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
19501	2024-08-12	CAPE: a deep learning framework with Chaos-Attention net for Promoter Evolution 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae398 PMID:39120645	研究论文	本文介绍了一种名为CAPE的深度学习框架，该框架采用混沌注意力网络用于启动子进化，旨在预测启动子强度并指导其定向进化	CAPE模型通过综合提取启动子内的进化信息，并使用改进的DenseNet和Transformer结构处理整体信息，实现了对原核生物启动子强度预测的最新成果	NA	预测启动子强度并指导其定向进化，以降低传统启动子工程中的实验成本	原核生物启动子强度	机器学习	NA	深度学习	DenseNet, Transformer	序列数据	NA
19502	2024-08-12	Deep-learning-enabled antibiotic discovery through molecular de-extinction 2024-Jul, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-024-01201-x PMID:38862735	研究论文	本文展示了利用深度学习从已灭绝生物的蛋白质组中挖掘抗生素肽的可能性	首次利用深度学习技术从已灭绝生物的蛋白质组中挖掘具有广谱抗菌活性的抗生素肽	NA	通过分子复活技术解决抗生素抗性和其他生物医学问题	从已灭绝生物的蛋白质组中挖掘抗生素肽	机器学习	NA	深度学习	神经网络	蛋白质序列	10,311,899个肽序列
19503	2024-08-12	Multi-step ahead forecasting of electrical conductivity in rivers by using a hybrid Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM) model enhanced by Boruta-XGBoost feature selection algorithm 2024-Jul-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65837-0 PMID:38951605	研究论文	本研究使用混合卷积神经网络-长短期记忆（CNN-LSTM）模型结合Boruta-XGBoost特征选择算法，预测澳大利亚两条河流（Albert River和Barratta Creek）的电导率（EC），预测时间长达10天	采用创新的深度学习算法CNN-LSTM，并结合Boruta-XGBoost特征选择方法，提高了预测电导率的准确性	随着预测时间范围从3天增加到10天，模型的性能略有下降	开发一种高效的软计算方法，用于准确预测河流中电导率的变化	澳大利亚的Albert River和Barratta Creek的电导率	机器学习	NA	Boruta-XGBoost特征选择算法	CNN-LSTM	时间序列数据	从两条河流的10年数据中，使用7年（2012-2018）作为训练集，3年（2019-2021）作为测试集
19504	2024-08-12	Deep learning-based super-resolution of structural brain MRI at 1.5 T: application to quantitative volume measurement 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01165-8 PMID:38758489	研究论文	本研究探讨了基于深度学习的超分辨率技术在低分辨率图像上生成高分辨率磁共振图像的可行性，旨在缩短扫描时间，并通过脑体积测量评估其效果。	本研究采用了3D残差密集网络（RDN）进行模型训练，提高了图像质量，并通过脑体积测量验证了其有效性。	NA	研究基于深度学习的超分辨率技术在低分辨率磁共振图像上的应用，以缩短扫描时间并保持图像质量。	低分辨率磁共振图像和脑体积测量。	计算机视觉	NA	深度学习	3D残差密集网络（RDN）	图像	使用了多种磁共振扫描仪获取的活体脑图像进行模型训练和测试。
19505	2024-08-12	Comparison of convolutional-neural-networks-based method and LCModel on the quantification of in vivo magnetic resonance spectroscopy 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01120-z PMID:37713007	研究论文	本研究比较了基于卷积神经网络的方法和LCModel在体内磁共振波谱定量分析中的应用	提出了基于卷积神经网络的方法和缩放程序，用于定量分析体内磁共振波谱，并引入基于标准误差（SE）的误差指数来指示代谢物预测的置信水平	NA	探讨基于卷积神经网络的方法结合缩放程序是否能有效反映不同脑区代谢物浓度的变化	体内磁共振波谱的代谢物浓度	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）	波谱数据	43名受试者的三个脑区
19506	2024-08-12	Improvement of image quality in diffusion-weighted imaging with model-based deep learning reconstruction for evaluations of the head and neck 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01129-4 PMID:37989922	研究论文	研究使用基于模型的深度学习方法在头颈部扩散加权成像（DWI）中进行图像重建的效果	采用基于模型的深度学习技术进行图像重建，显著提高了图像质量	NA	评估深度学习（DL）基于模型的图像重建在头颈部扩散加权成像中的应用效果	41名接受头颈部DWI检查的患者	计算机视觉	NA	扩散加权成像（DWI）	深度学习（DL）	图像	41名患者
