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	2024-12-12	Functional connectivity signatures of major depressive disorder: machine learning analysis of two multicenter neuroimaging studies 2023-Jul, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-023-01977-5 PMID:36792654	研究论文	本文利用机器学习和深度学习算法，分析了两个多中心神经影像数据集，以区分重度抑郁症患者与健康对照组，并识别抑郁症的神经生理学特征	本文首次在两个最大的重度抑郁症静息态数据集中应用了图卷积神经网络（GCN）和GCN-Explainer进行特征可视化，揭示了丘脑超连接性作为抑郁症的显著神经生理学特征	分类准确率较低，表明静息态功能连接作为重度抑郁症的生物标志物可靠性较差，可能是由于疾病的异质性	开发用于精神病学的诊断工具，并识别重度抑郁症的神经生理学特征	重度抑郁症患者与健康对照组的静息态功能连接	机器学习	精神疾病	功能磁共振成像（fMRI）	支持向量机（SVM）和图卷积神经网络（GCN）	功能连接矩阵	REST-meta-MDD数据集2338例，PsyMRI数据集1039例
2	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
3	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
4	2024-12-06	Cross-Subject Tinnitus Diagnosis Based on Multi-Band EEG Contrastive Representation Learning 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3264521 PMID:37018100	研究论文	本文提出了一种基于多频带EEG对比表示学习的跨受试者耳鸣诊断方法	提出了一个名为多频带EEG对比表示学习（MECRL）的多任务学习框架，用于提高耳鸣诊断的鲁棒性和数据效率	NA	识别耳鸣并为其诊断和治疗提供理论指导	耳鸣患者和健康对照组的静息状态EEG数据	数字病理学	耳鸣	EEG	深度神经网络	EEG数据	187名耳鸣患者和80名健康受试者
5	2024-12-06	Psychotic Relapse Prediction in Schizophrenia Patients Using A Personalized Mobile Sensing-Based Supervised Deep Learning Model 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3265684 PMID:37037254	研究论文	本文提出了一种基于个性化移动感知和监督深度学习的模型RelapsePredNet，用于预测精神分裂症患者的精神病复发	本文的创新点在于提出了一个个性化的长短期记忆网络模型RelapsePredNet，并通过融合模型进一步提高了预测性能	本文的局限性在于仅使用了63名患者的移动感知数据进行评估，样本量较小	本文的研究目的是开发一种能够预测精神分裂症患者精神病复发的个性化深度学习模型	本文的研究对象是精神分裂症患者及其精神病复发	机器学习	精神疾病	深度学习	LSTM	移动感知数据	63名精神分裂症患者，每人监测时间长达一年
6	2024-12-06	Deep Learning Identifies Intelligible Predictors of Poor Prognosis in Chronic Kidney Disease 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266587 PMID:37043318	研究论文	本研究探讨了机器学习和深度学习模型在慢性肾脏病（CKD）进展至终末期肾病（ESRD）预测中的可解释性	引入了四种先进的归因方法到深度学习模型中，提高了模型的可解释性，并发现了一些未被充分报告的CKD进展关键特征	LASSO模型的解释与临床知识不一致	早期诊断和预测慢性肾脏病的进展，以确保个性化治疗	慢性肾脏病患者及其进展至终末期肾病的预测	机器学习	肾脏病	深度学习	深度学习模型	临床和实验室数据	NA
7	2024-12-06	Reconstruction-Driven Dynamic Refinement Based Unsupervised Domain Adaptation for Joint Optic Disc and Cup Segmentation 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266576 PMID:37043317	研究论文	提出了一种基于重建驱动的动态细化无监督域适应方法，用于联合视盘和视杯分割	引入了一种新的无监督域适应方法RDR-Net，通过重建对齐、低级特征细化和预测图对齐三个模块来缓解域偏移问题	未提及	解决视盘和视杯分割中的域偏移问题，提高模型的泛化能力	视盘和视杯的分割	计算机视觉	眼科疾病	无监督域适应	RDR-Net	图像	四个公开的眼底图像数据集
