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
141	2024-12-25	Adaptive and Iterative Learning With Multi-Perspective Regularizations for Metal Artifact Reduction 2024-09, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3395348 PMID:38687653	研究论文	本文提出了一种在小波域中进行金属伪影减少（MAR）的方法，通过多视角正则化和自适应小波模块来提高模型的性能和灵活性	本文的创新点在于利用小波变换的特性，在避免二次伪影的同时，能够更好地识别图像中的伪影，并通过多视角正则化和自适应小波模块提升模型性能	现有方法在正弦图域和图像域中存在局限性，局部操作引入的误差会在反投影过程中传播，导致二次伪影	研究如何在CT图像中有效减少金属伪影，以提高临床诊断的准确性	CT图像中的金属伪影	计算机视觉	NA	小波变换	NA	图像	合成数据集和真实临床数据集
142	2024-12-22	Semi-supervised meta-learning elucidates understudied molecular interactions 2024-09-09, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06797-z PMID:39251833	研究论文	本文开发了一种名为MMAPLE的深度学习框架，用于解决数据分布偏移和标签数据稀缺的问题，并在多个领域展示了其预测能力	MMAPLE将元学习、迁移学习和半监督学习整合到一个统一的框架中，能够有效利用分布外的未标记数据	NA	开发一种新的深度学习框架，以解决生物学中由于实验限制和人类偏见导致的未充分研究问题	药物-靶点相互作用、人类代谢物-酶相互作用以及未充分研究的微生物组代谢物-人类受体相互作用	机器学习	NA	深度学习	MMAPLE	数据	NA
143	2024-12-22	Enabling target-aware molecule generation to follow multi objectives with Pareto MCTS 2024-09-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06746-w PMID:39223327	研究论文	本文提出了一种名为ParetoDrug的多目标靶向分子生成算法，通过Pareto蒙特卡洛树搜索（MCTS）在化学空间中搜索分子，以实现多属性的同步优化	ParetoDrug算法通过在Pareto前沿上进行分子搜索，结合预训练的原子自回归生成模型和ParetoPUCT策略，实现了多目标靶向分子生成，解决了现有方法在药物相似性等其他重要属性上的不足	NA	旨在填补深度学习药物发现领域中多目标靶向分子生成的空白	靶向蛋白质的小分子配体及其多属性优化	机器学习	NA	蒙特卡洛树搜索（MCTS）	自回归生成模型	分子结构	NA
144	2024-12-22	Improved sleep stage predictions by deep learning of photoplethysmogram and respiration patterns 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108679 PMID:39033682	研究论文	本文提出了一种结合卷积神经网络和双向长短期记忆的深度学习架构，通过光体积描记信号和呼吸模式来提高睡眠阶段分类的准确性	本文的创新点在于通过结合光体积描记信号和呼吸传感器输入，显著提高了睡眠阶段分类的准确性，并展示了在不同阶段分类中的显著改进	本文的局限性在于仅使用了光体积描记信号和呼吸传感器输入，可能无法完全替代传统的多导睡眠图	本文的研究目的是提高睡眠阶段分类的准确性，以便更便捷地诊断和管理睡眠障碍	本文的研究对象是睡眠阶段的分类	机器学习	NA	NA	卷积神经网络和双向长短期记忆	信号	NA
145	2024-12-22	Current strategies to address data scarcity in artificial intelligence-based drug discovery: A comprehensive review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108734 PMID:38964243	综述	本文综述了在基于人工智能的药物发现中应对数据稀缺问题的当前策略	本文介绍了多种应对数据稀缺的方法，包括迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成和联邦学习等	本文讨论了这些方法在处理小分子数据时的局限性	探讨如何通过不同方法解决人工智能在药物发现中面临的数据稀缺问题	人工智能在药物发现中的应用及其面临的挑战	机器学习	NA	迁移学习、主动学习、单样本学习、多任务学习、数据增强、数据合成、联邦学习	NA	分子结构数据	NA
