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	2024-12-20	Deformable Spherical Transformer for Cerebellar Surface Parcellation 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230447 PMID:39698481	研究论文	本文提出了一种基于深度学习的端到端方法，用于自动分割小脑皮质表面，该方法结合了球形Transformer架构和可变形注意力机制	本文创新性地提出了可变形球形Transformer，通过结合球形Transformer架构和可变形注意力机制，能够自适应地关注球形小脑表面上的关键和具有挑战性的区域	NA	开发一种新的端到端深度学习方法，用于自动分割具有内在球形拓扑结构的小脑皮质表面	小脑皮质表面的自动分割	计算机视觉	NA	深度学习	Transformer	图像	NA
2	2024-12-18	CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data 2023-Apr-12, ArXiv PMID:37090237	研究论文	本文提出了一种名为CLCLSA的深度学习方法，用于整合不完整的多组学数据，通过跨组学链接嵌入、对比学习和自注意力机制来实现	创新点在于使用跨组学自编码器学习不同类型生物数据的特征表示，并结合多组学对比学习和特征级、组学级的自注意力机制，以动态识别最具信息量的特征	本文未提及具体的局限性	研究目的是通过整合异质性和高维的多组学数据，更全面地理解疾病和表型	研究对象是多组学数据，特别是存在不完整数据的情况	机器学习	NA	对比学习、自注意力机制	自编码器	多组学数据	四个公共多组学数据集
3	2024-12-17	Deep learning accelerated discovery of photonic power dividers 2023-Apr, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0715 PMID:39677593	研究论文	本文应用深度学习加速的逆向设计算法，发现了一系列性能优异的光子功率分配器	本文提出的深度学习模型能够在TE和TM极化下实现高精度设计，并能快速搜索满足紧凑尺寸、超低损耗、超宽带宽和制造随机性鲁棒性的设计空间	NA	加速光子功率分配器的设计和发现	光子功率分配器	光子学	NA	深度学习	深度学习模型	光子器件设计	NA
4	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
5	2024-11-23	Integration of clinical features and deep learning on pathology for the prediction of breast cancer recurrence assays and risk of recurrence 2023-Apr-14, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00530-5 PMID:37059742	研究论文	本文介绍了一种结合临床特征和深度学习模型，利用数字病理学数据预测乳腺癌复发检测结果和复发风险的方法	该方法在预测乳腺癌复发检测结果和复发风险方面优于传统的临床诺模图，并且在独立验证队列中表现更好	该方法的适用性可能受限于低资源设置下的测试可用性	开发一种能够准确预测乳腺癌复发检测结果和复发风险的新方法，以指导化疗的使用	激素受体阳性、HER2阴性的乳腺癌患者	数字病理学	乳腺癌	深度学习	深度学习模型	图像和临床风险因素	外部验证队列中的患者
6	2024-11-22	An efficient memory reserving-and-fading strategy for vector quantization based 3D brain segmentation and tumor extraction using an unsupervised deep learning network 2023-Apr-26, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09965-9 PMID:37362765	研究论文	本文提出了一种基于向量量化的3D脑部图像分割和肿瘤提取方法，采用无监督深度学习网络和高效的内存保留与衰减策略	本文的创新点在于提出了一种无监督的3D深度嵌入聚类网络和内存保留与衰减策略，避免了手动数据标注，并显著提高了计算效率	NA	研究目的是解决3D脑部图像分割中手动标注数据需求大和计算效率低的问题	研究对象是3D脑部图像的分割和肿瘤提取	计算机视觉	NA	向量量化	3D深度嵌入聚类网络	图像	在两个权威的MRI脑肿瘤数据库（IBSR和BrainWeb）以及从本机构收集的真实3D脑肿瘤数据上进行了评估
7	2024-11-06	Classification of wheat diseases using deep learning networks with field and glasshouse images 2023-Apr, Plant pathology IF:2.3Q2 DOI:10.1111/ppa.13684 PMID:38516179	研究论文	本文使用深度学习网络对小麦病害进行分类，结合田间和温室图像	本文提出了一个包含田间和温室条件下小麦图像的数据集，并训练了一个名为CerealConv的深度学习模型，该模型在分类准确性上超过了专业病理学家的表现	NA	研究目的是利用深度学习方法在早期阶段检测和识别作物病害，以提高病害控制效果	研究对象是小麦的五种病害，包括健康植物和四种叶部病害	计算机视觉	NA	深度学习	深度学习网络	图像	数据集包含田间和温室条件下的小麦图像，分为五类
