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
5821	2024-10-04	Frequency aware high-quality computer-generated holography via multilevel wavelet learning and channel attention 2024-Oct-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.532049 PMID:39353006	研究论文	本文提出了一种基于多级小波学习和通道注意力机制的频率感知网络，用于生成高质量的相位全息图	本文创新性地设计了多级小波通道注意力网络（MW-CANet），通过多尺度小波变换有效捕捉高低频特征，并利用注意力机制增强对关键高频成分的关注	NA	解决现有基于卷积神经网络的相位全息图生成方法中存在的高频成分学习不足的问题	相位全息图（POHs）的高质量生成	计算机视觉	NA	多级小波变换、通道注意力机制	CNN	图像	NA
5822	2024-10-04	Holography optimization based on combining iterative Green's function algorithm and deep learning method 2024-Oct-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.531648 PMID:39353020	研究论文	本文提出了一种结合数值迭代算法和物理信息神经网络（PINN）架构的新方法，用于解决亥姆霍兹方程，实现高度通用的折射率调制全息术	首次将数值迭代算法与物理信息神经网络结合，用于解决亥姆霍兹方程，并设计了非均匀折射率卷积神经网络（NRI-CNN）和U-net来处理光场和相位的残差	NA	解决亥姆霍兹方程，实现高度通用的折射率调制全息术	亥姆霍兹方程的求解和光场分布的获取	计算机视觉	NA	数值迭代算法	卷积神经网络（CNN）、物理信息神经网络（PINN）、U-net	光场分布	多种类型的光束
5823	2024-10-04	Spatial Transcriptomics of the Respiratory System 2024-Oct-01, Annual review of physiology IF:15.7Q1 DOI:10.1146/annurev-physiol-022724-105144 PMID:39353142	综述	本文综述了空间转录组学在呼吸系统中的应用及其最新进展	介绍了利用机器学习和深度学习技术来解释空间数据的最新发展	本文主要综述了现有技术的优势和局限性，未提出新的研究方法	探讨空间转录组学如何帮助理解呼吸系统中细胞类型的三维空间交互	呼吸系统中的细胞类型及其在健康和疾病中的功能	生物信息学	NA	空间转录组学	机器学习	基因表达数据	NA
5824	2024-10-04	Deep-Learning-Based Disease Classification in Patients Undergoing Cine Cardiac MRI 2024-Oct-01, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29619 PMID:39353848	研究论文	开发了一种基于MRI的深度学习疾病分类算法，用于区分正常人、扩张型心肌病、肥厚型心肌病和缺血性心脏病	使用变分自编码器模型和无标签正常数据进行训练，提高了正常类别的特异性	研究为回顾性，样本量有限，且未涉及其他心脏疾病	开发一种自动化的MRI疾病分类算法，用于快速、可重复地评估心血管疾病	正常人、扩张型心肌病、肥厚型心肌病和缺血性心脏病患者	计算机视觉	心血管疾病	MRI	变分自编码器	图像	1337名受试者，包括568名正常人、151名扩张型心肌病患者、177名肥厚型心肌病患者和441名缺血性心脏病患者
5825	2024-10-04	MobileNet-V2: An Enhanced Skin Disease Classification by Attention and Multi-Scale Features 2024-Oct-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01271-y PMID:39354294	研究论文	本文介绍了一种利用深度学习技术进行皮肤疾病分类的新模型	该模型结合了MobileNet-V2主干网络、Squeeze-and-Excitation块、Atrous空间金字塔池化（ASPP）和通道注意力机制，显著提升了特征提取能力	研究指出了模型的局限性，并提出了未来研究的方向	开发一种准确且高效的皮肤疾病分类工具	皮肤疾病分类	计算机视觉	皮肤疾病	深度学习	MobileNet-V2	图像	四个不同数据集，包括PH2数据集、Skin Cancer MNIST: HAM10000数据集、DermNet数据集和Skin Cancer ISIC数据集
5826	2024-10-04	Diagnosis and Screening of Velocardiofacial Syndrome by Evaluating Facial Photographs Using a Deep Learning-Based Algorithm 2024-Oct-01, Plastic and reconstructive surgery IF:3.2Q1 DOI:10.1097/PRS.0000000000011792 PMID:39356705	研究论文	研究使用深度学习算法通过面部照片诊断和筛查Velocardiofacial综合征（VCFS）	首次使用多任务级联卷积神经网络（MTCNN）模型通过面部照片诊断VCFS	分类准确率在不同角度照片下有所波动	探索深度学习算法在早期检测罕见遗传疾病中的应用	Velocardiofacial综合征（VCFS）患者和非VCFS对照组	计算机视觉	遗传疾病	深度学习	多任务级联卷积神经网络（MTCNN）	图像	98名VCFS患者（920张面部照片）和91名非VCFS对照组（463张面部照片）
