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
241	2024-12-20	EKFNet: edge-based Kalman filter network for real-time EEG signal denoising 2024-Dec-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad995a PMID:39622170	研究论文	本文提出了一种基于边缘计算的轻量级卡尔曼滤波网络EKFNet，用于实时脑电信号去噪	EKFNet通过多尺度特征融合模块和自适应增益估计模块，无需手动估计先验知识，并结合LSTM和序列通道注意力模块动态预测卡尔曼增益，同时采用操作融合和常量折叠优化策略减少计算开销和内存占用	NA	解决现有深度学习去噪方法在边缘计算设备上因计算复杂度高而无法部署的问题	脑电信号去噪	机器学习	NA	卡尔曼滤波	LSTM	信号	NA
242	2024-12-20	MGT: Machine Learning Accelerates Performance Prediction of Alloy Catalytic Materials 2024-Dec-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01065 PMID:39698829	研究论文	本文提出了一种新的机器学习方法，通过Masked Graph Transformer网络加速高性能合金催化材料的性能预测	本文引入了Masked Graph Transformer网络，通过分别输入整体分子图和忽略固定原子的掩码图，增强了模型识别催化反应中关键位点的能力，并引入了非线性消息传递机制，改进了Transformer中的点积注意力，通过深度张量积整合分子几何信息，捕捉节点相对位置的方向信息	本文仅在小型数据集OC20-Ni上进行了验证，未来需要在更大规模的数据集上进行进一步验证	加速高性能合金催化材料的性能预测	高性能合金催化材料在氢进化反应中的吸附能预测	机器学习	NA	Masked Graph Transformer	Masked Graph Transformer (MGT)	分子图	小型数据集OC20-Ni
243	2024-12-20	An automated treatment planning portfolio for whole breast radiotherapy 2024-Dec-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17588 PMID:39699058	研究论文	本文开发了一个用于全乳房放射治疗的全自动治疗计划组合	提出了一个全面的、端到端的自动化放射治疗解决方案，适用于不同标准的护理需求，并结合了多种治疗方式和个性化设置	研究仅在有限的机构和患者样本中进行了测试，未来需要更大规模的研究来验证其广泛适用性	开发一个适用于完整乳房的自动化放射治疗计划组合，以应对癌症负担增加和劳动力短缺的问题	全乳房放射治疗计划，包括不同淋巴结区域的个性化治疗方案	数字病理学	乳腺癌	nnU-net深度学习模型，RapidPlan模型	nnU-net	图像	15名内部患者（150个计划）和40名外部患者（360个计划）
244	2024-12-20	Flow Matching for Optimal Reaction Coordinates of Biomolecular Systems 2024-Dec-19, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c01139 PMID:39699247	研究论文	本文提出了一种名为FMRC的新型深度学习算法，用于识别生物分子系统中的最优反应坐标	FMRC基于可分性和可分解性的数学原理，通过条件概率框架重新表述，利用深度生成模型进行高效的数据驱动优化	FMRC不直接学习已建立的转移算子或其特征函数	开发一种新的深度学习算法，用于识别生物分子系统中的最优反应坐标	生物分子系统的可逆动力学	机器学习	NA	深度学习	深度生成模型	生物分子系统数据	三个逐渐复杂的生物分子系统
245	2024-12-20	Personalized deep learning auto-segmentation models for adaptive fractionated magnetic resonance-guided radiation therapy of the abdomen 2024-Dec-19, Medical physics IF:3.2Q1 DOI:10.1002/mp.17580 PMID:39699250	研究论文	本文研究了个性化深度学习自动分割模型在腹部自适应分次磁共振引导放疗中的应用	提出了基于专家分割的个性化自动分割模型，利用治疗计划和先前分次的磁共振图像来改进连续治疗日的自动分割效果	研究仅限于151名腹部癌症患者的数据，结果的普适性有待进一步验证	探索个性化自动分割模型在磁共振引导放疗中的应用，以减少手动轮廓校正的时间	腹部癌症患者的磁共振图像	机器学习	腹部癌症	深度学习	CNN	图像	151名腹部癌症患者的治疗计划和215次分次磁共振图像
246	2024-12-20	Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading 2024-Dec-19, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-11287-1 PMID:39699671	研究论文	本研究评估了一种基于深度学习的双参数磁共振成像（bpMRI）系统在检测临床显著性前列腺癌（csPCa）方面的表现，并与放射学读片进行比较	该模型在检测临床显著性前列腺癌方面表现优异，超过了放射学解释，展示了人工智能在提高非专业放射科医生诊断准确性方面的潜力	检测小病灶仍然具有挑战性	评估深度学习管道在双参数磁共振成像（bpMRI）上检测临床显著性前列腺癌（csPCa）的表现，并将其与放射学读片进行比较	临床显著性前列腺癌（csPCa）的检测	计算机视觉	前列腺癌	双参数磁共振成像（bpMRI）	3D nnU-Net	图像	训练集包含4381例bpMRI病例，测试集包含328例PROSTATEx数据集病例