8	2024-12-06	One-Dimensional W-NETR for Non-Invasive Single Channel Fetal ECG Extraction 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3266645 PMID:37043321	研究论文	本文提出了一种使用W-NETR模型从母体腹部ECG信号中非侵入式提取单通道胎儿ECG的新方法	本文创新性地使用了两个并行的U-net模型结合transformer编码，称为W-NETR，利用transformer的自注意力机制增强远程交互和全局上下文捕捉能力	NA	开发一种高效、准确的非侵入式胎儿ECG提取方法，以实现早期胎儿心脏异常检测和安全分娩	从母体腹部ECG信号中提取胎儿ECG信号	生物医学工程	NA	transformer	W-NETR	ECG信号	使用了合成数据集和真实数据集（ADFECGDB和PCDB）进行测试
9	2024-12-06	SLEEP-SEE-THROUGH: Explainable Deep Learning for Sleep Event Detection and Quantification From Wearable Somnography 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267087 PMID:37058373	研究论文	本文提出了一种可解释的深度学习方法，用于从可穿戴睡眠监测设备中检测和量化睡眠事件	本文的创新点在于结合了光学、差压和加速度信号，通过深度网络进行多因素夜间监测，并生成定性和定量数据以提高预测的可解释性	本文的局限性在于样本量较小，且睡眠模式预测的准确性相对较低	本文的研究目的是开发一种可解释的深度学习模型，用于早期诊断和评估睡眠障碍	本文的研究对象是可穿戴设备采集的光学、差压和加速度信号，以及由此生成的类睡眠图信号	机器学习	NA	深度学习	深度网络	信号	20名健康受试者
10	2024-12-06	Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3267857 PMID:37067963	研究论文	本文介绍了在心脏MRI图像中使用深度学习方法对右心室进行分割的研究，并参与了M&Ms挑战	提出了新的方法来处理右心室的几何和纹理复杂性，特别是在存在病理如扩张型右心室、三尖瓣反流等情况下的分割	需要整合多种心脏疾病、视角、扫描仪和采集协议以提高自动心脏分割算法的可靠性	提高心脏MRI图像中右心室分割的准确性	右心室在心脏MRI图像中的分割	计算机视觉	心血管疾病	深度学习	nnU-Net	图像	360例心脏MRI病例，包括短轴和长轴4腔视图，来自三家西班牙医院，使用九种不同扫描仪
11	2024-12-06	Benchmarking Polyp Segmentation Methods in Narrow-Band Imaging Colonoscopy Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3270724 PMID:37099473	研究论文	本文提出了一个新的窄带成像（NBI）结肠镜图像息肉分割数据集（PS-NBI2K），并对24种基于深度学习的息肉分割方法进行了基准测试和分析	首次在窄带成像（NBI）数据上对多种基于深度学习的息肉分割方法进行基准测试，并提出了一个新的数据集PS-NBI2K	现有方法在处理较小尺寸和较强干扰的息肉时表现不佳，且在有效性和效率之间存在权衡	评估和改进窄带成像（NBI）结肠镜图像中的息肉分割方法	窄带成像（NBI）结肠镜图像中的息肉分割	计算机视觉	NA	深度学习（DL）	NA	图像	2000张窄带成像（NBI）结肠镜图像
12	2024-12-06	Two-Stage Self-Supervised Cycle-Consistency Transformer Network for Reducing Slice Gap in MR Images 2023-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3271815 PMID:37126622	研究论文	本文提出了一种两阶段自监督循环一致性Transformer网络（TSCTNet），用于减少MR图像中的切片间隙	设计了一种新颖的自监督学习策略，结合了Transformer和CNN结构，以探索局部和全局切片表示	需要进一步验证在更多数据集上的泛化能力	减少MR图像中的切片间隙，重建高分辨率图像	MR图像	计算机视觉	NA	深度学习	Transformer	图像	两个公开的MR图像数据集
13	2024-11-20	Deep learning-based pathology signature could reveal lymph node status and act as a novel prognostic marker across multiple cancer types 2023-07, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-023-02262-6 PMID:37137998	研究论文	本文提出了一种基于深度学习的泛癌淋巴结转移预测模型，并验证了其在多种癌症类型中的泛化性能和作为独立预后因素的潜力	首次提出了一种基于自监督癌症不变特征的注意力机制弱监督神经网络，用于泛癌淋巴结转移状态的预测，并展示了其在多种癌症类型中的良好泛化性能	NA	开发一种能够预测多种癌症类型淋巴结转移状态的自动化模型，并验证其作为独立预后因素的潜力	11种癌症类型的4400张全切片图像	数字病理学	NA	深度学习	注意力机制弱监督神经网络	图像	4400张全切片图像
