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
1	2024-12-18	A deep hybrid learning pipeline for accurate diagnosis of ovarian cancer based on nuclear morphology 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0261181 PMID:34995293	研究论文	本文提出了一种基于核形态学的深度混合学习管道，用于卵巢癌的准确诊断	本文创新性地结合了核形态学特征和深度学习技术，开发了一种新的深度混合学习模型，显著提高了诊断准确性	本文仅进行了初步研究，样本量较小，需要进一步验证和扩展	研究目的是通过结合核形态学特征和机器学习技术，区分正常组织和卵巢癌组织	研究对象是卵巢癌和正常组织的核形态学特征	数字病理学	卵巢癌	深度学习	CNN	图像	卵巢癌和正常组织的样本
2	2024-12-15	Shared computational principles for language processing in humans and deep language models 2022-03, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-022-01026-4 PMID:35260860	研究论文	本文探讨了人类大脑与自回归深度语言模型在处理语言时共享的计算原则	本文首次提供了人类大脑与自回归深度语言模型在处理自然叙事时共享三个基本计算原则的实证证据	NA	研究人类大脑与自回归深度语言模型在语言处理中的计算原则	人类大脑和自回归深度语言模型	自然语言处理	NA	ECoG	自回归深度语言模型	文本	9名参与者
3	2024-12-14	KIT-LSTM: Knowledge-guided Time-aware LSTM for Continuous Clinical Risk Prediction 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9994931 PMID:37131483	研究论文	本文提出了一种名为KIT-LSTM的新方法，用于使用电子健康记录（EHR）进行连续的死亡率预测	KIT-LSTM通过引入两个时间感知门和一个知识感知门扩展了LSTM，以更好地建模EHR并解释结果	NA	精确和及时地预测患者的临床风险	急性肾损伤伴透析（AKI-D）患者的EHR数据	机器学习	NA	LSTM	KIT-LSTM	时间序列数据	NA
4	2024-12-12	Interpretable brain disease classification and relevance-guided deep learning 2022-11-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-24541-7 PMID:36424437	研究论文	本文提出了一种利用相关性引导的热图在线计算的正则化技术，用于训练卷积神经网络（CNN）分类器，以提高脑疾病分类的可解释性和准确性	本文的创新点在于提出了一种相关性引导的正则化技术，通过在线计算热图来训练CNN分类器，从而提高分类准确性并减少对非脑组织特征的依赖	本文的局限性在于仅使用了T1加权MR图像，未探讨其他类型图像对分类结果的影响	研究目的是提高基于MRI的神经疾病分类的可解释性和准确性	研究对象是阿尔茨海默病患者和健康对照者的T1加权MR图像	机器学习	阿尔茨海默病	MRI	CNN	图像	128名阿尔茨海默病患者和290名健康对照者
5	2024-12-12	AVT: Multicenter aortic vessel tree CTA dataset collection with ground truth segmentation masks 2022-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2022.107801 PMID:35059483	研究论文	本文介绍了一个多中心主动脉血管树数据库，包含56个主动脉及其分支的CTA扫描数据和相应的半自动分割掩码	首次提供了多中心主动脉血管树的CTA数据集，并附带半自动生成的分割掩码，有助于研究不同地理位置的主动脉及其分支的几何形状变异性	NA	构建一个稳健的统计模型，用于开发全自动的主动脉血管树分割算法	主动脉及其分支的几何形状和变异性	计算机视觉	NA	CTA扫描	深度学习	图像	56个主动脉及其分支
6	2024-12-11	DMCGNet: A Novel Network for Medical Image Segmentation With Dense Self-Mimic and Channel Grouping Mechanism 2022-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3192277 PMID:35939480	研究论文	提出了一种新的密集自模仿和通道分组机制的网络DMCGNet，用于医学图像分割，以实现更好的特征提取	引入了金字塔目标感知密集自模仿模块（PTDSM）和基于通道分割的特征融合模块（CSFFM），并结合深度监督与组集成学习（DSGEL）来增强特征提取和多尺度目标适应性	未提及具体限制	改进医学图像分割中的特征提取能力	医学图像分割任务	计算机视觉	NA	深度学习	DMCGNet	图像	4个医学图像分割数据集