8	2024-10-28	A DEEP LEARNING FRAMEWORK TO LOCALIZE THE EPILEPTOGENIC ZONE FROM DYNAMIC FUNCTIONAL CONNECTIVITY USING A COMBINED GRAPH CONVOLUTIONAL AND TRANSFORMER NETWORK 2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi53787.2023.10230831 PMID:39450418	研究论文	本文提出了一种使用动态功能连接的深度学习框架，结合图卷积网络和Transformer网络，用于定位癫痫病灶区	首次提出了一种自动化框架，利用静息态fMRI的动态功能连接来定位癫痫病灶区，并结合图卷积网络和Transformer网络进行特征提取和时间点选择	NA	开发一种新的深度学习框架，用于从动态功能连接中定位癫痫病灶区	癫痫病灶区的定位	机器学习	癫痫	静息态功能磁共振成像（rs-fMRI）	图卷积网络（GCN）和Transformer网络	功能连接数据	训练数据来自人类连接组项目，评估数据来自临床癫痫数据集
9	2024-10-28	Federated Learning with Research Prototypes: Application to Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology 2023-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.012 PMID:36914501	研究论文	本文介绍了一种灵活的联邦学习框架，用于跨站点训练、验证和评估定制的深度学习前列腺癌检测算法	提出了一个灵活的联邦学习框架，支持跨站点训练和评估，并开源了FLtools系统以促进联邦学习的应用	需要更多数据和参与机构来提高前列腺癌分类模型的绝对性能	提高前列腺癌检测模型在不同机构间的泛化性能，同时保护患者健康信息和机构特定代码及数据	前列腺癌的检测和分期	计算机视觉	前列腺癌	联邦学习	3D UNet	MRI图像	1400+个异质性多参数前列腺MRI检查
10	2024-10-26	Implementation considerations for deep learning with diffusion MRI streamline tractography 2023-Apr-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.03.535465 PMID:37066284	研究论文	本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑	本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现	目前缺乏广泛可用的开源实现	降低该领域的进入门槛，促进进一步创新	扩散MRI流线束追踪的实现	计算机视觉	NA	扩散MRI（dMRI）	递归神经网络（RNN）	图像	NA
11	2024-10-19	Levothyroxine use and longitudinal changes in thigh muscles in at-risk participants for knee osteoarthritis: preliminary analysis from Osteoarthritis Initiative cohort 2023-04-11, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-023-03012-y PMID:37041609	研究论文	研究了左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉纵向变化之间的关系	首次探讨了左甲状腺素使用与大腿肌肉质量和成分变化之间的关联，并评估了其在膝关节骨性关节炎发病中的中介作用	研究结果需考虑甲状腺功能作为潜在的混杂因素或效应修饰因子，未来研究需进一步探讨甲状腺功能生物标志物对大腿肌肉纵向变化的影响	探讨左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉质量和成分变化之间的关系及其在膝关节骨性关节炎发病中的作用	膝关节骨性关节炎高风险参与者的大腿肌肉质量和成分	NA	骨性关节炎	深度学习方法	NA	MRI数据	1043个匹配的大腿/膝盖样本（266个左甲状腺素使用者，777个非使用者）
12	2024-10-14	Comprehensive Functional Annotation of Metagenomes and Microbial Genomes Using a Deep Learning-Based Method 2023-04-27, mSystems IF:5.0Q1 DOI:10.1128/msystems.01178-22 PMID:37010293	研究论文	开发了一种新的元基因组分析工作流程，整合了基因组重建、分类学分析和基于深度学习的功能注释，以提高微生物基因的功能注释覆盖率	首次将基于深度学习的功能注释应用于元基因组学，显著提高了基因功能注释的覆盖率	DeepFRI的注释比eggNOG的注释更广泛但不那么具体，并且在已知物种上的注释敏感性较低	提高微生物基因的功能注释覆盖率，揭示人类肠道微生物群在健康和疾病中的功能特征	人类肠道微生物群的基因功能注释	机器学习	NA	深度学习	DeepFRI	基因组	1070个婴儿元基因组
13	2024-10-09	Assessment of Risk Factors and Clinical Importance of Enlarged Perivascular Spaces by Whole-Brain Investigation in the Multi-Ethnic Study of Atherosclerosis 2023-04-03, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2023.9196 PMID:37093602	研究论文	本研究通过全脑调查评估了扩大血管周围间隙（ePVSs）的风险因素及其在多民族动脉粥样硬化研究中的临床重要性	首次在全脑范围内研究ePVSs，并使用深度学习算法自动量化ePVSs的体积	这是一项横断面研究，无法确定因果关系	评估ePVSs的风险因素及其在全脑范围内的临床重要性	扩大血管周围间隙（ePVSs）及其与年龄、种族、血压等因素的关系	NA	NA	磁共振成像（MRI）	深度学习算法	图像	1026名参与者
