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
24821	2024-08-07	Research on augmented reality navigation of in vitro fenestration of stent-graft based on deep learning and virtual-real registration 2023-12, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2023.2289339 PMID:38059572	研究论文	本研究提出了一种基于深度学习和虚拟现实注册的增强现实导航方法，用于辅助体外支架移植术中的开窗操作	本研究采用了基于深度学习的大动脉分割算法和基于Vuforia的虚拟现实注册与标记识别算法，实现了自动快速的大动脉分割和准确的现场增强现实图像	NA	旨在提出一种增强现实导航方法，用于体外支架移植术中的开窗操作，以提供现场叠加显示来定位开窗位置	体外支架移植术中的开窗操作	计算机视觉	NA	深度学习	CNN	图像	NA
24822	2024-08-07	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.30.555551 PMID:37693527	研究论文	本文利用自动微分算法优化可逆自组装的物理模型，探索了3-7个亚基复合物的速率常数空间中的多样化解决方案	本文首次将深度学习框架中常用的自动微分算法应用于自组装系统的优化，定义了两种生物启发的协议来防止动力学陷阱，并提出了第三种模拟能量消耗酶的中间体回收协议	NA	理解避免陷阱并有效组装的生物机制，为设计合成组装系统提供最优解决方案	自组装的亚基复合物及其速率常数	生物物理学	NA	自动微分算法	物理模型	速率常数	3-7个亚基复合物
24823	2024-08-07	Enhanced cell segmentation with limited annotated data using generative adversarial networks 2023-Jul-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.26.550715 PMID:37546774	研究论文	本文提出了一种基于定制CycleGAN架构的细胞分割模型，用于在有限标注细胞图像数据的情况下增强细胞分割效果	利用CycleGAN生成具有真实细胞形态细节和细微差别的合成图像，增加了训练数据的多样性并提高了合成样本的真实性，从而提升了细胞分割模型的预测准确性和鲁棒性	NA	解决显微镜成像中标注数据稀缺的问题，加速细胞分割基础模型的发展	细胞分割模型	计算机视觉	NA	生成对抗网络(GAN)	CycleGAN	图像	有限标注的细胞图像
24824	2024-08-07	Neuropsychiatric Symptoms and Commonly Used Biomarkers of Alzheimer's Disease: A Literature Review from a Machine Learning Perspective 2023, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-221261 PMID:36872783	综述	本文从机器学习角度对阿尔茨海默病（AD）及其相关神经精神症状（NPS）的常用生物标志物进行了全面的文献回顾	探讨了机器学习方法在分析NPS和AD生物标志物方面的应用潜力	目前针对NPS的机器学习研究数量有限	描绘机器学习在AD和NPS研究中的现状和潜力	阿尔茨海默病及其相关神经精神症状的生物标志物	机器学习	阿尔茨海默病	NA	统计机器学习方法和深度学习方法	多模态数据集	共包含38篇文章
24825	2024-08-07	Predicting osteoporosis from kidney-ureter-bladder radiographs utilizing deep convolutional neural networks 2024-Jul, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117107 PMID:38677502	研究论文	本研究利用深度卷积神经网络从肾脏-输尿管-膀胱（KUB）X光片中预测骨密度，以筛查骨质疏松症	首次开发基于KUB X光片的深度学习模型，用于预测腰椎和股骨的骨密度	NA	探索使用KUB X光片预测骨密度并分类高风险患者群体的可能性	骨密度（BMD）值和骨质疏松症高风险患者	机器学习	骨质疏松症	深度学习	CNN	图像	8913对KUB X光片和DXA检查
24826	2024-08-07	Deep learning-based skin care product recommendation: A focus on cosmetic ingredient analysis and facial skin conditions 2024-Jun, Journal of cosmetic dermatology IF:2.3Q2 DOI:10.1111/jocd.16218 PMID:38411029	研究论文	本文提出了一种基于深度学习的方法，用于分析化妆品成分并结合AI皮肤分析，为消费者推荐个性化的护肤产品	本文创新地结合了深度神经网络和皮肤分析模型，以优化个人化的化妆品推荐	NA	旨在提出一种基于化妆品成分分析的个性化护肤产品推荐方法	化妆品成分分析和面部皮肤状况	机器学习	NA	深度学习	深度神经网络	图像	NA