19507	2024-08-12	Learning to deep learning: statistics and a paradigm test in selecting a UNet architecture to enhance MRI 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01127-6 PMID:37989921	研究论文	本研究旨在评估用于增强低信噪比和欠采样MRI的240个密集UNet（DUNet）训练参数的统计显著性，并确定不同DUNet配置之间的差异及其对图像质量指标的影响的有效性。	强调了在比较不同深度学习模型时使用适当统计分析的重要性，并展示了UNet架构在增强各种采集协议中的意外有效性。	NA	评估训练参数的统计显著性，并确定不同DUNet配置之间的差异及其对图像质量的影响。	240个密集UNet（DUNet）用于增强低信噪比和欠采样MRI。	计算机视觉	NA	深度学习	UNet	MRI图像	240个密集UNet，涉及5种采集协议，24种损失函数权重和2种基本事实。
19508	2024-08-12	Stop moving: MR motion correction as an opportunity for artificial intelligence 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-023-01144-5 PMID:38386151	综述	本文综述了基于深度学习的磁共振成像（MRI）运动校正方法	详细介绍了用于图像域或频率域中运动伪影减少和运动估计的神经网络，并简述了运动估计在其他下游任务中的应用	指出了当前基于深度学习的MRI运动校正的局限性，并提出了未来的研究方向	旨在全面回顾基于深度学习的MRI运动校正方法，并加强不同研究领域之间的互动	磁共振成像中的运动校正	计算机视觉	NA	深度学习	神经网络	图像	NA
19509	2024-08-12	Spinet-QSM: model-based deep learning with schatten p-norm regularization for improved quantitative susceptibility mapping 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01158-7 PMID:38598165	研究论文	本研究提出了一种基于模型的深度学习框架Spinet-QSM，通过Schatten p-范数正则化改进定量磁化率成像	该方法采用可学习的范数参数p，能够对训练数据进行自适应调整，并能强制执行任何p-范数（0 < p ≤ 2）在可训练的正则化器上	NA	开发一种有效的基于模型的深度学习框架来解决定量磁化率成像的逆问题	定量磁化率成像的逆问题	机器学习	NA	磁共振成像	CNN	图像	77个不同采集协议和临床条件的成像体积
19510	2024-08-12	Results of the 2023 ISBI challenge to reduce GABA-edited MRS acquisition time 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01156-9 PMID:38613715	研究论文	比较机器学习方法在减少GABA-编辑磁共振波谱（MRS）采集时间中的应用	使用深度学习重建方法，以较少的瞬态数据实现了与传统方法相当的信号噪声比、线宽和拟合误差	某些深度学习模型在优化线宽和信号噪声比时未能提高整体光谱质量，需要更稳健的评价指标	通过挑战赛形式比较机器学习模型在减少GABA-编辑MRS采集时间中的效果	GABA-编辑磁共振波谱重建模型	机器学习	NA	磁共振波谱（MRS）	卷积神经网络（CNN）和视觉变换器	光谱数据	使用了一季度通常采集的瞬态数据进行模型训练和测试
19511	2024-08-12	Using Deep Learning to Increase Eye-Tracking Robustness, Accuracy, and Precision in Virtual Reality 2024-May, Proceedings of the ACM on computer graphics and interactive techniques IF:1.4Q3 DOI:10.1145/3654705 PMID:39119010	研究论文	本文评估了使用深度学习方法提高虚拟现实中眼动追踪的鲁棒性、准确性和精确度	采用机器学习方法进行瞳孔追踪，相比传统计算机视觉技术在分割性能上表现更优	目前尚不清楚这些网络如何影响最终注视估计的质量	评估几种当代基于机器学习的眼部特征追踪方法对最终注视估计质量的影响	眼动追踪的准确性、精确度和掉线率	计算机视觉	NA	深度学习	NA	图像	NA
19512	2024-08-12	Optimization of news dissemination push mode by intelligent edge computing technology for deep learning 2024-Mar-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-53859-7 PMID:38509163	研究论文	本研究提出了一种基于深度学习和强化学习的新推荐算法，以优化新闻传播的推送模式	引入强化学习算法与深度学习相结合，提高了新闻推荐的准确性和用户满意度	NA	优化新闻传播的推送模式，提升用户对新闻网站的满意度	新闻推荐系统及其推送模式	机器学习	NA	深度学习, 强化学习	Deep Deterministic Policy Gradient (DDPG)	文本	涉及全球超过4亿互联网用户和3亿社交媒体用户的新闻内容
19513	2024-08-12	Performance analysis and knowledge-based quality assurance of critical organ auto-segmentation for pediatric craniospinal irradiation 2024-02-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55015-7 PMID:38378834	研究论文	本研究评估了两种自动分割方法（图谱技术和深度学习神经网络）在儿童颅脊照射治疗区域自动分割中的性能，并开发了一种基于知识的质量保证工具来前瞻性地评估分割准确性。	本研究开发了一种新的基于知识的质量保证工具，用于前瞻性地评估自动分割的准确性，并比较了两种不同方法的性能。	NA	评估和确保儿童颅脊照射治疗区域自动分割的质量和准确性。	儿童颅脊照射治疗区域的自动分割方法及其质量保证工具。	数字病理学	中枢神经系统疾病	深度学习神经网络	神经网络	图像	100名年龄在2至25岁之间的患者，中位年龄为8岁
