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
2061	2025-02-02	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	本文提出了一种基于分布式条件生成对抗网络（D-APUCGAN）的相位恢复方法，以同时提高相位和幅度图像的重建质量	提出了D-APUCGAN网络，通过引入内容损失函数来约束重建图像与源图像之间的相似性，从而在相位和幅度图像的重建质量上取得了显著提升	未提及具体限制	解决相位恢复问题，提高相位和幅度图像的重建质量	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	分布式条件生成对抗网络（D-APUCGAN）	GAN	图像	DIV2K测试数据集、MNIST数据集和真实数据
2062	2025-02-02	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	本文提出了一种创新的深度学习框架，用于同时进行视网膜疾病的分类和视网膜撕裂的分割	开发了一种并行掩码引导的卷积神经网络（PM-CNN）和基于PM-CNN输出的分级激活图（GAM）的V-Net网络（GAM V-Net），用于同时进行视网膜疾病的分类和视网膜撕裂的分割	NA	提高视网膜疾病的诊断和量化能力	视网膜疾病的光学相干断层扫描（OCT）图像	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	并行掩码引导的卷积神经网络（PM-CNN）和V-Net网络（GAM V-Net）	图像	包含四个公开数据集和一个实时数据集的组合数据集，涵盖11类视网膜疾病
2063	2025-02-02	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种混合CNN-LSTM模型，用于预测中国河北省的流感活动，以提供更精确的流感防控指导	创新点在于结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的优势，构建了一个混合模型，用于流感活动的预测	研究仅基于河北省28家国家哨点医院的数据，可能无法完全代表其他地区的情况	研究目的是开发一个更精确的流感活动预测模型，以支持流感的预防和控制措施	研究对象是河北省的流感样疾病（ILI）率	机器学习	流感	深度学习	CNN-LSTM混合模型	时间序列数据	2010年至2022年河北省28家国家哨点医院的ILI%数据
2064	2025-02-02	Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.233197 PMID:39162636	研究论文	本研究构建了一个深度学习模型，用于在CT血管造影（CTA）图像上准确分割和检测脑动脉瘤，并与放射学报告进行比较	使用多中心数据集构建深度学习模型，用于脑动脉瘤的分割和检测，并与放射学报告进行性能比较	需要大规模的多中心数据集，且模型性能评估依赖于外部测试集	构建一个深度学习模型，用于在CTA图像上准确分割和检测脑动脉瘤	脑动脉瘤	计算机视觉	脑动脉瘤	CT血管造影（CTA）	深度学习模型	图像	6060名患者用于模型开发，118名患者用于外部测试集
2065	2024-08-29	Detection and quantitative analysis of patient-ventilator interactions in ventilated infants by deep learning networks 2024-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03064-z PMID:38316942	研究论文	本研究通过深度学习网络对机械通气婴儿的患者-呼吸机交互作用（PVI）进行检测和定量分析	开发了用于常见PVI自动检测和量化的二元深度学习分类器	机械通气新生儿中PVI研究受限于缺乏统一的PVI定义和进行大规模分析的工具	研究机械通气新生儿中的患者-呼吸机交互作用，并开发计算模型以促进其自动检测和临床意义评估	23名随机选择的机械通气新生儿	机器学习	NA	卷积神经网络（CNN）	CNN	呼吸波形	23名婴儿，每人500次呼吸
2066	2025-02-02	Joint-learning-based coded aperture compressive temporal imaging 2024-Jul-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.523092 PMID:39889132	研究论文	本文提出了一种基于联合学习的编码孔径压缩时间成像方法，通过联合学习最优二进制掩码策略、松弛策略和正则化策略，实现了高质量的视频重建	结合Landweber迭代重建方法的数学结构与深度学习，成功解决了参数选择的挑战，并引入了多种去噪器以获得更多的正则化先验信息	NA	提高编码孔径压缩时间成像（CACTI）技术的视频重建质量和效率	高速动态场景的视频帧	计算机视觉	NA	压缩感知理论	Landweber迭代方法	视频帧	NA
2067	2025-02-02	Deep Learning for Alzheimer's Disease Prediction: A Comprehensive Review 2024-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121281 PMID:38928696	综述	本文全面回顾了用于阿尔茨海默病预测的深度学习方法，探讨了不同的模态、特征提取方法、数据集、机器学习技术和验证方法	本文通过系统回顾116篇相关论文，总结了现有技术在阿尔茨海默病识别中的应用，并强调了模型可解释性和可理解性的重要性	本文主要基于已有文献进行综述，未提出新的实验或模型	评估现有技术用于阿尔茨海默病识别，并指出未来研究的障碍	阿尔茨海默病的早期诊断	机器学习	老年病	深度学习	NA	多模态数据	116篇相关论文