24827	2024-08-07	Construction of deep learning-based convolutional neural network model for automatic detection of fluid hysteroscopic endometrial micropolyps in infertile women with chronic endometritis 2024-Jun, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2024.04.026 PMID:38703449	研究论文	本研究构建了一个基于深度学习的卷积神经网络（CNN）模型，用于自动检测不孕症女性慢性子宫内膜炎患者的宫腔镜液体检查中的子宫内膜微息肉（EMiP）。	本研究首次开发了一种基于深度学习的CNN模型，用于自动检测与慢性子宫内膜炎相关的子宫内膜微息肉，提供了一种更少侵入性的诊断系统。	NA	开发一种更少侵入性的诊断系统，用于慢性子宫内膜炎的诊断。	不孕症女性慢性子宫内膜炎患者的宫腔镜液体检查中的子宫内膜微息肉。	机器学习	不孕症	卷积神经网络（CNN）	CNN	图像	244名不孕症女性
24828	2024-08-07	Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy 2024-May-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48575-9 PMID:38755148	研究论文	本文开发了一种零样本去卷积网络（ZS-DeconvNet），能够在无监督方式下即时提高光学荧光显微镜图像的分辨率	ZS-DeconvNet无需真实标签或额外数据采集，即可在多种成像模式下实现超分辨率成像	NA	开发一种无需大量高质量训练数据的计算超分辨率方法	光学荧光显微镜图像的分辨率增强	计算机视觉	NA	零样本学习	去卷积网络	图像	多种成像模式，包括全内反射荧光显微镜、三维宽场显微镜、共聚焦显微镜、双光子显微镜、光片显微镜和多模态结构光照明显微镜
24829	2024-08-07	Single-cell classification based on label-free high-resolution optical data of cell adhesion kinetics 2024-05-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61257-2 PMID:38755203	研究论文	本文介绍了一种基于无标记高分辨率光学数据的细胞粘附动力学单细胞分类方法	首次提出了一种基于无标记光学传感器的单细胞分类方法，无需标记或侵入性步骤，不影响细胞功能	NA	开发一种无标记的单细胞分类方法，并探索其在癌症研究和再生医学中的应用	健康细胞和多种癌细胞类型	数字病理学	癌症	光学传感器	深度神经网络	单细胞粘附动力学信号	约4500个单细胞粘附测量数据，包括正常前成骨细胞（MC3T3-E1）和多种癌细胞（HeLa，LCLC-103H，MDA-MB-231，MCF-7）
24830	2024-08-07	BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning 2024-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02529-9 PMID:38755563	研究论文	本研究通过开发一种名为BarlowTwins-CXR的自监督学习策略，旨在解决跨域转移学习中的域不一致问题，并提高异质胸部X光图像异常定位的性能	BarlowTwins-CXR方法通过自监督预训练和监督微调的两阶段训练过程，显著提高了模型在胸部X光图像异常定位的准确性和效率	NA	解决跨域转移学习中的域不一致问题，提高胸部X光图像异常定位的性能	异质胸部X光图像的异常定位	计算机视觉	NA	自监督学习	Resnet50, Faster R-CNN with Feature Pyramid Network (FPN)	图像	112,120张来自NIH数据集的图像和18,000张来自VinDr-CXR数据集的图像
24831	2024-08-07	A multi-view fusion lightweight network for CRSwNPs prediction on CT images 2024-May-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01296-3 PMID:38755567	研究论文	本文提出了一种用于CT图像上慢性鼻窦炎伴鼻息肉（CRSwNP）预测的多视图融合轻量级网络	开发了一种包含10层网络的迷你架构的多视图融合模型，通过修改深度残差神经网络实现	NA	旨在提高慢性鼻窦炎（CRS）的术前区分准确性，预测术后结果并进行个性化治疗	慢性鼻窦炎伴鼻息肉（CRSwNP）患者的CT扫描数据和病理活检结果	计算机视觉	慢性鼻窦炎	深度学习	CNN	图像	192名患者
24832	2024-08-07	Improving the Prognostic Evaluation Precision of Hospital Outcomes for Heart Failure Using Admission Notes and Clinical Tabular Data: Multimodal Deep Learning Model 2024-May-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54363 PMID:38696251	研究论文	本研究旨在利用入院临床记录和易获取的表格数据，通过多模态深度学习模型提高心力衰竭（HF）患者医院结局评估的精确度。	本研究开发的多模态深度学习模型在所有测试集中表现优于单模态模型，表格数据有助于提高区分度，且病史和体格检查在早期评估中更为有用。	NA	设计一种多模态深度学习方法，以提高心力衰竭患者医院结局评估的精确度。	心力衰竭患者的医院结局评估。	机器学习	心血管疾病	深度学习	多模态深度学习模型	文本和表格数据	开发集包含9989名患者，内部验证集包含2497名患者，前瞻性验证集包含1896名患者，外部验证集包含7432名患者。
24833	2024-08-07	DeepFDR: A Deep Learning-based False Discovery Rate Control Method for Neuroimaging Data 2024-May, Proceedings of machine learning research PMID:38741695	研究论文	提出了一种基于深度学习的空间FDR控制方法DeepFDR，用于解决神经影像数据中的体素级多重检验问题	利用无监督深度学习图像分割技术，有效处理了脑部复杂的空间依赖性，提高了检验效能	NA	开发一种新的空间FDR控制方法，以提高神经影像数据分析的准确性和效率	神经影像数据中的体素级多重检验问题	计算机视觉	NA	深度学习	NA	图像	包括模拟数据和阿尔茨海默病FDG-PET图像分析
