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
221	2024-10-17	Feature Extraction With Stacked Autoencoders for EEG Channel Reduction in Emotion Recognition 2024 May-Jun, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2023.5138.2 PMID:39403356	研究论文	本文研究了使用堆叠自编码器进行脑电图通道减少以提高情感识别的特征提取方法	提出了一种利用深度学习减少脑电图通道数量并保持信号质量的方法，通过堆叠自编码器提取情感分类的最优特征	实验结果显示分类准确率在75.7%和74.4%之间，仍有提升空间	研究如何通过减少脑电图通道数量来提高情感识别的效率和准确性	脑电图信号的特征提取和情感识别	机器学习	NA	堆叠自编码器	自编码器网络	脑电图信号	32个通道减少到12个通道
222	2024-10-16	Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart 2024-May, JACC. Basic to translational science DOI:10.1016/j.jacbts.2024.02.007 PMID:38984052	研究论文	本文介绍了一种基于深度学习的管道CardioCount，用于分析微观图像中的细胞核，并研究了成人心脏中心肌细胞和心脏内皮细胞的生长关系	提出了CardioCount，一种新的基于深度学习的管道，用于严格评分微观图像中的细胞核	NA	研究成人心脏中心肌细胞和心脏内皮细胞的生长关系，并探讨血管稀疏和心肌肥大在终末期心力衰竭中的相互关系	成人心脏中的心肌细胞和心脏内皮细胞	计算机视觉	心血管疾病	深度学习	NA	图像	368,434张人类微观图像
223	2024-10-14	OPTIMIZATION-DRIVEN STATISTICAL MODELS OF ANATOMIES USING RADIAL BASIS FUNCTION SHAPE REPRESENTATION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635852 PMID:39391839	研究论文	本文提出了一种基于径向基函数形状表示的解剖结构统计模型的优化驱动方法	本文结合了传统的优化方法和径向基函数表示，通过引入特征形状和对应损失，提供了对模型特征的更精确控制，避免了黑箱模型，并允许粒子在表面上有更大的自由度	NA	旨在改进现有的粒子基形状建模方法，以更好地适应解剖结构的复杂几何形状	解剖结构的形状变异性	计算机视觉	NA	径向基函数	优化模型	3D表面数据	两个真实数据集
224	2024-10-11	MV-Swin-T: MAMMOGRAM CLASSIFICATION WITH MULTI-VIEW SWIN TRANSFORMER 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635578 PMID:39371472	研究论文	本文提出了一种基于Transformer的多视角网络MV-Swin-T，用于乳腺X光图像分类	引入了基于移位窗口的动态注意力块，有效整合多视角信息并在空间特征图级别促进视角间信息的传递	NA	解决乳腺X光图像分类中的多视角分析问题	乳腺X光图像	计算机视觉	乳腺癌	Transformer	MV-Swin-T	图像	使用了CBIS-DDSM和Vin-Dr Mammo数据集
225	2024-10-10	An enhanced Garter Snake Optimization-assisted deep learning model for lung cancer segmentation and classification using CT images 2024-May, Journal of medical engineering & technology DOI:10.1080/03091902.2024.2399015 PMID:39282826	研究论文	本文提出了一种基于改进的Garter Snake优化算法和深度学习的肺部CT图像分割与分类模型	使用改进的Garter Snake优化算法优化自适应残差注意力网络参数，并结合Shuffling Atrous卷积的ResUnet++进行图像分割	需要高质量的CT扫描图像和相关分析工具，成本较高且在资源有限的环境中不易获取	设计一种基于启发式和深度学习的肺部CT图像分类方法，以提高早期肺癌检测的准确性	肺部CT图像的分割与分类	计算机视觉	肺癌	CT扫描	自适应残差注意力网络（ARAN）	图像	未明确提及具体样本数量
