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
381	2024-12-11	Discovering small-molecule senolytics with deep neural networks 2023-Jun, Nature aging IF:17.0Q1 DOI:10.1038/s43587-023-00415-z PMID:37142829	研究论文	本文利用图神经网络筛选并预测了大量分子的衰老活性，发现了几种具有选择性靶向衰老细胞的药物	利用深度学习技术筛选出具有衰老活性的化合物，并发现了几种具有更好药物化学性质和选择性的新型衰老药物	实验仅在动物模型中验证了其中一种化合物的有效性，仍需进一步临床验证	发现具有衰老活性的新型小分子药物	衰老细胞及其相关疾病	机器学习	NA	图神经网络，分子对接模拟，时间分辨荧光能量转移实验	图神经网络	分子结构数据	2,352种化合物用于筛选，800,000多种分子用于预测，以及老年小鼠模型
382	2024-12-11	Label- and slide-free tissue histology using 3D epi-mode quantitative phase imaging and virtual H&E staining 2023-Jun-01, ArXiv PMID:37396611	研究论文	本文提出了一种结合3D定量相位成像技术和无监督生成对抗网络的方法，将未染色厚组织的相位图像转换为虚拟H&E染色图像	首次将3D定量相位成像技术与无监督生成对抗网络结合，实现了无需染色和载玻片的组织病理学分析	需要进一步验证该方法在不同类型组织和疾病中的适用性	开发一种无需染色和载玻片的组织病理学分析方法，以提高诊断效率和降低成本	小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本	数字病理学	NA	3D定量相位成像技术（qOBM）	生成对抗网络（GAN）	图像	小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本
383	2024-12-11	Structured deep embedding model to generate composite clinical indices from electronic health records for early detection of pancreatic cancer 2023-Jan-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100636 PMID:36699740	研究论文	本文提出了一种结构化的深度嵌入模型，用于从电子健康记录中生成复合临床指数，以实现胰腺癌的早期检测	本文的创新点在于构建了一个结构化的深度嵌入模型，通过领域专家（如临床医生）确定的相关测量分组来降低输入变量的维度，从而生成可解释的复合指数	本文的局限性在于仅在胰腺癌的早期检测中进行了验证，未来需要进一步验证其在其他健康结果预测中的应用	本文的研究目的是开发一种从电子健康记录中生成复合临床指数的方法，以支持临床决策	本文的研究对象是电子健康记录数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	深度嵌入模型	文本	NA
384	2024-12-10	Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy 2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43907-0_59 PMID:38659613	研究论文	提出了一种新的方法Mesh2SSM，利用无监督、排列不变的表示学习来估计如何将模板点云变形为特定于对象的网格，形成基于对应关系的形状模型	Mesh2SSM能够学习特定于群体的模板，减少由于模板选择带来的偏差，并且直接在网格上操作，计算效率高	现有深度学习模型仍然存在局限性，需要已建立/优化的形状模型进行训练	开发一种新的统计形状建模方法，以更好地捕捉人体解剖结构中的非线性变异性	医学图像（如MRI和CT扫描）中分割的解剖结构	计算机视觉	NA	深度学习	NA	网格	NA
385	2024-12-10	Deep learning in bioinformatics 2023, Turkish journal of biology = Turk biyoloji dergisi DOI:10.55730/1300-0152.2671 PMID:38681776	综述	本文综述了深度学习在生物信息学中的应用	介绍了深度学习在生物信息学中的最新进展和挑战	未具体讨论深度学习模型的具体实现细节	提供深度学习在生物信息学中的概述，帮助生物信息学家考虑技术与伦理问题	深度学习在基因组测序、基因表达分析、蛋白质结构预测、药物发现和疾病诊断中的应用	机器学习	NA	深度学习	人工神经网络	生物数据	NA
386	2024-12-09	Deep learning based tomosynthesis denoising: a bias investigation across different breast types 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064003 PMID:38074628	研究论文	本文提出了一种基于深度学习的数字乳腺断层合成（DBT）去噪算法，并研究了其在不同乳腺类型中的潜在偏差	本文设计了一种基于物理驱动的数据增强方法和专门用于乳腺图像去噪的ReLU损失函数，以提高去噪效果	本文仅在临床和模拟数据上进行了测试，未涵盖所有可能的乳腺类型和剂量分布	评估深度学习去噪算法在不同乳腺类型中的有效性和公平性	数字乳腺断层合成（DBT）图像的去噪效果	计算机视觉	NA	深度学习	编码器-解码器网络	图像	临床数据和模拟数据
