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
16281	2024-09-17	Heavy tails and pruning in programmable photonic circuits for universal unitaries 2023-Apr-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37611-9 PMID:37012281	研究论文	本文研究了可编程光子电路中旋转操作符的重尾分布特性，并通过设计修剪多余旋转操作符来实现高保真度的通用幺正操作	揭示了可编程光子电路中旋转操作符的重尾分布特性，并提出了通过修剪多余旋转操作符来提高幺正操作的保真度和能量效率	NA	开发高维幺正操作的硬件，以实现量子计算和深度学习加速	可编程光子电路中的旋转操作符及其分布特性	量子计算	NA	光子平台	NA	NA	NA
16282	2024-09-17	MVDroid: an android malicious VPN detector using neural networks 2023-Apr-03, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08512-1 PMID:37362571	研究论文	本文提出了一种基于神经网络的安卓恶意VPN检测器MVDroid，并通过实验验证了其高准确性	本文提出了一种优化的深度学习神经网络，用于基于应用权限识别虚假和感染恶意软件的VPN，并引入了一个新的恶意和良性安卓VPN数据集	NA	识别安卓设备上的恶意VPN	安卓设备上的VPN应用	机器学习	NA	深度学习神经网络	神经网络	应用权限数据	包含恶意和良性VPN的新数据集
16283	2024-09-17	Update on the Use of Artificial Intelligence in Hepatobiliary MR Imaging 2023-Apr-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2022-0102 PMID:36697024	综述	本文综述了机器学习和深度学习在肝胆MRI影像中的应用及其最新进展	本文旨在解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果	大多数临床医生对机器学习和深度学习不熟悉，且之前的相关研究较难理解	解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果	机器学习和深度学习在肝胆MRI影像中的应用	计算机视觉	肝胆疾病	机器学习深度学习	NA	影像	NA
16284	2024-09-17	A 3D Tumor-Mimicking In Vitro Drug Release Model of Locoregional Chemoembolization Using Deep Learning-Based Quantitative Analyses 2023-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202206195 PMID:36793129	研究论文	本文开发了一种基于深度学习的3D肿瘤模拟体外药物释放模型，用于局部化疗栓塞的定量分析	首次结合深度学习进行计算分析，定量评估局部药物释放的关键参数，并建立了与人体结果长达80天的体外-体内相关性	NA	开发一种新的体外模型，以深入了解肿瘤内药物释放行为	肝细胞癌（HCC）的局部化疗栓塞治疗	数字病理学	肝癌	深度学习	NA	图像	NA
16285	2024-09-17	Unlocking the microbial studies through computational approaches: how far have we reached? 2023-Apr, Environmental science and pollution research international DOI:10.1007/s11356-023-26220-0 PMID:36920617	综述	本文综述了计算方法在微生物研究中的应用进展	本文介绍了人工智能（特别是机器学习和深度学习）在微生物学中的应用，包括疾病预测、环境污染物追踪和环境质量评估	NA	探讨计算方法在微生物基因组学、蛋白质组学、功能多样性、疫苗开发和药物设计中的应用	微生物基因组、蛋白质组、功能多样性、疫苗和药物设计	机器学习	NA	机器学习（ML）和深度学习（DL）	NA	基因组序列和蛋白质组数据	NA
16286	2024-09-17	Automatic measurement of anterior chamber angle parameters in AS-OCT images using deep learning 2023-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.481419 PMID:37078037	研究论文	本文提出了一种基于深度学习的自动测量前房角参数的方法，用于AS-OCT图像中的虹膜根部和巩膜突的检测	本文创新性地结合了卷积神经网络和Transformer模型，以捕捉局部和全局特征，从而提高了前房角参数测量的准确性	NA	开发一种自动检测AS-OCT图像中虹膜根部和巩膜突的深度学习方法，以测量前房角参数	AS-OCT图像中的虹膜根部和巩膜突	计算机视觉	青光眼	深度学习	卷积神经网络和Transformer模型	图像	3305张AS-OCT图像，来自362只眼睛和203名患者
16287	2024-09-17	Quantifying the drug response of patient-derived organoid clusters by aggregated morphological indicators with multi-parameters based on optical coherence tomography 2023-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.486666 PMID:37078050	研究论文	开发了一种基于光学相干断层扫描（OCT）的无标记、连续跟踪成像和定量分析药物疗效的方法，用于患者来源的类器官（PDOs）	引入了一种基于深度学习网络（EGO-Net）的类器官分割和形态定量分析方法，并结合主成分分析（PCA）建立了综合形态指标（AMI），用于定量评估PDOs对药物梯度浓度和组合的响应	NA	开发一种高效的方法来定量评估患者来源的类器官（PDOs）对药物的响应	患者来源的类器官（PDOs）及其对药物的响应	数字病理学	NA	光学相干断层扫描（OCT）	深度学习网络（EGO-Net）	图像	NA
