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	2024-09-19	Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays 2023-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3217218 PMID:36288235	研究论文	提出了一种基于放射组学的全局-局部Transformer模型，用于胸部X光片中病理定位和分类	创新性地融合了全局图像信息与局部放射组学引导的辅助信息，无需边界框标注即可实现准确的病理定位和分类	NA	开发一种无需边界框标注的病理定位和分类方法	胸部X光片中的病理定位和分类	数字病理学	NA	Transformer	Transformer	图像	使用了NIH ChestXRay数据集
42	2024-09-17	Recognition of Abnormal-Laying Hens Based on Fast Continuous Wavelet and Deep Learning Using Hyperspectral Images 2023-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s23073645 PMID:37050705	研究论文	提出了一种基于快速连续小波变换和深度学习的超光谱图像识别异常产蛋母鸡的方法	结合超光谱成像技术、快速连续小波变换数据分析方法和卷积神经网络深度学习模型，实现了对低产蛋母鸡和正常母鸡的高精度识别	NA	解决商业农场中低产蛋母鸡的识别问题	低产蛋母鸡和正常产蛋母鸡	计算机视觉	NA	超光谱成像	卷积神经网络 (CNN)	图像	两种不同类型的母鸡的超光谱图像数据集
43	2024-09-17	Machine Learning for Uncovering Biological Insights in Spatial Transcriptomics Data 2023-Mar-29, ArXiv PMID:37033464	研究论文	本文总结了空间转录组学数据分析中机器学习的主要目标和当前趋势，并介绍了四个数据科学概念和相关启发式方法，以帮助从业者选择合适的工具	本文介绍了机器学习在空间转录组学数据分析中的应用，特别是深度学习技术的创新工具，以帮助解析复杂生物系统中的信号	本文主要总结了当前的趋势和方法，但未深入探讨具体的技术细节或提供实际案例分析	探讨机器学习在空间转录组学数据分析中的应用，以增强对健康和疾病中多细胞系统发育和稳态过程的理解	空间转录组学数据及其在生物系统中的应用	机器学习	NA	机器学习	深度学习	空间转录组学数据	NA
44	2024-09-17	An intrinsically interpretable neural network architecture for sequence to function learning 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.25.525572 PMID:36747873	研究论文	介绍了一种名为tiSFM的深度学习架构，用于从序列到功能的预测，并展示了其在开放染色质区域预测中的优越性能	tiSFM不仅在性能上优于标准的多层卷积模型，而且其内部参数具有内在的可解释性，能够直接关联到相关的序列基序	NA	开发一种具有内在可解释性的深度学习模型，用于预测基因组功能输出	开放染色质区域和转录因子在造血分化中的作用	机器学习	NA	深度学习	多层神经网络	序列数据	涉及多种造血谱系细胞类型
45	2024-09-17	Multimodality Imaging of COVID-19 Using Fine-Tuned Deep Learning Models 2023-Mar-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071268 PMID:37046486	研究论文	本研究使用微调的深度学习模型对COVID-19进行多模态影像诊断	本研究提出了使用五种最新的深度学习算法（EfficientB0, VGG-19, DenseNet121, EfficientB7, 和 MobileNetV2）对CT扫描和胸部X光图像进行COVID-19诊断，并在精度、敏感性、特异性、F1分数、准确性和数据访问时间方面优于现有最先进的方法	NA	旨在通过微调的深度学习模型快速诊断COVID-19，以应对临床医生短缺的问题	COVID-19病毒的CT扫描和胸部X光图像	计算机视觉	COVID-19	深度学习	EfficientB0, VGG-19, DenseNet121, EfficientB7, MobileNetV2	图像	NA
46	2024-09-17	DiffNILM: A Novel Framework for Non-Intrusive Load Monitoring Based on the Conditional Diffusion Model 2023-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s23073540 PMID:37050600	研究论文	本文介绍了一种基于条件扩散模型的新型非侵入式负载监测框架DiffNILM	利用扩散概率模型区分单个电器的能耗模式，从随机高斯噪声开始，通过条件采样器迭代重建目标波形	NA	推进非侵入式负载监测技术的发展	家庭能耗的详细分析和优化管理	机器学习	NA	扩散概率模型	条件扩散模型	能耗数据	两个公开数据集REDD和UKDALE
47	2024-09-17	BC2NetRF: Breast Cancer Classification from Mammogram Images Using Enhanced Deep Learning Features and Equilibrium-Jaya Controlled Regula Falsi-Based Features Selection 2023-Mar-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071238 PMID:37046456	研究论文	提出了一种新的自动化计算机框架BC2NetRF，用于从乳腺X光图像中进行乳腺癌分类	引入了雾霾减少的局部-全局增强技术，改进了图像对比度，并使用Equilibrium-Jaya控制的Regula Falsi特征选择算法优化特征	NA	提高乳腺癌分类的准确性	乳腺X光图像	计算机视觉	乳腺癌	深度学习	EfficientNet-b0	图像	使用了两个公开数据集CBIS-DDSM和INbreast，分别达到了95.4%和99.7%的平均准确率