387	2024-12-08	A newcomer's guide to deep learning for inverse design in nano-photonics 2023-Dec, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0527 PMID:39634708	review	本文为纳米光子学领域的新手提供了一个关于深度学习在逆向设计中应用的综合指南	本文填补了针对无深度学习经验新手的综合教程的空白，并提供了详细的Python笔记本示例以促进理解和实施	本文主要关注纳米光子学领域的研究人员，尽管对其他领域使用深度学习的研究人员也有参考价值	旨在为新手提供应用深度学习解决纳米光子学逆向设计问题的实用指导	纳米光子学设备的逆向设计	纳米光子学	NA	深度学习	NA	NA	NA
388	2024-12-08	Severe aortic stenosis detection by deep learning applied to echocardiography 2023-11-14, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad456 PMID:37611002	研究论文	本研究开发并验证了一种基于深度学习的模型，用于通过二维超声心动图视频检测严重主动脉瓣狭窄	利用自监督对比预训练的三维卷积神经网络模型，无需多普勒成像即可识别严重主动脉瓣狭窄	NA	开发和验证一种自动化方法，用于通过单一视角的二维超声心动图检测严重主动脉瓣狭窄	严重主动脉瓣狭窄的早期诊断	计算机视觉	心血管疾病	深度学习	三维卷积神经网络	视频	训练集包含5257个研究（17570个视频），验证集包含2040个连续研究，以及来自加利福尼亚和新英格兰其他医院的4226和3072个研究
389	2024-12-08	Optimizing diffuse optical imaging for breast tissues with a dual-encoder neural network to preserve small structural information and fine features 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.066003 PMID:38074624	研究论文	研究提出了一种双编码器神经网络用于优化乳腺组织的漫射光学成像，以保留微小的结构信息和精细特征	本研究的创新点在于提出了一种双编码器网络，通过增加一个平行分支直接从基础源获取信号信息，从而在不降低或与背景融合的情况下定位包含物	NA	研究旨在探讨一种双编码器深度学习模型，用于在漫射光学成像中成功检测不同尺寸肿瘤	乳腺组织的漫射光学成像	计算机视觉	NA	漫射光学成像	双编码器神经网络	图像	模拟和幻影测试数据集
390	2024-12-08	RECOVER identifies synergistic drug combinations in vitro through sequential model optimization 2023-10-23, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100599 PMID:37797618	研究论文	本文通过深度学习模型优化，识别体外协同药物组合	采用顺序模型优化方法，通过深度学习模型选择富集协同作用的药物组合，并发现药物嵌入开始反映生物机制	药物组合数据库偏向于协同药物，结果在分布外不具有普遍性	识别体外协同药物组合	小分子药物组合	机器学习	癌症	深度学习	深度学习模型	药物组合数据	涉及5轮实验，评估了约5%的总搜索空间
391	2024-12-08	Human emotion recognition with a microcomb-enabled integrated optical neural network 2023-Oct, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0298 PMID:39635194	研究论文	本文提出了一种基于微梳的集成光学神经网络（MIONN），用于以光速和低功耗进行人类情感识别	创新点在于利用微梳生成的频率通道对大规模张量数据进行独立编码，并通过并行计算实现高速低功耗的情感识别	NA	开发一种高速且节能的神经形态计算硬件，用于具有情感交互能力的深度学习模型	人类情感识别	机器学习	NA	微梳技术	光学神经网络	张量数据	在盲测集上实现了78.5%的准确率，成功识别了六种基本人类情感
392	2024-12-08	Diffusion probabilistic model based accurate and high-degree-of-freedom metasurface inverse design 2023-Oct, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0292 PMID:39635197	研究论文	提出了一种基于扩散概率理论的元表面逆设计方法	通过学习将原始结构转化为高斯分布的马尔可夫过程，逐步去除噪声并生成符合S参数条件的高自由度元原子，避免了GAN对抗训练过程中的模型不稳定性	未提及	改进元表面逆设计方法，提高生成效率和质量	元表面及其逆设计	计算机视觉	NA	扩散概率模型	扩散概率模型	S参数	未提及
393	2024-12-08	Deep representation learning identifies associations between physical activity and sleep patterns during pregnancy and prematurity 2023-Sep-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00911-x PMID:37770643	研究论文	研究利用深度学习时间序列分类架构，分析孕妇的体力活动和睡眠模式与早产之间的关系	开发了一种新的深度学习时间序列分类架构，并结合无监督聚类、模型误差分析、特征归因和自动活动分析等解释性算法，提高了模型对妊娠进展的预测能力	研究主要基于穿戴设备收集的数据，可能存在数据收集和处理的局限性	研究体力活动和睡眠模式与早产之间的关系，并开发预测模型以支持临床决策	孕妇的体力活动和睡眠模式	机器学习	妊娠相关疾病	深度学习	时间序列分类架构	时间序列数据	1083名患者，共收集了181,944小时的数据
