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
16121	2024-08-07	Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy 2024-May-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48575-9 PMID:38755148	研究论文	本文开发了一种零样本去卷积网络（ZS-DeconvNet），能够在无监督方式下即时提高光学荧光显微镜图像的分辨率	ZS-DeconvNet无需真实标签或额外数据采集，即可在多种成像模式下实现超分辨率成像	NA	开发一种无需大量高质量训练数据的计算超分辨率方法	光学荧光显微镜图像的分辨率增强	计算机视觉	NA	零样本学习	去卷积网络	图像	多种成像模式，包括全内反射荧光显微镜、三维宽场显微镜、共聚焦显微镜、双光子显微镜、光片显微镜和多模态结构光照明显微镜
16122	2024-08-07	Single-cell classification based on label-free high-resolution optical data of cell adhesion kinetics 2024-05-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61257-2 PMID:38755203	研究论文	本文介绍了一种基于无标记高分辨率光学数据的细胞粘附动力学单细胞分类方法	首次提出了一种基于无标记光学传感器的单细胞分类方法，无需标记或侵入性步骤，不影响细胞功能	NA	开发一种无标记的单细胞分类方法，并探索其在癌症研究和再生医学中的应用	健康细胞和多种癌细胞类型	数字病理学	癌症	光学传感器	深度神经网络	单细胞粘附动力学信号	约4500个单细胞粘附测量数据，包括正常前成骨细胞（MC3T3-E1）和多种癌细胞（HeLa，LCLC-103H，MDA-MB-231，MCF-7）
16123	2024-08-07	BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning 2024-May-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02529-9 PMID:38755563	研究论文	本研究通过开发一种名为BarlowTwins-CXR的自监督学习策略，旨在解决跨域转移学习中的域不一致问题，并提高异质胸部X光图像异常定位的性能	BarlowTwins-CXR方法通过自监督预训练和监督微调的两阶段训练过程，显著提高了模型在胸部X光图像异常定位的准确性和效率	NA	解决跨域转移学习中的域不一致问题，提高胸部X光图像异常定位的性能	异质胸部X光图像的异常定位	计算机视觉	NA	自监督学习	Resnet50, Faster R-CNN with Feature Pyramid Network (FPN)	图像	112,120张来自NIH数据集的图像和18,000张来自VinDr-CXR数据集的图像
16124	2024-08-07	A multi-view fusion lightweight network for CRSwNPs prediction on CT images 2024-May-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01296-3 PMID:38755567	研究论文	本文提出了一种用于CT图像上慢性鼻窦炎伴鼻息肉（CRSwNP）预测的多视图融合轻量级网络	开发了一种包含10层网络的迷你架构的多视图融合模型，通过修改深度残差神经网络实现	NA	旨在提高慢性鼻窦炎（CRS）的术前区分准确性，预测术后结果并进行个性化治疗	慢性鼻窦炎伴鼻息肉（CRSwNP）患者的CT扫描数据和病理活检结果	计算机视觉	慢性鼻窦炎	深度学习	CNN	图像	192名患者
16125	2024-08-07	A Perspective on Protein Structure Prediction Using Quantum Computers 2024-May-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00067 PMID:38703105	研究论文	本文探讨了使用量子计算机进行蛋白质结构预测的可能性	提出了一种框架，用于系统选择适合量子优势的蛋白质结构预测问题，并估计了量子资源需求	需要进一步验证和优化量子计算方法在蛋白质结构预测中的应用	探索量子计算机在蛋白质结构预测中的应用潜力	蛋白质结构预测问题	生物医学研究	NA	量子计算	NA	蛋白质结构数据	以Zika病毒NS3解旋酶的催化环为例进行验证
16126	2024-08-07	Improving the Prognostic Evaluation Precision of Hospital Outcomes for Heart Failure Using Admission Notes and Clinical Tabular Data: Multimodal Deep Learning Model 2024-May-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54363 PMID:38696251	研究论文	本研究旨在利用入院临床记录和易获取的表格数据，通过多模态深度学习模型提高心力衰竭（HF）患者医院结局评估的精确度。	本研究开发的多模态深度学习模型在所有测试集中表现优于单模态模型，表格数据有助于提高区分度，且病史和体格检查在早期评估中更为有用。	NA	设计一种多模态深度学习方法，以提高心力衰竭患者医院结局评估的精确度。	心力衰竭患者的医院结局评估。	机器学习	心血管疾病	深度学习	多模态深度学习模型	文本和表格数据	开发集包含9989名患者，内部验证集包含2497名患者，前瞻性验证集包含1896名患者，外部验证集包含7432名患者。
