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
13321	2024-12-11	Enhanced related-key differential neural distinguishers for SIMON and SIMECK block ciphers 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2566 PMID:39650359	研究论文	本文提出了一种增强的相关密钥差分神经区分器框架，用于SIMON和SIMECK分组密码	引入了加权偏差分数方法来高效选择输入差异，并提出了利用两个输入差异的改进方案，显著提高了区分器的准确性	NA	改进相关密钥差分神经区分器，以提高对SIMON和SIMECK分组密码的攻击效果	SIMON和SIMECK分组密码	密码学	NA	深度学习	神经网络	NA	NA
13322	2024-12-11	The Contrastive Network With Convolution and Self-Attention Mechanisms for Unsupervised Cell Segmentation 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3310507 PMID:37651477	研究论文	本文提出了一种基于卷积和自注意力机制的无监督细胞分割对比网络	该模型能够在没有任何标注的情况下对H&E染色切片上的细胞区域进行分割，无需生成伪标签，且在捕获对象边缘和上下文信息方面优于纯CNN或Transformer	NA	开发一种无需任何标注的无监督细胞分割方法	H&E染色切片上的细胞区域	数字病理学	NA	卷积神经网络，自注意力机制	对比网络	图像	NA
13323	2024-12-11	SwinDAE: Electrocardiogram Quality Assessment Using 1D Swin Transformer and Denoising AutoEncoder 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314698 PMID:37698969	研究论文	本文提出了一种名为SwinDAE的模型，用于心电图信号质量评估，结合了1D Swin Transformer和去噪自编码器	创新点在于将1D Swin Transformer引入去噪自编码器中，并提出了波形成分定位损失用于联合监督	NA	研究目的是提高心电图信号质量评估的泛化能力	心电图信号	机器学习	NA	去噪自编码器	Swin Transformer	信号	使用了PTB-XL数据集进行预训练，并在BUT QDB数据集上进行微调
13324	2024-12-11	Evolutionary Architecture Optimization for Retinal Vessel Segmentation 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3314981 PMID:37703164	研究论文	本研究提出了一种新的神经架构搜索方法MedUNAS，用于视网膜血管分割问题，通过优化U型网络架构以提高分割性能和降低推理时间	首次将对立差分进化（ODE）应用于视网膜血管分割问题的神经架构搜索，并提出了MedUNAS方法	需要进一步验证生成的网络在其他医疗图像分割任务中的泛化能力	开发一种自动化且高效的神经架构搜索方法，用于视网膜血管分割	视网膜血管分割问题	计算机视觉	NA	神经架构搜索（NAS）	U型网络	图像	涉及多个数据集，具体样本数量未明确说明
13325	2024-12-11	MLDA: Multi-Loss Domain Adaptor for Cross-Session and Cross-Emotion EEG-Based Individual Identification 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3315974 PMID:37713231	研究论文	提出了一种名为MLDA的多损失域适配器方法，用于解决基于跨会话和跨情绪的EEG个体识别问题	创新点在于引入了多损失域适配器（MLDA），通过减少边缘分布和条件分布的差异来提高跨会话和跨情绪的EEG个体识别性能	未提及具体的局限性	旨在解决基于EEG的个体识别中跨会话和跨情绪的分类性能问题	研究对象是跨会话和跨情绪的EEG信号	机器学习	NA	深度神经网络、最大均值差异（MMD）	深度神经网络	EEG数据	未提及具体的样本数量
13326	2024-12-11	SegCoFusion: An Integrative Multimodal Volumetric Segmentation Cooperating With Fusion Pipeline to Enhance Lesion Awareness 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318131 PMID:37738185	研究论文	本文提出了一种名为SegCoFusion的多模态体积分割与融合集成方法，通过结合特征频率分割网络FDNet和双单路径特征补充策略的分割部分，优化分割输入并与融合部分结合，以提高病变识别能力	SegCoFusion通过集成多模态分割与融合，打破了传统分割和融合方法的性能瓶颈，提供了一种新的视角来通过分割与融合协作提高体积融合性能并增强病变意识	NA	解决多模态医学图像融合中的主观性和任务特定性问题，提高分割和融合的性能	多模态脑肿瘤体积融合与分割	计算机视觉	脑肿瘤	深度学习	U-Net系列	图像	NA
13327	2024-12-11	MPVF: 4D Medical Image Inpainting by Multi-Pyramid Voxel Flows 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3318127 PMID:37738187	研究论文	本文提出了一种名为多金字塔体素流（MPVF）的模型，用于解决4D医学图像插值问题，特别是心脏和肺部图像的插值	本文的创新点在于提出了多金字塔体素流（MPVF）模型，通过考虑多尺度体素流，能够在插值过程中提供丰富的全局和区域信息，并引入了双边体素流（BVF）模块和金字塔融合（PyFu）模块	NA	本文的研究目的是解决4D医学图像插值问题，特别是心脏和肺部图像的插值	本文的研究对象是心脏和肺部的4D医学图像	计算机视觉	NA	深度学习	MPVF	图像	NA