14	2024-10-08	Histogram of Oriented Gradients meet deep learning: A novel multi-task deep network for 2D surgical image semantic segmentation 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102747 PMID:36702038	研究论文	本文提出了一种新颖的多任务深度学习方法，用于2D手术图像的语义分割	本文的创新点在于使用无监督方式生成辅助任务的伪标签，并利用方向梯度直方图（HOG）作为伪标签生成的特征	NA	研究目的是改进医学图像分割的性能	研究对象是2D手术图像的语义分割	计算机视觉	NA	方向梯度直方图（HOG）	多任务深度网络	图像	两个不同的医学图像分割数据集
15	2024-10-01	A Review on Electronic Health Record Text-Mining for Biomedical Name Entity Recognition in Healthcare Domain 2023-Apr-28, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare11091268 PMID:37174810	综述	本文综述了在医疗领域中使用深度学习和人工智能技术进行电子健康记录文本挖掘的生物医学命名实体识别	本文介绍了基于深度学习的生物医学命名实体识别系统，这些系统能够自动学习生物医学文本的模式，比传统的基于规则的系统更强大和高效	本文讨论了生物医学命名实体识别系统面临的挑战，并提出了未来的研究方向	综述生物医学命名实体识别在医疗领域的应用，特别是使用深度学习和人工智能技术	电子健康记录中的生物医学命名实体识别	自然语言处理	NA	深度学习	NA	文本	NA
16	2024-10-01	Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography 2023-04-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO.22.01345 PMID:36634294	研究论文	本文介绍了一种名为Sybil的深度学习模型，用于从单次低剂量胸部CT扫描中预测未来肺癌风险	提出了一个经过验证的深度学习模型，能够从单次低剂量胸部CT扫描中预测未来肺癌风险	NA	开发和验证一种能够预测未来肺癌风险的深度学习模型	低剂量胸部CT扫描图像	计算机视觉	肺癌	深度学习	深度学习模型	图像	NA
17	2024-09-30	A Large-scale Synthetic Pathological Dataset for Deep Learning-enabled Segmentation of Breast Cancer 2023-04-21, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02125-y PMID:37085533	研究论文	本文介绍了一个大规模的合成病理图像数据集SNOW，用于乳腺癌细胞核的语义分割	提出了一个大规模的合成病理图像数据集SNOW，通过标准化的工作流程生成和注释，适用于监督和半监督训练场景	NA	开发一个大规模的合成病理图像数据集，以支持计算机视觉模型在病理学中的应用	乳腺癌细胞核的语义分割	数字病理学	乳腺癌	NA	NA	图像	20,000张图像，1,448,522个注释的细胞核
18	2024-09-30	Research on Performance Degradation Estimation of Key Components of High-Speed Train Bogie Based on Multi-Task Learning 2023-Apr-20, Entropy (Basel, Switzerland) DOI:10.3390/e25040696 PMID:37190484	研究论文	本文提出了一种基于多任务学习的模型，用于估计高速列车转向架关键部件的性能退化状态	本文创新性地采用了多任务和多尺度卷积神经网络，结合软参数共享方法，实现了对高速列车转向架多个关键部件性能退化状态的联合估计	本文未详细讨论模型的泛化能力和在不同列车类型上的适用性	提高高速列车转向架关键部件性能退化估计的准确性和效率	高速列车转向架的关键部件	机器学习	NA	多任务学习	卷积神经网络	振动信号	NA
19	2024-09-30	Deep Learning Approaches for Data Augmentation in Medical Imaging: A Review 2023-Apr-13, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging9040081 PMID:37103232	综述	本文综述了使用深度生成模型进行医学影像数据增强的三种主要方法	本文介绍了使用深度生成模型生成更真实和多样化数据的方法，以解决医学影像数据增强中的局限性	本文讨论了每种模型的优缺点，并指出了未来研究的方向	本文旨在全面综述深度生成模型在医学影像数据增强中的应用，并强调这些模型在提高深度学习算法性能方面的潜力	本文研究了变分自编码器、生成对抗网络和扩散模型在医学影像数据增强中的应用	计算机视觉	NA	深度学习	变分自编码器、生成对抗网络、扩散模型	图像	NA
20	2024-09-29	Automatic detection of circulating tumor cells and cancer associated fibroblasts using deep learning 2023-04-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-32955-0 PMID:37029224	研究论文	本文开发了一种定制的成像系统和深度学习方法，用于自动检测循环肿瘤细胞和癌症相关成纤维细胞	本文的创新点在于开发了一种定制的成像系统和深度学习方法，显著提高了循环肿瘤细胞和癌症相关成纤维细胞的检测精度	NA	本文的研究目的是开发一种高效的方法来自动检测循环肿瘤细胞和癌症相关成纤维细胞，以辅助癌症诊断和预后	本文的研究对象是循环肿瘤细胞和癌症相关成纤维细胞	计算机视觉	NA	深度学习	NA	图像	使用了培养的癌症细胞和癌症相关成纤维细胞样本