16288	2024-09-17	Recognition of Abnormal-Laying Hens Based on Fast Continuous Wavelet and Deep Learning Using Hyperspectral Images 2023-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s23073645 PMID:37050705	研究论文	提出了一种基于快速连续小波变换和深度学习的超光谱图像识别异常产蛋母鸡的方法	结合超光谱成像技术、快速连续小波变换数据分析方法和卷积神经网络深度学习模型，实现了对低产蛋母鸡和正常母鸡的高精度识别	NA	解决商业农场中低产蛋母鸡的识别问题	低产蛋母鸡和正常产蛋母鸡	计算机视觉	NA	超光谱成像	卷积神经网络 (CNN)	图像	两种不同类型的母鸡的超光谱图像数据集
16289	2024-09-17	Machine Learning for Uncovering Biological Insights in Spatial Transcriptomics Data 2023-Mar-29, ArXiv PMID:37033464	研究论文	本文总结了空间转录组学数据分析中机器学习的主要目标和当前趋势，并介绍了四个数据科学概念和相关启发式方法，以帮助从业者选择合适的工具	本文介绍了机器学习在空间转录组学数据分析中的应用，特别是深度学习技术的创新工具，以帮助解析复杂生物系统中的信号	本文主要总结了当前的趋势和方法，但未深入探讨具体的技术细节或提供实际案例分析	探讨机器学习在空间转录组学数据分析中的应用，以增强对健康和疾病中多细胞系统发育和稳态过程的理解	空间转录组学数据及其在生物系统中的应用	机器学习	NA	机器学习	深度学习	空间转录组学数据	NA
16290	2024-09-17	An intrinsically interpretable neural network architecture for sequence to function learning 2023-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.25.525572 PMID:36747873	研究论文	介绍了一种名为tiSFM的深度学习架构，用于从序列到功能的预测，并展示了其在开放染色质区域预测中的优越性能	tiSFM不仅在性能上优于标准的多层卷积模型，而且其内部参数具有内在的可解释性，能够直接关联到相关的序列基序	NA	开发一种具有内在可解释性的深度学习模型，用于预测基因组功能输出	开放染色质区域和转录因子在造血分化中的作用	机器学习	NA	深度学习	多层神经网络	序列数据	涉及多种造血谱系细胞类型
16291	2024-09-17	Multimodality Imaging of COVID-19 Using Fine-Tuned Deep Learning Models 2023-Mar-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071268 PMID:37046486	研究论文	本研究使用微调的深度学习模型对COVID-19进行多模态影像诊断	本研究提出了使用五种最新的深度学习算法（EfficientB0, VGG-19, DenseNet121, EfficientB7, 和 MobileNetV2）对CT扫描和胸部X光图像进行COVID-19诊断，并在精度、敏感性、特异性、F1分数、准确性和数据访问时间方面优于现有最先进的方法	NA	旨在通过微调的深度学习模型快速诊断COVID-19，以应对临床医生短缺的问题	COVID-19病毒的CT扫描和胸部X光图像	计算机视觉	COVID-19	深度学习	EfficientB0, VGG-19, DenseNet121, EfficientB7, MobileNetV2	图像	NA
16292	2024-09-17	DiffNILM: A Novel Framework for Non-Intrusive Load Monitoring Based on the Conditional Diffusion Model 2023-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s23073540 PMID:37050600	研究论文	本文介绍了一种基于条件扩散模型的新型非侵入式负载监测框架DiffNILM	利用扩散概率模型区分单个电器的能耗模式，从随机高斯噪声开始，通过条件采样器迭代重建目标波形	NA	推进非侵入式负载监测技术的发展	家庭能耗的详细分析和优化管理	机器学习	NA	扩散概率模型	条件扩散模型	能耗数据	两个公开数据集REDD和UKDALE
16293	2024-09-17	BC2NetRF: Breast Cancer Classification from Mammogram Images Using Enhanced Deep Learning Features and Equilibrium-Jaya Controlled Regula Falsi-Based Features Selection 2023-Mar-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13071238 PMID:37046456	研究论文	提出了一种新的自动化计算机框架BC2NetRF，用于从乳腺X光图像中进行乳腺癌分类	引入了雾霾减少的局部-全局增强技术，改进了图像对比度，并使用Equilibrium-Jaya控制的Regula Falsi特征选择算法优化特征	NA	提高乳腺癌分类的准确性	乳腺X光图像	计算机视觉	乳腺癌	深度学习	EfficientNet-b0	图像	使用了两个公开数据集CBIS-DDSM和INbreast，分别达到了95.4%和99.7%的平均准确率
