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
521	2024-08-28	Transformer for low concentration image denoising in magnetic particle imaging 2024-Aug-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6ede PMID:39137818	研究论文	本文提出了一种基于稀疏轻量级Transformer模型的深度学习方法，用于磁粒子成像（MPI）图像的去噪和质量提升	提出的残差局部Transformer结构降低了模型复杂性，避免了过拟合，并通过信息保留块增强了图像细节的特征提取能力	NA	改善低浓度MPI图像的质量	低浓度磁粒子成像图像	计算机视觉	NA	深度学习	Transformer	图像	模拟和真实MPI图像数据，真实图像样本的Fe浓度低至67gml
522	2024-08-28	Classification of optic neuritis in neuromyelitis optica spectrum disorders (NMOSD) on MRI using CNN with transfer learning and manipulation of pre-processing on augmentation 2024-Aug-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6f17 PMID:39142299	研究论文	本研究使用迁移学习和预处理增强技术，通过八种先进的卷积神经网络（CNN）模型对神经脊髓炎光谱障碍（NMOSD）患者的视神经炎（ON）进行MRI分类	首次利用深度学习技术对NMOSD患者的MRI图像中的ON变化进行分类	NA	旨在通过迁移学习的CNN模型对NMOSD患者是否存在慢性ON进行分类	NMOSD患者的视神经炎（ON）	计算机视觉	神经脊髓炎光谱障碍	卷积神经网络（CNN）	CNN	图像	NA
523	2024-08-28	Sleep onset time as a mediator in the association between screen exposure and aging: a cross-sectional study 2024-Aug-27, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01321-x PMID:39190220	研究论文	本研究探讨了屏幕暴露时间对中老年人衰老的影响，并分析了睡眠开始时间在其中的中介作用	首次研究了睡眠开始时间在屏幕使用与视网膜年龄差距关系中的中介作用	研究为横断面研究，可能存在因果关系解释的局限性	探究屏幕暴露时间与中老年人衰老之间的关系及其机制	上海45岁以上的健康工作成年人	NA	NA	深度学习算法	NA	图像	未明确具体样本数量
524	2024-08-28	Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network 2024-Aug-26, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2024.3445434 PMID:39186423	研究论文	本文提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成流程	该流程通过生物力学模拟和扩散网络生成多样化的实时超声图像数据集，无需手动扫描和标注	NA	旨在通过合成超声图像数据集来增强模型训练并避免过拟合	肌肉实时超声图像的合成	计算机视觉	NA	有限元方法	扩散网络	图像	3,030张超声图像
525	2024-08-28	Generative Adversarial Network with Robust Discriminator Through Multi-Task Learning for Low-Dose CT Denoising 2024-Aug-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3449647 PMID:39186436	研究论文	本文提出了一种通过多任务学习增强鲁棒性的生成对抗网络（GAN），用于低剂量CT图像的去噪	提出了一个通过多任务学习增强鲁棒性的生成对抗网络，引入了两种监管机制（RC和NDS）以提高判别器的表示能力，并在生成器中集成了残差快速傅里叶变换与卷积（Res-FFT-Conv）块	NA	旨在解决低剂量CT图像去噪中的挑战，如放射科医生的视觉不一致性、跨不同指标的不满意表现以及网络在其他CT领域中的鲁棒性探索不足	低剂量CT图像的去噪	机器学习	NA	生成对抗网络（GAN）	GAN	图像	NA
526	2024-08-28	ASO Visual Abstract: Development and Validation Study of the Prognostic Impact of Deep Learning-Determined Myxoid Stroma After Neoadjuvant Chemotherapy in Patients with Esophageal Squamous Cell Carcinoma 2024-Aug-26, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16099-7 PMID:39187666	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
527	2024-08-28	Improved Automated Quality Control of Skeletal Wrist Radiographs Using Deep Multitask Learning 2024-Aug-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01220-9 PMID:39187704	研究论文	本研究开发了一种基于DenseNet 121架构的深度多任务学习卷积神经网络模型，用于自动质量控制手腕X光片的关键属性	该模型能够高精度地分类投影、检测石膏和识别手术硬件，并确保结果与图像请求元数据的一致性	模型在检测部分可见或截断的侧标记时性能较低	开发和评估一种用于自动质量控制手腕X光片的深度学习模型	手腕X光片的质量控制	计算机视觉	NA	卷积神经网络	DenseNet 121	图像	6283张手腕X光片，来自2591名患者