2068	2025-02-02	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	本文提出了一种基于残差函数的多阶段深度神经网络架构，用于改进现有的阿尔茨海默病（AD）检测方法	提出了一种新的多阶段深度神经网络架构，结合残差网络（ResNets）的成功经验，通过五个阶段增强特征有效性，并引入深度学习特征选择模块以减少过拟合	未提及具体局限性	开发一种自动化的阿尔茨海默病检测系统，以应对全球范围内日益增长的老年痴呆症风险	阿尔茨海默病（AD）	计算机视觉	老年疾病	深度学习（DL）	残差网络（ResNets）、支持向量机（SVM）、随机森林（RF）、SoftMax	医学图像	三个基准数据集：ADNI1: Complete 1Yr 1.5T、MIRAID 和 OASIS Kaggle
2069	2025-02-02	Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides 2024-May-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.27.595990 PMID:38854075	研究论文	本文开发了一种创新的计算方法，设计了一个高度多样化的动物毒液和“元毒液”库，用于发现新的治疗性肽	采用可编程的M13超噬菌体展示技术，保留关键的二硫键结构，并通过高通量DNA测序进行定量，从而实现了高度并行化的单轮生物淘选	NA	发现新的治疗性肽，特别是针对人类瘙痒受体MRGPRX4的Kunitz型结构域蛋白	动物毒液和“元毒液”库	生物信息学	NA	M13超噬菌体展示技术，高通量DNA测序	深度学习	DNA序列	NA
2070	2025-02-02	Positive Effect of Super-Resolved Structural Magnetic Resonance Imaging for Mild Cognitive Impairment Detection 2024-Apr-14, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14040381 PMID:38672031	研究论文	本文提出了一种通过使用超分辨率结构磁共振成像（MRI）和优化的深度学习模型来改进轻度认知障碍（MCI）检测的新方法	引入了先进的损失函数、生成器上采样部分的修改以及在生成对抗训练设置中实验各种判别器，以提高超分辨率2D结构MRI图像的感知质量，并展示了超分辨率在MCI检测任务中的有效性	文中未明确提及研究的局限性	改进轻度认知障碍（MCI）的检测	轻度认知障碍（MCI）患者	计算机视觉	老年疾病	超分辨率结构磁共振成像（MRI）	生成对抗网络（GAN）	图像	未提及具体样本数量
2071	2025-02-02	Automated detection of Alzheimer's disease: a multi-modal approach with 3D MRI and amyloid PET 2024-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-56001-9 PMID:38433282	研究论文	本文提出并评估了使用2D和3D MRI图像以及淀粉样蛋白PET扫描的单模态和多模态分类模型，用于自动检测阿尔茨海默病	本文的创新点在于开发了多模态模型，结合了3D MRI和淀粉样蛋白PET扫描，显著提升了模型性能，并在OASIS-3队列上实现了最先进的性能	本文未提及具体的局限性	研究目的是通过多模态成像技术自动检测阿尔茨海默病	研究对象是阿尔茨海默病患者	计算机视觉	老年病	3D MRI, 淀粉样蛋白PET扫描	深度学习模型	图像	OASIS-3队列
2072	2025-02-02	Strategies to increase the robustness of microbial cell factories 2024-Mar-01, Advanced biotechnology DOI:10.1007/s44307-024-00018-8 PMID:39883204	综述	本文综述了提高微生物细胞工厂稳健性的当前策略，包括基于知识的工程方法和计算辅助设计	介绍了计算辅助设计（如GEMs、深度学习和机器学习）在工业宿主稳健性设计中的应用	未具体提及实验验证或具体案例研究	提高微生物细胞工厂的稳健性，以确保可靠和可持续的生产效率	微生物细胞工厂	生物制造	NA	转录因子、膜/转运蛋白、应激蛋白、适应性实验室进化、GEMs、深度学习、机器学习	深度学习、机器学习	NA	NA
2073	2025-02-02	Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103624 PMID:38823248	研究论文	本文比较了两种方法在个体MRI扫描中检测皮质厚度和灰质体积异常的效能，分别是基于FreeSurfer和深度学习工具DL + DiReCT的ScanOMetrics工具	比较了开源研究工具ScanOMetrics在FreeSurfer和DL + DiReCT两种不同方法下的表现，特别是在处理阿尔茨海默病患者的MRI数据时	尽管DL + DiReCT在计算速度上显著优于FreeSurfer，但其临床评估仍处于初期阶段	比较两种脑部形态测量工具在检测MRI扫描中异常的性能，以支持神经放射学家的诊断决策	阿尔茨海默病患者和健康对照者的MRI扫描数据	数字病理学	阿尔茨海默病	MRI扫描，深度学习	DL + DiReCT	图像	OASIS3数据集中的阿尔茨海默病患者和健康对照者
2074	2025-02-02	Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445325 PMID:39371344	研究论文	本研究利用ADNI和OASIS数据集，通过深度学习模型检测阿尔茨海默病（AD）和轻度认知障碍（MCI）	采用迁移学习技术提升模型性能，利用预训练数据集改进AD和MCI的检测	研究依赖于特定数据集（ADNI和OASIS），可能限制了模型的泛化能力	开发有效的深度学习模型以检测阿尔茨海默病和轻度认知障碍	阿尔茨海默病（AD）和轻度认知障碍（MCI）患者	数字病理学	老年疾病	磁共振成像（MRI）	DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152	图像	ADNI和OASIS数据集中的MRI数据