5827	2024-10-04	Automatic segmentation of surgical instruments in endoscopic spine surgery: A deep learning-based analysis 2024-Oct-01, Asian journal of surgery IF:3.5Q1 DOI:10.1016/j.asjsur.2024.09.128 PMID:39358142	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5828	2024-10-04	Evaluation of deep learning estimation of whole heart anatomy from automated cardiovascular magnetic resonance short- and long-axis analyses in UK Biobank 2024-Sep-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae123 PMID:38723059	研究论文	本文评估了深度学习神经网络从心血管磁共振成像（CMR）的短轴和长轴分析中自动预测全心脏解剖结构的准确性，并比较了其与传统体积估算方法在心血管风险因素和疾病关联性上的差异	本文首次使用深度学习神经网络从CMR图像中自动预测全心脏的三维解剖结构，并展示了其与传统方法相比在关联心血管风险因素和疾病方面的优势	本文仅在UK Biobank的数据集上进行了验证，未来需要在更多样化的数据集上进行进一步验证	评估深度学习方法在自动预测心脏解剖结构及其与心血管风险因素和疾病关联性方面的有效性	左心室、右心室、左心房和右心房的体积及其与心血管风险因素和疾病的关联性	计算机视觉	心血管疾病	深度学习	神经网络	图像	4723名心血管疾病患者和5733名无心血管疾病者
5829	2024-10-04	Federated influencer learning for secure and efficient collaborative learning in realistic medical database environment 2024-09-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73863-1 PMID:39349569	研究论文	提出了一种名为联邦影响者学习（FIL）的新型安全高效协作学习范式，以解决现有联邦学习（FL）在实际医疗数据库环境中面临的挑战	FIL采用平等地位的参与者结构，无需模型参数交易、中央服务器和生成模型，支持模型无关训练，提高了安全性	未提及具体局限性	提高深度学习在医疗数据环境中的性能和安全性	医疗图像数据（X射线、MRI、PET）和自然图像数据（CIFAR-10）	机器学习	NA	联邦学习（FL）	模型无关	图像	涉及大型医疗和自然图像数据集，具体样本数量未提及
5830	2024-10-04	Multi-model transfer function approach tuned by PSO for predicting stock market implied volatility explained by uncertainty indexes 2024-Sep-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74456-8 PMID:39349738	研究论文	本文研究了商品市场、能源市场、经济政策和地缘政治威胁等不确定性因素对CBOE波动率指数（VIX）的预测能力	采用多模型传递函数技术，并通过粒子群优化（PSO）进行参数优化，捕捉不确定性指标与VIX之间的复杂非线性关系	NA	研究不确定性指标对美国股市波动率的预测能力	CBOE波动率指数（VIX）与不确定性指标之间的关系	机器学习	NA	粒子群优化（PSO）	多模型传递函数	时间序列数据	2012-2022年的数据
5831	2024-10-04	Predicting RNA sequence-structure likelihood via structure-aware deep learning 2024-Sep-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05916-1 PMID:39350066	研究论文	本文开发了两种深度学习模型NU-ResNet和NUMO-ResNet，用于评估RNA序列-二级结构对的可能性	提出了NU-ResNet和NUMO-ResNet两种模型，通过3D矩阵显式编码RNA序列-结构信息，并引入了基于基本二级结构描述的2D折叠基序的自动提取方法	目前没有共识确定哪些特征最有效地表征RNA序列-结构对	开发能够准确评估RNA序列-结构对的深度学习模型	RNA序列-二级结构对	机器学习	NA	深度学习	卷积神经网络（CNN）	RNA序列-结构对	在不同RNA家族的独立测试数据集上进行了评估
5832	2024-10-04	A deep learning approach for deriving wheat phenology from near-surface RGB image series using spatiotemporal fusion 2024-Sep-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01278-0 PMID:39350264	研究论文	本研究探讨了利用近地表RGB图像序列结合深度学习方法推导小麦物候期的潜力	本研究创新性地采用了三种不同的时空特征融合方法（顺序融合、同步融合和并行融合）构建深度学习模型，并评估了不同图像分辨率、拍摄视角和模型训练策略对模型性能的影响	本研究主要集中在小麦物候期的推导，未涉及其他作物或更广泛的农业应用	本研究的目的是开发一种准确监测小麦物候期的方法，以支持精准农业和优化作物管理实践	本研究的对象是小麦的物候期	计算机视觉	NA	深度学习	深度学习模型（基于顺序融合、同步融合和并行融合方法）	图像	未明确提及具体样本数量
5833	2024-10-04	Personalized prediction of immunotherapy response in lung cancer patients using advanced radiomics and deep learning 2024-Sep-30, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00779-4 PMID:39350284	研究论文	本研究开发了一种基于高级放射组学和深度学习的预测模型，用于个性化预测肺癌患者对免疫治疗的反应	结合肿瘤内异质性和肿瘤周围血管的放射组学特征与临床特征，显著提高了对免疫治疗反应的预测能力	本研究为回顾性分析，样本量有限，未来需在前瞻性研究中验证模型的有效性	开发一种预测模型，用于预测肺癌患者在接受免疫治疗后的无进展生存期	肺癌患者及其对免疫治疗的反应	计算机视觉	肺癌	放射组学	DeepSurv	图像	206名接受免疫治疗的肺癌患者
