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
11821	2024-11-23	Addressing high-performance data sparsity in metasurface inverse design using multi-objective optimization and diffusion probabilistic models 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.537389 PMID:39573417	研究论文	研究提出了一种结合多目标优化算法和增强扩散模型的方法，用于解决超表面逆设计中的高性能数据稀疏问题	研究首次将多目标优化算法与带有注意力机制的扩散模型结合，提出了MetaDiffusion-Att模型，显著提高了生成准确性和质量	研究未详细讨论该方法在其他复杂设计任务中的适用性和泛化能力	旨在解决超表面逆设计中高性能数据稀疏的问题	研究对象为双极化、宽角度入射和宽带低发射率电磁玻璃的设计任务	机器学习	NA	多目标优化算法	扩散模型	数据集	小数据集
11822	2024-11-23	LIC-CGAN: fast lithography latent images calculation method for large-area masks using deep learning 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.537921 PMID:39573421	研究论文	本文提出了一种基于深度学习的快速计算大面积掩模潜像的方法LIC-CGAN	利用条件生成对抗网络（CGANs）进行三维潜像计算，显著提高了计算速度	依赖于训练库中的掩模片段匹配，未匹配的片段需要通过CGANs计算	开发一种快速且准确的大面积掩模潜像计算方法	大面积掩模的三维潜像	计算机视觉	NA	条件生成对抗网络（CGANs）	CGAN	图像	训练库中的掩模片段及其对应的潜像
11823	2024-11-23	Wide-field scanning ghost imaging based on a local binary pattern and untrained neural network 2024-Nov-04, Optics express IF:3.2Q2 DOI:10.1364/OE.533583 PMID:39573469	研究论文	本文提出了一种基于局部二值模式和未训练神经网络的广域扫描鬼成像方法，用于信息融合	该方法通过将局部二值模式集成到深度神经网络中，增强了图像纹理细节的表达，并使用自适应图像重建技术，无需在任何数据集上进行训练	NA	实现高质量和高效率的连续场景成像，以支持自动驾驶领域的研究	广域扫描鬼成像中的信息融合	计算机视觉	NA	局部二值模式（LBP）	深度神经网络	图像	NA
11824	2024-11-23	Phenotype Scoring of Population Scale Single-Cell Data Dissects Alzheimer's Disease Complexity 2024-Nov-02, medRxiv : the preprint server for health sciences DOI:10.1101/2024.11.01.24316586 PMID:39574856	研究论文	研究利用深度学习框架PASCode分析大规模单核RNA测序数据，揭示阿尔茨海默病复杂表型的细胞和分子机制	开发了PASCode框架，识别了约150万个表型关联细胞，并发现了与多种阿尔茨海默病表型相关的细胞亚群及其基因表达变化	NA	揭示阿尔茨海默病复杂表型的细胞和分子机制，为诊断标志物和治疗靶点的发现提供新见解	阿尔茨海默病患者的单核RNA测序数据	数字病理学	阿尔茨海默病	单核RNA测序	深度学习	基因表达数据	1494个个体的前额叶皮层样本，包含超过600万个细胞核
11825	2024-11-23	Development and validation of a deep learning-based survival prediction model for pediatric glioma patients: A retrospective study using the SEER database and Chinese data 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109185 PMID:39341114	研究论文	开发并验证了一种基于深度学习的儿童胶质瘤患者生存预测模型，通过SEER数据库和中国数据进行回顾性研究	首次使用DeepSurv模型进行儿童胶质瘤患者的生存预测，并展示了其在不同数据集上的优异表现	研究仅限于SEER数据库和Tangdu医院的患者数据，可能存在样本偏倚	开发一种能够准确预测儿童胶质瘤患者预后的深度学习模型，以辅助临床医生制定精确的治疗决策	儿童胶质瘤患者	机器学习	脑肿瘤	深度学习	DeepSurv	临床数据	共9532名儿童胶质瘤患者，其中SEER数据库9274名，Tangdu医院258名
11826	2024-10-30	Publisher Correction: Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00729-x PMID:39468341	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11827	2024-11-23	Deep generative design of RNA aptamers using structural predictions 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00720-6 PMID:39506080	研究论文	开发了一种基于深度学习的结构到序列平台，用于从头生成RNA适配体	利用结构预测指导RNA适配体的生成设计，设计出结构相似但序列不同的RNA适配体	NA	开发新的RNA适配体设计方法	RNA适配体及其荧光活性	机器学习	NA	深度学习	NA	RNA序列	多个生成的RNA适配体
11828	2024-11-23	A deep learning model for prediction of autism status using whole-exome sequencing data 2024-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012468 PMID:39514604	研究论文	开发了一种深度学习模型STAR-NN，用于使用全外显子测序数据预测自闭症状态	STAR-NN模型在输入层分离了不同致病效应的罕见变异，并在同一基因节点上合并，从而更细致地处理了罕见变异	STAR-NN在测试数据集和独立数据集上的ROC-AUC值仅为0.7319和0.7302，表现较为一般	利用深度学习技术预测自闭症状态	自闭症儿童及其基因变异	机器学习	自闭症	全外显子测序	深度学习模型	基因数据	43,203个个体（其中16,809个自闭症患者和26,394个非自闭症对照）
11829	2024-11-23	A deep learning approach for rational ligand generation with toxicity control via reactive building blocks 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00718-0 PMID:39516375	研究论文	本文介绍了一种基于深度学习的合理配体生成方法DeepBlock，通过反应性构建块实现毒性控制	提出了DeepBlock方法，将生成过程分为构建块生成和分子重构两步，结合神经网络和基于规则的重构算法，实现了对生成分子属性的精确控制	未提及具体限制	开发一种能够生成具有亲和力、合成可及性和类药性的配体分子，并控制其毒性的深度学习方法	配体分子及其毒性控制	机器学习	NA	深度学习	神经网络	蛋白质序列	未提及具体样本数量
11830	2024-11-22	Harnessing deep learning to build optimized ligands 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00725-1 PMID:39543392	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11831	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
11832	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
11833	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
11834	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
11835	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
11836	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
11837	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
11838	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
11839	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
11840	2024-11-23	PENTAGON: Physics-enhanced neural network for volumetric flame chemiluminescence tomography 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.536550 PMID:39572993	研究论文	本文提出了一种物理增强的神经网络PENTAGON，用于体积火焰化学发光断层成像	通过结合数据先验和正向成像模型，PENTAGON能够准确预测3D光学场，即使在投影视图减少到三个的情况下也能克服数据驱动深度学习方法的泛化限制	NA	开发一种新的神经网络框架，用于解决体积断层成像中的逆问题	火焰化学发光断层成像	计算机视觉	NA	神经网络	神经网络	光学场数据	NA