24834	2024-08-07	Corrigendum to: Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach 2024-Apr, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2024.30.2.168 PMID:38755108	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
24835	2024-08-07	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	本文研究了如何最优地融合基因型和药物嵌入特征来预测癌症药物反应	本文通过实验发现，在原有的基于串联的架构DrugCell中注入基因和药物潜在特征之间的乘法关系，显著提高了预测性能	NA	探索如何最优地结合或融合基因组和药物特征来预测癌症药物反应	基因型特征和药物特征的融合方法	机器学习	癌症	深度学习	神经网络	基因组数据和药物特征数据	NA
24836	2024-08-07	Few-shot Tumor Bud Segmentation Using Generative Model in Colorectal Carcinoma 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006418 PMID:38756441	研究论文	本文提出了一种基于DatasetGAN的生成模型方法，用于在结直肠癌中进行少样本肿瘤芽分割	利用DatasetGAN生成大量带有肿瘤芽掩码的图像，从而减少对大量标注数据的需求	NA	开发一种高效的标注分割模型，用于自动肿瘤芽检测和量化	结直肠癌中的肿瘤芽分割	数字病理学	结直肠癌	DatasetGAN	UNet++	图像	中等数量的未标注图像和少量标注图像
24837	2024-08-07	Model-Based Explainable Deep Learning for Light-Field Microscopy Imaging 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3387297 PMID:38656840	研究论文	本文提出了一种基于模型的可解释深度学习方法，用于光场显微镜成像，以观察神经元网络的信息处理	该方法结合了波动光学理论、稀疏表示和非线性优化与人工神经网络，设计了遵循精确信号和优化模型的神经网络架构，并采用了一种结合逐层训练和定制知识蒸馏的新颖训练策略	NA	开发一种新的计算方法，充分利用嵌入在物理和光学模型中的领域知识，同时实现高解释性和透明度	神经元网络的信息处理	计算机视觉	NA	光场显微镜成像	人工神经网络	图像	从散射的哺乳动物脑组织中获得的结构和功能光场显微镜数据
24838	2024-08-07	ET-Network: A novel efficient transformer deep learning model for automated Urdu handwritten text recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302590 PMID:38758731	研究论文	本文提出了一种名为ET-Network的新型高效Transformer深度学习模型，用于自动识别乌尔都语手写文本	ET-Network模型结合了EfficientNet的特征提取能力和Transformer的语言建模能力，通过自注意力层提取全局和局部特征，以捕捉长距离依赖关系	NA	提高乌尔都语手写文本的自动识别准确率	乌尔都语手写文本	自然语言处理	NA	Transformer	ET-Network	文本	使用了NUST-UHWR、UPTI2.0和MMU-OCR-21三个数据集进行训练和测试
24839	2024-08-07	A Hierarchical Spatial Transformer for Massive Point Samples in Continuous Space 2023-Dec, Advances in neural information processing systems PMID:38751689	研究论文	本文提出了一种新的分层空间变换器模型，用于处理连续空间中的大量点样本	引入了多分辨率表示学习在四叉树层次结构中，并通过粗略近似实现高效的空间注意力，设计了一个不确定性量化分支来估计与输入特征噪声和点稀疏性相关的预测置信度	NA	设计一种适用于连续空间中大量点样本的变换器模型	环境科学中的传感器观测、数值模拟中的粒子载流、天体物理学以及基于位置的服务中的POI和轨迹等数据	机器学习	NA	变换器模型	分层空间变换器	点样本	最多可达一百万点样本
24840	2024-08-07	Extracting social determinants of health from clinical note text with classification and sequence-to-sequence approaches 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad071 PMID:37100768	研究论文	本文通过分类和序列到序列方法从临床笔记文本中提取健康社会决定因素（SDOH）	提出了两种不同的深度学习模型，分别采用分类和序列到序列（seq2seq）方法，以高准确度从临床文本中提取SDOH	模型在新医疗机构的文本上准确度下降，泛化性有待未来研究	从临床文本中提取健康社会决定因素（SDOH）	临床文本中的健康社会决定因素（SDOH）	自然语言处理	NA	深度学习	分类模型和序列到序列模型	文本	使用了来自MIMIC-III语料库、社会历史标注语料库和内部语料库的标注和未标注数据