5834	2024-10-04	Real-time segmentation of biliary structure in pure laparoscopic donor hepatectomy 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73434-4 PMID:39341910	研究论文	本研究开发了一种基于深度学习的实时分割模型，用于在纯腹腔镜供肝切除术中识别胆道结构	首次提出使用深度学习模型进行实时胆道结构分割，以辅助外科医生在纯腹腔镜供肝切除术中确定最佳切断位置	本研究仅在单个机构的回顾性分析中进行，未来需要验证模型的临床效用和泛化能力	开发一种深度学习模型，用于在纯腹腔镜供肝切除术中实时识别胆道结构	胆道结构和切断位置	计算机视觉	NA	近红外荧光技术	DeepLabV3+	视频	30个纯腹腔镜供肝切除术的术中视频，共300帧
5835	2024-10-04	NA-segformer: A multi-level transformer model based on neighborhood attention for colonoscopic polyp segmentation 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74123-y PMID:39342011	研究论文	本文提出了一种基于邻域注意力的多层次Transformer模型NA-SegFormer，用于结肠镜下息肉分割	提出了基于重叠补丁合并的邻域注意力机制的补丁合并模块，以提高现有Transformer分割算法在边缘分割上的性能	NA	提高结肠镜下息肉分割的准确性和实时性	结肠镜下息肉	计算机视觉	结肠癌	Transformer	NA-SegFormer	图像	使用了Kvasir-SEG、Kvasir-Instrument和KvasirCapsule-SEG三个数据集
5836	2024-10-04	Enhanced gastric cancer classification and quantification interpretable framework using digital histopathology images 2024-09-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73823-9 PMID:39342030	研究论文	本文提出了一种新的胃癌分类和量化解释框架，通过数字病理图像分析提高胃癌分类和分割的准确性	该框架通过自适应关注图像的相关特征，实现了对传统深度学习和机器学习模型的边际改进，并在处理数据变异性和泛化能力方面表现出色	NA	旨在提高胃癌分类和分割的准确性，并增强模型的解释性	胃癌的数字病理图像	数字病理学	胃癌	深度学习 (DL) 和机器学习 (ML)	Naïve Bayes 分类器	图像	两个公开数据集，验证集准确率分别为98.87%和97.28%，测试集准确率分别为98.47%和97.31%
5837	2024-10-01	The application of advanced deep learning in biomedical graph analysis 2024-Sep-27, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.09.013 PMID:39343054	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5838	2024-10-04	MRI-based deep learning for differentiating between bipolar and major depressive disorders 2024-Sep-25, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111907 PMID:39357171	研究论文	本文提出了一种基于MRI的深度学习框架SE-ResNet，用于区分双相情感障碍和重度抑郁症	本文创新性地扩展了传统的Squeeze-and-Excitation层，引入空间注意力图生成分支，采用soft-pooling和7×7卷积，以检测复杂的空间模式，并通过元素级加法融合通道和空间注意力图，增强模型特征区分能力	本文仅在一个包含303名受试者的专有数据集上进行了验证，未来需要在更大规模和多样化的数据集上进行进一步验证	开发一种基于MRI的深度学习方法，以提高双相情感障碍和重度抑郁症的诊断准确性	双相情感障碍、重度抑郁症和健康对照组	计算机视觉	精神疾病	MRI	ResNet	图像	303名受试者
5839	2024-10-04	DeepPBI-KG: a deep learning method for the prediction of phage-bacteria interactions based on key genes 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae484 PMID:39344712	研究论文	提出了一种基于关键基因和蛋白质的深度学习方法DeepPBI-KG，用于预测噬菌体与细菌的相互作用	该方法通过K-means采样选择高质量的负样本，并利用特征选择和深度神经网络进行预测，显著提高了预测性能	NA	开发一种高效的方法来预测噬菌体与细菌的相互作用，以支持快速筛选用于治疗的噬菌体	噬菌体与细菌的相互作用	机器学习	NA	深度学习	深度神经网络	基因组信息	NA
5840	2024-10-04	MLSNet: a deep learning model for predicting transcription factor binding sites 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae489 PMID:39350338	研究论文	本文提出了一种名为MLSNet的深度学习模型，用于预测转录因子结合位点	MLSNet创新性地结合了多尺寸卷积融合和长短期记忆网络（LSTM），以有效捕捉DNA稀疏的高阶序列特征，并引入了超级令牌注意力和双向LSTM来系统地提取和整合高阶DNA形状特征	NA	提高转录因子结合位点的预测准确性	转录因子结合位点	机器学习	NA	ChIP-seq	MLSNet	DNA序列	165个ChIP-seq数据集