制定者的响应	NA	开发一种准确的流行病学模型，帮助政府、组织和个人对新冠疫情做出适当反应	新冠疫情中的基本再生数和时间依赖参数	机器学习	NA	长短期记忆（LSTM）神经网络	LSTM	数据	NA
19249	2024-08-25	The Free Energy Principle for Perception and Action: A Deep Learning Perspective 2022-Feb-21, Entropy (Basel, Switzerland) DOI:10.3390/e24020301 PMID:35205595	研究论文	本文探讨了利用深度学习设计基于主动推理的人工智能代理，并提供了自由能原理的深度学习视角	将自由能原理与深度学习结合，为主动推理框架提供了新的视角，并将其理论基础与实际应用相结合	NA	研究如何利用深度学习实现基于主动推理的人工智能代理	自由能原理及其在人工智能代理中的应用	机器学习	NA	深度学习	NA	NA	NA
19250	2024-08-25	Drug Properties Prediction Based on Deep Learning 2022-Feb-21, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14020467 PMID:35214201	research paper	本文提出基于深度学习的预测模型，用于提高口服速溶药物的崩解时间和缓释片累积溶解曲线的预测性能	首次使用Wasserstein生成对抗网络（WGAN）进行药物制剂预测	数据集不平衡且规模小，神经网络结构效率不高	提高口服速溶药物制剂预测的性能	口服速溶薄膜（OFDF）和缓释片（SRMT）的崩解时间和溶解曲线	machine learning	NA	深度学习	WGAN	数据集	小规模且不平衡的数据集
19251	2024-08-25	Molecular Imaging of Brain Tumors and Drug Delivery Using CEST MRI: Promises and Challenges 2022-Feb-20, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics14020451 PMID:35214183	综述	本文综述了化学交换饱和转移（CEST）磁共振成像（MRI）在脑肿瘤检测和药物递送中的应用前景与挑战	CEST MRI通过检测内源性分子如蛋白质/肽和临床批准药物，提供了一种敏感且非侵入性的方法来评估脑肿瘤及相关分子改变	CEST对比度依赖于脉冲序列、饱和参数、CEST光谱分析方法（如Z-光谱）以及如何解释CEST对比度的变化和相关的分子改变	探讨CEST MRI在脑肿瘤识别、肿瘤分级、分子改变检测（如IDH和MGMT）、治疗效果评估以及开发癌症治疗中的治疗诊断方法的应用	脑肿瘤及其分子改变	医学影像	脑肿瘤	CEST MRI	NA	影像	NA
19252	2024-08-25	Identification of Diabetic Retinopathy Using Weighted Fusion Deep Learning Based on Dual-Channel Fundus Scans 2022-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020540 PMID:35204628	研究论文	本文提出了一种基于双通道眼底扫描的加权融合深度学习网络（WFDLN），用于自动提取特征并分类糖尿病视网膜病变（DR）阶段	本文创新性地使用了双通道眼底图像（CLAHE和CECED），并通过加权融合的方法提高了分类准确性	NA	旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性	糖尿病视网膜病变（DR）的分类	计算机视觉	糖尿病视网膜病变	深度学习	加权融合深度学习网络（WFDLN）	图像	在Messidor数据集上测试，准确率为98.5%，敏感性为98.9%，特异性为98.0%；在Kaggle数据集上测试，准确率为98.0%，敏感性为98.7%，特异性为97.8%
19253	2024-08-25	Knee Injury Detection Using Deep Learning on MRI Studies: A Systematic Review 2022-Feb-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12020537 PMID:35204625	综述	本文通过系统综述方法，评估了深度学习在MRI研究中用于膝关节（前交叉韧带、半月板和软骨）损伤检测的应用	深度学习在MRI诊断膝关节损伤中的应用显示出与人类水平相当的决策能力	当前深度学习方法的局限包括数据不平衡、模型在不同中心的泛化能力、验证偏差、缺乏多类别分类研究以及基准真相的主观性	旨在通过系统综述探讨深度学习在MRI膝关节损伤检测中的应用	膝关节（前交叉韧带、半月板和软骨）损伤	机器学习	NA	深度学习	NA	图像	NA
19254	2024-08-25	Artificial Intelligence-Enabled Electrocardiogram Estimates Left Atrium Enlargement as a Predictor of Future Cardiovascular Disease 2022-Feb-19, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12020315 PMID:35207802	研究论文	本研究开发了一种基于深度学习模型（DLM）的ECG系统，用于识别左心房扩大（LAE）患者，并评估其对未来心血管疾病的预测价值	本研究首次使用深度学习模型（DLM）通过ECG数据识别LAE，并发现ECG-LAE比ECHO-LAE具有更高的预测价值	NA	开发一种新的工具，通过ECG数据预测左心房扩大（LAE）及其相关心血管疾病	ECG记录与相应的心脏超声（ECHO）数据	机器学习	心血管疾病	深度学习模型（DLM）	DLM	ECG数据	开发集101,077份ECG，调整集20,510份ECG，内部验证集7,611份ECG，外部验证集11,753份ECG
