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
19581	2024-08-26	Unified Deep Learning Model for Multitask Reaction Predictions with Explanation 2022-03-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c01467 PMID:35266390	研究论文	本文开发了一种统一的深度学习模型T5Chem，用于多种化学反应预测任务，基于自然语言处理中的T5框架	首次将T5框架应用于化学反应预测任务，并引入了新的统一多任务反应预测数据集USPTO_500_MT	NA	开发一种能够处理多种化学反应预测任务的统一深度学习模型	化学反应预测任务，包括反应类型分类、正向反应预测、单步逆合成、反应产率预测和试剂建议	机器学习	NA	NA	T5	文本	使用了四个不同的开源数据集，包括USPTO_TPL、USPTO_MIT、USPTO_50k和高效C-N耦合反应数据集
19582	2024-08-26	A comparative study of semantic segmentation of omnidirectional images from a motorcycle perspective 2022-03-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08466-9 PMID:35322055	研究论文	本文对从摩托车视角获取的全方位城市驾驶图像的语义分割进行了深入的比较研究	首次针对摩托车视角的全方位图像进行语义分割研究，并比较了不同深度学习方法在不同表示方式下的表现	研究主要集中在模型在全方位图像上的表现，未涉及实际应用中的实时性能和计算效率	探讨不同深度学习方法在全方位图像语义分割中的应用效果	摩托车视角的全方位城市驾驶图像	计算机视觉	NA	深度学习	CNN	图像	使用了真实视角图像、合成视角、鱼眼和等距柱状图像，以及模拟鱼眼图像和真实鱼眼图像的测试集
19583	2024-08-26	Mitigating spread of contamination in meat supply chain management using deep learning 2022-03-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08993-5 PMID:35322116	研究论文	本文利用深度学习技术在肉类供应链管理中减少污染的传播	采用深度卷积神经网络（DCNN）和粒子群优化（PSO）算法训练了一个分类模型，实现了100%的准确率，能够区分新鲜肉类和变质肉类	NA	自动化肉类供应链管理过程，防止肉类变质，提高肉类货架期，促进可持续消费	肉类供应链中的新鲜和变质肉类	机器学习	NA	深度学习	深度卷积神经网络（DCNN）	图像	NA
19584	2024-08-26	SEED: Symptom Extraction from English Social Media Posts using Deep Learning and Transfer Learning 2022-Mar-21, medRxiv : the preprint server for health sciences DOI:10.1101/2021.02.09.21251454 PMID:33594374	研究论文	本文介绍了一种名为SEED的自然语言处理方法，用于从社交媒体数据中检测症状和疾病提及，并将其标准化为UMLS术语	使用多语料库训练和深度学习模型，SEED工具在DailyStrength和平衡的Twitter数据集上分别达到了0.86和0.72的F1分数，显著优于先前的方法	需要持续对新获取的数据进行训练，以适应社交媒体词汇的不断变化	开发一种能够从社交媒体帖子中提取症状信息的方法，以支持疾病监测	社交媒体数据中的症状和疾病提及	自然语言处理	NA	深度学习和迁移学习	深度学习模型	文本	DailyStrength和平衡的Twitter数据集
19585	2024-08-26	Deep-learning based image reconstruction for MRI-guided near-infrared spectral tomography 2022-Mar-20, Optica IF:8.4Q1 DOI:10.1364/optica.446576 PMID:35340570	研究论文	本文提出并验证了一种基于深度学习的MRI引导近红外光谱断层成像（NIRST）重建算法，用于乳腺癌特征描述。	该方法利用神经网络同时处理扩散光学信号和MRI图像，通过端到端训练恢复氧合血红蛋白、脱氧血红蛋白和水的浓度，提高了重建图像的质量。	该研究仅基于模拟数据集和真实患者图像数据进行验证，尚未在更广泛的临床环境中进行测试。	旨在改进MRI引导NIRST的图像重建过程，使其更快速且更准确。	研究对象包括扩散光学信号、MRI图像以及乳腺癌患者的肿瘤特征。	计算机视觉	乳腺癌	深度学习	神经网络	图像	20,000组计算机生成的模拟幻影数据