146	2024-12-22	A graph neural network approach for predicting drug susceptibility in the human microbiome 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108729 PMID:38955124	研究论文	本文提出了一种基于图神经网络的方法，用于预测人类微生物组中药物的敏感性	本文首次提出了基于图神经网络的模型（GCN、GAT和GINCOV），并展示了GINCOV模型在预测药物对肠道微生物组敏感性方面的优越性能	本文未详细讨论模型的可解释性以及在不同人群中的泛化能力	探索药物与人类微生物组相互作用，预测药物在肠道微生物组中的敏感性	药物与人类微生物组的相互作用	机器学习	NA	图神经网络	GCN, GAT, GINCOV	SMILES数据集	约150种药物
147	2024-12-22	Exploring the potential of artificial intelligence in paediatric dentistry: A systematic review on deep learning algorithms for dental anomaly detection 2024-Sep, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.13164 PMID:38297447	综述	本文系统回顾了深度学习算法在儿科牙科中检测牙科异常的潜力	展示了基于深度学习算法的人工智能系统在提高牙科异常检测速度和准确性方面的潜力	文章数量有限且数据异质性较大	研究人工智能系统在识别儿科牙科中的牙科异常方面的表现，并将其与人类表现进行比较	儿科牙科中的牙科异常	计算机视觉	NA	深度学习	深度学习子系统	图像	6篇文章，评估了9个深度学习子系统
148	2024-12-19	Protein-Protein Interaction Prediction Model Based on ProtBert-BiGRU-Attention 2024-09, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1089/cmb.2023.0297 PMID:39069885	研究论文	本文提出了一种基于ProtBert-BiGRU-Attention的蛋白质-蛋白质相互作用预测模型	利用预训练的蛋白质序列模型ProtBert结合双向门控循环单元（BiGRU）和注意力机制，仅使用蛋白质序列信息进行预测，提升了蛋白质序列特征的表达能力	未提及具体的局限性	研究蛋白质相互作用，提升蛋白质-蛋白质相互作用（PPI）预测的准确性	蛋白质序列及其相互作用	机器学习	NA	NA	BiGRU，注意力机制	蛋白质序列	未提及具体样本数量
149	2024-12-18	An approach to automatic fault detection in four-point system for knitted fabric with our benchmark dataset Isl-Knit 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35931 PMID:39676831	研究论文	本文提出了一种基于深度学习的针织面料自动缺陷检测方法，并引入了新的基准数据集ISL-Knit	本文的创新点在于引入了一个专门针对针织面料缺陷的基准数据集ISL-Knit，并使用YOLOv5模型进行训练和比较，展示了在不同硬件设备上的实际应用效果	本文的局限性在于仅在特定场景下验证了模型的可行性，未涵盖所有可能的针织面料缺陷类型	研究目的是开发一种自动化的针织面料缺陷检测系统，以减少人工检查的工作量	研究对象是针织面料的缺陷检测	计算机视觉	NA	深度学习	YOLOv5	图像	包含7种缺陷类型的高分辨率灰布和染色布图像
150	2024-12-18	Improving Biological Joint Moment Estimation During Real-World Tasks With EMG and Instrumented Insoles 2024-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3388874 PMID:38619965	研究论文	本文研究了通过肌电图（EMG）和智能鞋垫改进生物关节力矩在实际任务中的实时估计	本文创新性地将肌电图和智能鞋垫数据引入深度学习模型，以改进非循环任务中的关节力矩估计	本文主要验证了在循环和非循环任务中的效果，但未探讨在其他复杂环境下的表现	提高生物关节力矩在实际任务中的实时估计精度，以增强临床评估和外骨骼控制	髋关节和膝关节的力矩估计	机器学习	NA	深度学习	深度学习模型	传感器数据	10个循环活动和18个非循环活动的数据集