16127	2024-08-07	DeepFDR: A Deep Learning-based False Discovery Rate Control Method for Neuroimaging Data 2024-May, Proceedings of machine learning research PMID:38741695	研究论文	提出了一种基于深度学习的空间FDR控制方法DeepFDR，用于解决神经影像数据中的体素级多重检验问题	利用无监督深度学习图像分割技术，有效处理了脑部复杂的空间依赖性，提高了检验效能	NA	开发一种新的空间FDR控制方法，以提高神经影像数据分析的准确性和效率	神经影像数据中的体素级多重检验问题	计算机视觉	NA	深度学习	NA	图像	包括模拟数据和阿尔茨海默病FDG-PET图像分析
16128	2024-08-07	Corrigendum to: Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach 2024-Apr, Healthcare informatics research IF:2.3Q3 DOI:10.4258/hir.2024.30.2.168 PMID:38755108	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16129	2024-08-07	Optimal fusion of genotype and drug embeddings in predicting cancer drug response 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae227 PMID:38754407	研究论文	本文研究了如何最优地融合基因型和药物嵌入特征来预测癌症药物反应	本文通过实验发现，在原有的基于串联的架构DrugCell中注入基因和药物潜在特征之间的乘法关系，显著提高了预测性能	NA	探索如何最优地结合或融合基因组和药物特征来预测癌症药物反应	基因型特征和药物特征的融合方法	机器学习	癌症	深度学习	神经网络	基因组数据和药物特征数据	NA
16130	2024-08-07	Few-shot Tumor Bud Segmentation Using Generative Model in Colorectal Carcinoma 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3006418 PMID:38756441	研究论文	本文提出了一种基于DatasetGAN的生成模型方法，用于在结直肠癌中进行少样本肿瘤芽分割	利用DatasetGAN生成大量带有肿瘤芽掩码的图像，从而减少对大量标注数据的需求	NA	开发一种高效的标注分割模型，用于自动肿瘤芽检测和量化	结直肠癌中的肿瘤芽分割	数字病理学	结直肠癌	DatasetGAN	UNet++	图像	中等数量的未标注图像和少量标注图像
16131	2024-08-07	Model-Based Explainable Deep Learning for Light-Field Microscopy Imaging 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3387297 PMID:38656840	研究论文	本文提出了一种基于模型的可解释深度学习方法，用于光场显微镜成像，以观察神经元网络的信息处理	该方法结合了波动光学理论、稀疏表示和非线性优化与人工神经网络，设计了遵循精确信号和优化模型的神经网络架构，并采用了一种结合逐层训练和定制知识蒸馏的新颖训练策略	NA	开发一种新的计算方法，充分利用嵌入在物理和光学模型中的领域知识，同时实现高解释性和透明度	神经元网络的信息处理	计算机视觉	NA	光场显微镜成像	人工神经网络	图像	从散射的哺乳动物脑组织中获得的结构和功能光场显微镜数据
16132	2024-08-07	ET-Network: A novel efficient transformer deep learning model for automated Urdu handwritten text recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302590 PMID:38758731	研究论文	本文提出了一种名为ET-Network的新型高效Transformer深度学习模型，用于自动识别乌尔都语手写文本	ET-Network模型结合了EfficientNet的特征提取能力和Transformer的语言建模能力，通过自注意力层提取全局和局部特征，以捕捉长距离依赖关系	NA	提高乌尔都语手写文本的自动识别准确率	乌尔都语手写文本	自然语言处理	NA	Transformer	ET-Network	文本	使用了NUST-UHWR、UPTI2.0和MMU-OCR-21三个数据集进行训练和测试
16133	2024-08-07	A Hierarchical Spatial Transformer for Massive Point Samples in Continuous Space 2023-Dec, Advances in neural information processing systems PMID:38751689	研究论文	本文提出了一种新的分层空间变换器模型，用于处理连续空间中的大量点样本	引入了多分辨率表示学习在四叉树层次结构中，并通过粗略近似实现高效的空间注意力，设计了一个不确定性量化分支来估计与输入特征噪声和点稀疏性相关的预测置信度	NA	设计一种适用于连续空间中大量点样本的变换器模型	环境科学中的传感器观测、数值模拟中的粒子载流、天体物理学以及基于位置的服务中的POI和轨迹等数据	机器学习	NA	变换器模型	分层空间变换器	点样本	最多可达一百万点样本
16134	2024-08-07	Extracting social determinants of health from clinical note text with classification and sequence-to-sequence approaches 2023-07-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad071 PMID:37100768	研究论文	本文通过分类和序列到序列方法从临床笔记文本中提取健康社会决定因素（SDOH）	提出了两种不同的深度学习模型，分别采用分类和序列到序列（seq2seq）方法，以高准确度从临床文本中提取SDOH	模型在新医疗机构的文本上准确度下降，泛化性有待未来研究	从临床文本中提取健康社会决定因素（SDOH）	临床文本中的健康社会决定因素（SDOH）	自然语言处理	NA	深度学习	分类模型和序列到序列模型	文本	使用了来自MIMIC-III语料库、社会历史标注语料库和内部语料库的标注和未标注数据