19586	2024-08-26	A contrastive learning approach for ICU false arrhythmia alarm reduction 2022-03-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07761-9 PMID:35304473	研究论文	本文提出了一种使用卷积神经网络（CNN）和对比学习来自动学习生理波形特征表示的深度学习框架，以区分真假心律失常警报，从而减少重症监护室（ICU）中的误报警率	本文创新性地结合了对比学习和规则基础嵌入方法，通过同时最小化二元交叉熵分类损失和提出的相似性损失，提高了深度学习模型的性能	NA	旨在减少重症监护室中心律失常的误报警率，提高医疗护理质量	重症监护室中的心律失常警报	机器学习	NA	对比学习	CNN	生理波形	使用2015年PhysioNet计算心脏病学挑战赛的数据集进行评估
19587	2024-08-26	Using deep learning to predict human decisions and using cognitive models to explain deep learning models 2022-03-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08863-0 PMID:35304572	研究论文	本文探讨了使用深度神经网络（DNNs）模型预测人类决策，并利用认知模型解释DNNs模型的方法	提出了一种结合DNNs模型和认知模型的方法，以提高预测人类行为的准确性并解释DNNs的操作过程	DNNs模型的不透明性限制了其作为科学工具的解释能力	探索DNNs模型在预测人类决策中的应用，并利用认知模型解释其操作	人类决策行为及DNNs模型的操作机制	机器学习	NA	深度神经网络（DNNs）	DNN	NA	NA
19588	2024-08-26	Automated Feature Extraction on AsMap for Emotion Classification Using EEG 2022-Mar-18, Sensors (Basel, Switzerland) DOI:10.3390/s22062346 PMID:35336517	研究论文	本文提出了一种结合手动和自动特征提取方法的混合模型，用于使用脑电图（EEG）进行情感分类	通过捕获不同脑区域的非对称性并使用AsMap进行自动特征提取，提高了分类准确性	NA	提高情感识别中脑电图信号处理的性能	脑电图信号的特征提取和情感分类	机器学习	NA	脑电图（EEG）	卷积神经网络（CNN）	图像	使用了SJTU情感EEG数据集和DEAP数据集
19589	2024-08-26	A Comprehensive Survey on the Detection, Classification, and Challenges of Neurological Disorders 2022-Mar-18, Biology DOI:10.3390/biology11030469 PMID:35336842	综述	本文综述了神经退行性疾病的检测、分类及其挑战，涵盖了预处理、特征提取技术以及机器学习和深度学习方法的性能评估	本文总结了神经退行性疾病检测领域的相关工作，并提出了未来研究的方向和挑战	该领域针对疾病和检测标准的工作相对较少	综述神经退行性疾病的检测和分类方法及其面临的挑战	神经退行性疾病及其检测和分类方法	计算机视觉	神经退行性疾病	磁共振成像(MRI)、脑磁图(MEG)、正电子发射断层扫描(PET)	机器学习(ML)、深度学习(DL)	图像、信号、语音	NA
19590	2024-08-26	Solving Inverse Electrocardiographic Mapping Using Machine Learning and Deep Learning Frameworks 2022-Mar-17, Sensors (Basel, Switzerland) DOI:10.3390/s22062331 PMID:35336502	研究论文	本研究利用机器学习和深度学习框架改进心电图成像（ECGi）的逆问题求解方法	本研究展示了神经网络可以用于解决ECGi的逆问题，且在小数据集上具有与当前标准方法相兼容的准确性	NA	改进心电图成像的逆问题求解方法	猪的心脏和体表记录的心电图	机器学习	NA	NA	全连接神经网络（FCN）、长短期记忆网络（LSTM）、卷积神经网络（CNN）	心电图数据	多只猪
