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
11921	2024-12-06	Deep Learning and Automatic Differentiation of Pancreatic Lesions in Endoscopic Ultrasound: A Transatlantic Study 2024-Nov-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000771 PMID:39324610	研究论文	本文开发了一种卷积神经网络（CNN）用于内镜超声（EUS）图像中胰腺病变的检测和区分	首次开发了全球首个能够检测和区分EUS图像中最常见的胰腺囊性肿瘤和胰腺实质性病变的CNN	需要更大规模的多中心研究以实现技术的应用	提高内镜超声对胰腺病变诊断的准确性	胰腺囊性肿瘤（包括粘液性和非粘液性病变）和胰腺实质性病变（特别是胰腺导管腺癌和胰腺神经内分泌肿瘤）	计算机视觉	胰腺癌	卷积神经网络（CNN）	CNN	图像	378例EUS检查，包含约126,000张图像
11922	2024-12-06	Prediction of virus-host associations using protein language models and multiple instance learning 2024-Nov, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012597 PMID:39561204	研究论文	本文介绍了一种名为EvoMIL的深度学习方法，用于仅从病毒序列中预测病毒宿主物种，并识别对宿主预测有重要贡献的病毒蛋白	结合预训练的大型蛋白质语言模型（ESM）和基于注意力的多实例学习，实现了蛋白质导向的预测，并展示了蛋白质嵌入比序列组成特征（如氨基酸、理化性质和DNA k-mers）捕获更强的预测信号	NA	解决当前大多数病毒宿主未知的问题，特别是微生物群中的病毒，并预测新病毒是否感染人类和动物	病毒宿主关联和重要病毒蛋白	机器学习	NA	多实例学习	深度学习模型	蛋白质序列	NA
11923	2024-12-06	Process-Informed Neural Networks: A Hybrid Modelling Approach to Improve Predictive Performance and Inference of Neural Networks in Ecology and Beyond 2024-Nov, Ecology letters IF:7.6Q1 DOI:10.1111/ele.70012 PMID:39625058	研究论文	本文提出了一种结合过程模型和神经网络的混合建模方法，称为过程信息神经网络（PINNs），以提高生态学及其他领域中神经网络的预测性能和推理能力	创新地将过程知识直接融入神经网络结构中，形成过程信息神经网络（PINNs），显著提升了在数据稀疏情况下的预测性能和过程推理能力	NA	旨在解决深度学习在生态学应用中的数据稀疏和黑箱模型问题，提升预测准确性和过程理解	温带森林中的碳通量预测任务	生态学	NA	神经网络	过程信息神经网络（PINNs）	时空数据	五种不同类型的PINNs模型在数据稀疏和高迁移任务中的表现
11924	2024-12-06	Deep Learning for the Study of Urinary Stone Composition from Computed Tomography Images 2024-Nov, Archivos espanoles de urologia IF:0.6Q4 DOI:10.56434/j.arch.esp.urol.20247709.144 PMID:39632524	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于从CT图像中区分尿酸结石和非尿酸结石	首次利用深度学习技术从CT图像中预测尿酸结石的类型	研究仅限于回顾性分析，未来需进一步验证模型的前瞻性应用	开发一种方法来区分尿酸结石和非尿酸结石	尿酸结石和非尿酸结石的CT图像	计算机视觉	泌尿系统疾病	卷积神经网络	CNN	图像	918张非增强薄层单能量CT图像，包括124张尿酸结石和794张非尿酸结石
11925	2024-12-06	Revolutionizing dementia detection: Leveraging vision and Swin transformers for early diagnosis 2024-Oct, American journal of medical genetics. Part B, Neuropsychiatric genetics : the official publication of the International Society of Psychiatric Genetics DOI:10.1002/ajmg.b.32979 PMID:38619385	研究论文	本文探讨了利用计算机视觉和Swin transformer算法进行早期痴呆症检测的方法	本文采用了Swin transformer算法，相比传统的Vision transformer和卷积神经网络，在整体准确性上表现更优	NA	旨在通过先进的技术手段实现痴呆症的早期诊断	痴呆症及其早期检测方法	计算机视觉	神经退行性疾病	计算机视觉和深度学习	Swin transformer	影像数据（如正电子发射断层扫描）	NA
11926	2024-12-06	Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease 2024-Sep-21, Abdominal radiology (New York) DOI:10.1007/s00261-024-04590-4 PMID:39305292	研究论文	研究深度学习重建技术在炎症性肠病患者低剂量CT肠造影中的应用，以减少辐射剂量并提高图像质量	提出使用深度学习重建技术（DLR）来改善低剂量CT肠造影的图像质量，从而减少炎症性肠病患者的辐射暴露	研究样本量较小，且仅限于炎症性肠病患者	探讨深度学习重建技术在减少CT肠造影辐射剂量和提高图像质量方面的潜力	炎症性肠病患者的低剂量CT肠造影图像	计算机视觉	炎症性肠病	深度学习重建技术（DLR）	NA	图像	36名低剂量CT肠造影患者和40名标准剂量CT肠造影患者
