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
14101	2024-10-19	Probabilistic volumetric speckle suppression in OCT using deep learning 2023-Dec-07, ArXiv PMID:38106457	研究论文	本文提出了一种基于条件生成对抗网络（cGAN）的深度学习框架，用于光学相干断层扫描（OCT）中的体积分辨率降低	利用OCT数据的体积特性，通过cGAN实现高效的散斑抑制，同时保留组织结构，速度比传统方法快两个数量级	生成训练数据的过程计算量大	开发一种高效的深度学习方法，用于OCT中的体积分辨率降低	OCT图像中的散斑噪声	计算机视觉	NA	深度学习	条件生成对抗网络（cGAN）	体积数据	涉及三种不同OCT系统采集的不同组织类型数据
14102	2024-10-19	Improved Peptide Docking with Privileged Knowledge Distillation using Deep Learning 2023-Dec-04, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.01.569671 PMID:38106114	研究论文	本文提出了一种改进的蛋白质-肽对接方法DistPepFold，通过基于AlphaFold-Multimer架构的知识蒸馏技术，提高了蛋白质-肽复合物对接的准确性	DistPepFold利用教师模型在训练过程中使用本征相互作用信息，并通过教师-学生蒸馏过程将知识传递给学生模型，从而改进了蛋白质-肽复合物的对接性能	NA	改进蛋白质-肽复合物的对接方法，提高其结构预测的准确性	蛋白质-肽复合物的对接性能	机器学习	NA	深度学习	AlphaFold-Multimer	蛋白质-肽复合物数据	两个蛋白质-肽复合物数据集
14103	2024-10-19	Selective ensemble methods for deep learning segmentation of major vessels in invasive coronary angiography 2023-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.16554 PMID:37310802	研究论文	本文提出了一种基于排序的选择性集成方法，用于提高深度学习在侵入性冠状动脉造影中主要血管分割的性能	本文提出的选择性集成方法结合了加权集成和每张图像质量估计，通过排名机制减少了形态学错误，提高了分割性能	NA	提高侵入性冠状动脉造影中主要血管的分割性能，减少形态学错误，实现更自动化的定量冠状分析	侵入性冠状动脉造影图像中的主要血管	计算机视觉	心血管疾病	深度学习	CNN	图像	内部数据集包含7426张冠状动脉造影图像，来自2924名患者；外部验证集包含556张图像，来自226名患者
14104	2024-10-19	Image-Domain Material Decomposition for Dual-energy CT using Unsupervised Learning with Data-fidelity Loss 2023-Nov-17, ArXiv PMID:38013889	研究论文	本文提出了一种基于无监督学习的数据保真损失的图像域材料分解方法，用于双能CT	本文的创新点在于开发了一种无监督学习框架，利用数据测量一致性进行图像域材料分解，避免了传统方法中图像先验无法准确表示目标图像流形特征的问题	本文的局限性在于未提及具体的实验验证和临床应用效果	本研究旨在开发一种无监督学习框架，用于双能CT中的图像域材料分解	本研究的对象是双能CT图像中的材料分解	计算机视觉	NA	双能CT	无监督学习	图像	NA
14105	2024-10-19	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf1 PMID:37757838	研究论文	提出了一种无需参考的统计隐式神经表示框架，用于生物医学图像的超分辨率处理	该方法仅需要单张或多张低分辨率图像，通过最大似然估计和隐式神经网络生成高质量的超分辨率图像	NA	解决生物医学图像超分辨率处理中缺乏大量低分辨率和高分辨率图像对的问题	生物医学图像，包括CT、MRI、荧光显微镜和超声图像	计算机视觉	NA	隐式神经表示	多层感知机	图像	每种超分辨率任务使用有限数量的低分辨率图像