528	2024-08-28	A Semantic-Consistent Few-Shot Modulation Recognition Framework for IoT Applications 2024-Aug-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2024.3441597 PMID:39178083	研究论文	本文提出了一种语义一致的少样本调制识别框架，用于物联网应用中的信号处理	引入了一种新的语义一致信号预变换（ScSP）方法，使无线信号能更有效地被现有的先进少样本学习（FSL）模型处理	NA	旨在解决物联网网络中由于标签数据稀缺而导致的调制格式识别难题	物联网网络中的信号调制识别	计算机视觉	NA	少样本学习（FSL）	NA	信号	有限数量的标记样本
529	2024-08-28	Discovering New Metallo-Deubiquitinase CSN5 Inhibitors by a Non-Catalytic Activity Assay Platform 2024-Aug-22, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01514 PMID:39129245	研究论文	本文介绍了一种新的非催化活性检测平台，用于发现CSN5金属脱氧核糖核酸酶抑制剂，并利用荧光探针进行验证	开发了一种新的荧光探针和非催化活性检测平台，用于识别CSN5抑制剂，并结合深度学习虚拟筛选和分子动力学模拟探索抑制剂与CSN5的结合模式	文章未提及具体的局限性	发现新的CSN5金属脱氧核糖核酸酶抑制剂，作为抗癌靶点	CSN5金属脱氧核糖核酸酶及其抑制剂	NA	癌症	荧光偏振，分子动力学模拟	NA	荧光信号	文章未提及具体的样本数量
530	2024-08-28	A Multibranch Neural Network for Drug-Target Affinity Prediction Using Similarity Information 2024-Aug-20, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c05607 PMID:39184467	研究论文	本文提出了一种利用药物相似性和蛋白质相似性信息的多分支神经网络GASI-DTA，用于预测药物-靶点亲和力	引入药物和蛋白质的相似性信息，并设计了一个自主提取相似信息的网络框架，不依赖于知识图谱	未提及具体限制	加速药物发现过程中的药物-靶点亲和力预测	药物-靶点亲和力预测	机器学习	NA	深度学习	多分支神经网络	图结构数据	两个基准数据集和三种冷启动场景
531	2024-08-28	AutoSamp: Autoencoding k-space Sampling via Variational Information Maximization for 3D MRI 2024-Aug-15, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3443292 PMID:39146168	研究论文	本文介绍了一种基于变分信息最大化的深度学习框架AutoSamp，用于优化3D MRI扫描的采样模式和重建	提出了一种新的深度学习框架AutoSamp，通过变分信息最大化实现采样模式和重建的联合优化	NA	优化3D MRI扫描的采样模式，提高重建质量	3D MRI数据集的采样模式和重建质量	计算机视觉	NA	非均匀快速傅里叶变换	深度重建网络	MRI数据	使用公共3D MRI数据集进行实验
532	2024-08-28	Dataset of miRNA-disease relations extracted from textual data using transformer-based neural networks 2024-Aug-05, Database : the journal of biological databases and curation DOI:10.1093/database/baae066 PMID:39104284	研究论文	本文提出了一种基于深度学习的文本挖掘方法，用于从生物医学文献中提取标准化的小RNA-疾病关联	利用远程监督和多个外部数据库扩展训练语料库，提高了模型检测小RNA-疾病关联的准确性	NA	开发一种自动化的方法从生物医学文献中提取小RNA-疾病关联	小RNA-疾病关联	自然语言处理	神经退行性疾病	深度学习	transformer-based neural networks	文本	NA
533	2024-08-28	Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations 2024-Aug, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108818 PMID:38878653	研究论文	本研究首次使用深度卷积神经网络来校正2021-2023年间地球静止环境监测光谱仪（GEMS）对NO（TCDNO）的偏差，并通过Pandora观测数据验证GEMS与TROPOMI的NO2测量精度。	采用深度学习方法显著提高了GEMS对NO2测量数据的准确性，减少了偏差超过50%。	尽管GEMS经过深度学习校正后的数据精度有所提高，但仍不及TROPOMI的测量精度。	验证并比较GEMS和TROPOMI的NO2测量数据，使用深度学习方法校正GEMS数据的偏差。	GEMS和TROPOMI的NO2测量数据，以及Pandora观测数据。	机器学习	NA	深度卷积神经网络	CNN	NO2测量数据	多个Pandora站点数据
534	2024-08-28	A review: artificial intelligence in image-guided spinal surgery 2024-Aug, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2024.2384541 PMID:39115295	综述	本文综述了深度学习和人工智能在图像引导脊柱手术中的最新进展	通过人工智能增强的图像引导脊柱手术优于传统脊柱手术技术	需要收集更广泛的数据集以进一步确保手术程序的安全性	为从事该领域的医生、工程师和研究人员提供参考和指导	图像引导脊柱手术中的人工智能应用	计算机视觉	NA	深度学习	NA	图像	NA