7	2024-12-11	Deep learning on time series laboratory test results from electronic health records for early detection of pancreatic cancer 2022-07, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104095 PMID:35598881	研究论文	本研究开发了一种深度学习框架，利用电子健康记录中的纵向临床数据进行胰腺癌的早期检测	提出了一个新颖的训练协议，通过应用独立泊松随机掩码强调早期检测，并使用分组神经网络架构进行数据融合	研究结果的普适性需要进一步验证，尤其是在不同疾病和人群中的应用	开发一种能够利用电子健康记录中的纵向临床数据进行胰腺癌早期检测的深度学习框架	电子健康记录中的纵向临床数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	分组神经网络（GrpNN）	时间序列数据	使用了来自哥伦比亚大学欧文医学中心-纽约长老会医院的数据
8	2024-12-11	Magnetic resonance imaging contrast enhancement synthesis using cascade networks with local supervision 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15578 PMID:35229344	研究论文	本文提出了一种使用级联网络和局部监督生成合成对比增强磁共振图像的方法	创新点在于通过级联深度学习工作流程，结合轮廓信息生成合成对比增强磁共振图像，从而减少对钆基对比剂的需求	研究仅限于脑部肿瘤区域，未涵盖其他类型的病变或全身应用	研究目的是从无对比增强的磁共振图像中生成合成对比增强图像，以减少对钆基对比剂的使用	研究对象为脑部肿瘤区域的磁共振图像	计算机视觉	脑肿瘤	深度学习	级联网络	图像	369名患者的磁共振图像，其中200名用于五折交叉验证，169名用于独立测试
9	2024-12-11	Synthesizing high-resolution magnetic resonance imaging using parallel cycle-consistent generative adversarial networks for fast magnetic resonance imaging 2022-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15380 PMID:34821395	研究论文	本文提出了一种基于并行循环一致生成对抗网络（CycleGANs）的方法，用于从低分辨率磁共振图像生成高分辨率图像，以缩短磁共振成像时间	本文的创新点在于开发了一种基于自监督策略的并行CycleGANs方法，用于合成高分辨率磁共振图像	本文的局限性在于需要进一步验证该方法在不同临床场景和数据集上的泛化能力	本研究的目的是提出一种新方法，从沿纵向方向的低分辨率磁共振图像生成高分辨率图像	本研究的对象是磁共振图像，特别是多模态脑肿瘤分割挑战2020（BraTS2020）数据集中的T1、T1CE、T2和FLAIR图像	计算机视觉	NA	生成对抗网络（GAN）	并行循环一致生成对抗网络（CycleGANs）	图像	BraTS2020数据集中的多模态脑肿瘤图像以及机构收集的磁共振图像
10	2024-12-10	Deep Morphology Learning Enhances Ex Vivo Drug Profiling-Based Precision Medicine 2022-11-02, Blood cancer discovery IF:11.5Q1 DOI:10.1158/2643-3230.BCD-21-0219 PMID:36125297	研究论文	本文研究了在复发或难治性血液癌症患者中，使用弱监督深度学习方法分析细胞形态（DML）来补充基于诊断标记的恶性与非恶性细胞识别，以提高药物测试的准确性和个性化治疗的效果	本文提出了使用弱监督深度学习方法分析细胞形态（DML）来提高药物测试的重复性和药物作用模式的聚类效果，并通过自主识别与疾病相关的细胞形态来适应批次效应	NA	研究如何通过深度学习方法提高基于患者活检细胞的药物测试的准确性和个性化治疗效果	复发或难治性血液癌症患者的活检细胞	机器学习	血液癌症	深度学习	NA	细胞形态数据	390个活检样本，来自289名患者
11	2024-12-10	Monkeypox Virus Detection Using Pre-trained Deep Learning-based Approaches 2022-Oct-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-022-01868-2 PMID:36201085	研究论文	本文比较了13种预训练深度学习模型在猴痘病毒检测中的表现	提出了一种基于多数投票的集成方法，显著提高了检测性能	NA	开发一种高效的猴痘病毒检测方法	猴痘病毒	机器学习	NA	深度学习	深度学习模型	图像	使用了一个公开的数据集
12	2024-12-08	Deep neural network enabled active metasurface embedded design 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0152 PMID:39635158	研究论文	本文提出了一种利用深度学习方法进行光子器件中嵌入式主动超表面结构的前向建模和逆向设计的研究	结合神经网络设计和散射矩阵优化显著简化了计算开销，同时实现了精确的目标驱动设计	NA	研究光子器件中嵌入式主动超表面结构的前向建模和逆向设计	光子器件中的主动超表面结构	计算机视觉	NA	深度学习	神经网络	NA	NA
13	2024-12-08	Photonic (computational) memories: tunable nanophotonics for data storage and computing 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0089 PMID:39635175	综述	本文综述了新兴的纳米光子器件及其在数据存储和计算中的应用	探讨了光子集成电路和光学纳米材料在芯片级光子存储中的新机遇	光子存储在存储密度上尚未能与电子数字存储相媲美	探讨如何通过光子存储和计算技术改进或超越传统的冯·诺依曼架构	纳米光子器件及其在光子存储和计算中的应用	NA	NA	光子集成电路 (PICs)	NA	NA	NA