226	2024-10-06	Deep learning supported echocardiogram analysis: A comprehensive review 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102866 PMID:38593684	综述	本文综述了利用深度学习技术自动化分析经胸超声心动图并辅助临床判断的最新研究	系统地组织和分类了针对视图分类、图像质量增强和数据集、心脏结构分割和识别、心脏功能异常检测以及心脏功能量化的解决方案，并比较了不同深度学习方法的性能	当前研究存在泛化性问题，且对罕见心脏疾病的分析不足	分析利用深度学习技术自动化分析经胸超声心动图并辅助临床判断的最新研究	经胸超声心动图的自动化分析	计算机视觉	心血管疾病	深度学习	NA	图像	NA
227	2024-10-05	Hi-gMISnet: generalized medical image segmentation using DWT based multilayer fusion and dual mode attention into high resolutionpGAN 2024-May-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3cb3 PMID:38593830	研究论文	提出了一种基于高分辨率并行生成对抗网络（GAN）的广义深度学习方法，用于自动分割来自多种成像模式的医学图像	引入部分混合迁移学习、基于离散小波变换（DWT）的多层和多分辨率特征融合以及解码器中的双模式注意力门，提高了分割性能和泛化能力	NA	开发一种广义、准确、鲁棒且可靠的医学图像分割方法	多种成像模式的医学图像	计算机视觉	NA	离散小波变换（DWT）	生成对抗网络（GAN）	图像	九个不同的公开医学图像分割数据集，包括PhysioNet ICH、BUSI、CVC-ClinicDB、MoNuSeg、GLAS、ISIC-2018、DRIVE、Montgomery和PROMISE12
228	2024-10-05	Cellular data extraction from multiplexed brain imaging data using self-supervised Dual-loss Adaptive Masked Autoencoder 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102828 PMID:38564879	研究论文	本文提出了一种自监督的双损失自适应掩码自编码器（DAMA），用于从多重免疫荧光脑图像中提取细胞数据	首次开发了一种用于多重免疫荧光脑图像的自监督学习方法，采用了一种新颖的自适应掩码采样策略	NA	开发一种无需大量标注即可实现细胞检测、分割和分类的高效方法	多重免疫荧光脑图像中的细胞数据	计算机视觉	NA	自监督学习	自编码器	图像	涉及六个不同组织类型的两通道荧光图像，使用六个不同的成像平台
229	2024-10-05	Stable feature selection utilizing Graph Convolutional Neural Network and Layer-wise Relevance Propagation for biomarker discovery in breast cancer 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102840 PMID:38658129	研究论文	本文探讨了利用图卷积神经网络和逐层相关传播进行特征选择，以发现乳腺癌中的生物标志物	本文提出了使用图卷积神经网络（GCNN）和逐层相关传播（LRP）或SHapley Additive exPlanations（SHAP）进行特征选择的新方法，显著提高了特征选择的稳定性和可解释性	本文主要集中在乳腺癌数据集上，未来研究可以扩展到其他类型的癌症或其他疾病	研究旨在通过结合分子网络信息改进机器学习方法中的特征选择稳定性，以发现乳腺癌中的生物标志物	研究对象为乳腺癌基因表达数据，旨在识别出稳定的预测基因列表	机器学习	乳腺癌	图卷积神经网络（GCNN），逐层相关传播（LRP），SHapley Additive exPlanations（SHAP）	图卷积神经网络（GCNN）	基因表达数据	使用了大量的乳腺癌基因表达数据集
230	2024-10-05	An innovative artificial intelligence-based method to compress complex models into explainable, model-agnostic and reduced decision support systems with application to healthcare (NEAR) 2024-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102841 PMID:38658130	研究论文	本文介绍了一种基于人工智能的创新方法，用于将复杂的预测模型压缩成可解释、模型无关且简化的临床决策支持系统，并在医疗领域进行了验证	提出了一种名为NEAR的创新AI方法，能够将复杂的AI预测模型压缩成可解释、模型无关且简化的决策支持系统，提高了模型的可解释性和临床应用性	NA	开发一种可解释且可靠的临床决策支持系统，使其能够个性化和动态地辅助医生进行日常临床决策	急性冠脉综合征患者的死亡率预测	机器学习	心血管疾病	Shapley Additive Explanations框架	Adaptive Boosting分类器	临床数据	NA