535	2024-08-27	scSwinFormer: A Transformer-Based Cell-Type Annotation Method for scRNA-Seq Data Using Smooth Gene Embedding and Global Features 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00616 PMID:39101690	研究论文	本文介绍了一种基于Transformer的深度学习方法scSwinFormer，用于大规模scRNA-seq数据的细胞类型注释	scSwinFormer通过平滑基因嵌入模块和自注意力模块捕捉基因间的潜在依赖关系，并利用Cell Token整合scRNA-seq数据中的全局信息，提高了细胞类型注释的准确性	NA	开发一种新的方法来提高scRNA-seq数据细胞类型注释的准确性	scRNA-seq数据的细胞类型注释	机器学习	NA	scRNA-seq	Transformer	基因表达数据	多个真实数据集
536	2024-08-27	Denoising Drug Discovery Data for Improved Absorption, Distribution, Metabolism, Excretion, and Toxicity Property Prediction 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00639 PMID:39108185	研究论文	本文开发了一种基于深度学习的去噪方案，用于提高小分子吸收、分布、代谢、排泄和毒性（ADMET）属性预测的准确性	首次提出使用训练误差（TE）作为噪声检测指标，通过微调原始模型与去噪数据来提高ADMET数据模型的性能	该方法主要适用于中等噪声的模型，对于低噪声和高噪声模型的性能改善有限	提高ADMET属性预测模型的准确性	小分子的ADMET属性	机器学习	NA	深度学习	NA	数据	NA
537	2024-08-27	DDSBC: A Stacking Ensemble Classifier-Based Approach for Breast Cancer Drug-Pair Cell Synergy Prediction 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01101 PMID:39116326	研究论文	本文介绍了一种针对乳腺癌药物组合细胞协同作用的堆叠集成分类器DDSBC	DDSBC专门针对乳腺癌设计，与跨癌症类型的现有模型相比，提供了更专注的方法	在某些指标上，其他方法略微超过DDSBC 1-2%	旨在提高乳腺癌药物组合协同作用的预测准确性	乳腺癌药物组合的细胞协同作用	机器学习	乳腺癌	NA	堆叠集成分类器	NA	NA
538	2024-08-27	Transformers for Molecular Property Prediction: Lessons Learned from the Past Five Years 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00747 PMID:39136669	综述	本文综述了过去五年中使用transformer模型进行分子性质预测的研究进展	分析了当前可用的模型，并探讨了训练和微调transformer模型时出现的关键问题，如预训练数据的选择和规模、最佳架构选择以及有前景的预训练目标	强调了比较不同模型时的挑战，需要标准化的数据分割和稳健的统计分析	旨在从当前使用transformer模型进行分子性质预测的研究中提炼见解	分析transformer模型在分子性质预测中的应用	机器学习	NA	transformer模型	transformer	分子数据	NA
539	2024-08-27	MGNDTI: A Drug-Target Interaction Prediction Framework Based on Multimodal Representation Learning and the Gating Mechanism 2024-Aug-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00957 PMID:39137398	研究论文	本文提出了一种基于多模态表示学习和门控机制的药物-靶点相互作用预测框架MGNDTI	MGNDTI通过多模态表示学习和门控机制，有效提取药物和靶点的联合表示，并在多个数据集上显著优于现有方法	NA	加速药物发现和促进药物再定位	药物-靶点相互作用预测	机器学习	NA	图卷积网络	多模态门控网络	序列数据，分子图	使用了四个数据集（Human, BioSNAP, BindingDB）进行实验
540	2024-08-27	Ultrasound-Based Deep Learning Radiomics Nomogram for Tumor and Axillary Lymph Node Status Prediction After Neoadjuvant Chemotherapy 2024-Aug-24, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.036 PMID:39183131	研究论文	本研究旨在探讨基于超声的深度学习放射组学诺模图（DLRN）预测乳腺癌患者新辅助化疗（NAC）后肿瘤状态及腋窝淋巴结转移（ALNM）的可行性，并采用Cox回归模型进行生存分析以验证融合算法的有效性	本研究创新性地结合了临床特征、放射组学及深度迁移学习特征，开发了一种基于超声的DLRN模型，用于预测乳腺癌患者NAC后的肿瘤状态及ALNM	NA	探索基于超声的深度学习放射组学诺模图预测乳腺癌患者新辅助化疗后肿瘤状态及腋窝淋巴结转移的可行性	乳腺癌患者新辅助化疗后的肿瘤状态及腋窝淋巴结转移	机器学习	乳腺癌	深度学习	DLRN	超声图像	243名接受新辅助化疗的患者