16294	2024-09-17	An Evaluation of Non-Contact Photoplethysmography-Based Methods for Remote Respiratory Rate Estimation 2023-Mar-23, Sensors (Basel, Switzerland) DOI:10.3390/s23073387 PMID:37050444	研究论文	本文评估了基于非接触式光电容积描记术（PPG）的远程呼吸率估算方法	本文首次系统评估了公开数据集上提出的方法，解决了当前阻碍公平比较的问题	本文仅评估了两种PPG处理方法，未涵盖所有可能的技术	评估不同PPG处理方法在远程呼吸率估算中的性能	呼吸率（RR）估算方法	生物医学工程	NA	光电容积描记术（PPG）	深度学习	图像	使用了公开的BP4D+数据集
16295	2024-09-17	Posterior Estimation Using Deep Learning: A Simulation Study of Compartmental Modeling in Dynamic PET 2023-Mar-17, ArXiv PMID:36994161	研究论文	本文研究了使用深度学习方法在动态PET成像中进行隔室模型后验估计的模拟研究	本文提出了基于变分贝叶斯推断框架的两种深度神经网络模型（CVAE-dual-encoder和CVAE-dual-decoder），用于高效估计成像参数的后验分布	本文仅在模拟研究中验证了方法的有效性，尚未在实际临床数据中进行验证	利用深度学习方法高效估计成像参数的后验分布，并推导出最可能的参数及其不确定性	动态脑PET成像中的隔室模型参数	计算机视觉	NA	深度学习	条件变分自编码器（CVAE）	图像	模拟数据
16296	2024-09-17	Structure-Based Neural Network Protein-Carbohydrate Interaction Predictions at the Residue Level 2023-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.14.531382 PMID:36993750	研究论文	本文介绍了两种深度学习模型CAPSIF，用于预测蛋白质上的碳水化合物结合位点	提出了两种新的深度学习模型CAPSIF:V和CAPSIF:G，用于预测蛋白质上的碳水化合物结合位点，并展示了它们在实验和预测结构上的表现	CAPSIF:V在某些情况下表现优于CAPSIF:G，但仍存在改进空间	开发可靠的计算工具来预测蛋白质上的碳水化合物结合位点	蛋白质和碳水化合物的相互作用	机器学习	NA	深度学习	3D-UNet和图神经网络	蛋白质结构	NA
16297	2024-09-17	High-Resolution 3D Magnetic Resonance Fingerprinting With a Graph Convolutional Network 2023-03, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3216527 PMID:36269931	研究论文	本文提出了一种使用图卷积网络（GCN）的高分辨率3D磁共振指纹技术，以实现更快的组织定量和更高的加速因子	本文创新性地使用图卷积网络替代传统的GRAPPA方法，实现了更高的加速因子和更准确的组织定量	NA	提高3D磁共振指纹技术的加速因子和组织定量精度	3D磁共振指纹技术中的组织定量	计算机视觉	NA	磁共振指纹技术（MRF）	图卷积网络（GCN）	图像	NA
16298	2024-09-17	Posterior estimation using deep learning: a simulation study of compartmental modeling in dynamic positron emission tomography 2023-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16078 PMID:36331429	研究论文	本文使用深度学习方法在动态正电子发射断层扫描（PET）中进行隔室模型后验估计的模拟研究	提出基于变分贝叶斯推断框架的深度学习方法，使用条件变分自编码器（CVAE）及其变体进行后验分布估计	CVAE-vanilla的性能不如CVAE-dual-encoder和CVAE-dual-decoder	利用深度学习高效估计成像参数的后验分布，并推导出最可能的参数及其不确定性	动态脑PET成像中的后验分布估计	计算机视觉	NA	深度学习	条件变分自编码器（CVAE）	图像	模拟研究中的动态脑PET成像数据
16299	2024-09-17	Model-informed unsupervised deep learning approaches to frequency and phase correction of MRS signals 2023-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29498 PMID:36367249	研究论文	本文研究了无监督深度学习方法在磁共振波谱（MRS）信号的频率和相位校正（FPC）中的可行性和效率	提出了两种基于深度学习的FPC方法，并利用先验物理领域知识进行训练和评估	NA	探讨无监督深度学习在MRS数据频率和相位校正中的应用	MRS信号的频率和相位校正	机器学习	NA	深度学习	深度神经网络	磁共振波谱数据	使用了模拟数据、幻影数据和公开的体内MEGA-edited MRS数据进行训练、验证和评估
16300	2024-09-17	Predicting childhood and adolescent attention-deficit/hyperactivity disorder onset: a nationwide deep learning approach 2023-03, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-022-01918-8 PMID:36536075	研究论文	本文利用深度学习方法预测儿童和青少年注意力缺陷多动障碍（ADHD）的发病	首次使用深度神经网络（DNN）模型在瑞典注册数据上预测儿童和青少年ADHD的发病，并取得了良好的区分效果	研究结果需要在不同人群中进行验证，并纳入新的预测因子	开发一种能够预测儿童和青少年ADHD发病的模型，以减少误诊	儿童和青少年ADHD的发病预测	机器学习	精神疾病	深度神经网络（DNN）	深度神经网络（DNN）	注册数据	238,696名1995年至1999年间出生并居住在瑞典的人