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
16701	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
16702	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
16703	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
16704	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
16705	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
16706	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
16707	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
16708	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
16709	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
16710	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
16711	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
16712	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
16713	2024-09-17	Robust deep learning object recognition models rely on low frequency information in natural images 2023-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010932 PMID:36972288	研究论文	研究探讨了深度学习模型在自然图像中依赖低频信息以提高鲁棒性的现象	提出低频信息偏好是提高模型鲁棒性的原因之一，并通过实验验证了这一假设	未详细探讨其他可能影响模型鲁棒性的因素	探讨机器学习模型在自然图像中依赖低频信息的原因及其对鲁棒性的影响	深度学习模型在自然图像中的鲁棒性	计算机视觉	NA	NA	NA	图像	未明确提及具体样本数量
16714	2024-09-17	Pure Isotropic Proton NMR Spectra in Solids using Deep Learning 2023-Feb-13, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202216607 PMID:36562545	研究论文	本文介绍了一种利用深度学习方法从二维魔角旋转谱中提取纯各向同性质子核磁共振谱的技术	提出了一种新的深度学习方法，能够从魔角旋转谱中提取高分辨率的纯各向同性质子核磁共振谱	该方法仅在8种有机固体上进行了验证	提高固体状态下质子核磁共振谱的分辨率	有机固体的质子核磁共振谱	机器学习	NA	核磁共振谱	深度学习模型	谱数据	8种有机固体
16715	2024-09-17	MOFormer: Self-Supervised Transformer Model for Metal-Organic Framework Property Prediction 2023-Feb-08, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.2c11420 PMID:36706365	研究论文	提出了一种基于Transformer模型的自监督学习方法MOFormer，用于金属有机框架（MOFs）的性质预测	MOFormer采用文本字符串表示MOF（MOFid）作为输入，避免了获取MOF的3D结构，加速了筛选过程，并通过自监督学习框架预训练模型，提高了预测准确性	NA	开发一种高效的深度学习方法，用于金属有机框架的性质预测	金属有机框架（MOFs）及其性质预测	机器学习	NA	Transformer模型	Transformer	文本	超过40万公开的MOF数据
16716	2024-09-17	Comparison of deep learning-based denoising methods in cardiac SPECT 2023-Feb-08, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00531-0 PMID:36752847	研究论文	本文比较了几种基于深度学习的去噪方法在心脏SPECT图像中的应用效果	本文首次系统比较了多种深度学习去噪模型在心脏SPECT图像中的去噪效果和缺陷检测性能	cGAN在去噪效果最佳的同时，缺陷检测性能最差	研究不同深度学习去噪模型在心脏SPECT图像中的去噪效果和缺陷检测性能差异	心脏SPECT图像的去噪效果和缺陷检测性能	计算机视觉	心血管疾病	深度学习	CNN, RES, UNET, cGAN	图像	使用全时间、半时间、三八分之一时间和四分之一时间采集的MPS研究数据进行训练和测试
16717	2024-09-17	Multi-scale, domain knowledge-guided attention + random forest: a two-stage deep learning-based multi-scale guided attention models to diagnose idiopathic pulmonary fibrosis from computed tomography images 2023-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16053 PMID:36254789	研究论文	本文提出了一种基于深度学习的多尺度引导注意力模型，结合随机森林分类器，用于从CT图像中诊断特发性肺纤维化	本文的创新点在于提出了一个两阶段模型，第一阶段使用多尺度、领域知识引导的注意力模型，第二阶段使用随机森林分类器，以提高模型的准确性和可解释性	本文的局限性在于仅使用了349名IPF患者和529名非IPF的ILD患者的CT扫描数据，样本量相对较小	本文的研究目的是开发一种基于深度学习的自动化系统，用于从CT扫描图像中诊断特发性肺纤维化	本文的研究对象是特发性肺纤维化患者和间质性肺疾病患者	计算机视觉	肺病	深度学习	多尺度引导注意力模型 + 随机森林	图像	349名IPF患者和529名非IPF的ILD患者
16718	2024-09-17	BrainGB: A Benchmark for Brain Network Analysis With Graph Neural Networks 2023-02, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3218745 PMID:36318557	研究论文	本文介绍了BrainGB，一个用于脑网络分析的图神经网络基准	首次系统研究如何设计有效的图神经网络用于脑网络分析，并提供了一个标准化流程和模块化实现	NA	填补图神经网络在脑网络分析中缺乏系统研究的空白	脑网络分析中的图神经网络设计	计算机视觉	NA	图神经网络 (GNN)	图神经网络 (GNN)	脑网络数据	跨群体和模态的数据集
16719	2024-09-17	A spatiotemporal machine learning approach to forecasting COVID-19 incidence at the county level in the USA 2023, International journal of data science and analytics IF:3.4Q2 DOI:10.1007/s41060-021-00295-9 PMID:35071733	研究论文	本文提出了一种基于时空机器学习的COVID-19发病率预测方法，特别针对美国县级水平	本文首次提出了COVID-LSTM模型，该模型基于长短期记忆深度学习架构，能够更准确地预测COVID-19的发病率，优于现有的COVIDhub-ensemble模型	本文未详细讨论数据驱动预测方法在其他疾病中的应用限制，也未深入探讨未来深度学习模型在疾病预测中的广泛应用可能性	研究目的是开发一种更准确的COVID-19发病率预测模型，以应对全球疫情的影响	研究对象是美国各县的COVID-19发病率	机器学习	传染病	长短期记忆（LSTM）深度学习	LSTM	时间序列数据	17周的评估期，4周的预测期
16720	2024-09-17	DeepEZ: A Graph Convolutional Network for Automated Epileptogenic Zone Localization From Resting-State fMRI Connectivity 2023-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3187942 PMID:35776823	研究论文	本文提出了一种基于静息态功能磁共振成像（rs-fMRI）数据的深度学习方法，用于自动定位癫痫发作区（EZ）	首次使用图卷积网络（GCN）进行EZ定位，并结合领域特定信息和学习到的个体偏差来提高准确性	研究样本量较小，仅包含14名患者，未来需在大规模数据集上验证	开发一种准确且无创的EZ定位工具，用于药物难治性癫痫的治疗计划	药物难治性癫痫患者的EZ定位	计算机视觉	癫痫	图卷积网络（GCN）	图卷积网络（GCN）	功能磁共振成像（fMRI）	14名患有局灶性癫痫的患者