231	2024-09-28	Omics-based deep learning approaches for lung cancer decision-making and therapeutics development 2024-May-15, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad031 PMID:37519050	综述	本文综述了基于组学的深度学习方法在肺癌决策和治疗开发中的应用	本文总结了近年来深度学习模型在肺癌基因组学中的应用，并讨论了未来的研究方向	NA	探讨深度学习在肺癌基因组学研究中的应用和未来发展方向	肺癌的诊断、预后、治疗策略以及生物标志物的开发	机器学习	肺癌	组学分析	深度学习	基因组数据	NA
232	2024-09-27	Delta-Conotoxin Structure Prediction and Analysis through Large-scale Comparative and Deep Learning Modeling Approaches 2024-May-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.30.596722 PMID:38854105	研究论文	本文通过大规模比较和深度学习建模方法预测和分析了delta-conotoxin的结构	利用AlphaFold和RosettaCM两种方法对18种未表征的delta-conotoxin进行了建模和分析	NA	预测和分析delta-conotoxin的结构，为药物开发提供见解	18种未表征的delta-conotoxin	生物信息学	NA	深度学习	AlphaFold, RosettaCM	蛋白质结构	18种delta-conotoxin
233	2024-09-27	An intelligent quantification system for fetal heart rhythm assessment: A multicenter prospective study 2024-05, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.01.024 PMID:38266752	研究论文	开发了一种用于自动提取胎儿心脏时间间隔（CTIs）的胎儿心律智能量化系统（HR-IQS），并建立了CTIs的正常参考范围	首次开发了一种自动计算胎儿心脏时间间隔的技术，并建立了正常参考范围	研究仅限于多中心的前瞻性研究，样本量和中心数量有限	开发一种自动提取胎儿心脏时间间隔的系统，并建立其正常参考范围	胎儿心脏时间间隔（CTIs）和心律评估	数字病理学	NA	深度学习	深度学习模型	脉冲波多普勒（PWD）频谱	6498个PWD频谱，涉及2630个胎儿
234	2024-09-27	Artificial intelligence-adjudicated spatiotemporal dispersion: A patient-unique fingerprint of persistent atrial fibrillation 2024-05, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.01.007 PMID:38215808	研究论文	本文研究了持续性心房颤动（PsAF）患者中基于时空分散性的消融治疗的个性化方法	首次使用人工智能（AI）评估时空分散性的程度和分布，并验证其作为患者独特特征的可行性	研究样本量较小，且仅限于持续性和长期持续性心房颤动患者	验证人工智能评估的时空分散性（AI-DED）是否为持续性心房颤动患者的独特特征，并独立于常见的临床和手术参数	持续性心房颤动患者	机器学习	心血管疾病	机器/深度学习分类器	NA	时空分散性图谱	78名持续性和长期持续性心房颤动患者
235	2024-09-21	A robust multi-branch multi-attention-mechanism EEGNet for motor imagery BCI decoding 2024-05, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2024.110108 PMID:38458260	研究论文	本文提出了一种多分支多注意力机制的EEGNet模型（MBMANet），用于运动想象脑机接口的鲁棒解码	本文创新性地结合了多分支和多注意力机制，使模型能够自适应地学习不同的EEG特征，从而提高了解码的鲁棒性	NA	研究目的是提高基于运动想象的脑机接口技术的鲁棒性和实用性	研究对象是运动想象脑机接口中的EEG信号解码	机器学习	NA	深度学习	CNN	EEG信号	9名受试者
