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
1101	2024-11-23	FPJA-Net: A Lightweight End-to-End Network for Sleep Stage Prediction Based on Feature Pyramid and Joint Attention 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00636-9 PMID:39155326	研究论文	提出了一种基于特征金字塔和联合注意力的轻量级端到端网络FPJA-Net，用于睡眠阶段预测	引入了特征金字塔模块和联合注意力模块，有效提取多尺度特征并关注显著波形的通道和位置信息	现有深度学习方法未能充分利用显著波形中的关键信息	改进自动睡眠阶段预测的准确性和效率	睡眠信号中的显著波形	机器学习	NA	深度学习	FPJA-Net	信号	使用了Sleep-EDF39、Sleep-EDF153和SHHS三个公共数据集
1102	2024-11-23	PLMC: Language Model of Protein Sequences Enhances Protein Crystallization Prediction 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00639-6 PMID:39155325	研究论文	本文提出了一种名为PLMC的深度学习框架，利用预训练的蛋白质语言模型来提高多阶段蛋白质结晶倾向预测的准确性	PLMC通过整合蛋白质语言嵌入和手工特征集，显著提升了蛋白质结晶倾向预测的性能	NA	提高蛋白质结晶倾向预测的准确性，以辅助实验设计	蛋白质序列及其结晶倾向	机器学习	NA	深度学习	PLMC	蛋白质序列	NA
1103	2024-11-23	Artificial Intelligence-Based Classification of CT Images Using a Hybrid SpinalZFNet 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00649-4 PMID:39167285	研究论文	本文提出了一种基于混合SpinalZFNet的CT图像分类方法，用于准确诊断肾脏疾病	本文创新性地结合了SpinalNet和ZFNet的架构优势，显著提高了分类准确性并降低了计算成本	NA	开发一种高效的深度学习模型，用于通过CT图像准确分类肾脏疾病	肾脏疾病的CT图像分类	计算机视觉	肾脏疾病	深度神经网络	SpinalZFNet	图像	NA
1104	2024-10-28	SCINet: A Segmentation and Classification Interaction CNN Method for Arteriosclerotic Retinopathy Grading 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00650-x PMID:39222258	研究论文	提出了一种用于动脉硬化性视网膜病变分级的分割与分类交互CNN方法SCINet	设计了一种分割与分类交互架构，通过注意力机制突出分割区域的重要血管特征，实现信息交互	NA	开发一种自动化的动脉硬化性视网膜病变分级方法	动脉硬化性视网膜病变	计算机视觉	心血管疾病	CNN	SCINet	图像	NA
1105	2024-11-23	A Contrastive-Learning-Based Deep Neural Network for Cancer Subtyping by Integrating Multi-Omics Data 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00641-y PMID:39230797	研究论文	本文提出了一种基于对比学习的深度神经网络方法，用于通过整合多组学数据进行癌症亚型分类	该方法通过自监督学习从多组学特征中提取关键信息，解决了高维度和小样本数据导致的癌症亚型分类模糊和重叠问题	NA	提高癌症亚型分类的准确性，为疾病预后评估和个性化患者管理提供支持	癌症亚型分类	机器学习	NA	对比学习	深度神经网络	多组学数据	九个公共癌症数据集
1106	2024-11-23	Function-Genes and Disease-Genes Prediction Based on Network Embedding and One-Class Classification 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00638-7 PMID:39230798	研究论文	提出了一种基于网络嵌入和一类分类的基因功能和疾病基因预测算法	使用变分图自编码器（VGAE）和快速最小协方差行列式（Fast-MCD）进行网络嵌入和一类分类，统一预测功能基因和疾病基因	仅使用实验验证的基因进行预测，未考虑基因表达谱数据	开发一种新的机器学习方法来预测新的疾病基因和功能基因	功能基因和疾病基因的预测	机器学习	NA	变分图自编码器（VGAE），快速最小协方差行列式（Fast-MCD）	一类分类器	蛋白质-蛋白质相互作用网络	实验验证的基因
1107	2024-11-23	Bilinear Perceptual Fusion Algorithm Based on Brain Functional and Structural Data for ASD Diagnosis and Regions of Interest Identification 2024-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-024-00651-w PMID:39254805	研究论文	本文提出了一种基于脑功能和结构数据的双线性感知融合算法，用于自闭症谱系障碍（ASD）的诊断和感兴趣区域（ROI）的识别	本文创新性地利用多模态数据，通过双线性操作捕捉功能和结构特征之间的关联，并结合图卷积神经网络（GCN）设计了一个深度学习框架BPF-GCN	NA	提高自闭症谱系障碍（ASD）的诊断准确性和感兴趣区域（ROI）的识别	自闭症谱系障碍（ASD）患者的功能和结构脑数据	机器学习	自闭症谱系障碍	双线性感知融合（BPF）算法，图卷积神经网络（GCN）	BPF-GCN	功能和结构脑数据	公开的ASD数据集