2075	2025-02-02	Sex differences in brain MRI using deep learning toward fairer healthcare outcomes 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1452457 PMID:39606583	研究论文	本研究利用深度学习分析脑部MRI数据中的性别差异，旨在推动医学影像中的公平性	通过深度学习模型分析脑部MRI数据中的性别差异，并利用显著性图识别性别区分的重要脑区，为开发基于性别的偏见缓解策略提供见解	模型在极端脑部大小时表现出偏见，且未使用颅内总体积（TIV）调整技术	分析脑部MRI数据中的性别差异，推动医学影像中的公平性	脑部MRI数据	医学影像	NA	3D T1加权磁共振成像	卷积神经网络（CNN）	图像	来自四个不同数据集的脑部MRI数据，包括Calgary-Campinas-359、OASIS-3、阿尔茨海默病神经影像倡议和剑桥老龄化与神经科学中心
2076	2025-02-02	Ordinal Classification with Distance Regularization for Robust Brain Age Prediction 2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv57701.2024.00770 PMID:38606366	研究论文	本文提出了一种新的基于深度学习的分类方法，用于从磁共振成像（MRI）扫描中预测大脑年龄，以解决现有回归方法中的系统偏差问题	提出了一种新的ORdinal Distance Encoded Regularization (ORDER)损失函数，该函数结合了年龄标签的顺序信息，增强了模型捕捉年龄相关模式的能力	虽然该方法在减少系统偏差方面表现出色，但其在更广泛临床数据集上的泛化能力仍需进一步验证	通过改进大脑年龄预测方法，提高其在阿尔茨海默病（AD）早期检测和风险评估中的可靠性	大脑年龄预测	计算机视觉	阿尔茨海默病	深度学习	深度学习模型	磁共振成像（MRI）扫描	未明确提及具体样本数量，但使用了独立的AD数据集进行验证
2077	2025-02-02	Multi-Head Graph Convolutional Network for Structural Connectome Classification 2024, Graphs in biomedical image analysis, and overlapped cell on tissue dataset for histopathology : 5th MICCAI Workshop, GRAIL 2023 and 1st MICCAI Challenge, OCELOT 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, Septembe... DOI:10.1007/978-3-031-55088-1_3 PMID:38665679	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2078	2025-02-01	Improved Generalizability in Medical Computer Vision: Hyperbolic Deep Learning in Multi-Modality Neuroimaging 2024-Dec-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10120319 PMID:39728216	研究论文	本研究探讨了双曲卷积神经网络（HCNNs）在神经影像任务中相较于传统卷积神经网络（CNNs）的潜在优势，特别是在提高模型泛化能力方面	利用非欧几里得空间的几何原理，HCNNs在神经影像数据中展现出增强的鲁棒性和语义组织能力，尤其在零样本评估中表现优于CNNs和放射科医生	HCNNs在处理更大、更复杂的数据集时面临效率和性能挑战，需要进一步优化架构	研究目的是通过比较HCNNs和CNNs在多种医学影像模态和疾病中的表现，评估HCNNs在提高模型泛化能力方面的潜力	研究对象包括多模态神经影像数据集和缺血性卒中非对比CT图像	计算机视觉	阿尔茨海默病	深度学习	HCNNs, CNNs	图像	多模态神经影像数据集和缺血性卒中非对比CT图像
2079	2025-02-01	Automatic Quantitative Analysis of Internal Quantum Efficiency Measurements of GaAs Solar Cells Using Deep Learning 2024-Dec-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407048 PMID:39630124	研究论文	本文提出了一种使用深度学习方法自动预测砷化镓太阳能电池内部量子效率（IQE）测量中多个关键参数的方法	首次将深度学习方法应用于非硅太阳能电池（如砷化镓电池）的IQE测量定量分析，提高了参数预测的准确性和对噪声测量的鲁棒性	目前仅针对砷化镓太阳能电池进行了验证，未涉及其他非硅太阳能电池技术	提高砷化镓太阳能电池内部量子效率测量的定量分析效率和准确性	砷化镓太阳能电池	机器学习	NA	深度学习方法	NA	量子效率测量数据	NA
2080	2025-02-01	Inferring the genetic relationships between unsupervised deep learning-derived imaging phenotypes and glioblastoma through multi-omics approaches 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf037 PMID:39879386	研究论文	本研究旨在探讨无监督深度学习衍生的影像表型（UDIPs）与胶质母细胞瘤（GBM）之间的遗传关联	结合GWAS数据、单核RNA测序（snRNA-seq）和scPagwas方法，探索UDIPs与GBM的遗传联系，并识别了23个与GBM有显著因果关联的UDIPs	研究中涉及的UDIPs数量较多（512个），但仅有23个显示出显著关联，可能限制了结果的广泛适用性	研究无监督深度学习衍生的影像表型与胶质母细胞瘤之间的遗传关联	胶质母细胞瘤（GBM）患者及其影像表型	数字病理学	胶质母细胞瘤	GWAS, snRNA-seq, scPagwas	无监督深度学习	影像数据, 基因组数据	512个UDIPs