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	2024-09-13	Reference-Based Multi-Stage Progressive Restoration for Multi-Degraded Images 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3451939 PMID:39236125	研究论文	本文提出了一种基于参考图像的多阶段渐进式图像恢复方法，用于处理多重退化的图像	本文创新性地提出了Reference-based Image Restoration Transformer (Ref-IRT)模型，通过三个主要阶段逐步恢复图像细节，并引入了质量退化恢复方法和纹理转移/重建网络来增强恢复效果	NA	研究如何通过深度学习技术有效恢复多重退化图像的高质量细节	多重退化的图像	计算机视觉	NA	深度学习	Transformer	图像	在三个基准数据集上进行了实验
19502	2024-09-13	Smartphone region-wise image indoor localization using deep learning for indoor tourist attraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307569 PMID:39250439	研究论文	本文提出了一种利用深度学习技术通过智能手机图像进行室内旅游景点区域定位的方法	该方法无需基础设施投资，降低了将博物馆和海洋馆转变为智能场所的成本和时间	研究仅在巴西的一个实际场景中进行了评估，可能需要进一步验证其在其他地区的效果	开发一种适用于室内旅游景点的智能手机图像区域定位技术	智能手机拍摄的图像和室内旅游景点的位置分类	计算机视觉	NA	深度学习	神经网络（包括基于Transformer的模型）	图像	3654张图像，来自10种不同智能手机
19503	2024-09-13	Innovation in public health surveillance for social distancing during the COVID-19 pandemic: A deep learning and object detection based novel approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308460 PMID:39250511	研究论文	本文提出了一种基于深度学习和目标检测的公共健康监测新方法，用于在COVID-19疫情期间监控社交距离	采用YOLOv4模型和无人机实时视频数据，实现了高效的社交距离监控，准确率达到82%	NA	开发一种创新的公共健康监测方法，以应对COVID-19疫情期间的社交距离问题	社交距离的监控和违规行为的检测	计算机视觉	COVID-19	目标检测	YOLOv4	视频	使用无人机实时流式传输的25fps、1920 X 1080分辨率视频数据，监控范围为35米
19504	2024-09-13	Deep learning for detecting prenatal alcohol exposure in pediatric brain MRI: a transfer learning approach with explainability insights 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1434421 PMID:39252695	研究论文	本文利用深度学习技术，通过迁移学习方法检测儿童脑部MRI中的产前酒精暴露（PAE），并进行了可解释性分析	本文首次将深度学习应用于检测儿童脑部MRI中的产前酒精暴露，并采用迁移学习方法和可解释性分析来提高模型的性能和透明度	由于儿童脑部快速发育、运动伪影和数据不足等问题，构建适用于儿童群体的深度学习模型存在挑战	研究如何利用深度学习和迁移学习方法检测儿童脑部MRI中的产前酒精暴露，并进行可解释性分析	2至8岁儿童的T1加权结构脑部MRI扫描数据	计算机视觉	NA	深度学习	简单全卷积网络（SFCN）	图像	涉及2至8岁儿童的脑部MRI扫描数据，具体样本数量未明确提及
19505	2024-09-13	High-Throughput Phenotyping of Soybean Biomass: Conventional Trait Estimation and Novel Latent Feature Extraction Using UAV Remote Sensing and Deep Learning Models 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0244 PMID:39252878	研究论文	本研究利用无人机遥感和深度学习模型对大豆生物量相关性状进行高通量表型分析	首次结合无人机遥感和深度学习模型进行大豆生物量相关性状的高通量表型分析，并提取潜在特征用于基因组预测	研究仅在2018年进行了一次田间试验，样本量有限，且仅在干旱和对照两种灌溉条件下进行	开发模型以利用无人机遥感和深度学习模型估计大豆生物量相关性状的表型值	大豆生物量相关性状，包括干重、主茎长度、节点和分支数量以及植株高度	计算机视觉	NA	无人机遥感	卷积神经网络（CNN）	图像	198个已知全基因组序列的大豆种质