1108	2024-11-23	Comparative efficiency of the SWAT model and a deep learning model in estimating nitrate loads at the Tuckahoe creek watershed, Maryland 2024-Dec-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.176256 PMID:39299317	研究论文	比较SWAT模型和深度学习模型在马里兰州Tuckahoe溪流域估算硝酸盐负荷的效率	深度学习模型在模拟流量和硝酸盐浓度方面优于SWAT模型，特别是在秋季和冬季表现更为显著	深度学习模型的有效性依赖于高频数据的定期收集	评估SWAT模型和深度学习模型在预测水体硝酸盐负荷方面的性能	马里兰州Tuckahoe溪流域的硝酸盐负荷	机器学习	NA	长短期记忆网络（LSTM）和三维卷积网络（3D Convolutional Networks）	深度学习模型	气象数据和影像数据	2014-2017年的训练数据和测试数据
1109	2024-11-23	AI-based strategies in breast mass ≤ 2 cm classification with mammography and tomosynthesis 2024-Dec, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2024.103805 PMID:39321503	研究论文	评估数字乳腺摄影（DM）和数字乳腺断层合成（DBT）结合基于AI的策略在≤2cm乳腺肿块分类中的诊断性能	结合数字乳腺摄影和数字乳腺断层合成图像，利用深度学习和放射组学方法提高了≤2cm乳腺肿块的分类准确性	仅限于≤2cm的乳腺肿块分类，未提及更大尺寸肿块的分类效果	评估AI技术在乳腺肿块分类中的应用效果	≤2cm的乳腺肿块	计算机视觉	乳腺癌	深度学习，放射组学	深度学习模型	图像	483名患者，包含512个乳腺肿块
1110	2024-11-23	Circulating miRNAs and Machine Learning for Lateralizing Primary Aldosteronism 2024-Dec, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.124.23418 PMID:39417220	研究论文	本研究探讨了循环miRNAs和机器学习在区分单侧和双侧原发性醛固酮增多症中的应用	本研究首次利用循环miRNAs和机器学习模型来区分单侧和双侧原发性醛固酮增多症，提供了一种微创的替代方法	研究样本量较小，且仅限于特定的患者群体	探索循环miRNAs和机器学习在区分单侧和双侧原发性醛固酮增多症中的应用	原发性醛固酮增多症患者	机器学习	心血管疾病	miRNA分析	神经网络模型、深度学习模型	miRNA数据	18名患者用于miRNA分析，108名患者用于验证
1111	2024-11-22	Multimodal AI Combining Clinical and Imaging Inputs Improves Prostate Cancer Detection 2024-Dec-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001102 PMID:39074400	研究论文	本研究探讨了将临床参数与基于MRI的深度学习相结合，以提高对临床显著性前列腺癌的诊断准确性	本研究首次将临床参数与MRI-based深度学习相结合，采用多模态人工智能方法，显著提高了对临床显著性前列腺癌的诊断准确性	本研究未探讨包含病变体积对诊断效能的影响	提高对临床显著性前列腺癌的诊断准确性	临床显著性前列腺癌的检测	机器学习	前列腺癌	深度学习	多模态人工智能	图像	932例双参数前列腺MRI检查
1112	2024-11-22	Fast, high-quality, and unshielded 0.2 T low-field mobile MRI using minimal hardware resources 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01184-5 PMID:38967865	研究论文	提出了一种基于深度学习的低场移动MRI策略，使用最少的硬件资源实现快速、高质量、无屏蔽的成像	提出了一种强大的深度学习EMI消除模型，能够准确预测MRI线圈信号中的EMI成分，并通过多层次后处理实现快速和高品质的低场MRI	NA	开发一种基于深度学习的低场移动MRI策略，以实现快速、高质量、无屏蔽的成像	低场移动MRI成像技术	计算机视觉	NA	深度学习	深度学习模型	图像	20名健康志愿者参与实验
1113	2024-11-22	Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01172-9 PMID:38916681	研究论文	本文介绍了一种新的MR冠状动脉造影技术，通过使用之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建（HR-DLR）来提高图像质量和扫描效率	本文创新性地结合了之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建技术，显著缩短了扫描时间并提高了图像质量	本文仅在12名健康受试者和2名患者中进行了验证，样本量较小，需要进一步在大规模临床试验中验证其有效性和适用性	开发一种高效且高质量的MR冠状动脉造影技术，以提高患者舒适度和临床效率	健康受试者和冠状动脉疾病患者	医学影像	心血管疾病	MR冠状动脉造影	深度学习	图像	12名健康受试者和2名患者