11927	2024-12-06	Machine learning and statistical models to predict all-cause mortality in type 2 diabetes: Results from the UK Biobank study 2024-Sep, Diabetes & metabolic syndrome DOI:10.1016/j.dsx.2024.103135 PMID:39413583	研究论文	本研究旨在比较当代机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具	机器学习模型在预测全因死亡率方面优于统计模型，特别是深度学习模型DeepHit在校准和Brier评分上表现更优	NA	比较机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具	2型糖尿病患者的全因死亡率	机器学习	糖尿病	机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit	机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit	临床数据	22,579名2型糖尿病患者
11928	2024-12-06	Sensitive Detection of Structural Differences using a Statistical Framework for Comparative Crystallography 2024-Jul-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.22.604476 PMID:39091831	研究论文	本文介绍了一种结合贝叶斯框架和多元统计理论的统计框架，用于比较晶体学的敏感检测结构差异	本文创新性地将贝叶斯框架与多元统计理论结合，显著提高了蛋白质动力学、元素特异性异常信号和药物片段结合的检测能力	NA	开发一种新的统计框架，用于提高比较晶体学中结构差异的检测敏感性	蛋白质的化学和构象变化	NA	NA	X射线衍射数据	贝叶斯框架	晶体学数据	NA
11929	2024-12-06	Proscan: a structure-based proline design web server 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae408 PMID:38769060	研究论文	开发了一个基于结构的脯氨酸设计网络服务器Proscan，用于评估和可视化目标蛋白质中脯氨酸替代的潜在位置	Proscan提供了一种基于深度学习和能量评估的脯氨酸替代方案，并支持交互式可视化	NA	开发一个工具，帮助研究人员通过结构设计控制蛋白质构象和动态	脯氨酸替代对蛋白质稳定性和构象的影响	生物信息学	NA	深度学习	NA	蛋白质结构数据	NA
11930	2024-12-06	Recent Developments in Machine Learning for Mass Spectrometry 2024-Jun-19, ACS measurement science au IF:4.6Q1 DOI:10.1021/acsmeasuresciau.3c00060 PMID:38910862	综述	本文综述了机器学习在质谱分析中的最新进展	介绍了现代机器学习方法和架构在质谱分析中的新应用	NA	提供机器学习方法在质谱分析中的实用概述，并探讨该领域的未来发展方向	质谱分析数据	机器学习	NA	质谱分析	人工神经网络 (ANN) 和深度学习架构	质谱数据	NA
11931	2024-12-06	Privacy-Preserving Federated Learning With Domain Adaptation for Multi-Disease Ocular Disease Recognition 2024-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3305685 PMID:37590112	研究论文	本文提出了一种隐私保护的联邦学习框架，结合领域自适应方法用于多疾病眼科疾病的识别	采用高斯随机化机制保护本地数据隐私，并引入两步领域自适应方法解决多站点数据间的领域差异问题	未提及具体的研究局限性	开发一种能够保护数据隐私并提高多站点数据间识别性能的联邦学习框架	多疾病眼科疾病的早期识别	计算机视觉	眼科疾病	联邦学习	NA	图像	使用了一个多疾病早期眼底筛查数据集，具体样本数量未提及
11932	2024-12-06	An Anthropomorphic Diagnosis System of Pulmonary Nodules using Weak Annotation-Based Deep Learning 2024-May-05, medRxiv : the preprint server for health sciences DOI:10.1101/2024.05.03.24306828 PMID:38746400	研究论文	本文开发了一种基于弱注释深度学习的类人肺结节诊断系统	该系统使用弱注释数据进行训练，无需耗时且劳动密集的手动注释，并展示了与全注释系统相当的性能	NA	开发一种基于弱注释深度学习的类人肺结节诊断系统，以减少注释时间和成本	肺结节（PN）的分类（良性 vs. 恶性）	计算机视觉	肺癌	深度学习（DL）	深度学习模型	图像	两个肺部CT数据集：（1）公共LIDC-IDRI数据集，包含1018个受试者；（2）内部数据集，包含2740个受试者
11933	2024-12-06	CollaPPI: A Collaborative Learning Framework for Predicting Protein-Protein Interactions 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3375621 PMID:38466584	研究论文	本文提出了一种协作学习框架CollaPPI，用于预测蛋白质-蛋白质相互作用	该框架通过蛋白质级和任务级协作，实现了蛋白质对之间知识的共享和互补	NA	解决现有深度学习方法在提取蛋白质-蛋白质相互作用特征时忽略知识共享的问题	蛋白质-蛋白质相互作用	机器学习	NA	深度学习	协作学习框架	蛋白质数据	两个蛋白质-蛋白质相互作用基准数据集
