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
41	2024-12-11	MLDA: Multi-Loss Domain Adaptor for Cross-Session and Cross-Emotion EEG-Based Individual Identification 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3315974 PMID:37713231	研究论文	提出了一种名为MLDA的多损失域适配器方法，用于解决基于跨会话和跨情绪的EEG个体识别问题	创新点在于引入了多损失域适配器（MLDA），通过减少边缘分布和条件分布的差异来提高跨会话和跨情绪的EEG个体识别性能	未提及具体的局限性	旨在解决基于EEG的个体识别中跨会话和跨情绪的分类性能问题	研究对象是跨会话和跨情绪的EEG信号	机器学习	NA	深度神经网络、最大均值差异（MMD）	深度神经网络	EEG数据	未提及具体的样本数量
42	2024-12-11	SegCoFusion: An Integrative Multimodal Volumetric Segmentation Cooperating With Fusion Pipeline to Enhance Lesion Awareness 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318131 PMID:37738185	研究论文	本文提出了一种名为SegCoFusion的多模态体积分割与融合集成方法，通过结合特征频率分割网络FDNet和双单路径特征补充策略的分割部分，优化分割输入并与融合部分结合，以提高病变识别能力	SegCoFusion通过集成多模态分割与融合，打破了传统分割和融合方法的性能瓶颈，提供了一种新的视角来通过分割与融合协作提高体积融合性能并增强病变意识	NA	解决多模态医学图像融合中的主观性和任务特定性问题，提高分割和融合的性能	多模态脑肿瘤体积融合与分割	计算机视觉	脑肿瘤	深度学习	U-Net系列	图像	NA
43	2024-12-11	MPVF: 4D Medical Image Inpainting by Multi-Pyramid Voxel Flows 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318127 PMID:37738187	研究论文	本文提出了一种名为多金字塔体素流（MPVF）的模型，用于解决4D医学图像插值问题，特别是心脏和肺部图像的插值	本文的创新点在于提出了多金字塔体素流（MPVF）模型，通过考虑多尺度体素流，能够在插值过程中提供丰富的全局和区域信息，并引入了双边体素流（BVF）模块和金字塔融合（PyFu）模块	NA	本文的研究目的是解决4D医学图像插值问题，特别是心脏和肺部图像的插值	本文的研究对象是心脏和肺部的4D医学图像	计算机视觉	NA	深度学习	MPVF	图像	NA
44	2024-12-11	Deep Open-Curve Snake for Discriminative 3D Neuron Tracking 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320804 PMID:37773913	研究论文	本文提出了一种新的深度学习框架Deep Open-Curve Snake (DOCS)，用于三维神经元跟踪，通过学习3D距离回归判别器和深度学习跟踪器来提升跟踪性能	DOCS框架结合了深度学习技术，能够在噪声污染的弱信号环境下进行有效的神经元跟踪，并通过能量最小化方法迭代更新变形场、拉伸方向和局部半径	NA	提升三维神经元跟踪的准确性和鲁棒性	三维神经元结构的分段、追踪和重建	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	三维体积数据	BigNeuron和Diadem数据集
45	2024-12-11	Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii 2023-Nov, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01349-8 PMID:37231267	研究论文	本文利用机器学习方法筛选出一种针对鲍曼不动杆菌的新型抗生素abaucin	本文首次通过深度学习引导的筛选方法发现了一种针对鲍曼不动杆菌的新型窄谱抗生素abaucin，并揭示了其作用机制	本文仅在体外和小鼠伤口模型中验证了abaucin的抗菌活性，尚未进行临床试验	发现针对鲍曼不动杆菌的新型抗生素	鲍曼不动杆菌及其抗菌分子	机器学习	NA	NA	神经网络	分子数据	约7500种分子
46	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
47	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
48	2024-12-11	Deep learning-based protoacoustic signal denoising for proton range verification 2023-05-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acd257 PMID:37141867	研究论文	本文提出了一种基于深度学习的质子声学信号去噪技术，用于质子射程验证	本文提出了一种新颖的基于深度学习的技术，通过堆叠自编码器（SAE）对质子声学信号进行去噪，显著降低了质子射程验证所需的剂量	本文仅在特定实验条件下验证了该方法的有效性，尚未在临床环境中进行广泛测试	提高质子治疗中质子射程验证的准确性和效率	质子声学信号的去噪和质子射程验证	机器学习	NA	深度学习	堆叠自编码器（SAE）	声学信号	每个设备收集了512个原始信号，低NSA信号为1、2、4、8、16或24个原始信号的平均值，高NSA信号为192个原始信号的平均值
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	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
57	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
58	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
59	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
60	2024-12-08	A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease 2023-Sep-12, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00916-6 PMID:37700032	研究论文	本文介绍了一种基于深度学习的ECG风险评分模型，用于预测长期心血管死亡和疾病风险	开发了一种名为SEER的深度卷积神经网络模型，能够仅基于静息ECG准确预测长期心血管死亡和疾病风险	NA	开发和验证一种基于ECG的深度学习模型，用于预测长期心血管风险	静息12导联ECG数据	机器学习	心血管疾病	深度学习	卷积神经网络	ECG数据	斯坦福大学医学中心收集的大量静息12导联ECG数据，并在Cedars-Sinai医学中心和哥伦比亚大学欧文医学中心独立验证