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
201	2024-11-24	Impact of artificial intelligence assisted compressed sensing technique on scan time and image quality in musculoskeletal MRI - A systematic review 2024-Oct, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.012 PMID:39217002	综述	本文综述了人工智能辅助压缩感知技术在肌肉骨骼MRI中的应用，探讨了其对扫描时间和图像质量的影响	人工智能辅助压缩感知技术显著减少了扫描时间并提高了图像质量，特别是在2D和3D序列中	高加速因子目前会导致图像评分降低，尽管人工智能辅助压缩感知技术的进步有望解决这一限制	研究人工智能辅助压缩感知技术和加速因子对肌肉骨骼MRI扫描时间和图像质量的影响	肌肉骨骼MRI中的扫描时间和图像质量	计算机视觉	NA	人工智能辅助压缩感知技术	NA	图像	730名参与者
202	2024-11-23	Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis 2024-Oct-31, ArXiv PMID:39575118	研究论文	本文介绍了一种名为Supervised Independent Subspace Principal Component Analysis (sisPCA) 的主成分分析扩展方法，用于多子空间学习	sisPCA结合了Hilbert-Schmidt独立性准则（HSIC），能够在监督下确保子空间的解耦，提高了模型的可解释性	NA	开发一种能够在高维数据中捕捉人类可理解概念的有效表示方法	乳腺癌诊断、衰老相关的DNA甲基化变化以及疟疾感染的单细胞分析	机器学习	NA	主成分分析（PCA）	sisPCA	图像特征、DNA甲基化数据、单细胞数据	NA
203	2024-11-23	Deep learning and genetic algorithm driven accelerated design for frequency-multiplexed complex-amplitude coding meta-hologram 2024-Oct-21, Optics express IF:3.2Q2 DOI:10.1364/OE.538487 PMID:39573662	研究论文	本文提出了一种利用深度学习和遗传算法加速设计频率复用复杂振幅编码超表面全息图的方法	该方法能够设计出支持双频2比特振幅和任意相位调制的超原子，显著降低了设计难度并实现了优异的低串扰性能	目前仅限于左旋圆偏振波的调制，未来可扩展到其他偏振状态	旨在突破传统超表面的功能限制，实现多通道通信中的高效设计和高质量全息重建	频率复用超表面及其在多通道通信、数据存储和完美全息术中的应用	NA	NA	深度学习遗传算法	NA	NA	NA
204	2024-11-23	Orbital angular momentum superimposed mode recognition based on multi-label image classification 2024-Oct-21, Optics express IF:3.2Q2 DOI:10.1364/OE.541716 PMID:39573669	研究论文	本文提出了一种基于多标签图像分类的轨道角动量叠加模式识别方法	开发了一种结合多标签图像分类的识别方法，用于准确识别多轨道角动量叠加模式涡旋光束	目前主要集中在单轨道角动量模式和±l叠加双轨道角动量模式的识别，对多轨道角动量叠加模式的研究较少	提高轨道角动量叠加模式在接收端的准确识别能力	轨道角动量叠加模式涡旋光束	机器学习	NA	多标签图像分类	渐进通道-空间注意力模型（PCSA）	图像	数值模拟和实验获取的三轨道角动量和四轨道角动量叠加模式涡旋光束的强度分布图数据集
205	2024-11-22	VONet: A deep learning network for 3D reconstruction of organoid structures with a minimal number of confocal images 2024-Oct-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.101063 PMID:39569212	研究论文	本文介绍了一种基于深度学习的3D重建网络VONet，用于从少量共聚焦图像中重建类器官结构	VONet能够从少量z堆栈图像中重建完整的3D结构，并能预测传统共聚焦显微镜无法观察到的深层焦平面区域的结构	NA	开发一种高效且经济的3D重建方法，用于类器官结构的成像	类器官结构的3D重建	计算机视觉	NA	深度学习	全卷积神经网络	图像	超过39,000个虚拟类器官