48	2024-09-17	An Evaluation of Non-Contact Photoplethysmography-Based Methods for Remote Respiratory Rate Estimation 2023-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s23073387 PMID:37050444	研究论文	本文评估了基于非接触式光电容积描记术（PPG）的远程呼吸率估算方法	本文首次系统评估了公开数据集上提出的方法，解决了当前阻碍公平比较的问题	本文仅评估了两种PPG处理方法，未涵盖所有可能的技术	评估不同PPG处理方法在远程呼吸率估算中的性能	呼吸率（RR）估算方法	生物医学工程	NA	光电容积描记术（PPG）	深度学习	图像	使用了公开的BP4D+数据集
49	2024-09-17	Posterior Estimation Using Deep Learning: A Simulation Study of Compartmental Modeling in Dynamic PET 2023-Mar-17, ArXiv PMID:36994161	研究论文	本文研究了使用深度学习方法在动态PET成像中进行隔室模型后验估计的模拟研究	本文提出了基于变分贝叶斯推断框架的两种深度神经网络模型（CVAE-dual-encoder和CVAE-dual-decoder），用于高效估计成像参数的后验分布	本文仅在模拟研究中验证了方法的有效性，尚未在实际临床数据中进行验证	利用深度学习方法高效估计成像参数的后验分布，并推导出最可能的参数及其不确定性	动态脑PET成像中的隔室模型参数	计算机视觉	NA	深度学习	条件变分自编码器（CVAE）	图像	模拟数据
50	2024-09-17	Structure-Based Neural Network Protein-Carbohydrate Interaction Predictions at the Residue Level 2023-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.14.531382 PMID:36993750	研究论文	本文介绍了两种深度学习模型CAPSIF，用于预测蛋白质上的碳水化合物结合位点	提出了两种新的深度学习模型CAPSIF:V和CAPSIF:G，用于预测蛋白质上的碳水化合物结合位点，并展示了它们在实验和预测结构上的表现	CAPSIF:V在某些情况下表现优于CAPSIF:G，但仍存在改进空间	开发可靠的计算工具来预测蛋白质上的碳水化合物结合位点	蛋白质和碳水化合物的相互作用	机器学习	NA	深度学习	3D-UNet和图神经网络	蛋白质结构	NA
51	2024-09-17	High-Resolution 3D Magnetic Resonance Fingerprinting With a Graph Convolutional Network 2023-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3216527 PMID:36269931	研究论文	本文提出了一种使用图卷积网络（GCN）的高分辨率3D磁共振指纹技术，以实现更快的组织定量和更高的加速因子	本文创新性地使用图卷积网络替代传统的GRAPPA方法，实现了更高的加速因子和更准确的组织定量	NA	提高3D磁共振指纹技术的加速因子和组织定量精度	3D磁共振指纹技术中的组织定量	计算机视觉	NA	磁共振指纹技术（MRF）	图卷积网络（GCN）	图像	NA
52	2024-09-17	Posterior estimation using deep learning: a simulation study of compartmental modeling in dynamic positron emission tomography 2023-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16078 PMID:36331429	研究论文	本文使用深度学习方法在动态正电子发射断层扫描（PET）中进行隔室模型后验估计的模拟研究	提出基于变分贝叶斯推断框架的深度学习方法，使用条件变分自编码器（CVAE）及其变体进行后验分布估计	CVAE-vanilla的性能不如CVAE-dual-encoder和CVAE-dual-decoder	利用深度学习高效估计成像参数的后验分布，并推导出最可能的参数及其不确定性	动态脑PET成像中的后验分布估计	计算机视觉	NA	深度学习	条件变分自编码器（CVAE）	图像	模拟研究中的动态脑PET成像数据
53	2024-09-17	Model-informed unsupervised deep learning approaches to frequency and phase correction of MRS signals 2023-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29498 PMID:36367249	研究论文	本文研究了无监督深度学习方法在磁共振波谱（MRS）信号的频率和相位校正（FPC）中的可行性和效率	提出了两种基于深度学习的FPC方法，并利用先验物理领域知识进行训练和评估	NA	探讨无监督深度学习在MRS数据频率和相位校正中的应用	MRS信号的频率和相位校正	机器学习	NA	深度学习	深度神经网络	磁共振波谱数据	使用了模拟数据、幻影数据和公开的体内MEGA-edited MRS数据进行训练、验证和评估