14106	2024-10-19	Levothyroxine use and longitudinal changes in thigh muscles in at-risk participants for knee osteoarthritis: preliminary analysis from Osteoarthritis Initiative cohort 2023-04-11, Arthritis research & therapy IF:4.4Q1 DOI:10.1186/s13075-023-03012-y PMID:37041609	研究论文	研究了左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉纵向变化之间的关系	首次探讨了左甲状腺素使用与大腿肌肉质量和成分变化之间的关联，并评估了其在膝关节骨性关节炎发病中的中介作用	研究结果需考虑甲状腺功能作为潜在的混杂因素或效应修饰因子，未来研究需进一步探讨甲状腺功能生物标志物对大腿肌肉纵向变化的影响	探讨左甲状腺素使用与膝关节骨性关节炎高风险参与者大腿肌肉质量和成分变化之间的关系及其在膝关节骨性关节炎发病中的作用	膝关节骨性关节炎高风险参与者的大腿肌肉质量和成分	NA	骨性关节炎	深度学习方法	NA	MRI数据	1043个匹配的大腿/膝盖样本（266个左甲状腺素使用者，777个非使用者）
14107	2024-10-19	An Investigation into Race Bias in Random Forest Models Based on Breast DCE-MRI Derived Radiomics Features 2023, Clinical image-based procedures, fairness of AI in medical imaging, and ethical and philosophical issues in medical imaging : 12th International Workshop, CLIP 2023 1st International Workshop, FAIMI 2023 and 2nd International Workshop, ... DOI:10.1007/978-3-031-45249-9_22 PMID:39404661	研究论文	研究了基于乳腺DCE-MRI衍生的放射组学特征的随机森林模型中存在的种族偏见	首次探讨了经典AI技术（如随机森林）在基于放射组学特征的模型中可能存在的种族偏见	研究仅限于乳腺DCE-MRI数据，且样本量较小	探讨随机森林模型在种族不平衡数据训练下可能产生的偏见	乳腺DCE-MRI衍生的放射组学特征	机器学习	乳腺癌	DCE-MRI	随机森林	图像	乳腺癌症患者的数据，具体数量未明确
14108	2024-10-18	Deep learning-assisted inverse design of metasurfaces for active color image tuning 2024-Oct-17, Nanoscale IF:5.8Q1 DOI:10.1039/d4nr02378a PMID:39301625	研究论文	本文提出了一种基于深度学习的超表面主动色彩图像调谐方法	通过多目标逆向伴随神经网络解决了逆向设计中的'一对多'问题，实现了在三种不同环境条件下的主动色彩图像调谐	NA	开发一种新的超表面逆向设计方法，实现主动色彩图像调谐	超表面及其在色彩调谐中的应用	计算机视觉	NA	深度学习	神经网络	图像	三种不同环境条件下的超表面
14109	2024-10-18	Exploring the phase change and structure of carbon using a deep learning interatomic potential 2024-Oct-17, Physical chemistry chemical physics : PCCP IF:2.9Q1 DOI:10.1039/d4cp02781g PMID:39364607	研究论文	本文利用深度学习原子间势函数研究碳的相变和结构	通过深度神经网络获得的机器学习势函数不仅展示了强大的可扩展性，还能有效研究非晶金刚石和多晶金刚石的形成机制	NA	研究碳在大规模系统中的相变	碳的相变和结构	机器学习	NA	分子动力学 (AIMD)，密度泛函理论 (DFT)	深度神经网络	结构数据	大量碳晶体和石墨烯的初始结构
14110	2024-10-18	Interpretable and Physicochemical-Intuitive Deep Learning Approach for the Design of Thermal Resistance of Energetic Compounds 2024-Oct-17, The journal of physical chemistry. A DOI:10.1021/acs.jpca.4c04849 PMID:39380131	研究论文	本文提出了一种名为EM-thermo的深度学习框架，用于预测高能化合物的热稳定性	EM-thermo通过分子图和直接消息传递神经网络捕捉结构特征，并利用迁移学习提高了预测准确性	NA	开发一种能够准确预测高能化合物热稳定性的深度学习模型	高能化合物的热稳定性	机器学习	NA	深度学习	直接消息传递神经网络	分子图	5029个CHNO化合物，其中包括976个高能化合物