19506	2024-09-13	Choroidal Optical Coherence Tomography Angiography: Noninvasive Choroidal Vessel Analysis via Deep Learning 2024, Health data science DOI:10.34133/hds.0170 PMID:39257642	研究论文	本文提出了一种基于深度学习的非侵入性脉络膜血管分析方法，通过光学相干断层扫描血管造影（OCTA）技术，实现对脉络膜亚层的血管分布评估	本文提出了一种新的脉络膜血管造影策略，并采用了一种集成判别均值教师结构来处理跨域分割任务中的特定问题	本文的实验结果主要基于特定的疾病样本，未来需要进一步验证其在更广泛疾病类型中的适用性	开发一种非侵入性的方法来评估脉络膜亚层的血管分布，支持脉络膜疾病的临床分析	脉络膜亚层的血管分布	计算机视觉	NA	光学相干断层扫描血管造影（OCTA）	集成判别均值教师结构	图像	NA
19507	2024-09-13	medigan: a Python library of pretrained generative models for medical image synthesis 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.061403 PMID:36814939	研究论文	本文介绍了一个名为medigan的Python库，该库提供了预训练的生成模型，用于医学图像合成	medigan库通过提供预训练的生成模型，降低了生成模型在研究和临床应用中的使用门槛，促进了合成数据的共享和利用	NA	探索生成模型共享，以降低生成模型在研究和临床应用中的使用门槛	生成模型在医学图像合成中的应用	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	21个模型，9种不同的GAN架构，11个不同的数据集
19508	2024-09-13	Unbiased curriculum learning enhanced global-local graph neural network for protein thermodynamic stability prediction 2023-10-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btad589 PMID:37740312	研究论文	本文提出了一种基于无偏课程学习增强的全局-局部图神经网络，用于蛋白质热力学稳定性预测	本文创新性地结合了全局-局部图神经网络和无偏课程学习方法，以解决现有方法在蛋白质结构自然拓扑和噪声样本处理上的不足	NA	提高蛋白质热力学稳定性预测的准确性	蛋白质及其点突变后的热力学稳定性	机器学习	NA	图神经网络	全局-局部图神经网络	蛋白质结构数据	NA
19509	2024-09-13	Proteogenomic insights suggest druggable pathways in endometrial carcinoma 2023-09-11, Cancer cell IF:48.8Q1 DOI:10.1016/j.ccell.2023.07.007 PMID:37567170	研究论文	研究通过多组学平台分析了138个子宫内膜癌肿瘤和20个正常组织样本，揭示了潜在的可药物化通路和分子影像标志物	研究首次通过多组学平台全面分析子宫内膜癌，发现了新的生物标志物和潜在的治疗靶点	研究样本量有限，需要进一步验证结果在更大规模研究中的适用性	揭示子宫内膜癌中的可药物化通路和分子影像标志物，以指导患者分层和精准治疗	子宫内膜癌肿瘤和正常组织样本	数字病理学	子宫内膜癌	多组学平台	深度学习	图像	138个肿瘤样本和20个正常组织样本
19510	2024-09-13	Data for assessing red blood cell deformability from microscopy images using deep learning 2023-Apr, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2023.108928 PMID:36798597	研究论文	本文提供了一个用于评估红细胞变形性的显微镜图像数据集，并探讨了利用深度学习算法从图像中测量红细胞变形性的潜力	本文首次提供了一个包含10名健康供体红细胞样本的显微镜图像数据集，用于开发深度学习算法以评估红细胞变形性	数据集仅包含10名健康供体的样本，可能不足以涵盖所有可能的红细胞变形性变化情况	开发一种从显微镜图像中测量红细胞变形性的深度学习算法，以简化红细胞质量评估过程	红细胞的变形性	计算机视觉	NA	显微镜成像	深度学习	图像	10名健康供体的红细胞样本