16135	2024-08-07	Successive bootstrapping deep learning approach and airborne EM-borehole data fusion to understand salt water in the Mississippi River Valley Alluvial Aquifer 2024-Jul-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.172950 PMID:38703842	研究论文	本研究提出了一种利用航空电磁（AEM）数据进行岩性建模和盐度划分的框架，并应用于密西西比河谷冲积含水层（MRVA）的盐度分布研究	引入了深度学习人工神经网络（DL-ANN）模型和连续自举方法来估计总溶解固体，并结合电阻率数据估计氯化物浓度	NA	提高含水层特征描述和土壤盐度映射的准确性，以促进地下水的主动管理	密西西比河谷冲积含水层的盐度分布	NA	NA	航空电磁（AEM）	深度学习人工神经网络（DL-ANN）	电阻率数据	NA
16136	2024-08-07	Clinical outcome prediction with an automated EEG trend, Brain State of the Newborn, after perinatal asphyxia 2024-Jun, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2024.03.007 PMID:38583406	研究论文	本文评估了一种基于深度学习的全自动量化脑电图背景测量方法——新生儿脑状态（BSN），用于早期预测四岁时的临床结果。	BSN提供了一种自动、客观且连续的脑活动测量方法，揭示了脑恢复和结果预测的动态特性。	NA	评估BSN在早期预测新生儿临床结果中的效用。	80名连续新生儿在出生后几天的脑电图监测数据。	机器学习	NA	深度学习	NA	脑电图数据	80名新生儿，总共5427小时的数据
16137	2024-08-07	An efficient densenet-based deep learning model for Big-4 snake species classification 2024-May-28, Toxicon : official journal of the International Society on Toxinology IF:2.6Q3 DOI:10.1016/j.toxicon.2024.107744 PMID:38701904	研究论文	本文提出了一种基于DenseNet的深度学习模型，用于自动分类四大毒蛇种类，旨在通过图像识别技术预防蛇咬伤事件	采用DenseNet进行图像分类，实现了86%的高准确率，并计划将其集成到基于AI的蛇捕捉设备中	NA	开发一种基于迁移学习的图像分类算法，用于自动识别毒蛇和非毒蛇	四大毒蛇种类的分类	计算机视觉	NA	迁移学习	DenseNet	图像	NA
16138	2024-08-07	Prediction of electrical properties of GAAFET based on integrated learning model 2024-May-17, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ad2c52 PMID:38387100	研究论文	本文提出了一种结合深度学习和机器学习优势的集成学习模型，用于预测GAAFET的电特性	该集成学习模型在预测GAAFET的直流特性、电容特性和电气参数方面优于单独使用深度学习或机器学习方法	NA	开发一种快速且准确的预测GAAFET电特性的方法，为微电子器件和电路仿真及特性预测提供新思路	GAAFET的电特性	机器学习	NA	集成学习	集成学习模型	电气参数	NA
16139	2024-08-07	Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data 2024-05-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60781-5 PMID:38750084	研究论文	开发人工智能模型，利用纵向磁共振成像（MRI）数据预测脑转移瘤（BM）在接受立体定向放射手术（SRS）后的治疗反应，并评估随着连续MRI扫描次数增加的预测准确性变化	使用2D Conv-GRU模型在预测SRS后BM治疗反应方面优于其他模型，且随着随访研究次数的增加，预测准确性提高	NA	预测脑转移瘤在接受立体定向放射手术后的治疗反应	脑转移瘤的治疗反应	机器学习	脑转移瘤	MRI	Conv-GRU	图像	开发数据集包括194名患者的4次连续MRI扫描，共369个目标病灶；外部验证数据集包括43名患者的172次MRI扫描，共62个目标病灶
16140	2024-08-07	Learning peptide properties with positive examples only 2024-May-15, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00218g PMID:38756224	研究论文	本文利用半监督学习方法，仅使用已知的阳性样本，通过正未标记学习（PU）策略来预测多肽的多种性质	本文创新地仅使用阳性样本进行半监督学习，通过调整基础分类器和可靠负样本识别两种学习策略，构建深度学习模型	文章未提及具体的局限性	研究目的是通过仅使用阳性数据来预测多肽的溶解性、溶血性、SHP-2结合能力和非污损活性	研究对象是多肽序列及其相关性质	机器学习	NA	深度学习	深度学习模型	序列数据	文章未提及具体的样本数量