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
12861	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
12862	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
12863	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
12864	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
12865	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
12866	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
12867	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
12868	2024-11-23	Terahertz image enhancement based on a multiscale feature extraction network 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.529260 PMID:39572999	研究论文	本文提出了一种基于多尺度特征提取网络的太赫兹图像增强方法	利用生成对抗网络结构进行深度学习，通过引入金字塔池化残差密集块模块进行特征融合提取，设计并应用了超分辨率网络	未提及	提高太赫兹图像的质量，包括去噪和分辨率提升	变形的金属太赫兹图像	计算机视觉	NA	生成对抗网络 (GAN)	超分辨率生成对抗网络 (SRGAN)	图像	未提及
12869	2024-11-23	Speckle denoising based on Swin-UNet in digital holographic interferometry 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.533142 PMID:39573047	研究论文	本文提出了一种基于Swin-UNet的数字全息干涉测量中的散斑去噪方法	通过将模拟的高斯噪声和散斑噪声进行多路复用，模拟了复杂的噪声环境，并提出了基于Swin-UNet的去噪方法	本文的实验主要基于模拟数据，实际应用中的效果需要进一步验证	解决数字全息干涉测量中散斑噪声对相位图质量的影响问题	数字全息干涉测量中的散斑噪声	计算机视觉	NA	数字全息干涉测量	Swin-UNet	图像	1100张开放源代码的全息断层扫描噪声图像和25张来自DATABASE的散斑图像
12870	2024-11-23	Multi-level efficient 3D image reconstruction model based on ViT 2024-Sep-09, Optics express IF:3.2Q2 DOI:10.1364/OE.535211 PMID:39573080	研究论文	提出了一种基于视觉变换器（ViT）的多层次高效3D图像重建模型	利用ViT的自注意力机制捕捉全局和局部特征，并通过生成对抗网络（GAN）提高在高噪声和低光子环境下的重建质量和鲁棒性	NA	解决单光子激光雷达在高质量3D重建中面临的高噪声、低精度和长推理时间问题	单光子激光雷达的3D图像重建	计算机视觉	NA	视觉变换器（ViT）、生成对抗网络（GAN）	视觉变换器（ViT）、生成对抗网络（GAN）	图像	NA
12871	2024-11-23	Interpreting forces as deep learning gradients improves quality of predicted protein structures 2024-09-03, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2023.12.011 PMID:38104241	研究论文	本文提出了一种利用分子动力学力场训练深度学习蛋白质结构预测模型的新方法，以提高预测结构的质量和物理直观性	引入了一种名为OpenMM-Loss的自定义PyTorch损失函数，该函数表示预测结构的势能，并可应用于任何全原子蛋白质结构表示	NA	提高深度学习模型预测蛋白质结构的质量和物理直观性，使其更适合下游任务	蛋白质结构预测模型	机器学习	NA	分子动力学力场	深度学习模型	蛋白质结构	NA
12872	2024-11-23	Rapid, autonomous and ultra-large-area detection of latent fingerprints using object-driven optical coherence tomography 2024-Aug-26, Optics express IF:3.2Q2 DOI:10.1364/OE.533554 PMID:39573253	研究论文	本研究介绍了一种基于对象驱动的光学相干断层扫描（OD-OCT）技术，用于快速、自主和超大范围检测潜在指纹	通过使用机器人手臂进行稀疏采样，实现了比传统技术快100倍的扫描速度，并结合深度学习模型实时处理B-扫描数据，实现了自主指纹检测	NA	提高潜在指纹检测的速度和覆盖范围，同时保持高分辨率成像	潜在指纹	计算机视觉	NA	光学相干断层扫描（OCT）	深度学习模型	图像	约400 cm²的变形状区域
12873	2024-11-23	Deep learning based on the loss metric for inverse design of photonic resonators 2024-Aug-26, Optics express IF:3.2Q2 DOI:10.1364/OE.523652 PMID:39573260	研究论文	本文提出并实现了一种新的损失度量方法，用于光子谐振器的逆向设计	本文提出了一种新的损失度量方法，通过傅里叶变换计算时间域复向量，结合频谱MSE和时间域向量误差（TVE），能够更有效地识别谐振特性	NA	改进深度学习算法在光子谐振器逆向设计中的相似性评估	光子谐振器	机器学习	NA	傅里叶变换（FT）	深度学习	频谱数据	NA