19591	2024-08-26	Spectral imaging with deep learning 2022-Mar-16, Light, science & applications DOI:10.1038/s41377-022-00743-6 PMID:35296633	综述	本文综述了基于深度学习的计算光谱成像方法，并根据编码所用的光特性将其分为振幅编码、相位编码和波长编码方法	深度学习技术在计算光谱成像中的应用显著提高了重建速度和质量，并有望大幅减少系统体积	NA	探讨深度学习在计算光谱成像中的应用及其对系统体积和计算时间的影响	计算光谱成像方法及其在不同光特性编码下的应用	计算机视觉	NA	深度学习	NA	光谱数据	NA
19592	2024-08-26	Deep learning approach for chemistry and processing history prediction from materials microstructure 2022-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08484-7 PMID:35296736	研究论文	本研究提出了一种基于深度学习的方法，用于从材料的微观结构预测化学成分和加工历史	通过深度学习框架，仅通过阅读一种元素的形态分布来预测化学成分和加工历史	准确预测加工温度需要从微观结构的形态中提取更复杂的特征	开发一种有效的方法来预测材料的化学成分和加工历史	Fe-Cr-Co合金的化学成分和加工温度	机器学习	NA	深度学习	卷积神经网络	图像和连续数据	使用了由相场方法创建的Fe-Cr-Co合金的自旋odal分解模拟数据集
19593	2024-08-26	A Powerful Paradigm for Cardiovascular Risk Stratification Using Multiclass, Multi-Label, and Ensemble-Based Machine Learning Paradigms: A Narrative Review 2022-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030722 PMID:35328275	综述	本文综述了使用多类、多标签和集成机器学习范式进行心血管疾病风险分层的最新方法	探讨了深度学习技术在心血管疾病风险分层中的初步应用，并强调了移动和云基础AI技术的未来潜力	深度学习技术在心血管疾病风险分层中的应用仍处于早期发展阶段	评估和比较多类、多标签和集成机器学习方法在心血管疾病风险评估中的应用	心血管疾病风险评估的方法和技术	机器学习	心血管疾病	机器学习	多类、多标签和集成方法	图像、实验室数据和药物使用	265项心血管疾病相关研究
19594	2024-08-26	Interpretable EEG seizure prediction using a multiobjective evolutionary algorithm 2022-03-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08322-w PMID:35292691	研究论文	本文提出了一种基于多目标进化算法的可解释脑电图癫痫预测模型，旨在识别最佳特征集并自动搜索前驱期，同时考虑患者舒适度	该模型提供了患者特定的可解释见解，有助于更好地理解癫痫发作过程并解释算法的决策	与基于标准机器学习流程的控制方法相比，该方法在验证患者比例上略逊一筹	设计一种可解释的癫痫预测模型，以解决药物难治性癫痫患者癫痫发作的不可预测性	研究对象包括93名患有多种类型局灶性和广泛性癫痫的患者	机器学习	癫痫	多目标进化算法	NA	脑电图数据	238次癫痫发作和3687小时的连续数据
19595	2024-08-26	Cell segmentation for immunofluorescence multiplexed images using two-stage domain adaptation and weakly labeled data for pre-training 2022-03-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-08355-1 PMID:35292693	研究论文	本文提出了一种使用两阶段域适应和弱标记数据预训练的深度学习管道，用于免疫荧光多重图像的细胞分割	使用弱标记数据进行预训练，并在小样本训练时仍能保持高性能	未提及	提高免疫荧光多重图像细胞分割的准确性，以辅助免疫治疗中的患者分层	免疫荧光多重图像中的细胞分割	计算机视觉	卵巢癌	两阶段域适应	Mask R-CNN	图像	三个不同数据集，包括卵巢癌和鼠胰腺组织数据集