206	2024-11-23	Prediction of adverse drug reactions using demographic and non-clinical drug characteristics in FAERS data 2024-10-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74505-2 PMID:39384938	研究论文	研究利用机器学习模型基于FAERS数据中的非临床和人口统计学特征预测药物不良反应	首次结合人口统计学和非临床数据进行药物不良反应预测，并识别出最重要的影响因素	模型性能仍有提升空间，且仅限于30种常见且严重的药物不良反应	开发基于人口统计学和非临床数据的药物不良反应预测模型，并识别关键影响因素	30种常见且严重的药物不良反应	机器学习	NA	随机森林 (RF) 和深度学习 (DL)	随机森林模型和深度学习模型	人口统计学数据和非临床数据	2012年至2023年间报告给FDA的30种常见且严重的药物不良反应数据
207	2024-11-23	JQR-Net: joint quantitative reconstruction network for dual-modal photoacoustic and optical coherence tomography imaging 2024-Oct-07, Optics express IF:3.2Q2 DOI:10.1364/OE.537966 PMID:39573570	研究论文	本文提出了一种用于双模态光声和光学相干断层扫描成像的联合定量重建网络，以实现更精确和全面的组织特征分析	首次设计了一种深度学习模型，能够同时从双模态成像信号中重建多个组织特征参数，促进深入的组织表征	NA	开发一种深度学习方法，用于双模态光声和光学相干断层扫描成像中的联合定量重建	光声诱导的压力信号和背散射的光学相干断层扫描信号	计算机视觉	NA	深度学习	深度神经网络	图像	NA
208	2024-11-23	Physical prior-guided deep learning for SIM reconstruction: modeling object-to-image degradation 2024-Oct-07, Optics express IF:3.2Q2 DOI:10.1364/OE.537692 PMID:39573583	研究论文	本文提出了一种基于物理先验指导的深度学习方法，用于结构化光照显微镜（SIM）重建，通过建模物体到图像的退化过程	本文创新性地将物体到图像平面的退化过程嵌入到重建网络中，通过物理先验约束的可学习点扩散函数（PSF）参数，将传统的图像到图像数据模式映射转换为物体到图像平面的退化映射	NA	解决深度学习在SIM重建中由于训练样本不足导致的可信度低和泛化能力差的问题	结构化光照显微镜（SIM）图像重建	计算机视觉	NA	深度学习	OIDN（物体到图像平面退化网络）	图像	NA
209	2024-11-23	High-quality and high-speed computer-generated holography via deep-learning-assisted bidirectional error diffusion method 2024-Oct-07, Optics express IF:3.2Q2 DOI:10.1364/OE.535193 PMID:39573602	研究论文	本文提出了一种基于深度学习的双向误差扩散方法，用于生成高质量和高速度的计算机生成全息图	本文提出了一种名为BERDNet的神经网络，用于实时生成高质量的相位全息图，并通过数据损失和物理损失约束训练过程	NA	打破相位全息图生成过程中质量和速度之间的权衡	相位全息图的生成	计算机视觉	NA	深度学习	神经网络	图像	NA
210	2024-11-23	Improving drug-target interaction prediction through dual-modality fusion with InteractNet 2024-Oct, Journal of bioinformatics and computational biology IF:0.9Q4 DOI:10.1142/S0219720024500240 PMID:39573831	研究论文	提出了一种新的深度学习框架，通过双模态融合改进药物-靶点相互作用的预测	结合蛋白质的结构信息和序列特征，通过双模态融合提供全面的特征表示，并引入了自掩码注意力机制	NA	加速新药开发过程中药物-靶点相互作用的准确预测	药物-靶点相互作用	机器学习	NA	图卷积网络、多头注意力机制	深度学习框架	蛋白质结构信息、序列特征	多个公共数据集