19255	2024-08-25	PyUUL provides an interface between biological structures and deep learning algorithms 2022-02-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-28327-3 PMID:35181656	研究论文	本文介绍了一个名为PyUUL的库，该库能够将生物结构转换为3D张量，以便直接应用先进的深度学习算法	PyUUL库的创新之处在于它提供了一个接口，将生物结构与机器学习方法连接起来，使得现代神经网络架构的应用变得可行	NA	旨在解决结构生物信息学中缺乏生物结构与机器学习方法之间接口的问题	生物结构和深度学习算法	计算机视觉	NA	深度学习算法	神经网络	3D张量	NA
19256	2024-08-25	COVID-19 Detection in CT/X-ray Imagery Using Vision Transformers 2022-Feb-18, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12020310 PMID:35207797	研究论文	本文提出了一种使用Vision Transformer架构的深度学习框架，用于通过CT和X射线图像检测COVID-19	采用Vision Transformer架构和Siamese编码器处理原始及增强图像，提高了检测性能	未提及具体限制	开发一种高效的深度学习方法，用于通过医学影像检测COVID-19	COVID-19的CT和X射线图像	计算机视觉	COVID-19	NA	Vision Transformer	图像	使用公共CT和X射线数据集进行评估
19257	2024-08-25	A Transfer Learning Framework with a One-Dimensional Deep Subdomain Adaptation Network for Bearing Fault Diagnosis under Different Working Conditions 2022-Feb-18, Sensors (Basel, Switzerland) DOI:10.3390/s22041624 PMID:35214528	研究论文	本文提出了一种基于一维轻量级深度子域自适应网络的迁移学习框架，用于不同工作条件下滚动轴承故障诊断	提出了一种一维轻量级深度子域自适应网络（1D-LDSAN），使用局部最大均值差异（LMMD）匹配源域和目标域数据的概率分布，提高了分类准确性	NA	提高滚动轴承故障诊断在不同工作条件下的准确性和速度	滚动轴承故障诊断	机器学习	NA	一维轻量级卷积神经网络	CNN	振动信号	使用了Case Western Reserve University（CWRU）数据集中的轴承数据
19258	2024-08-25	Use of a deep learning and random forest approach to track changes in the predictive nature of socioeconomic drivers of under-5 mortality rates in sub-Saharan Africa 2022-Feb-17, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2021-049786 PMID:35177443	研究论文	本研究使用机器学习算法追踪撒哈拉以南非洲地区5岁以下儿童死亡率的社会经济驱动因素的重要性排名和生存结果的变化	本研究展示了深度生存神经网络模型在预测5岁以下儿童死亡率方面的效率	NA	追踪撒哈拉以南非洲地区5岁以下儿童死亡率的社会经济驱动因素的重要性排名和生存结果的变化	撒哈拉以南非洲地区的5岁以下儿童死亡率及其社会经济驱动因素	机器学习	NA	机器学习算法	深度生存神经网络	数据集	总共分析了来自11个数据集的85,688名儿童
19259	2024-08-25	LIM Tracker: a software package for cell tracking and analysis with advanced interactivity 2022-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06269-6 PMID:35177675	研究论文	本文介绍了一种名为LIM Tracker的细胞追踪软件，该软件具有传统追踪功能、基于模式匹配的序列搜索型追踪功能和手动追踪功能，并支持深度学习识别功能	LIM Tracker软件集成了高度交互和联锁的数据可视化方法，实时显示分析结果，并支持深度学习识别功能，适用于多种目标追踪	NA	开发一种用户友好且具有高度通用性的细胞追踪软件	细胞追踪和分析	计算机视觉	NA	深度学习	DL	图像	NRK-52E/EKAREV-NLS细胞、MCF-10A/H2B-iRFP-P2A-mScarlet-I-hGem-P2A-PIP-NLS-mNeonGreen细胞、Glioblastoma-astrocytoma U373细胞
19260	2024-08-25	Artificial intelligence enabled automated diagnosis and grading of ulcerative colitis endoscopy images 2022-02-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-06726-2 PMID:35177717	研究论文	本文研究了使用深度学习卷积神经网络（CNN）对溃疡性结肠炎（UC）内镜图像进行自动诊断和分级	首次比较了多种CNN架构在8000张标记内镜图像上的表现，并使用Gradient-weighted Class Activation Maps（Grad-CAM）提高了模型的可视化解释性	NA	旨在提高溃疡性结肠炎内镜评估的客观性和可重复性	溃疡性结肠炎的内镜图像	计算机视觉	溃疡性结肠炎	深度学习	CNN	图像	8000张标记内镜图像