14	2024-12-08	Data enhanced iterative few-sample learning algorithm-based inverse design of 2D programmable chiral metamaterials 2022-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0310 PMID:39635508	研究论文	提出了一种数据增强迭代少样本学习算法（DEIFS），用于精确高效地逆向设计多形状的二维手性超材料	DEIFS算法通过数据增强和迭代过程，显著减少了数据集的大小，同时提高了逆向设计的速度和准确性，并增加了对实验结果的数据解释性	NA	实现二维手性超材料的精确和高效逆向设计	二维衍射手性结构，包括不同几何参数（宽度、分离空间、桥长和金长）	计算机视觉	NA	数据增强迭代少样本学习算法（DEIFS）	NA	光谱数据	涉及多种形状的二维手性超材料
15	2024-12-08	Deep learning in light-matter interactions 2022-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0197 PMID:39635557	研究论文	本文探讨了深度学习在光物质相互作用中的应用及其带来的机遇和挑战	深度学习改善了纳米光子器件的设计和实验数据的获取与分析，甚至在理论基础不足或过于复杂的情况下	深度学习作为黑箱模型，难以理解和解释其结果和可靠性，尤其是在数据集不完整或数据由对抗性方法生成时	探讨深度学习在光子学中的应用及其带来的机遇和挑战	光物质相互作用及其在光子学中的应用	机器学习	NA	深度学习	NA	实验数据和模拟数据	NA
16	2024-12-08	Computational spectrometers enabled by nanophotonics and deep learning 2022-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0636 PMID:39635673	综述	介绍了一种新型光谱仪，该光谱仪主要依赖计算技术来恢复光谱信息	结合了纳米光子学、高级信号处理和机器学习的最新进展	面临关键挑战，需要进一步发展	回顾计算光谱仪的最新进展，识别关键挑战，并指出未来可能的发展方向	计算光谱仪及其在机器感知和成像中的应用	NA	NA	纳米光子学、机器学习	NA	光谱数据	NA
17	2024-12-08	Advancing statistical learning and artificial intelligence in nanophotonics inverse design 2022-Jun, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0660 PMID:39635678	综述	本文综述了纳米光子学逆向设计领域的最新优化方法、深度学习及其混合技术	探讨了深度学习在纳米光子学逆向设计中的应用及其混合技术	未具体提及	探讨纳米光子学逆向设计中的优化方法和人工智能技术的应用	纳米光子学逆向设计中的材料和几何配置	纳米光子学	NA	深度学习	NA	NA	NA
18	2024-12-08	Free-form optimization of nanophotonic devices: from classical methods to deep learning 2022-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2021-0713 PMID:39633938	综述	本文综述了自由形式纳米光子器件设计的新兴领域，涵盖了从经典方法到深度学习方法的优化策略	本文介绍了自由形式设计方案，突破了传统设计约束，充分利用了设计潜力	NA	系统概述自由形式纳米光子器件设计领域	自由形式纳米光子器件的优化策略	纳米光子学	NA	NA	NA	NA	NA
19	2024-12-08	High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning 2022-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2021.6059 PMID:35195663	研究论文	本文评估了深度学习工作流程在量化心室肥厚和预测左心室壁增厚原因方面的准确性	本文提出了一种全自动的深度学习工作流程，能够准确测量左心室壁厚度并区分不同原因的心室肥厚	NA	评估深度学习在早期检测和表征左心室壁增厚方面的应用	左心室肥厚及其原因	机器学习	心血管疾病	深度学习	深度学习模型	视频	23,745名患者
20	2024-12-08	AMPlify: attentive deep learning model for discovery of novel antimicrobial peptides effective against WHO priority pathogens 2022-Jan-25, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-022-08310-4 PMID:35078402	研究论文	介绍了一种名为AMPlify的注意力深度学习模型，用于发现对世界卫生组织优先病原体有效的新型抗菌肽	提出了AMPlify模型，通过深度学习方法预测抗菌肽，并展示了其在筛选蛙类基因组衍生的肽序列中的应用	NA	寻找替代传统抗生素的新型抗菌肽	抗菌肽及其对世界卫生组织优先病原体的活性	机器学习	NA	深度学习	注意力模型	序列数据	从牛蛙基因组中提取的肽序列