211	2024-11-22	Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease 2024-Oct-28, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.14.599092 PMID:39554095	研究论文	本研究利用深度学习方法整合蛋白质组学和蛋白质-蛋白质相互作用数据，揭示了阿尔茨海默病中Aβ-tau相互作用的新调节因子	首次应用深度学习方法BIONIC整合蛋白质组学和蛋白质-蛋白质相互作用数据，揭示了GPNMB+小胶质细胞在早期阿尔茨海默病中对Aβ-tau相互作用的调节作用	研究仅限于轻度认知障碍和早期阿尔茨海默病阶段，未来研究需扩展到更广泛的疾病阶段和样本量	揭示阿尔茨海默病中Aβ-tau相互作用的新调节因子，并探索其作为治疗靶点的潜力	Aβ-tau相互作用及其在阿尔茨海默病中的调节因子	生物信息学	阿尔茨海默病	深度学习	BIONIC	蛋白质组学数据和蛋白质-蛋白质相互作用数据	ROSMAP队列的蛋白质组学数据
212	2024-11-22	Resting-State Electroencephalogram Depression Diagnosis Based on Traditional Machine Learning and Deep Learning: A Comparative Analysis 2024-Oct-23, Sensors (Basel, Switzerland) DOI:10.3390/s24216815 PMID:39517712	综述	本文比较了传统机器学习和深度学习方法在基于静息状态脑电图的抑郁症诊断中的应用	本文综述了传统机器学习和深度学习方法在抑郁症诊断中的应用，并提出了潜在的解决方案	本文主要讨论了当前研究的挑战，但未提供具体的实验数据或模型评估	提高抑郁症诊断的准确性，并促进计算精神病学领域的发展	静息状态脑电图数据和抑郁症诊断	机器学习	抑郁症	脑电图	传统机器学习、深度学习	脑电图数据	NA
213	2024-11-22	A deep learning framework combining molecular image and protein structural representations identifies candidate drugs for pain 2024-Oct-21, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100865 PMID:39341201	研究论文	本文介绍了一种结合分子图像和蛋白质结构表示的深度学习框架，用于识别疼痛候选药物	提出了LISA-CPI框架，结合了无监督深度学习分子图像表示和AlphaFold2算法，相较于现有模型在平均绝对误差上提高了约20%	NA	开发一种新的计算药物发现工具，用于治疗疼痛和其他复杂疾病	化合物-蛋白质相互作用，特别是针对G蛋白偶联受体	机器学习	疼痛	深度学习	LISA-CPI	图像，蛋白质结构	104,969个配体和33个G蛋白偶联受体
214	2024-11-22	A Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease 2024-Oct-11, Cardiology IF:1.9Q3 DOI:10.1159/000541980 PMID:39396499	研究论文	本研究开发了一种基于深度学习的方法，用于生成先天性心脏病患者的3D心脏网格模型	提出了一种结合医学影像和临床诊断信息的深度学习方法，用于快速生成3D心脏模型	需要进一步验证模型在不同类型先天性心脏病中的广泛适用性	开发一种用于先天性心脏病患者的3D心脏建模方法	先天性心脏病患者的3D心脏模型	计算机视觉	先天性心脏病	深度学习	深度学习模型	医学影像和临床数据	110名患者
215	2024-11-22	Improved ADHD Diagnosis Using EEG Connectivity and Deep Learning through Combining Pearson Correlation Coefficient and Phase-Locking Value 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09685-3 PMID:39422820	研究论文	本文提出了一种结合皮尔逊相关系数和相位锁定值的EEG连接性和深度学习方法，用于改善ADHD的诊断	本文创新性地结合了线性和非线性脑连接图与基于注意力的卷积神经网络，提高了ADHD诊断的准确性	NA	提高ADHD的早期诊断准确性	ADHD儿童和青少年的EEG数据	机器学习	神经行为障碍	EEG连接性分析	基于注意力的卷积神经网络（Att-CNN）	EEG数据	NA