19596	2024-08-26	AtomNet PoseRanker: Enriching Ligand Pose Quality for Dynamic Proteins in Virtual High-Throughput Screens 2022-03-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.1c01250 PMID:35235748	研究论文	本文介绍了AtomNet PoseRanker（ANPR），一种图卷积网络，用于从蛋白质构象和配体姿态的采样集合中识别和重新排序类似晶体的配体姿态。	与传统的虚拟高通量筛选方法不同，ANPR采用深度学习方法，能够内化对应于不同受体构象的有效配体结合模式，从而在单个构象上推断和考虑受体灵活性。	NA	提高虚拟高通量筛选中的配体姿态质量，从而提高计算药物发现的命中率。	蛋白质构象和配体姿态的采样集合	机器学习	NA	图卷积网络	图卷积网络	蛋白质构象和配体姿态数据	PDBbind v2019数据集中的配体和受体
19597	2024-08-26	Discovery of Novel Trace Amine-Associated Receptor 5 (TAAR5) Antagonists Using a Deep Convolutional Neural Network 2022-Mar-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23063127 PMID:35328548	研究论文	本研究利用深度卷积神经网络AtomNet模型发现新型TAAR5拮抗剂，并通过体外BRET实验验证其活性	首次使用深度学习神经网络进行结构基于的药物发现，以识别TAAR5配体	NA	探索TAAR5拮抗剂作为治疗焦虑和抑郁的新疗法	TAAR5受体及其拮抗剂	机器学习	NA	深度卷积神经网络	CNN	结构数据	两个TAAR5拮抗剂化合物
19598	2024-08-26	Ensemble Deep-Learning-Enabled Clinical Decision Support System for Breast Cancer Diagnosis and Classification on Ultrasound Images 2022-Mar-14, Biology DOI:10.3390/biology11030439 PMID:35336813	研究论文	本文开发了一种基于集成深度学习的临床决策支持系统，用于乳腺癌的超声图像诊断和分类	提出了一种新的集成深度学习技术EDLCDS-BCDC，结合了Wiener滤波、对比度增强、混沌海马群算法和Kapur熵进行图像分割，以及VGG-16、VGG-19和SqueezeNet进行特征提取，最后使用猫群优化和多层感知器模型进行分类	NA	旨在提高乳腺癌超声图像诊断和分类的准确性	乳腺癌的超声图像	计算机视觉	乳腺癌	深度学习	VGG-16, VGG-19, SqueezeNet, 多层感知器	图像	使用基准数据库进行广泛模拟
19599	2024-08-26	Artificial Intelligence-Enabled Electrocardiography Predicts Left Ventricular Dysfunction and Future Cardiovascular Outcomes: A Retrospective Analysis 2022-Mar-13, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12030455 PMID:35330455	研究论文	本研究开发了一种深度学习模型（DLM），通过心电图（ECG）估计射血分数（EF），并探讨了ECG-EF与基于超声心动图的EF（ECHO-EF）之间的关系及其对未来心血管不良事件的贡献。	首次广泛研究了基于深度学习模型的心电图预测射血分数在临床上的影响，并展示了其对未来心血管不良事件的独立预测能力。	需要进一步的大规模研究来验证DLM-based ECG-EF的效用。	开发和验证一种通过心电图预测射血分数的深度学习模型，并探讨其在心血管疾病预测和管理中的应用。	心电图和超声心动图数据，以及它们与心血管不良事件之间的关系。	机器学习	心血管疾病	深度学习模型	DLM（基于ECG12Net）	心电图和超声心动图数据	训练集：57,206个心电图和对应的超声心动图；验证集：10,762个心电图；测试集：20,629个心电图
19600	2024-08-26	No-Reference Video Quality Assessment Using Multi-Pooled, Saliency Weighted Deep Features and Decision Fusion 2022-Mar-12, Sensors (Basel, Switzerland) DOI:10.3390/s22062209 PMID:35336380	研究论文	本文提出了一种基于深度学习的无参考视频质量评估（NR-VQA）方法，使用多池化、显著性加权的深度特征和决策融合技术	该方法通过并行预训练的卷积神经网络（CNN）提取时间池化和显著性加权的视频级深度特征，并通过决策融合提高视频质量评估的准确性	NA	研究无参考视频质量评估的新方法	数字视频的感知质量	计算机视觉	NA	深度学习	CNN	视频	两个大型基准视频质量评估数据库