247	2024-12-20	Deep learning for opportunistic, end-to-end automated assessment of epicardial adipose tissue in pre-interventional, ECG-gated spiral computed tomography 2024-Dec-19, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01875-6 PMID:39699798	研究论文	本文开发了一种深度学习管道，用于在螺旋CT扫描中自动评估心外膜脂肪组织（EAT）	提出了一个两步法，包括切片提取和组织分割，以实现EAT的稳健自动评估，并展示了其在临床常规中的应用潜力	NA	开发一种深度学习管道，用于在螺旋CT扫描中自动评估心外膜脂肪组织（EAT）	心外膜脂肪组织（EAT）的自动评估	计算机视觉	心血管疾病	螺旋CT成像	2D卷积神经网络（CNN）、3D CNN、2D U-Net	图像	1502名接受经导管主动脉瓣置换术（TAVR）的患者
248	2024-12-20	Flexible Photoacoustic Device Integrating Electroluminescence, Piezoelectric Vibration, and Pressure Sensing 2024-Dec-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c18371 PMID:39628397	研究论文	本文开发了一种多功能柔性光声设备（MFPAD），集成了电致发光、压电振动和压力传感功能	该设备通过单一结构整合了多种传感功能，简化了设计并提高了适应性	NA	解决现有仿生设备独立传感模块导致的复杂设计和适应性差的问题	多功能柔性光声设备（MFPAD）	NA	NA	气流辅助静电纺丝	深度学习模型	图像	NA
249	2024-12-20	Multi-dimensional hybrid bilinear CNN-LSTM models for epileptic seizure detection and prediction using EEG signals 2024-Dec-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ada0e5 PMID:39693763	研究论文	本文提出了一种多维混合双线性CNN-LSTM模型，用于基于EEG信号的癫痫发作检测和预测	创新点在于整合了EEG信号的时间、空间和频率信息，并通过频率域分离周期性和非周期性成分，使用自注意力机制过滤单通道特征，并结合CNN和LSTM网络捕捉时空特征	NA	开发一种自动检测和预测癫痫发作的方法，以改善患者护理和提高生活质量	EEG信号中的癫痫发作	机器学习	NA	EEG信号分析	CNN-LSTM	信号	CHB-MIT数据集和Kaggle数据集
250	2024-12-20	Generative modeling and augmentation of EEG signals using improved diffusion probabilistic models 2024-Dec-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ada0e4 PMID:39693767	研究论文	本文研究了改进的扩散概率模型（DPM）用于脑电图（EEG）信号的生成和数据增强	提出了使用改进的扩散概率模型进行脑电图信号的生成和数据增强，并通过隐式采样和渐进蒸馏缩短推理时间	在单步生成样本时，数据质量和采样步骤之间存在显著的权衡	开发一种高效的、可推广的数据增强方法，用于各种脑电图解码任务	脑电图信号的生成和数据增强	机器学习	NA	扩散概率模型（DPM）	扩散概率模型	脑电图信号	使用了两个公开的脑电图数据集，并在跨受试者设置下训练和评估了四个分类模型
251	2024-12-20	Large Scale Raman Spectrum Calculations in Defective 2D Materials using Deep Learning 2024-Dec-18, Journal of physics. Condensed matter : an Institute of Physics journal DOI:10.1088/1361-648X/ada106 PMID:39693768	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
252	2024-12-20	Disorder-specific neurodynamic features in schizophrenia inferred by neurodynamic embedded contrastive variational autoencoder model 2024-Dec-18, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-03200-7 PMID:39695106	研究论文	本研究将神经动力学模型与经典的对比变分自编码器（CVAE）相结合，提取并评估了与精神分裂症（SCZ）相关的宏观尺度特征	首次将神经动力学模型与对比变分自编码器结合，提取精神分裂症特异性特征，并通过吸引子特征分析揭示了SCZ特异性状态与共享状态在吸引子空间模式上的显著差异	NA	探讨精神分裂症的病理机制，特别是神经动力学特征	NA	神经科学	精神分裂症	对比变分自编码器（CVAE），部分最小二乘回归（PLS）	对比变分自编码器（CVAE）	神经数据	多站点数据集
253	2024-12-20	Low-power scalable multilayer optoelectronic neural networks enabled with incoherent light 2024-Dec-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-55139-4 PMID:39695133	研究论文	本文介绍了一种多层光电神经网络计算框架，利用非相干光实现高能效的深度学习计算	提出了交替使用光学和光电层的多层光电计算框架，显著减少了读入和读出的次数，为超低能耗的光学加速器铺平了道路	实验中仅使用了三层网络，且在MNIST数据库上的识别准确率为92%，在非线性螺旋数据上的分类准确率为86%	开发一种高速度、高能效的计算方法，以满足现代深度学习和人工智能应用的需求	多层光电神经网络的计算框架及其在图像识别和分类中的应用	机器学习	NA	光电计算	多层神经网络	图像	使用了MNIST数据库中的图像数据和非线性螺旋数据进行实验