11934	2024-12-06	Auto Diagnosis of Parkinson's Disease Via a Deep Learning Model Based on Mixed Emotional Facial Expressions 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3239780 PMID:37022035	研究论文	本文提出了一种基于混合情感面部表情的帕金森病自动诊断方法	利用生成对抗学习合成虚拟面部表情图像，结合深度特征提取器和面部表情分类器进行帕金森病诊断	NA	开发一种基于面部表情的帕金森病自动诊断方法	帕金森病患者和正常人的面部表情	计算机视觉	神经退行性疾病	生成对抗学习	深度学习模型	图像	包括帕金森病患者和正常人的面部表情图像
11935	2024-12-06	CSF-GTNet: A Novel Multi-Dimensional Feature Fusion Network Based on Convnext-GeLU- BiLSTM for EEG-Signals-Enabled Fatigue Driving Detection 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3240891 PMID:37022236	研究论文	提出了一种基于Convnext-GeLU-BiLSTM的多维特征融合网络CSF-GTNet，用于通过脑电信号进行疲劳驾驶检测	创新性地结合了时间域和空间频域的多维特征融合网络，提高了疲劳检测的准确率	未提及具体局限性	解决现有研究中多维特征提取不足的问题，提高疲劳驾驶检测的准确性	脑电信号及其在疲劳驾驶检测中的应用	机器学习	NA	脑电图（EEG）信号分析	Convnext-GeLU-BiLSTM	脑电信号	自制的和SEED-VIG数据集
11936	2024-12-06	EEG-Based Mental Workload Classification Method Based on Hybrid Deep Learning Model Under IoT 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3281793 PMID:37276109	研究论文	提出了一种基于混合深度学习模型的EEG信号空间和时频域特征的脑力负荷分类方法	提出了基于混合深度学习模型的脑力负荷分类方法，结合了空间域和时频域特征，提高了分类准确性	NA	开发一种自动检测人类脑力负荷以预防心理疾病的方法	脑力负荷的分类	机器学习	NA	深度学习	混合深度学习模型	EEG信号	使用了Simultaneous Task EEG Workload公共数据库
11937	2024-12-06	Improving Needle Tip Tracking and Detection in Ultrasound-Based Navigation System Using Deep Learning-Enabled Approach 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3353343 PMID:38215329	研究论文	本文提出了一种将基于超声的深度学习方法集成到光学导航系统中的新策略，以增强针尖的可视化并提高定位精度	本文的创新点在于将深度学习技术与光学导航系统结合，优化了针尖的跟踪和检测算法，提高了针尖定位的准确性	本文未提及具体的局限性	本文的研究目的是改进超声引导下经皮介入手术中的针尖跟踪和检测技术	本文的研究对象是超声图像中的针尖跟踪和检测	计算机视觉	NA	深度学习	深度学习网络	图像	本文建立了包含超声图像及其对应空间针尖坐标的数据集，并进行了实际穿刺实验以验证方法的有效性
11938	2024-12-06	Deep Learning-Based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3365172 PMID:38349825	研究论文	本文利用深度学习技术，通过眼动追踪行为分析来诊断阿尔茨海默病	提出了多层比较卷积神经网络（MC-CNN），通过分层残差块获取热图的多层特征表示，以更好地编码眼动行为	NA	早期诊断阿尔茨海默病	阿尔茨海默病患者和正常人的视觉注意力差异	计算机视觉	阿尔茨海默病	深度学习	卷积神经网络（CNN）	图像（热图）	NA
11939	2024-12-06	Magnetoencephalography Decoding Transfer Approach: From Deep Learning Models to Intrinsically Interpretable Models 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3365051 PMID:38349827	研究论文	本文提出了一种通过特征归因知识蒸馏将深度学习模型转化为内在可解释模型的磁共振成像（MEG）解码迁移方法	首次将事后可解释算法中的特征归因图引入知识蒸馏，指导内在可解释模型吸收这些知识，实现从深度模型到内在可解释模型的MEG解码信息迁移	NA	结合深度学习和内在可解释模型的优势，提高MEG信号解码的预测性能和可解释性	磁共振成像（MEG）信号	机器学习	NA	知识蒸馏	深度学习模型、内在可解释模型（如决策树）	神经电生理信号	NA
11940	2024-12-06	Label-Decoupled Medical Image Segmentation With Spatial-Channel Graph Convolution and Dual Attention Enhancement 2024-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3367756 PMID:38376972	研究论文	提出了一种名为LADENet的新型医学图像分割框架，结合空间-通道图卷积和双重注意力增强机制	引入空间-通道图卷积捕捉全局长程信息和特征图间的拓扑相关性，采用距离变换的标签解耦策略和双重注意力增强机制提升学习能力	未提及	改进医学图像分割方法，提高分割性能	医学图像的分割	计算机视觉	NA	图卷积	LADENet	图像	基准数据集