151	2024-12-18	AI-Based Denoising of Head Impact Kinematics Measurements With Convolutional Neural Network for Traumatic Brain Injury Prediction 2024-09, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3392537 PMID:38683703	研究论文	本研究使用一维卷积神经网络（1D-CNN）模型对口腔护具测量的头部冲击运动学数据进行去噪，以提高创伤性脑损伤（TBI）风险监测的准确性	本研究首次使用1D-CNN模型对口腔护具测量的头部冲击运动学数据进行去噪，并验证了其在实验室假人冲击和尸体冲击数据上的有效性	研究结果需要在更多真实人体运动学数据上进行验证，才能应用于实际场景	提高口腔护具测量的头部冲击运动学数据的准确性，以增强创伤性脑损伤风险监测	口腔护具测量的头部冲击运动学数据	机器学习	创伤性脑损伤	一维卷积神经网络（1D-CNN）	CNN	运动学数据	163次实验室假人头部冲击、118次大学橄榄球现场冲击和413次尸体冲击数据
152	2024-12-17	Subject-level spinal osteoporotic fracture prediction combining deep learning vertebral outputs and limited demographic data 2024-Sep-10, Archives of osteoporosis IF:3.1Q1 DOI:10.1007/s11657-024-01433-z PMID:39256211	研究论文	本文提出了一种结合深度学习椎体骨折评分和有限人口统计数据的方法，用于预测脊柱骨质疏松性骨折	本文的创新点在于将深度学习椎体骨折评分与人口统计数据结合，实现了对脊柱骨质疏松性骨折的高精度预测	本文的局限性在于仅使用了有限的人口统计数据，可能无法全面反映个体的骨折风险	本文的研究目的是开发一种自动化筛查方法，用于预测脊柱骨质疏松性骨折	本文的研究对象是脊柱骨质疏松性骨折的预测	计算机视觉	骨质疏松症	卷积神经网络	卷积神经网络	图像	大量放射影像数据
153	2024-12-17	Enhancing accuracy and interpretability of multi-steps water demand prediction through prior knowledge integration in neural network architecture 2024-Sep-01, Water research X IF:7.2Q1 DOI:10.1016/j.wroa.2024.100247 PMID:39678433	研究论文	本文提出了一种新的城市用水需求预测神经网络（UWDFNet），通过整合领域特定的先验知识来提高预测的准确性和可解释性	创新性地将水供应管理中的领域特定先验知识纳入神经网络结构设计，并验证了模型学习到的知识与先验知识的一致性	未提及具体的局限性	提高多步用水需求预测模型的准确性和可解释性	城市用水需求预测	机器学习	NA	神经网络	神经网络	数值数据	未提及具体样本数量
154	2024-12-16	LEO navigation observables extraction using CLOCFC network 2024-Sep-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70846-0 PMID:39242654	研究论文	本文提出了一种轻量级深度学习模型CLOCFC，用于从低地球轨道卫星信号中提取导航观测值	提出了CLOCFC模型，采用双分支结构，并引入了CFC模块（一种液态神经网络），以增强数据序列中的时空信息获取能力	NA	减少航空用户对全球导航卫星系统的依赖，利用低地球轨道卫星的信号进行导航和定位	从低地球轨道卫星信号中提取导航观测值	机器学习	NA	深度学习	CLOCFC	信号	使用ORBCOMM星座信号作为模型输入，多普勒频率作为标签，进行了大量实验
155	2024-12-15	An intensity-based self-supervised domain adaptation method for intervertebral disc segmentation in magnetic resonance imaging 2024-Sep, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03219-7 PMID:38976178	研究论文	本研究提出了一种基于强度的自监督域适应方法，用于磁共振图像中的椎间盘分割	创新性地使用基于强度的自监督学习方法，利用未标记的多域数据减少对大规模标注数据的依赖	未提及具体的局限性	提高椎间盘分割的准确性，减少对大规模标注数据的依赖	磁共振图像中的椎间盘	计算机视觉	NA	磁共振成像	双任务系统	图像	使用了来自多个域的未标记数据