236	2024-09-15	Binding Activity Classification of Anti-SARS-CoV-2 Molecules using Deep Learning Across Multiple Assays 2024-05-03, Balkan medical journal IF:1.9Q2 DOI:10.4274/balkanmedj.galenos.2024.2024-1-73 PMID:38462979	研究论文	本文利用深度学习技术，特别是结合了合成少数类过采样技术（SMOTE）的深度神经网络（DNN），来提高抗SARS-CoV-2分子的结合活性分类	本文的创新点在于使用SMOTE技术处理数据集中的类别不平衡问题，并通过深度神经网络优化模型性能	本文的局限性在于不同生物测定数据集的不平衡比例对模型性能的影响，尤其是高不平衡比例的测定数据集	本文的研究目的是利用深度学习技术提高抗SARS-CoV-2分子在多种生物测定中的结合活性分类准确性	本文的研究对象是抗SARS-CoV-2分子的结合活性分类	机器学习	COVID-19	深度学习	深度神经网络（DNN）	生物测定数据	11个生物测定数据集，涵盖不同的SARS-CoV-2相互作用和抑制机制
237	2024-09-14	BindingSiteDTI: differential-scale binding site modelling for drug-target interaction prediction 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae308 PMID:38730554	研究论文	提出了一种名为BindingSiteDTI的新型DTI网络，通过差分尺度方案对结合位点进行建模，以增强药物-靶点相互作用的预测	引入了差分尺度方案，从不同尺度的分子大小中提取多尺度子结构，并从药物中提取固定尺度的子结构，以识别结构相似的子结构标记，并在子结构级别建模隐藏关系	未提及	提高药物-靶点相互作用预测的准确性和可靠性	药物和靶点的子结构及其相互作用	机器学习	NA	深度学习	BindingSiteDTI网络	分子结构数据	使用了DUD-E、human和BindingDB等流行基准数据集进行实验
238	2024-09-14	Inferring gene regulatory networks from single-cell transcriptomics based on graph embedding 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae291 PMID:38810116	研究论文	本文提出了一种基于图嵌入的监督深度学习框架IGEGRNS，用于从单细胞转录组数据中推断基因调控网络	该方法通过GraphSAGE捕捉基因的上下文信息，并使用Top-k池化和堆叠CNNs来预测基因间的潜在调控关系，相比现有方法在时间序列scRNA-seq数据集上表现更好	NA	推断基因调控网络以理解复杂的生物过程	单细胞转录组数据中的基因调控网络	机器学习	NA	图嵌入	CNN	转录组数据	六个时间序列scRNA-seq数据集
239	2024-09-14	Automated segmentation and recognition of C. elegans whole-body cells 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae324 PMID:38775410	研究论文	本文介绍了一种新的自动化细胞分割与识别管道，用于C. elegans全身体细胞的3D荧光显微图像	提出了一种基于位移矢量场的深度学习模型，用于解决高度拥挤细胞的可靠分割问题，并利用细胞位置和结构相似性的统计先验实现细胞识别	仅在L1阶段C. elegans和一些其他细胞类型上进行了验证	开发一种无需标记的自动化方法，用于C. elegans全身体细胞的分割与识别	C. elegans全身体细胞的3D荧光显微图像	计算机视觉	NA	深度学习	基于位移矢量场的深度学习模型	3D荧光显微图像	558个C. elegans全身体细胞，116个C. elegans图像堆栈，包含64,728个细胞
240	2024-09-14	Genotype sampling for deep-learning assisted experimental mapping of a combinatorially complete fitness landscape 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae317 PMID:38745436	研究论文	本文探讨了使用深度学习辅助实验映射组合完全适应度景观的基因型采样策略	本文展示了多层感知器、循环神经网络、卷积网络和变换器等多种模型在解释适应度变异方面的有效性，并发现简单的采样策略在训练深度学习神经网络时表现最佳	本文仅针对特定蛋白质的适应度景观进行了研究，结果的普适性有待进一步验证	研究如何通过深度学习从较小的实验测量的基因型样本中预测大量基因型的适应度	蛋白质基因型的适应度景观	机器学习	NA	深度学习	多层感知器、循环神经网络、卷积网络、变换器	基因型数据	超过260,000个蛋白质基因型