13328	2024-12-11	Deep Open-Curve Snake for Discriminative 3D Neuron Tracking 2023-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3320804 PMID:37773913	研究论文	本文提出了一种新的深度学习框架Deep Open-Curve Snake (DOCS)，用于三维神经元跟踪，通过学习3D距离回归判别器和深度学习跟踪器来提升跟踪性能	DOCS框架结合了深度学习技术，能够在噪声污染的弱信号环境下进行有效的神经元跟踪，并通过能量最小化方法迭代更新变形场、拉伸方向和局部半径	NA	提升三维神经元跟踪的准确性和鲁棒性	三维神经元结构的分段、追踪和重建	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	三维体积数据	BigNeuron和Diadem数据集
13329	2024-12-11	Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii 2023-Nov, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-023-01349-8 PMID:37231267	研究论文	本文利用机器学习方法筛选出一种针对鲍曼不动杆菌的新型抗生素abaucin	本文首次通过深度学习引导的筛选方法发现了一种针对鲍曼不动杆菌的新型窄谱抗生素abaucin，并揭示了其作用机制	本文仅在体外和小鼠伤口模型中验证了abaucin的抗菌活性，尚未进行临床试验	发现针对鲍曼不动杆菌的新型抗生素	鲍曼不动杆菌及其抗菌分子	机器学习	NA	NA	神经网络	分子数据	约7500种分子
13330	2024-12-11	Discovering small-molecule senolytics with deep neural networks 2023-Jun, Nature aging IF:17.0Q1 DOI:10.1038/s43587-023-00415-z PMID:37142829	研究论文	本文利用图神经网络筛选并预测了大量分子的衰老活性，发现了几种具有选择性靶向衰老细胞的药物	利用深度学习技术筛选出具有衰老活性的化合物，并发现了几种具有更好药物化学性质和选择性的新型衰老药物	实验仅在动物模型中验证了其中一种化合物的有效性，仍需进一步临床验证	发现具有衰老活性的新型小分子药物	衰老细胞及其相关疾病	机器学习	NA	图神经网络，分子对接模拟，时间分辨荧光能量转移实验	图神经网络	分子结构数据	2,352种化合物用于筛选，800,000多种分子用于预测，以及老年小鼠模型
13331	2024-12-11	Label- and slide-free tissue histology using 3D epi-mode quantitative phase imaging and virtual H&E staining 2023-Jun-01, ArXiv PMID:37396611	研究论文	本文提出了一种结合3D定量相位成像技术和无监督生成对抗网络的方法，将未染色厚组织的相位图像转换为虚拟H&E染色图像	首次将3D定量相位成像技术与无监督生成对抗网络结合，实现了无需染色和载玻片的组织病理学分析	需要进一步验证该方法在不同类型组织和疾病中的适用性	开发一种无需染色和载玻片的组织病理学分析方法，以提高诊断效率和降低成本	小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本	数字病理学	NA	3D定量相位成像技术（qOBM）	生成对抗网络（GAN）	图像	小鼠肝脏、大鼠胶质肉瘤和人类胶质瘤的新鲜组织样本
13332	2024-12-11	Structured deep embedding model to generate composite clinical indices from electronic health records for early detection of pancreatic cancer 2023-Jan-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100636 PMID:36699740	研究论文	本文提出了一种结构化的深度嵌入模型，用于从电子健康记录中生成复合临床指数，以实现胰腺癌的早期检测	本文的创新点在于构建了一个结构化的深度嵌入模型，通过领域专家（如临床医生）确定的相关测量分组来降低输入变量的维度，从而生成可解释的复合指数	本文的局限性在于仅在胰腺癌的早期检测中进行了验证，未来需要进一步验证其在其他健康结果预测中的应用	本文的研究目的是开发一种从电子健康记录中生成复合临床指数的方法，以支持临床决策	本文的研究对象是电子健康记录数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	深度嵌入模型	文本	NA
13333	2024-12-11	DMCGNet: A Novel Network for Medical Image Segmentation With Dense Self-Mimic and Channel Grouping Mechanism 2022-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3192277 PMID:35939480	研究论文	提出了一种新的密集自模仿和通道分组机制的网络DMCGNet，用于医学图像分割，以实现更好的特征提取	引入了金字塔目标感知密集自模仿模块（PTDSM）和基于通道分割的特征融合模块（CSFFM），并结合深度监督与组集成学习（DSGEL）来增强特征提取和多尺度目标适应性	未提及具体限制	改进医学图像分割中的特征提取能力	医学图像分割任务	计算机视觉	NA	深度学习	DMCGNet	图像	4个医学图像分割数据集
13334	2024-12-11	Deep learning on time series laboratory test results from electronic health records for early detection of pancreatic cancer 2022-07, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104095 PMID:35598881	研究论文	本研究开发了一种深度学习框架，利用电子健康记录中的纵向临床数据进行胰腺癌的早期检测	提出了一个新颖的训练协议，通过应用独立泊松随机掩码强调早期检测，并使用分组神经网络架构进行数据融合	研究结果的普适性需要进一步验证，尤其是在不同疾病和人群中的应用	开发一种能够利用电子健康记录中的纵向临床数据进行胰腺癌早期检测的深度学习框架	电子健康记录中的纵向临床数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	分组神经网络（GrpNN）	时间序列数据	使用了来自哥伦比亚大学欧文医学中心-纽约长老会医院的数据