156	2024-12-15	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-Sep-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证了一种基于深度学习的成人生理恶化预测模型DETERIO，该模型基于共识的恶化定义（AIDE标准），并将其视为一个“价值估计”问题	提出了基于共识定义的恶化预测模型DETERIO，并将其视为一个“价值估计”问题，相较于现有的商业化恶化评分（EDI），DETERIO在预测性能上表现更优	需要进一步研究以评估模型的泛化能力和实际临床影响	开发并验证一种新的深度学习模型，用于预测成人患者的生理恶化，并评估其在临床中的应用潜力	成人患者的生理恶化预测	机器学习	NA	深度学习	深度学习模型	患者数据	开发队列包含330,729名患者，验证队列包含65,898名患者
157	2024-12-13	German CheXpert Chest X-ray Radiology Report Labeler 2024-09, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2234-8268 PMID:38295825	研究论文	本研究开发了一种算法，用于从德语胸腔放射学报告中自动提取注释，以训练基于深度学习的胸部X光分类模型	开发了一种基于CheXpert架构的自动标签提取模型，用于德语胸腔放射学报告，并创建了一个网络化的多读者注释界面以生成真实数据	自动提取标签的不确定性检测F1分数较低，表明在处理不确定情况时仍存在局限性	开发一种自动从德语胸腔放射学报告中提取注释的算法，以提高胸部X光分类模型的训练效率	德语胸腔放射学报告和胸部X光图像	数字病理学	NA	深度学习	DenseNet-121	文本和图像	1086份回顾性收集的放射学报告（数据集1）和6434张胸部X光图像及相应报告（数据集2）
158	2024-12-11	Multi-Task Collaborative Pre-Training and Adaptive Token Selection: A Unified Framework for Brain Representation Learning 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416038 PMID:38889024	研究论文	提出了一种结合多任务协同预训练和自适应标记选择的脑表示学习统一框架MCPATS，用于从结构磁共振成像中学习脑的通用表示	创新点在于提出了MCPATS框架，结合多任务协同预训练和自适应标记选择，能够同时捕捉脑结构的细粒度细节和全局结构，并显式表达隐含在局部-全局图像特征中的认知信息	NA	研究目的是从结构磁共振成像中学习脑的通用表示，以捕捉与个体认知变异性相关的高级表示	研究对象是脑的结构磁共振成像数据，以及其中隐含的认知信息	机器学习	NA	结构磁共振成像	MCPATS框架	图像	使用了三个不同的公开数据集进行验证
159	2024-12-11	Time-Frequency-Space EEG Decoding Model Based on Dense Graph Convolutional Network for Stroke 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3411646 PMID:38857138	研究论文	本文提出了一种基于密集图卷积网络的时间-频率-空间域脑电图解码模型，用于中风康复	结合改进的S变换（MST）和密集图卷积网络（DenseGCN）算法，提高了基于运动想象的脑机接口在中风康复中的性能	NA	提高基于运动想象的脑机接口在中风康复中的性能	中风患者的脑电信号	机器学习	中风	密集图卷积网络（DenseGCN）	密集图卷积网络（DenseGCN）	脑电图（EEG）	NA
160	2024-12-11	Real-Time Automatic M-Mode Echocardiography Measurement With Panel Attention 2024-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3413628 PMID:38865231	研究论文	本文提出了一种实时自动M模式超声心动图测量方案RAMEM，通过深度学习技术提高诊断效率和准确性	本文的创新点包括：1) 提供了首个M模式超声心动图数据集MEIS；2) 提出了带有面板注意力嵌入的UPANets V2卷积骨干网络，用于实时实例分割；3) 引入了自动M模式超声心动图测量算法AMEM	NA	开发一种自动化的实时M模式超声心动图测量方案，以提高诊断效率和准确性	M模式超声心动图的心脏尺寸和射血分数测量	计算机视觉	心血管疾病	深度学习	CNN	图像	首个M模式超声心动图数据集MEIS