254	2024-12-20	QM40, Realistic Quantum Mechanical Dataset for Machine Learning in Molecular Science 2024-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04206-y PMID:39695146	研究论文	本文介绍了QM40数据集，这是一个用于分子科学中机器学习的真实量子力学数据集	QM40数据集代表了88%的FDA批准药物化学空间，包含162,954个分子的16个关键量子力学参数，解决了高质量数据稀缺的问题	NA	解决机器学习和深度学习在科学领域应用中高质量数据集稀缺的问题	分子科学中的量子力学预测	机器学习	NA	量子力学计算（B3LYP/6-31G(2df,p)）	图神经网络（GNNs）和生成模型	分子结构数据	162,954个分子，包含10到40个原子，由C、O、N、S、F、Cl等元素组成
255	2024-12-20	GF-1 WFV satellite images based forest cover mapping in China supported by open land use/cover datasets 2024-Dec-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04202-2 PMID:39695154	研究论文	本研究基于GF-1 WFV卫星图像和开放的土地利用/覆盖数据集，开发了中国2020年的16米分辨率森林覆盖图	提出了基于弱监督深度学习和开放数据集先验知识的森林分类框架，生成了高精度的中国森林覆盖图	NA	开发高精度的中国森林覆盖图，以支持生态研究和可持续管理	中国的森林覆盖	遥感	NA	弱监督深度学习	NA	图像	136,385个样本点
256	2024-12-20	Decoding skin cancer classification: perspectives, insights, and advances through researchers' lens 2024-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81961-3 PMID:39695157	综述	本文分析了过去18年发表的107篇研究论文，全面评估了皮肤癌分类技术的进展，重点介绍了计算机视觉和人工智能在提高诊断准确性和可靠性方面的集成	本文探讨了深度学习方法在皮肤癌分类中的应用，包括卷积神经网络、迁移学习、注意力机制、集成技术、生成对抗网络、视觉变换器和分割引导分类策略，并提供了对混合和多模态技术的深入分析	本文指出了传统机器学习方法和手工特征的局限性，并强调了现有深度学习方法在皮肤癌分类中的不足	本文旨在通过分析最新的进展、趋势和差距，为研究人员提供有价值的见解，并为临床医生提供关于如何集成AI工具以增强诊断决策过程的实用知识	本文研究了皮肤癌分类技术，特别是计算机视觉和人工智能在诊断中的应用	计算机视觉	皮肤癌	深度学习	卷积神经网络、生成对抗网络、视觉变换器	图像	包括HAM10000和ISIC档案在内的多个数据集
257	2024-12-20	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2024-Dec-18, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本文通过生成一个空间分辨的单细胞转录组脑图谱，构建了空间衰老时钟模型，研究了脑衰老过程中细胞间的相互作用	首次开发了空间衰老时钟模型，用于识别空间和细胞类型特异性的衰老、再生和疾病的转录组特征，并揭示了罕见细胞类型对邻近细胞的显著影响	本文主要集中在脑衰老的研究，未涉及其他器官或组织的衰老过程	研究脑衰老过程中细胞间的相互作用及其对组织衰退的贡献	脑衰老过程中的细胞间相互作用及罕见细胞类型的影响	单细胞转录组学	神经退行性疾病	空间分辨单细胞转录组学	机器学习模型	转录组数据	420万细胞，来自20个不同年龄段及两种再生干预（运动和部分重编程）
258	2024-12-20	Author Correction: Fast inter-frame motion correction in contrast-free ultrasound quantitative microvasculature imaging using deep learning 2024-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82620-3 PMID:39695241	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
259	2024-12-20	Ensemble deep learning and EfficientNet for accurate diagnosis of diabetic retinopathy 2024-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81132-4 PMID:39695310	研究论文	本研究提出了一种基于EfficientNetB0架构的深度学习框架，用于糖尿病视网膜病变（DR）的准确诊断	创新点在于结合了集成深度学习和EfficientNet架构，显著提高了糖尿病视网膜病变的分类准确性和泛化能力	研究依赖于Kaggle数据集，未来需要更多高级数据集和训练资源以进一步提升诊断效果	旨在通过先进的深度学习技术提高糖尿病视网膜病变的早期诊断准确性	研究对象为糖尿病视网膜病变，包括不同严重程度的视网膜图像分类	计算机视觉	糖尿病视网膜病变	EfficientNet	CNN	图像	35,108张视网膜图像，分为五类：无糖尿病视网膜病变、轻度、中度、重度、增殖性糖尿病视网膜病变
260	2024-12-20	Predicting emergence of crystals from amorphous precursors with deep learning potentials 2024-Dec-18, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00752-y PMID:39695321	研究论文	本文展示了通过使用深度学习原子间势能来预测无定形前驱体结晶产物的可能性	本文首次展示了通过深度学习原子间势能，可以在许多无机系统中预测无定形前驱体的结晶产物，具有高准确性	NA	预测无定形前驱体结晶产物的可能性	无定形前驱体的结晶产物	材料科学	NA	深度学习	深度学习模型	原子结构	多种材料系统，包括多晶氧化物、氮化物、碳化物、氟化物、氯化物、硫族化合物和金属合金