13335	2024-12-10	CT Quantification of Interstitial Lung Abnormality and Interstitial Lung Disease: From Technical Challenges to Future Directions 2025-Jan-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001103 PMID:39008898	综述	本文综述了间质性肺疾病（ILD）和间质性肺异常（ILA）的CT定量分析现状，探讨了技术挑战及未来发展方向	强调了机器学习和深度学习在定量影像中的应用，以提高诊断和管理精度	传统视觉评估存在读片者间的变异性，ILA的定义依赖于主观阈值	探讨CT定量分析在ILD和ILA中的应用及未来发展方向	间质性肺疾病（ILD）和间质性肺异常（ILA）	计算机视觉	肺部疾病	CT	机器学习，深度学习	影像	NA
13336	2024-12-10	Beyond the Conventional Structural MRI: Clinical Application of Deep Learning Image Reconstruction and Synthetic MRI of the Brain 2025-Jan-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001114 PMID:39159333	综述	本文综述了深度学习重建（DLR）和定量MRI技术在脑部MRI中的临床应用，超越了传统的结构MRI	本文介绍了深度学习重建（DLR）和定量MRI技术在脑部MRI中的应用，这些技术能够加速成像并提高图像质量，同时提供更精确的脑组织参数计算	本文讨论了深度学习重建（DLR）可能的不稳定性和定量MRI中的量化和偏差限制	探讨深度学习重建（DLR）和定量MRI技术在脑部MRI中的临床应用，超越传统结构成像	脑部MRI成像技术及其在临床诊断中的应用	计算机视觉	NA	深度学习重建（DLR），定量MRI技术	深度神经网络	图像	NA
13337	2024-12-10	ProAffinity-GNN: A Novel Approach to Structure-Based Protein-Protein Binding Affinity Prediction via a Curated Data Set and Graph Neural Networks 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01850 PMID:39558674	研究论文	本文提出了一种基于图神经网络的新方法ProAffinity-GNN，用于通过精心策划的数据集预测蛋白质-蛋白质结合亲和力	引入了一种新的深度学习框架ProAffinity-GNN，结合蛋白质语言模型和图神经网络，显著提高了结构基础的蛋白质-蛋白质结合亲和力预测的准确性	NA	解决蛋白质-蛋白质相互作用中结合亲和力预测的挑战，提供更有效和精确的方法	蛋白质-蛋白质相互作用的结合亲和力	机器学习	NA	图神经网络（GNN）	图神经网络（GNN）	结构数据	包含实验确定的结合亲和力的蛋白质复合物的3D结构的最大数据集
13338	2024-12-10	CPIScore: A Deep Learning Approach for Rapid Scoring and Interpretation of Protein-Ligand Binding Interactions 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01175 PMID:39563077	研究论文	本文介绍了一种名为CPIScore的深度学习方法，用于快速评分和解释蛋白质-配体结合相互作用	CPIScore结合了Transformer和图卷积网络（GCN），以提高蛋白质-配体结合亲和力的预测准确性	NA	提高蛋白质-配体结合亲和力预测的效率和准确性	蛋白质-配体结合相互作用	机器学习	NA	深度学习	Transformer和图卷积网络（GCN）	蛋白质和配体序列	多个目标和化合物库
13339	2024-12-10	Matini-Net: Versatile Material Informatics Research Framework for Feature Engineering and Deep Neural Network Design 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01676 PMID:39569801	研究论文	本文介绍了一种名为Matini-Net的多功能材料信息学研究框架，用于特征工程和深度神经网络设计	Matini-Net提供了灵活的设计特征、图模型及其组合的能力，适用于单模态和多模态模型架构，并通过自动化特征工程、超参数调优和网络构建，使深度学习技术更易于应用于材料研究	NA	开发一个多功能框架，用于材料信息学研究中的特征工程和深度神经网络设计	材料属性数据集	机器学习	NA	深度神经网络	回归架构	材料属性数据	五个材料属性数据集
13340	2024-12-10	ReduMixDTI: Prediction of Drug-Target Interaction with Feature Redundancy Reduction and Interpretable Attention Mechanism 2024-Dec-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01554 PMID:39570771	研究论文	本文提出了一种名为ReduMixDTI的端到端模型，用于减少特征冗余并显式捕捉药物-靶点相互作用的复杂局部交互	ReduMixDTI通过使用图神经网络和卷积神经网络对药物和靶点特征进行编码，并引入注意力机制显式建模药物和靶点子结构之间的成对交互，从而提高了模型的预测能力和可解释性	NA	提高药物-靶点相互作用预测的准确性和可解释性	药物和靶点之间的相互作用	机器学习	NA	图神经网络、卷积神经网络	注意力机制	图、图像	三个基准数据集和反映真实场景的外部测试集