12874	2024-11-23	Enhancing single-pixel imaging reconstruction using hybrid transformer network with adaptive feature refinement 2024-Aug-26, Optics express IF:3.2Q2 DOI:10.1364/OE.523276 PMID:39573346	研究论文	本文提出了一种混合卷积-变换器网络用于单像素成像的高效重建	引入了一种新的混合卷积-变换器网络，结合了U-Net架构和自适应特征细化模块，显著提高了重建速度和准确性	NA	解决现有单像素成像重建技术效率低下的问题	单像素成像数据的重建	计算机视觉	NA	NA	混合卷积-变换器网络	图像	NA
12875	2024-11-23	Photonic integrated interference imaging system based on front-end S-shaped microlens array and Con-DDPM 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.530187 PMID:39573109	研究论文	本文提出了一种基于前端S形微透镜阵列和条件去噪扩散概率模型（Con-DDPM）的光子集成干涉成像系统，以解决UV空间频率采样不均匀和逆傅里叶变换（IFT）伪影问题	引入前端S形微透镜阵列改善UV空间频率采样的均匀性，并采用基于Con-DDPM的深度学习重建算法处理IFT图像，有效去除伪影并恢复图像细节	NA	提高光子集成干涉成像系统的成像质量	UV空间频率采样均匀性和逆傅里叶变换（IFT）伪影	计算机视觉	NA	条件去噪扩散概率模型（Con-DDPM）	Con-DDPM	图像	NA
12876	2024-11-23	Deep learning-based general beam synthesis for atmospheric propagation 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.530561 PMID:39573113	研究论文	本文提出了一种基于深度学习的方法，用于生成通过大气湍流传播的最佳光束	通过卷积神经网络（CNN）的批量计算来近似接收器统计数据，并合成任意复杂幅度分布的广义光束	NA	优化自由空间光系统的传输光束设计	通过大气湍流传播的光束	计算机视觉	NA	深度学习	卷积神经网络（CNN）	光束模式	NA
12877	2024-11-23	Research on deep learning restoration algorithm of X-ray backscatter imaging based on virtual training dataset 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.531818 PMID:39573130	研究论文	本文介绍了一种基于虚拟训练数据集的X射线背散射图像深度学习恢复算法	利用虚拟训练数据集生成大量卷积图像进行深度学习训练，无需手动标注	NA	研究X射线背散射图像的恢复技术	X射线背散射图像	计算机视觉	NA	深度学习	NA	图像	大量虚拟生成的卷积图像
12878	2024-11-23	Ground-to-air aircraft infrared image deblurring based on imaging degradation simulation 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.524571 PMID:39573156	研究论文	本文提出了一种基于成像退化模拟的地对空飞机红外图像去模糊方法	创新性地提出了一种简单的全链路成像退化模拟方法，用于生成丰富的模糊-清晰图像对，并通过预训练和微调提升神经网络在特定场景下的去模糊性能	需要选择与场景退化模式匹配的预训练数据集，且模型在处理真实图像时仍存在一定局限性	解决特定场景下红外图像去模糊问题	地对空飞机红外图像	计算机视觉	NA	成像退化模拟	神经网络	图像	通过模拟方法生成的丰富模糊-清晰图像对
12879	2024-11-23	Anti-noise performance analysis in amplitude-modulated collinear holographic data storage using deep learning 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.532825 PMID:39573152	研究论文	研究了在幅度调制同轴全息数据存储系统中使用深度学习进行抗噪性能分析	提出了一种使用端到端卷积神经网络分析编码数据页噪声抵抗能力的方法	NA	提高幅度调制同轴全息数据存储系统的数据读取准确性和可靠性	幅度调制同轴全息数据存储系统中的噪声和误码率	机器学习	NA	深度学习	卷积神经网络	图像	NA
12880	2024-11-23	Wide-field imaging and recognition through cascaded complex scattering media 2024-Aug-12, Optics express IF:3.2Q2 DOI:10.1364/OE.534163 PMID:39573154	研究论文	本文探讨了通过级联复杂散射介质实现宽场成像和识别的挑战，并提出了一种基于SMixerNet的深度学习方法	本文提出了一种基于SMixerNet的深度学习方法，通过参数自由的矩阵转置实现广泛的感受野，减少了参数密集的需求	NA	探索通过级联复杂散射介质实现宽场成像和识别的挑战	通过多模光纤和混浊介质实现宽场成像和病理筛查	计算机视觉	NA	深度学习	SMixerNet	图像	大量数据集