14111	2024-10-18	Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor 2024-Oct-15, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101785 PMID:39413732	研究论文	本文提出了一种基于病理图像和病理先验信息的深度学习模型，用于区分结直肠神经内分泌肿瘤和结直肠癌	利用病理先验信息生成鲁棒的切片级特征，并通过计算形态描述与补丁之间的相似性，仅选择2%的诊断相关补丁进行训练和推理	NA	开发一种成本效益高的方法，准确区分结直肠神经内分泌肿瘤和结直肠癌	结直肠神经内分泌肿瘤和结直肠癌	数字病理学	结直肠癌	深度学习	深度学习模型	图像	内部数据集和两个外部数据集
14112	2024-10-18	Acoustic leak localization for water distribution network through time-delay-based deep learning approach 2024-Oct-09, Water research IF:11.4Q1 DOI:10.1016/j.watres.2024.122600 PMID:39413711	研究论文	本文介绍了一种基于深度学习的时间延迟估计方法，用于水分配网络中的声学泄漏定位	提出了一种利用深度学习技术估计时间延迟的新方法，在低信噪比条件下表现出更高的准确性和鲁棒性	在高信噪比条件下，Res1D-CNN模型的性能不如GCC-SCOT和BCC	提高水分配网络中泄漏定位的准确性和鲁棒性	水分配网络中的声学泄漏定位	机器学习	NA	深度学习	Res1D-CNN	声学信号	通过实地测量验证了方法的有效性
14113	2024-10-18	Machine/deep learning-assisted hemoglobin level prediction using palpebral conjunctival images 2024-Oct, British journal of haematology IF:5.1Q1 DOI:10.1111/bjh.19621 PMID:39024119	研究论文	本研究利用智能手机拍摄的150张眼睑结膜图像，构建了机器/深度学习模型来预测血红蛋白水平	首次使用眼睑结膜图像进行血红蛋白水平的定量预测，并比较了非卷积神经网络和卷积神经网络模型的性能	卷积神经网络模型的性能提升有限，且对贫血样本的预测准确性有待提高	开发一种非侵入性的方法来预测血红蛋白水平	眼睑结膜图像和血红蛋白水平	计算机视觉	NA	卷积神经网络	CNN	图像	150张眼睑结膜图像，包括10名血红蛋白水平低于11 g/dL的患者
14114	2024-10-18	Deep learning for quantifying spatial patterning and formation process of early differentiated human-induced pluripotent stem cells with micropattern images 2024-Oct, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13346 PMID:38994744	研究论文	本文提出了一种深度学习方法，用于量化早期分化阶段人类诱导多能干细胞（hiPSCs）的空间模式和形成过程	本文创新性地使用U-net结构和算法，通过解码和编码Hoechst（DNA染色）hiPSC区域，以及比较荧光图像的强度来提取各胚层细胞区域，从而量化hiPSCs的干性	本文未详细讨论该方法在不同实验条件下的泛化能力和鲁棒性	研究目的是开发一种深度学习方法，用于量化早期分化阶段hiPSCs的空间模式和形成过程	研究对象是早期分化阶段的人类诱导多能干细胞（hiPSCs）及其在微图案上的空间模式	计算机视觉	NA	深度学习	U-net	图像	多个hiPSC系、不同微图案尺寸、不同标记组、活细胞和固定细胞的微图案图像
14115	2024-10-18	Applying machine learning to primate bioacoustics: Review and perspectives 2024-Oct, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.23666 PMID:39120066	综述	本文全面回顾了计算生物声学以及信号和语音处理技术在灵长类动物语音通信分析中的应用	探讨了从简单的监督算法到最新的自监督模型等机器学习和深度学习方法在处理和分析大规模数据集中的潜力	讨论了数据收集和注释方面的挑战，并提供了潜在解决方案的见解	探讨机器学习方法在灵长类动物语音通信分析中的应用和未来研究机会	灵长类动物的语音通信	机器学习	NA	机器学习、深度学习	监督学习、自监督学习	音频	大规模数据集
