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
161	2024-10-24	Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases 2024-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.14.594252 PMID:38798507	研究论文	本文介绍了一种名为scPRS的几何深度学习模型，利用单细胞染色质可及性数据构建单细胞分辨率的PRS，以增强复杂疾病的生物发现和预测能力	scPRS不仅能够预测疾病风险，还能揭示与疾病相关的细胞类型，并识别细胞类型特异性的遗传基础	NA	开发一种新的方法来解构复杂疾病的单细胞多基因风险评分，以揭示细胞和分子异质性	单细胞多基因风险评分（scPRS）在复杂疾病中的应用，包括2型糖尿病、肥厚型心肌病和阿尔茨海默病	机器学习	NA	几何深度学习	几何深度学习模型	单细胞染色质可及性数据	涉及多种复杂疾病的多个样本
162	2024-10-24	drGAT: Attention-Guided Gene Assessment of Drug Response Utilizing a Drug-Cell-Gene Heterogeneous Network 2024-May-14, ArXiv PMID:38800657	研究论文	本文介绍了一种名为drGAT的图深度学习模型，用于药物反应预测和药物机制阐释	drGAT通过利用药物-细胞-基因异构网络，实现了药物反应的二元敏感性预测和药物机制的阐释，性能优于现有模型	NA	提高药物反应预测模型的可解释性，并阐释药物机制	药物反应预测和药物机制阐释	机器学习	NA	图深度学习	图注意力网络（GAT）	异构网络	269种DNA损伤化合物
163	2024-10-24	Virtual Screening of Molecules via Neural Fingerprint-based Deep Learning Technique 2024-May-09, Research square DOI:10.21203/rs.3.rs-4355625/v1 PMID:38766198	研究论文	开发并优化了一种基于卷积神经网络指纹的机器学习药物筛选技术	提出了一种新的基于神经网络指纹的分子虚拟筛选技术，相比传统的固定Morgan指纹，在药物-靶点结合亲和力的二分类任务中表现更优	仅在六个不同的目标蛋白上进行了评估，样本量较小	开发和优化一种高效的分子虚拟筛选技术	药物-靶点结合亲和力的二分类任务	机器学习	NA	卷积神经网络	CNN	分子指纹	使用ZINC15数据库中的随机选择的小分子进行训练，涉及六个不同的目标蛋白
164	2024-10-24	Filling the gaps: leveraging large language models for temporal harmonization of clinical text across multiple medical visits for clinical prediction 2024-May-07, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.06.24306959 PMID:38765975	研究论文	本文探讨了利用大型语言模型对临床文本进行时间同步，以提高跨多次医疗访问的临床预测准确性	提出使用大型语言模型（LLMs）进行临床笔记的时间同步，以填补数据中的时间间隔	未提及	提高长期临床预测（如慢性病和死亡率）的准确性	临床笔记的时间同步和跨多次访问的数据整合	自然语言处理	NA	大型语言模型（LLMs）	深度学习模型	文本	未提及
165	2024-10-24	Diffeomorphic Transformer-based Abdomen MRI-CT Deformable Image Registration 2024-May-04, ArXiv PMID:38745706	研究论文	本文提出了一种基于微分同胚变换器的深度学习模型，用于腹部MRI-CT图像的可变形图像配准	本文创新性地将Swin变换器集成到卷积神经网络中，用于变形特征提取，并使用微分同胚变形假设来保持拓扑结构	本文仅在50个肝脏病例上进行了回顾性研究，未来需要在更大规模和多样化的数据集上验证模型的泛化能力	开发一种新的深度学习模型，用于直接估计腹部MRI-CT图像的变形向量场，以提高立体定向体部放疗（SBRT）的治疗计划精度	腹部MRI-CT图像的可变形图像配准	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	50个肝脏病例
166	2024-10-24	ntEmbd: Deep learning embedding for nucleotide sequences 2024-May-02, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.30.591806 PMID:38746190	研究论文	介绍了一种名为ntEmbd的深度学习嵌入工具，用于捕获核苷酸序列中不同特征之间的依赖关系，并学习给定序列的潜在表示	ntEmbd能够隐式学习输入序列特征，解决了长序列中特征间长期依赖关系难以捕捉的问题	NA	开发一种能够有效处理长核苷酸序列的深度学习嵌入方法	核苷酸序列的特征嵌入	机器学习	NA	深度学习	深度学习模型	序列数据	NA
167	2024-10-24	RECONSTRUCTING RETINAL VISUAL IMAGES FROM 3T FMRI DATA ENHANCED BY UNSUPERVISED LEARNING 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635641 PMID:39421191	研究论文	本文提出了一种利用无监督生成对抗网络（GAN）增强3T fMRI数据以重建视网膜视觉图像的新框架	利用无监督GAN在7T和3T fMRI数据集之间进行无配对训练，生成增强的3T fMRI数据，以克服高质量7-Tesla数据稀缺和3-Tesla实验中短时低质量扫描的挑战	需要高成本的7-Tesla fMRI实验数据进行训练，且依赖于无监督学习方法的性能	探索从大脑活动重建人类视觉输入的方法，特别是通过功能性磁共振成像（fMRI）	视网膜视觉图像的重建	计算机视觉	NA	功能性磁共振成像（fMRI）	生成对抗网络（GAN）	图像	涉及多个3-Tesla和7-Tesla fMRI数据集，具体样本数量未明确说明
168	2024-10-17	PARKINSON'S DISEASE CLASSIFICATION USING CONTRASTIVE GRAPH CROSS-VIEW LEARNING WITH MULTIMODAL FUSION OF SPECT IMAGES AND CLINICAL FEATURES 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635712 PMID:39398281	研究论文	本文提出了一种多模态方法，利用对比图跨视图融合技术进行帕金森病的分类	引入了一种新颖的多模态共注意力模块，结合了图像和临床特征的低维表示，并设计了一种简化的对比损失融合方法	未提及具体限制	提高帕金森病分类的准确性和多视图数据分析的鲁棒性	帕金森病患者的图像和临床特征	机器学习	帕金森病	对比图跨视图学习	多模态共注意力模块	图像和临床特征	未提及具体样本数量
169	2024-10-17	UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635651 PMID:39398280	研究论文	本文介绍了一种无监督深度学习方法，用于从3D气道分割投影中提取特征并对人类气道树进行聚类	提出了一种无监督深度学习管道，用于从3D气道分割投影中直接学习特征提取和气道树聚类	NA	研究气道树的变异及其与不良健康结果的关联	人类气道树的特征和聚类	计算机视觉	心血管疾病	深度学习	NA	图像	MESA肺部CT队列中的四个可重复且临床上不同的气道亚型
170	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
171	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
172	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
173	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
174	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
175	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
176	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
177	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
178	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
179	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
180	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