54	2024-09-17	Predicting childhood and adolescent attention-deficit/hyperactivity disorder onset: a nationwide deep learning approach 2023-03, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01918-8 PMID:36536075	研究论文	本文利用深度学习方法预测儿童和青少年注意力缺陷多动障碍（ADHD）的发病	首次使用深度神经网络（DNN）模型在瑞典注册数据上预测儿童和青少年ADHD的发病，并取得了良好的区分效果	研究结果需要在不同人群中进行验证，并纳入新的预测因子	开发一种能够预测儿童和青少年ADHD发病的模型，以减少误诊	儿童和青少年ADHD的发病预测	机器学习	精神疾病	深度神经网络（DNN）	深度神经网络（DNN）	注册数据	238,696名1995年至1999年间出生并居住在瑞典的人
55	2024-09-17	Robust deep learning object recognition models rely on low frequency information in natural images 2023-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010932 PMID:36972288	研究论文	研究探讨了深度学习模型在自然图像中依赖低频信息以提高鲁棒性的现象	提出低频信息偏好是提高模型鲁棒性的原因之一，并通过实验验证了这一假设	未详细探讨其他可能影响模型鲁棒性的因素	探讨机器学习模型在自然图像中依赖低频信息的原因及其对鲁棒性的影响	深度学习模型在自然图像中的鲁棒性	计算机视觉	NA	NA	NA	图像	未明确提及具体样本数量
56	2024-09-16	Electron transfer rules of minerals under pressure informed by machine learning 2023-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37384-1 PMID:37002237	研究论文	本文通过机器学习模型预测了96种元素在任意压力下的电负性，并推导出一个统一的公式来量化电负性与压力和电子构型之间的关系	首次将电子转移规则应用于高压环境，并提出了一个统一的公式来量化电负性与压力和电子构型的关系	NA	研究高压环境下元素及其化合物的基本物理化学性质	96种元素在任意压力下的电负性及其与压力和电子构型的关系	机器学习	NA	机器学习	深度学习模型	数值数据	96种元素
57	2024-09-16	Predicting COVID-19 positivity and hospitalization with multi-scale graph neural networks 2023-03-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-31222-6 PMID:37002271	研究论文	本文提出了一种基于多尺度图神经网络的方法，用于预测COVID-19的阳性病例和住院人数	首次利用高分辨率时空数据进行多尺度分析，并结合疫苗接种率和人口流动数据	未提及	分析COVID-19传播的时空特征，并预测阳性病例和住院人数	COVID-19的阳性病例和住院人数	机器学习	COVID-19	图神经网络	多尺度图神经网络	时空数据	涉及数千居民的精细地理区域
58	2024-09-16	Automated segmentation of long and short axis DENSE cardiovascular magnetic resonance for myocardial strain analysis using spatio-temporal convolutional neural networks 2023-03-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-023-00927-y PMID:36991474	研究论文	本文开发了一种时空卷积神经网络模型，用于自动分割DENSE心血管磁共振图像中的左心室心肌，以进行心肌应变分析	本文提出了一个时空深度学习模型，用于自动分割DENSE图像中的左心室心肌，解决了传统方法依赖用户输入的问题	NA	开发一种自动化的方法来分割DENSE图像中的左心室心肌，以提高心肌应变分析的准确性和可重复性	左心室心肌的分割和心肌应变分析	计算机视觉	心血管疾病	DENSE	时空卷积神经网络	图像	360个短轴切片和124个长轴切片，来自健康受试者和患有不同心脏疾病的患者
59	2024-09-16	Model-based whole-brain perturbational landscape of neurodegenerative diseases 2023-03-30, eLife IF:6.4Q1 DOI:10.7554/eLife.83970 PMID:36995213	研究论文	本文结合深度学习和模型重现了阿尔茨海默病和行为变异额颞叶痴呆患者的全脑功能连接，并通过扰动模型揭示了从病理状态到健康状态的过渡关键区域	本文首次将深度学习与全脑模型结合，揭示了神经退行性疾病中脑萎缩的动态特征，并通过扰动模型展示了从病理状态到健康状态的过渡关键区域	本文主要集中在阿尔茨海默病和行为变异额颞叶痴呆两种疾病，未涵盖其他神经退行性疾病	研究神经退行性疾病的全脑扰动景观，探索通过外部刺激控制疾病进展的可能性	阿尔茨海默病和行为变异额颞叶痴呆患者	机器学习	神经退行性疾病	深度学习	变分自编码器	功能连接	NA
60	2024-09-16	3DProtDTA: a deep learning model for drug-target affinity prediction based on residue-level protein graphs 2023-Mar-27, RSC advances IF:3.9Q2 DOI:10.1039/d3ra00281k PMID:37006369	研究论文	本文提出了一种基于残基级蛋白质图的深度学习模型3DProtDTA，用于预测药物-靶点亲和力	利用AlphaFold的蛋白质结构预测结果和蛋白质图表示，提出了一种新的深度学习DTA模型3DProtDTA	NA	提高药物-靶点亲和力预测的准确性，加速药物开发过程并降低成本	药物-靶点亲和力	机器学习	NA	深度学习技术，图神经网络	3DProtDTA	蛋白质结构数据	NA