14	2024-11-07	ChromaFold predicts the 3D contact map from single-cell chromatin accessibility 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.27.550836 PMID:37546906	研究论文	本文介绍了一种名为ChromaFold的深度学习模型，用于从单细胞染色质可及性数据中预测3D接触图和调控相互作用	ChromaFold能够仅使用单细胞ATAC测序数据来预测3D接触图和调控相互作用，这在当前的3C技术无法在小样本量下解析相互作用的情况下具有创新性	ChromaFold的性能依赖于高质量的单细胞ATAC测序数据和CTCF ChIP-seq数据，且在复杂组织中的应用仍需进一步验证	开发一种能够从单细胞染色质可及性数据中预测3D接触图和调控相互作用的深度学习模型	单细胞染色质可及性数据和3D接触图	机器学习	NA	单细胞ATAC测序	深度学习模型	单细胞数据	涉及人类和小鼠的多种细胞类型
15	2024-10-26	Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses 2023-Jul-14, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.13.548611 PMID:37503003	研究论文	开发了一种基于高通量基因标记的方法，用于大规模生成和分析内源性标记蛋白质的复杂细胞池，以实现对蛋白质组组织和功能的系统级理解	提出了一种新的方法，通过HaloTag标记蛋白质并结合荧光标记、测序和基于深度学习的图像分析，实现了对细胞内蛋白质定位模式的全面观察和蛋白质错误折叠引起的细胞应激反应的映射	NA	研究蛋白质组的动力学、功能和稳态	内源性标记的蛋白质及其在细胞内的定位和功能	生物信息学	NA	高通量基因标记、荧光标记、单细胞RNA测序	深度学习	图像、基因序列	NA
16	2024-10-26	Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study 2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2023.02.017 PMID:36933849	研究论文	本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性	提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性	仅在两个中心的数据集上进行了测试，样本量较小	评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较	左心室全局纵向应变	机器学习	心血管疾病	深度学习	NA	图像	两个数据集，分别包含40和32个样本
17	2024-10-21	Unsupervised Detection and Correction of Model Calibration Shift at Test-Time 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10341086 PMID:38083174	研究论文	本文提出了一种在测试时检测和校正模型校准偏移的方法	本文提出了一种名为CaDC的方法，专门设计用于仅利用目标医院的未标记数据进行模型校准检测和校正	NA	研究目的是提高临床预测模型在不同医院和时间上的泛化能力	研究对象是脓毒症早期预测模型	机器学习	脓毒症	深度学习	CaDC模型	未标记数据	545,089名成年患者
18	2024-10-21	Development & Deployment of a Real-time Healthcare Predictive Analytics Platform 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340351 PMID:38083765	研究论文	开发并部署了一个可扩展的、基于云的、容错的实时医疗预测分析平台	提出了一个能够安全无缝集成到现有医疗工作流程中的预测分析平台，并成功部署在UC San Diego Health系统中	NA	开发和部署一个能够实时处理电子健康记录数据并进行预测分析的平台	电子健康记录数据和实时预测分析	机器学习	NA	深度学习	深度学习模型	电子健康记录数据	NA
19	2024-10-20	Deep learning tools to accelerate antibiotic discovery 2023 Jul-Dec, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2023.2250721 PMID:37794737	综述	本文综述了深度学习在抗生素发现中的关键框架，重点介绍了物理化学特征和数据集限制	本文介绍了多种深度学习模型在抗生素发现中的应用，包括判别模型和生成模型，并探讨了这些技术在药物发现中的潜力	本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战	本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战	本文研究对象为抗生素发现中的深度学习模型及其应用	机器学习	NA	深度学习	卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型	高维数据	NA
20	2024-10-18	Single-Atom Level Determination of 3-Dimensional Surface/Interface Atomic Structures via Deep Learning-Assisted Atomic Electron Tomography 2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/micmic/ozad067.712 PMID:37613584	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA