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
101	2024-11-24	Contributing to the prediction of prognosis for treated hepatocellular carcinoma: Imaging aspects that sculpt the future 2024-Oct-27, World journal of gastrointestinal surgery IF:1.8Q2 DOI:10.4240/wjgs.v16.i10.3377 PMID:39575286	研究论文	本文介绍了一种新的列线图模型，用于预测接受射频消融和经动脉化疗栓塞治疗的肝细胞癌（HCC）的预后，并强调了影像学方面，特别是磁共振成像（MRI）和放射组学，在提高预测准确性中的作用	本文提出了将多参数MRI和深度学习放射组学模型与临床因素结合，以提高HCC治疗预后预测的准确性	NA	提高肝细胞癌治疗预后的预测准确性	接受射频消融和经动脉化疗栓塞治疗的肝细胞癌患者	数字病理学	肝癌	磁共振成像（MRI）	深度学习模型	影像数据	NA
102	2024-11-24	Facial recognition for disease diagnosis using a deep learning convolutional neural network: a systematic review and meta-analysis 2024-Oct-18, Postgraduate medical journal IF:3.6Q1 DOI:10.1093/postmj/qgae061 PMID:39102373	meta-analysis	本文系统综述和元分析了基于深度学习卷积神经网络的面部识别技术在罕见畸形疾病和面瘫等疾病诊断中的应用	本文通过系统综述和元分析，评估了深度学习在面部识别疾病诊断中的准确性和适用性	本文仅分析了过去十年内的22篇文献，样本量和疾病种类可能存在局限性	评估基于深度学习网络的面部识别技术在疾病诊断中的有效性和适用性	罕见畸形疾病和面瘫等疾病的诊断	计算机视觉	NA	深度学习卷积神经网络	CNN	图像	57,539例样本，其中43,301例为疾病样本
103	2024-11-24	SpaGRA: Graph augmentation facilitates domain identification for spatially resolved transcriptomics 2024-Oct-02, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.09.015 PMID:39362628	研究论文	提出了一种基于图增强的自动多关系构建方法SpaGRA，用于空间转录组学数据中的域识别	SpaGRA利用空间距离作为先验知识，并通过多头图注意力网络动态调整边权重，以揭示多样化的节点关系并增强几何对比学习中的消息传递	NA	解决现有方法在空间转录组学数据中忽略基因表达相似性导致的域识别不准确问题	空间转录组学数据中的域识别	生物信息学	NA	图增强	多头图注意力网络	空间转录组学数据	多个不同协议生成的数据集
104	2024-11-24	AnNoBrainer, An Automated Annotation of Mouse Brain Images using Deep Learning 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09679-1 PMID:39107460	研究论文	开发了一种名为AnNoBrainer的开源软件工具，利用深度学习、图像配准和标准皮质脑模板来自动标注小鼠脑部图像中的各个脑区	AnNoBrainer通过自动化标注显著减少了标注时间和提高了标注的准确性和可重复性	NA	解决神经科学数字病理学中手动标注脑部图像的效率问题	小鼠脑部图像的自动标注	数字病理学	NA	深度学习	NA	图像	来自转基因小鼠模型的病理切片
105	2024-11-24	A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09688-0 PMID:39417954	研究论文	本文提出了一种基于深度学习的计算框架，用于分割组织学图像中的大脑皮层分层结构	本文提出了一种新的计算框架，首先使用基于人工智能的工具获取皮层标签，然后使用训练好的深度学习模型分割大脑皮层层	NA	理解大脑的信息处理特性，并提供对神经疾病本质的洞察	大脑皮层的解剖结构和皮层区域之间的连接	计算机视觉	NA	深度学习	深度学习模型	图像	使用了Nissl染色和髓鞘染色的普通狨猴（Callithrix jacchus）大脑切片图像
106	2024-11-24	Anatomic Interpretability in Neuroimage Deep Learning: Saliency Approaches for Typical Aging and Traumatic Brain Injury 2024-Oct, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09694-2 PMID:39503843	研究论文	本研究比较了七种基于归因的显著性方法，以增强深度神经网络在估计生物脑龄时的解剖学解释性	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情况下的表现，并评估了它们在捕捉已知脑老化解剖特征方面的能力	研究仅限于磁共振成像数据，且样本主要为成年人群，可能限制了结果的普适性	探讨不同显著性方法在深度神经网络估计生物脑龄时的解剖学解释性	典型衰老和轻度创伤性脑损伤成年人的脑部磁共振成像数据	计算机视觉	创伤性脑损伤	磁共振成像	深度神经网络	图像	13,394名认知正常成年人和214名轻度创伤性脑损伤成年人
107	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
108	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
109	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
110	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
111	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
112	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
113	2024-11-23	Mapping the scientific landscape and evolution of the international journal of surgery: A scientometric analysis (2004-2024) 2024-Oct-08, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002107 PMID:39576039	研究论文	本研究分析了国际外科学杂志在20年间的出版特征和发展	通过描述性文献计量学方法和可视化工具，揭示了国际外科学杂志的文献生产动态和趋势模式	NA	分析国际外科学杂志的出版特征和发展趋势	国际外科学杂志的出版物和相关研究	NA	NA	文献计量学分析	NA	文本	5964篇2004年至2023年的出版物和356篇2024年的出版物
114	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
115	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
116	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
117	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
118	2024-11-22	Visualizing nuclear pore complex plasticity with Pan-Expansion Microscopy 2024-Oct-30, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.18.613744 PMID:39345637	研究论文	本文评估了Pan-Expansion显微镜（Pan-ExM）在可视化核孔复合体（NPC）可塑性方面的应用	Pan-ExM技术能够在保持蛋白质组的情况下将细胞放大16-20倍，用于揭示NPC的可塑性	NA	理解核孔复合体可塑性的分子基础	核孔复合体的结构和组成	细胞生物学	肌萎缩侧索硬化症	Pan-Expansion显微镜	深度学习	图像	多个模型细胞系和来自肌萎缩侧索硬化症患者的诱导多能干细胞衍生的神经元
119	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
120	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