14116	2024-10-18	Image cropping for malaria parasite detection on heterogeneous data 2024-10, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.107022 PMID:39173888	研究论文	本文提出了一种基于深度学习的图像裁剪方法，用于在异质数据上早期和更准确地检测疟原虫	本文提出了一种图像预处理方法，以缓解由于患者多样性和数据中存在的其他伪影导致的红细胞特征多样性带来的挑战	NA	早期和更准确地检测疟原虫	疟原虫的检测	计算机视觉	疟疾	深度学习	卷积神经网络	图像	65,970张显微图像，来自876名不同患者，形成33,007张图像的数据集
14117	2024-10-18	Protein interactions in human pathogens revealed through deep learning 2024-Oct, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-024-01791-x PMID:39294458	研究论文	本文开发了一种名为RoseTTAFold2-Lite的快速深度学习模型，用于系统地识别和结构化表征人类病原体中的蛋白质相互作用	本文创新性地利用深度学习模型RoseTTAFold2-Lite，结合残基-残基共进化和蛋白质结构预测，实现了对蛋白质相互作用的大规模系统识别和结构表征	本文仅实验验证了12个预测的相互作用，且仅有一半得到验证，表明模型在实际应用中的准确性仍需进一步验证	本文旨在通过识别细菌蛋白质相互作用及其结构预测，帮助理解病原性机制并开发传染病治疗方案	本文主要研究对象为19种人类细菌病原体中的蛋白质相互作用及其结构	机器学习	传染病	深度学习	RoseTTAFold2-Lite	蛋白质	涉及19种人类细菌病原体中的7800万对蛋白质，识别出1923个涉及必需基因的复杂相互作用和256个涉及毒力因子的相互作用
14118	2024-10-18	Mpox outbreak: Time series analysis with multifractal and deep learning network 2024-Oct-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0236082 PMID:39413265	研究论文	本文分析了非洲、美洲和欧洲等受影响最严重的地区的mpox流行病学情况，并使用多重分形插值进行预处理，以揭示mpox传播趋势中的不规则和分形模式	本文利用多重分形测度探索mpox病例的异质性，并使用双向长短期记忆神经网络预测未来的mpox传播	NA	研究mpox的传播趋势并预测未来的爆发	mpox病例的传播趋势	机器学习	NA	多重分形插值	双向长短期记忆神经网络	时间序列数据	涉及非洲、美洲和欧洲的mpox病例数据
14119	2024-10-18	Leveraging artificial intelligence in vaccine development: A narrative review 2024-09, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2024.106998 PMID:39019262	综述	本文综述了人工智能在疫苗开发中的应用，重点关注抗原选择、表位预测、佐剂识别和优化策略	人工智能算法利用基因组数据、蛋白质结构和免疫系统相互作用来预测抗原表位、评估免疫原性并优先进行实验	数据异质性、模型可解释性和监管考虑是实现人工智能在疫苗开发中全部潜力的挑战	探讨人工智能在疫苗开发中的作用，加速安全有效疫苗的交付	疫苗开发中的抗原选择、表位预测、佐剂识别和优化策略	机器学习	NA	机器学习和深度学习	NA	基因组数据、蛋白质结构	NA
14120	2024-10-18	Approximating Intermediate Feature Maps of Self-Supervised Convolution Neural Network to Learn Hard Positive Representations in Chest Radiography 2024-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01032-x PMID:38381382	研究论文	本文提出了一种中间特征近似（IFA）损失，通过关注胸部X光片的正样本表示来改进对比卷积神经网络的性能	引入IFA损失，通过最大化原始数据和正样本对之间的中间特征输出的余弦相似度，来增强正样本表示的学习	未提及具体限制	改进对比学习在医学图像中的性能，特别是处理正样本表示的困难	胸部X光片（CXR）的正样本表示	计算机视觉	NA	对比学习	卷积神经网络（CNN）	图像	未提及具体样本数量