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
19961	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
19962	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
19963	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
19964	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
19965	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
19966	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
19967	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
19968	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。
19969	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
19970	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
19971	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
19972	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
19973	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
19974	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
19975	2024-08-18	Quantitative modelling of Plato and total flavonoids in Qingke wort at mashing and boiling stages based on FT-IR combined with deep learning and chemometrics 2024-Oct-30, Food chemistry: X DOI:10.1016/j.fochx.2024.101673 PMID:39148529	研究论文	本研究首次使用傅里叶变换红外光谱（FT-IR）结合深度学习方法，对青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量进行建模和分析，并与传统化学计量学方法进行比较	首次将FT-IR与深度学习结合用于啤酒酿造过程中的质量控制分析	NA	探索深度学习在啤酒酿造质量控制分析中的应用	青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量	机器学习	NA	FT-IR	LSTM	红外光谱数据	未明确提及具体样本数量
19976	2024-08-18	Advancing deep learning-based acoustic leak detection methods towards application for water distribution systems from a data-centric perspective 2024-Sep-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.121999 PMID:38941677	研究论文	本研究探讨了数据增强技术对基于深度学习的水分配系统声学泄漏检测方法的影响	提出了五种基于随机变换的数据增强方法，并通过实验验证了这些方法在提高泄漏检测准确性方面的作用	研究主要集中在数据增强技术上，未涉及模型结构或其他可能影响性能的因素	从数据中心的角度推进基于人工智能的声学泄漏检测技术，使其更接近实际应用	水分配系统中的声学泄漏检测	机器学习	NA	数据增强	卷积神经网络	声学信号	使用来自真实水分配系统的声学信号进行数据增强和验证
19977	2024-08-18	Deep-Learning for Rapid Estimation of the Out-of-Field Dose in External Beam Photon Radiation Therapy - A Proof of Concept 2024-Sep-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.03.007 PMID:38554830	research paper	本文提出了一种基于深度学习的概念验证方法，用于快速估计外部光子束放射治疗中的场外剂量	使用3D U-Net模型进行场外剂量图的预测，展示了前所未有的泛化能力	该方法仍有限制，但更接近于临床常规实施	开发一种适用于临床实施的场外剂量估计工具	外部光子束放射治疗中的场外剂量	machine learning	NA	deep learning	CNN	image	3151名儿科患者用于学习和性能评估，433名患者用于测试
19978	2024-08-18	ChineseMPD: A Semantic Segmentation Dataset of Chinese Martial Arts Classic Movie Props 2024-Aug-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03701-6 PMID:39143093	research paper	本文介绍了一个大规模、高精度的中国武侠电影道具语义分割数据集ChineseMPD	ChineseMPD数据集是目前最大的电影道具语义分割数据集，为电影道具提供了详细的语义分割标注	NA	填补现有语义分割数据集在动作电影道具方面的研究空白	中国武侠电影片段中的道具	computer vision	NA	deep learning	NA	video	32,992个道具对象
19979	2024-08-18	Segmentation of ovarian cyst in ultrasound images using AdaResU-net with optimization algorithm and deep learning model 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69427-y PMID:39143122	研究论文	本研究提出了一种基于深度学习的卵巢囊肿超声图像分割技术，使用AdaResU-net和优化算法进行精确分割和分类	本研究采用了自适应卷积神经网络AdaResU-net和野马优化算法WHO，以及金字塔扩张卷积网络PDC，提高了分割准确性	NA	提高卵巢囊肿的诊断准确性和患者护理效果	卵巢囊肿的超声图像	计算机视觉	卵巢囊肿	深度学习	AdaResU-net, PDC	图像	卵巢超声囊肿图像数据库
19980	2024-08-18	Development and performance evaluation of fully automated deep learning-based models for myocardial segmentation on T1 mapping MRI data 2024-08-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69529-7 PMID:39143126	研究论文	开发并评估基于深度学习的全自动模型，用于在T1加权心脏MRI数据上进行左心室心肌分割	使用U-Net架构，通过系统优化模型设计，包括两种训练指标（DSC和IOU）、两种激活函数（ReLU和LeakyReLU）及不同训练周期数，实现了高精度的左心室心肌分割	NA	开发一种能够分割心脏MRI原生T1图上左心室心肌的深度学习模型	左心室心肌在心脏MRI原生T1图上的分割	机器学习	NA	MRI	U-Net	图像	50名健康志愿者和75名患者