19514	2024-08-12	The impact of data augmentation and transfer learning on the performance of deep learning models for the segmentation of the hip on 3D magnetic resonance images 2024, Informatics in medicine unlocked DOI:10.1016/j.imu.2023.101444 PMID:39119151	研究论文	研究数据增强和迁移学习对深度学习模型在3D磁共振图像上分割髋关节性能的影响	数据增强比迁移学习更有效，能提高模型的鲁棒性和对图像质量变化的适应性	未提及	探讨数据增强和迁移学习在自动分割髋关节骨结构中的效果	髋关节的股骨和髋臼的自动分割	计算机视觉	NA	深度学习	CNN	3D磁共振图像	患者诊断为髋臼撞击症的3D MR图像
19515	2024-08-12	An unconstrained palmprint region of interest extraction method based on lightweight networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307822 PMID:39121173	研究论文	本文提出了一种基于轻量级网络的无约束掌纹感兴趣区域（ROI）提取方法	使用YOLOv5-lite网络进行手掌检测和初步定位，并改进UNet进行关键点检测，减少了参数数量，提高了网络性能和收敛速度	NA	旨在解决无约束环境下掌纹ROI提取的挑战	掌纹的感兴趣区域	计算机视觉	NA	YOLOv5-lite, UNet	轻量级网络	图像	混合数据库，包含5个数据库
19516	2024-08-12	Validation of Visual and Auditory Digital Markers of Suicidality in Acutely Suicidal Psychiatric Inpatients: Proof-of-Concept Study 2021-06-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/25199 PMID:34081022	研究论文	本文通过视频访谈，利用开源深度学习算法量化面部、语音和运动行为，以评估自杀风险的严重程度	首次使用数字标记方法量化自杀风险症状，如面部表情、头部运动和语音特征	研究样本较小，仅包括20名近期自杀未遂的精神科住院患者	探索通过视频访谈中的面部、语音和运动行为量化自杀风险严重程度	近期自杀未遂的精神科住院患者	计算机视觉	精神疾病	深度学习算法	NA	视频	20名患者
19517	2024-08-12	In silico drug repositioning using deep learning and comprehensive similarity measures 2021-Jun-01, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-03882-y PMID:34074242	研究论文	本文开发了一种深度门控循环单元模型，利用综合相似性度量和高斯交互轮廓核来预测潜在的药物-疾病相互作用，以加速药物再定位和新药研发	本文采用了深度门控循环单元模型和综合相似性度量，以及高斯交互轮廓核来预测药物-疾病相互作用，这一方法在之前的研究中未被充分利用	NA	加速药物再定位和新药研发	药物-疾病相互作用	机器学习	NA	深度学习	门控循环单元 (GRU)	化学指纹和疾病关联数据	两个基准数据集
19518	2024-08-12	Non-invasive measurement of PD-L1 status and prediction of immunotherapy response using deep learning of PET/CT images 2021-06, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2020-002118 PMID:34135101	研究论文	本文利用深度学习技术从PET/CT图像中非侵入性地测量PD-L1状态并预测免疫治疗反应	提出了一种基于深度学习的小残差卷积网络（SResCNN）来预测PD-L1表达状态，并验证了其在预测无进展生存期（PFS）和总生存期（OS）方面的有效性	研究结果需要在大规模前瞻性试验中进一步验证	开发一种替代免疫组化（IHC）的非侵入性方法来测量PD-L1状态，以指导个体化治疗决策	非小细胞肺癌（NSCLC）患者	计算机视觉	肺癌	PET/CT成像	小残差卷积网络（SResCNN）	图像	697名NSCLC患者
19519	2024-08-12	Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform 2021-05-04, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.120.019905 PMID:33899504	研究论文	本研究评估了一种深度学习算法通过商用数字听诊器平台检测心脏杂音和临床显著性瓣膜心脏病的性能	该算法能够检测到与专家心脏病医生相媲美的心脏杂音和临床显著性主动脉瓣狭窄及二尖瓣反流	算法在检测较轻微的杂音（1级强度）时灵敏度较低	评估深度学习算法在通过数字听诊器平台检测心脏杂音和临床显著性瓣膜心脏病中的表现	心脏杂音和临床显著性瓣膜心脏病	机器学习	心血管疾病	深度学习	深度神经网络	音频	962名患者的心音记录
19520	2024-08-12	An integrative microenvironment approach for laryngeal carcinoma: the role of immune/methylation/autophagy signatures on disease clinical prognosis and single-cell genotypes 2021, Journal of Cancer IF:3.3Q2 DOI:10.7150/jca.58076 PMID:34093817	研究论文	本研究全面探讨了甲基化/自噬相关基因（MARGs）和免疫浸润在肿瘤微环境中对喉癌预后的影响	建立了基于MARGs和免疫细胞的预后风险评分系统（pRS），并利用单细胞RNA测序技术揭示了高风险细胞簇中的成纤维细胞富集	NA	探讨肿瘤微环境中的免疫/甲基化/自噬特征对喉癌临床预后和单细胞基因型的作用	喉癌的预后和单细胞基因型	数字病理学	喉癌	单细胞RNA测序	深度学习模型	基因数据	126个MARGs和10种免疫细胞，以及临床样本和GEO数据集