19511	2024-09-13	Deep learning imaging features derived from kidney ultrasounds predict chronic kidney disease progression in children with posterior urethral valves 2023-03, Pediatric nephrology (Berlin, Germany) DOI:10.1007/s00467-022-05677-0 PMID:35867160	研究论文	本文利用深度学习从新生儿肾脏超声图像中提取解剖特征，评估其在预测后尿道瓣膜症患儿慢性肾病进展风险和时间方面的表现	本文首次使用深度学习技术从新生儿肾脏超声图像中提取特征，并将其应用于预测慢性肾病的进展，相比仅使用临床特征如最低肌酐水平，具有更高的预测准确性	本文为回顾性研究，样本量有限，且仅针对后尿道瓣膜症患儿，研究结果的普适性有待进一步验证	研究目的是利用深度学习技术从新生儿肾脏超声图像中提取特征，以提高对后尿道瓣膜症患儿慢性肾病进展的早期预测准确性	研究对象为患有后尿道瓣膜症的男孩	计算机视觉	泌尿系统疾病	深度学习	随机生存森林	图像	225名患者
19512	2024-09-13	SAM-X: sorting algorithm for musculoskeletal x-ray radiography 2023-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-09184-6 PMID:36307553	研究论文	开发了一种两阶段的深度学习排序算法，用于根据解剖实体对大型肌肉骨骼X光图像数据集进行排序	提出了一个两阶段的深度学习排序算法，结合自监督学习和人类专家的弱语义标签，显著提高了分类准确性	研究主要集中在肌肉骨骼肿瘤中心的X光图像，可能限制了算法的普适性	开发一种高效的深度学习算法，用于根据解剖实体对X光图像进行分类，以支持肌肉骨骼疾病的评估	42,608张未结构化和匿名的X光图像	计算机视觉	NA	深度学习	自监督模型	图像	42,608张X光图像
19513	2024-09-13	PulDi-COVID: Chronic obstructive pulmonary (lung) diseases with COVID-19 classification using ensemble deep convolutional neural network from chest X-ray images to minimize severity and mortality rates 2023-Mar, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104445 PMID:36466567	研究论文	本文提出了一种名为PulDi-COVID的深度卷积神经网络模型，用于从胸部X光图像中分类慢性阻塞性肺病和COVID-19，以减少严重程度和死亡率	本文创新性地提出了PulDi-COVID模型，结合了多种深度学习模型的快照，通过集成学习方法提高了分类准确性	由于数据噪声和小样本问题，现有深度学习策略可能存在显著偏差和泛化失败	研究目的是开发一种高效的深度学习模型，用于快速检测COVID-19和慢性肺病，以降低患者的严重程度和死亡率	研究对象包括慢性阻塞性肺病和COVID-19患者，以及胸部X光图像	计算机视觉	肺病	深度学习	卷积神经网络	图像	使用了较大的COVID-19和肺病胸部X光图像数据集
19514	2024-09-13	Fast three-dimensional image generation for healthy brain aging using diffeomorphic registration 2023-03, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26165 PMID:36468536	研究论文	本文提出了一种基于微分同胚配准的方法，用于生成健康大脑随时间变化的3D图像，以填补纵向数据集中的缺失数据	引入了两个新的模块在Synthmorph框架内模拟老化过程，并使用图像配准技术生成 anatomically plausible 的图像	假设健康大脑的线性衰退可能不适用于所有情况	开发一种方法来填补纵向数据集中的缺失数据，以帮助早期检测和预测神经退行性疾病	健康大脑的老化过程	计算机视觉	NA	微分同胚配准	Synthmorph	图像	2662个T1加权MRI扫描，来自796名健康参与者，来自3个不同的纵向队列
19515	2024-09-13	Decentralized collaborative multi-institutional PET attenuation and scatter correction using federated deep learning 2023-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-022-06053-8 PMID:36508026	研究论文	本文研究了在多中心设置下使用联邦学习进行PET图像的衰减校正和散射补偿	提出了基于联邦学习的深度学习模型，避免了直接共享数据，提高了模型的泛化性和鲁棒性	观察到预测的体素值略有低估	开发一种在多中心设置下使用联邦学习进行PET图像衰减校正和散射补偿的深度学习模型	18F-FDG PET图像的衰减校正和散射补偿	机器学习	NA	联邦学习	U-Net	图像	300名患者的PET图像，来自6个不同中心，每个中心50名患者