1114	2024-09-06	Correction to: Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction 2024-Dec, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01202-6 PMID:39231858	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1115	2024-11-22	Enhanced plasmonic scattering imaging via deep learning-based super-resolution reconstruction for exosome imaging 2024-Dec, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-024-05550-z PMID:39316091	研究论文	本文提出了一种基于深度学习的超分辨率重建方法，用于增强外泌体等离子体散射成像的分辨率	本文提出了一种新的盲超分辨率深度学习神经网络ESRGAN-SE，能够在不增加实验复杂性的情况下提高外泌体等离子体散射成像的分辨率	NA	提高外泌体等离子体散射成像的分辨率，以改进癌症诊断的准确性和效率	外泌体等离子体散射成像	计算机视觉	NA	深度学习	ESRGAN-SE	图像	NA
1116	2024-11-22	Exploring deep learning models for 4D-STEM-DPC data processing 2024-Dec, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2024.114058 PMID:39388848	研究论文	本文探讨了如何利用卷积神经网络（CNN）进行4D-STEM-DPC数据的自动化和一致性处理	提出了两种不同的方法：一种是直接跟踪电子束并进行回归分析，另一种是使用改进的U-net进行直接电子束分割作为预处理步骤	NA	研究如何利用深度学习模型改进4D-STEM-DPC数据的处理方法	4D-STEM-DPC数据	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	实验获得的4D-STEM数据
1117	2024-11-21	External validation of a deep learning model for automatic segmentation of skeletal muscle and adipose tissue on abdominal CT images 2024-Dec-01, The British journal of radiology DOI:10.1093/bjr/tqae191 PMID:39286936	研究论文	本文开发并验证了一种深度学习神经网络，用于自动分割腹部CT图像中的骨骼肌和脂肪组织	成功训练并外部验证了一种深度学习神经网络，可用于大规模人群研究和临床实践中的体成分分析	NA	开发一种用于自动分割腹部CT图像中骨骼肌和脂肪组织的深度学习模型，并进行外部验证	腹部CT图像中的骨骼肌和脂肪组织	计算机视觉	NA	深度学习	深度学习神经网络	图像	训练集包含3187名接受腹部手术的患者，验证集包含2535名腹部癌症患者
1118	2024-11-21	HIV-1 M group subtype classification using deep learning approach 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109218 PMID:39369547	研究论文	本文提出了一种基于深度学习的HIV-1 M组亚型分类方法	首次使用深度学习方法对HIV-1 M组亚型进行分类，并通过人工分子进化技术生成合成数据集克服样本量限制	NA	开发一种新的方法来准确分类HIV-1 M组亚型	HIV-1 M组亚型	机器学习	HIV/AIDS	深度学习	卷积自编码器	DNA序列	合成数据集
1119	2024-11-21	Less is More: Selective reduction of CT data for self-supervised pre-training of deep learning models with contrastive learning improves downstream classification performance 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109242 PMID:39388839	研究论文	本文研究了通过对比学习进行自监督预训练的深度学习模型在医学图像分析中的应用，并探讨了减少数据冗余对下游分类任务性能的影响	提出了一种基于深度嵌入、信息论和哈希的不同数据减少策略，以减少医学预训练数据集中的冗余，从而提高对比学习的性能	NA	研究如何通过减少医学图像数据集的冗余来提高对比学习在下游分类任务中的性能	医学图像数据集的冗余减少策略及其对对比学习性能的影响	计算机视觉	NA	对比学习	深度学习模型	图像	涉及两个预训练数据集和多个下游分类任务，具体样本数量未详细说明
1120	2024-11-21	Higher effect sizes for the detection of accelerated brain volume loss and disability progression in multiple sclerosis using deep-learning 2024-Dec, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109289 PMID:39423705	研究论文	本文介绍了一种基于深度学习的脑体积损失检测方法BrainLossNet，用于多发性硬化症（MS）患者中加速脑体积损失和残疾进展的检测	BrainLossNet相比传统方法Siena在检测加速脑体积损失和区分MS患者残疾进展方面具有更高的效果	NA	验证BrainLossNet在多发性硬化症患者中检测加速脑体积损失和区分残疾进展的有效性	多发性硬化症患者和健康对照组的脑体积损失	机器学习	多发性硬化症	深度学习	NA	图像	563名健康对照组，414名和156名MS患者，以及216名混合扫描器患者