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
261	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
262	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
263	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
264	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
265	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
266	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
267	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
268	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
269	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
270	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
271	2024-11-21	Evaluation of three-point correlation functions from structural images on CPU and GPU architectures: Accounting for anisotropy effects 2024-Oct, Physical review. E DOI:10.1103/PhysRevE.110.045306 PMID:39562887	研究论文	本文开发了在CPU和GPU架构上计算三点点相关函数的算法和代码，考虑了各向异性效应	本文提出了计算三点点相关函数的新算法，并展示了其在任意三角形模式下的计算速度与直角三角形模式相当	本文指出，当计算在频率域进行时，数据量会变得非常大，且目前尚不清楚n>3的点相关函数的优势	研究三点点相关函数在结构图像分析中的应用，并评估其在不同架构上的计算效率	三点点相关函数及其在结构图像分析中的应用	计算机视觉	NA	三点点相关函数计算	NA	图像	NA
272	2024-11-20	Artificial intelligence applications in personalizing lung cancer management: state of the art and future perspectives 2024-Oct-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-244 PMID:39552872	综述	本文综述了人工智能在个性化肺癌管理中的应用现状和未来展望	本文介绍了人工智能在肺癌诊断和管理中的创新应用，特别是基于机器学习和深度学习技术的AI模型	NA	探讨人工智能在非小细胞肺癌诊断和管理中的应用潜力	非小细胞肺癌的诊断、病理特征预测和基因突变预测	机器学习	肺癌	机器学习、深度学习	AI模型	患者数据	NA
273	2024-11-20	NeuroTD: A Time-Frequency Based Multimodal Learning Approach to Analyze Time Delays in Neural Activities 2024-Oct-31, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.28.620662 PMID:39554073	研究论文	本文介绍了一种基于时间-频率的多模态学习方法NeuroTD，用于分析神经活动中的时间延迟	NeuroTD结合了孪生神经网络与频域变换和复值优化，用于推断多模态时间序列数据中的跨模态时间关系	NA	开发一种新的深度学习方法，用于对齐多模态时间序列数据并推断跨模态时间关系	神经活动的时间特征及其与行为的关系	机器学习	NA	钙成像、Neuropixels、深度电极、Patch-seq	孪生神经网络	时间序列数据	三个多模态数据集
274	2024-11-20	A Surface-based deep learning approach for cortical shape analysis 2024-Oct-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.29.620757 PMID:39554098	研究论文	本文应用基于球谐函数的卷积神经网络（SPHARM-Net）对MRI衍生的脑形态学指标进行分析，预测年龄、性别和阿尔茨海默病（AD）诊断	本文提出了一种基于球谐函数的卷积神经网络（SPHARM-Net），无需显式定义邻域大小，实现了旋转等变性	本文仅在健康成年人和AD患者样本中进行了验证，未来工作将扩展到更复杂的任务如情绪障碍分类	研究如何利用深度学习技术从脑部图像中预测临床因素	MRI衍生的脑形态学指标，包括顶点皮质曲率、凸度、厚度和表面积	计算机视觉	阿尔茨海默病	球谐函数卷积神经网络	卷积神经网络	图像	健康成年人样本量为32,979，AD患者样本量为1,213
275	2024-11-20	Application of deblur technology for improving the clarity of digital subtractive angiography 2024-Oct, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199221143168 PMID:36457291	研究论文	本文提出了一种基于深度学习的去模糊技术，用于提高数字减影血管造影（DSA）图像的清晰度	本文创新性地使用了深度学习方法来去模糊大焦点DSA图像，以获得更清晰和锐利的脑血管DSA图像	本文的局限性在于仅使用了52对配对的血管造影图像进行训练，且测试集仅包括10个身体模型和80张临床图像	研究目的是开发一种新的基于深度学习的方法，以提高大焦点DSA图像的清晰度	研究对象是数字减影血管造影（DSA）图像	计算机视觉	NA	深度学习	残差密集块（RDBs）	图像	训练集包括52对配对图像，超过350,000个裁剪的补丁；测试集包括10个身体模型和80张临床图像
276	2024-11-20	Short-length SSVEP data extension by a novel generative adversarial networks based framework 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10134-9 PMID:39555252	研究论文	本文提出了一种基于生成对抗网络（GAN）的端到端信号变换网络TEGAN，用于扩展短时稳态视觉诱发电位（SSVEP）信号的长度	引入了两阶段训练策略和LeCam-divergence正则化项来规范GAN的训练过程，显著提高了传统频率识别方法和基于深度学习方法的性能	NA	旨在解决SSVEP信号在实际应用中因数据量和长度不足而影响频率识别性能的问题	短时稳态视觉诱发电位（SSVEP）信号	脑机接口	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	信号	两个公开的SSVEP数据集（4类和12类数据集）
277	2024-11-20	Motor imagery decoding using source optimized transfer learning based on multi-loss fusion CNN 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10100-5 PMID:39555257	研究论文	本文提出了一种基于多损失融合卷积神经网络（MF-CNN）的源优化迁移学习方法（SOTL），用于解码多类运动想象任务	首次提出多损失融合卷积神经网络（MF-CNN）和源优化迁移学习（SOTL），优化源模型以提高目标模型的性能	NA	提高运动想象任务的分类准确性，并验证其在卒中患者康复训练中的应用	16名健康受试者和16名卒中患者的运动想象数据	机器学习	卒中	迁移学习	卷积神经网络（CNN）	运动想象数据	32名受试者（16名健康受试者和16名卒中患者）
278	2024-11-20	Multiresolution feature fusion for smart diagnosis of schizophrenia in adolescents using EEG signals 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10120-1 PMID:39555262	研究论文	本文提出了一种基于多分辨率特征融合的自动化诊断模型，用于从脑电图信号中高效诊断青少年精神分裂症	本文创新性地结合了卷积神经网络和集成袋装树模型，融合深度学习和手工特征，实现了优于现有方法的分类性能	NA	开发一种高效的自动化诊断系统，用于青少年精神分裂症的早期检测	青少年精神分裂症患者和健康对照组的脑电图信号	计算机视觉	精神分裂症	经验小波变换和经验模态分解	卷积神经网络和集成袋装树	脑电图信号	84名青少年，其中45名精神分裂症患者和39名健康对照组
279	2024-11-20	Research progress of epileptic seizure prediction methods based on EEG 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10109-w PMID:39555266	研究论文	本文介绍了基于EEG的癫痫发作预测方法的设计过程，并总结了当前研究中的常用方法和数据库	本文比较了深度学习算法与传统机器学习方法在癫痫发作预测中的优缺点，为研究人员提供了新技术和新思路	当前算法无法应用于临床，本文总结了其局限性并提出了改进建议	实现癫痫发作的早期预测和干预，以提高患者的生活质量	基于头皮EEG和颅内EEG的癫痫发作预测研究	数字病理学	癫痫	EEG	深度学习算法	EEG数据	NA
280	2024-11-20	Attention-based cross-frequency graph convolutional network for driver fatigue estimation 2024-Oct, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-024-10141-w PMID:39555279	研究论文	本文提出了一种基于注意力机制的跨频图卷积网络（ACF-GCN），用于通过脑电图（EEG）信号估计驾驶员的反应时间	创新点在于引入了多注意力机制来检测EEG通道在不同频率之间的长程依赖关系，并结合图卷积网络进行驾驶员反应时间的估计	NA	研究目的是通过EEG信号提高驾驶员疲劳水平的估计精度	研究对象是驾驶员的脑电图信号及其反应时间	机器学习	NA	脑电图（EEG）	图卷积网络（GCN）	脑电图信号	使用了公开数据集进行验证