394	2024-12-07	Deep learning empowering design for selective solar absorber 2023-Sep, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0291 PMID:39635349	研究论文	本文开发了一种结合深度学习和多目标双重退火算法的高性能设计范式，用于优化多层纳米结构以最大化太阳能光谱吸收和最小化红外辐射	本文首次将深度学习与多目标双重退火算法结合，用于设计高性能的选择性太阳能吸收器	实验测量的红外辐射平均发射率略高于计算值，表明实际性能与理论设计之间存在一定差距	开发一种高效的设计方法，用于优化太阳能吸收器的性能	多层纳米结构的选择性太阳能吸收器	NA	NA	深度学习	NA	NA	NA
395	2024-12-08	Progressively refined deep joint registration segmentation (ProRSeg) of gastrointestinal organs at risk: Application to MRI and cone-beam CT 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16527 PMID:37265185	研究论文	本文开发了一种名为ProRSeg的深度网络，用于胃肠道器官的风险区域的联合注册和分割，并评估其在MRI和锥束CT上的应用	ProRSeg网络在MRI和CBCT上的分割和注册精度显著高于其他方法	研究缺乏独立的测试和基准幻影数据集来测量剂量累积的准确性	开发一种能够准确分割和注册胃肠道器官风险区域的深度学习网络，并评估其在放射治疗中的应用	胃肠道器官风险区域，包括胃、十二指肠、大肠和小肠	计算机视觉	胰腺癌	深度学习	ProRSeg	MRI和CBCT图像	110张T2加权MRI图像和80张CBCT图像
396	2024-12-08	Deep learning-based vortex decomposition and switching based on fiber vector eigenmodes 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2023-0202 PMID:39635056	研究论文	本文展示了基于深度学习的涡旋模式分解和切换技术，通过重建多视角投影强度分布图像来实现圆柱矢量（CV）和轨道角动量（OAM）模式的分解	首次实现了基于深度学习的CV和OAM模式分解，并展示了高效的模态系数和光场分布恢复	NA	实现对圆柱矢量和轨道角动量模式的智能生成和精确控制	圆柱矢量（CV）和轨道角动量（OAM）模式	光学	NA	深度学习	随机并行梯度下降（SPGD）算法	图像	NA
397	2024-12-08	Counting and mapping of subwavelength nanoparticles from a single shot scattering pattern 2023-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0612 PMID:39635469	研究论文	本文介绍了一种基于深度学习的超分辨率单次光学方法，用于计数和映射表面上的亚波长颗粒	提出了一种基于深度学习的超分辨率单次光学方法，用于计数和映射亚波长颗粒的位置	NA	开发一种用于计数和映射亚波长颗粒的新型光学方法	亚波长颗粒的计数和位置映射	计算机视觉	NA	深度学习	NA	图像	4 × 4 网格上的颗粒集合
398	2024-12-08	Multimodal deep learning methods enhance genomic prediction of wheat breeding 2023-05-02, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad045 PMID:36869747	研究论文	本文比较了一种新的深度学习方法与传统基因组预测模型在小麦育种中的应用	本文首次将深度学习方法应用于基因组与表型组（成像）相结合的基因组预测中	深度学习方法在某些年份的基因组预测准确性略低于GBLUP模型	提高小麦育种中未观测表型的基因组预测准确性	小麦的基因组数据和表型数据	机器学习	NA	深度学习	深度学习神经网络	基因组数据和表型数据	两个小麦数据集（DS1和DS2），DS1包含基因组和表型数据，DS2包含3年、2个环境（干旱和灌溉）和2-4个性状的基因组数据
399	2024-12-08	Inverse design in quantum nanophotonics: combining local-density-of-states and deep learning 2023-May, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0746 PMID:39635698	研究论文	本文介绍了一种在量子纳米光子学中结合局部态密度和深度学习的逆向设计框架	本文首次将深度学习引入量子光学领域，用于推进量子器件设计，并提供了一个新的平台，用于在没有直接结构与功能特性联系的复杂问题中设计纳米光子结构	NA	推进量子器件设计	量子纳米光子学中的自发辐射和纠缠问题	量子光学	NA	深度学习	全连接神经网络	局部态密度	单个多层壳金属纳米粒子系统中的量子发射器
400	2024-12-08	Deep learning-enabled analysis of medical images identifies cardiac sphericity as an early marker of cardiomyopathy and related outcomes 2023-04-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.02.009 PMID:36996817	研究论文	利用深度学习技术分析心脏磁共振图像，识别心脏球形度作为心肌病及相关结果的早期标志	首次使用深度学习技术测量左心室球形指数，并将其与心肌病和心房颤动的风险关联起来	研究排除了左心室大小或收缩功能异常的受试者，可能影响结果的普适性	探讨心脏形状变化对心血管风险和病理生理学的理解	左心室球形指数与心肌病和心房颤动的关系	计算机视觉	心血管疾病	深度学习	NA	图像	38,897名受试者