19516	2024-09-13	Classification of COVID-19 from community-acquired pneumonia: Boosting the performance with capsule network and maximum intensity projection image of CT scans 2023-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2023.106567 PMID:36738705	研究论文	本文提出了一种利用胶囊网络和CT扫描的最大强度投影图像来区分COVID-19和社区获得性肺炎的方法	本文创新性地使用了最大强度投影图像和胶囊网络来提高COVID-19和社区获得性肺炎的分类准确性	NA	开发一种能够准确自动区分COVID-19和社区获得性肺炎的方法	COVID-19和社区获得性肺炎的CT图像	计算机视觉	COVID-19	最大强度投影图像	胶囊网络	图像	训练集包含333个CT扫描（168个COVID-19/165个CAP），验证集包含3581个CT扫描（2110个COVID-19/1471个CAP）
19517	2024-09-13	A computational map of the human-SARS-CoV-2 protein-RNA interactome predicted at single-nucleotide resolution 2023-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqad010 PMID:36814457	研究论文	本文构建了首个单核苷酸分辨率的人类RBP与SARS-CoV-2 RNA相互作用图谱	首次使用深度学习方法在单核苷酸分辨率下预测人类RBP与SARS-CoV-2 RNA的相互作用，并评估了不同冠状病毒间的RBP结合保守性	依赖于CLIP-seq实验数据，可能存在实验误差和数据偏差	研究人类RBP在SARS-CoV-2感染中的作用，并预测未来突变对蛋白质-RNA相互作用的影响	人类RBP与SARS-CoV-2 RNA的相互作用	生物信息学	NA	深度学习	pysster 和 DeepRiPe	RNA	超过100种人类RBP的CLIP-seq实验数据
19518	2024-09-13	Electrocardiogram-based deep learning improves outcome prediction following cardiac resynchronization therapy 2023-02-21, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehac617 PMID:36342291	研究论文	本研究利用可解释的深度学习算法识别和可视化心电图特征，以预测心脏再同步治疗后的临床结果	提出的FactorECG模型在预测心脏再同步治疗后的临床结果方面优于当前指南心电图标准和QRSAREA，且不需要额外的临床变量	FactorECG模型在加入13个临床变量后，其预测能力的提升有限	开发和验证一种基于心电图的深度学习算法，以提高心脏再同步治疗后临床结果的预测准确性	心电图特征和心脏再同步治疗后的临床结果	机器学习	心血管疾病	深度学习算法	深度学习模型	心电图	1306名心脏再同步治疗患者的心电图数据
19519	2024-09-13	Low-data interpretable deep learning prediction of antibody viscosity using a biophysically meaningful representation 2023-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-28841-4 PMID:36806303	研究论文	本文提出了一种基于生物物理学意义表示的深度学习方法，用于在数据有限的情况下预测抗体粘度	使用生物物理学意义的表示方法，在数据有限的情况下开发可推广的模型，并展示了其在抗体粘度预测中的应用	仅在抗体粘度预测中进行了验证，尚未广泛应用于其他生物系统	开发一种在数据有限的情况下可推广的深度学习模型，用于预测抗体粘度	抗体粘度	机器学习	NA	深度学习	3D卷积神经网络	图像	几十个数据点
19520	2024-09-13	Restoring speech intelligibility for hearing aid users with deep learning 2023-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29871-8 PMID:36792797	研究论文	本文介绍了一种基于深度学习的算法，用于提高助听器用户在背景噪音环境下的语音可懂度	该算法通过深度网络选择性抑制噪音并保持语音信号，使用了一种新颖的基于深度学习的语音可懂度度量方法进行优化，并在单麦克风上实现了实时操作	NA	提高助听器用户在背景噪音环境下的语音可懂度	助听器用户和正常听力对照组	机器学习	听力损失	深度学习	深度网络	语音信号	大量自定义的含噪音语音信号数据库