216	2024-11-22	External validation of a multimodality deep-learning normal tissue complication probability model for mandibular osteoradionecrosis trained on 3D radiation distribution maps and clinical variables 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100668 PMID:39563783	研究论文	本文对外部验证了一个基于深度学习的正常组织并发症概率模型，用于下颌骨放射性骨坏死，该模型训练于3D辐射剂量分布图和临床变量	本文首次对外部验证了一个多模态深度学习模型，用于下颌骨放射性骨坏死的正常组织并发症概率	需要进一步研究以解决过拟合和领域偏移问题，以确保临床使用的可靠性	验证一个基于深度学习的正常组织并发症概率模型，用于下颌骨放射性骨坏死	下颌骨放射性骨坏死的正常组织并发症概率模型	机器学习	NA	深度学习	卷积神经网络	图像	184个受试者用于训练，82个受试者用于外部验证
217	2024-11-22	Classification Method of ECG Signals Based on RANet 2024-Oct, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-024-00730-5 PMID:38653933	研究论文	本文提出了一种基于残差注意力神经网络的心电图信号分类方法	引入残差网络解决梯度消失问题，并结合注意力机制聚焦关键信息，改进投票方法缓解数据不平衡问题	NA	开发一种高效的心电图分类模型，以提高心律失常检测的准确性	心电图信号及其分类	机器学习	心血管疾病	残差网络（ResNet），注意力机制	残差注意力神经网络（RANet）	心电图信号	使用PhysioNet/CinC Challenge 2017数据集进行实验验证
218	2024-11-21	Anatomic Interpretability in Neuroimage Deep Learning: Saliency Approaches for Typical Aging and Traumatic Brain Injury 2024-Oct-16, Research square DOI:10.21203/rs.3.rs-4960427/v1 PMID:39483910	研究论文	本研究比较了七种基于归因的显著性方法，用于增强深度神经网络（DNN）在估计生物脑龄（BA）时的解剖学解释性	本研究首次系统比较了多种显著性方法在典型衰老和创伤性脑损伤（TBI）情况下的表现，并评估了它们在捕捉已知脑衰老解剖特征方面的能力	研究仅限于使用磁共振成像（MRI）数据，且样本量相对较小	探讨不同显著性方法在增强深度神经网络（DNN）解剖学解释性方面的效果	认知正常（CN）成年人和轻度创伤性脑损伤（mTBI）成年人的脑龄估计	计算机视觉	创伤性脑损伤	磁共振成像（MRI）	深度神经网络（DNN）	图像	认知正常成年人100名（男性），平均年龄65.82 ± 8.89岁；轻度创伤性脑损伤成年人100名（男性），平均年龄55.3 ± 9.9岁
219	2024-11-21	Deep learning permits imaging of multiple structures with the same fluorophores 2024-10-15, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.09.001 PMID:39233442	研究论文	提出了一种新的双结构网络（DBSN），可以从三个原始图像中提取六个不同的亚细胞结构，仅使用两种荧光标记	DBSN结合了强度平衡模型和结构分离模型，能够从相同的荧光标记中提取多个不同的亚细胞结构，突破了现有技术的瓶颈	NA	开发一种能够同时成像多个结构的新方法，减少荧光显微镜的时间消耗	亚细胞结构	计算机视觉	NA	深度学习	双结构网络（DBSN）	图像	三个原始图像
220	2024-11-21	Evaluation of deep learning-based target auto-segmentation for Magnetic Resonance Imaging-guided cervix brachytherapy 2024-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2024.100669 PMID:39559487	研究论文	评估深度学习在磁共振成像引导的宫颈近距离放射治疗中自动分割目标结构的应用	提出使用基于人群和患者特异性自动分割作为第二部分目标分割的起点，以减少手动分割的时间和患者负担	自动分割引入了手动描绘的偏差，但这种偏差在临床上无关紧要	评估使用自动分割作为第二部分目标分割起点的临床影响	宫颈癌患者在磁共振成像引导下的近距离放射治疗	计算机视觉	宫颈癌	深度学习	NA	图像	28名局部晚期宫颈癌患者