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
19901	2024-09-08	NN-Poly: Approximating common neural networks with Taylor polynomials to imbue dynamical system constraints 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.968305 PMID:36425848	研究论文	提出了一种将常见神经网络近似为泰勒多项式的方法，以赋予动力系统约束，从而提高状态预测的准确性	通过将神经网络近似为泰勒多项式，确保了算法在遵循物理定律的同时保持状态预测的准确性	目前仅在单层神经网络和多项式训练数据上进行了评估，未来工作将扩展到高维动力系统数据	解决现有神经网络在动力系统预测中不遵循物理定律的问题	全连接感知器、卷积和递归神经网络及其激活函数	机器学习	NA	泰勒多项式近似	神经网络	动力系统数据	NA
19902	2024-09-08	Graph auto-encoding brain networks with applications to analyzing large-scale brain imaging datasets 2021-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2021.118750 PMID:34823023	研究论文	本文开发了一种非线性潜在因子模型，用于表征脑图的群体分布并推断其与人类特征的关系	提出了名为Graph AuTo-Encoding (GATE)的方法，通过深度学习技术对脑网络进行编码和解码，以分析大规模脑成像数据集	NA	研究从不同成像模式推断的人类脑连接组及其与人类特征（如认知）的关系	脑连接组及其与认知的关系	计算机视觉	NA	深度学习	图自编码器 (Graph AuTo-Encoding, GATE)	网络数据	两个大规模脑成像数据集：Adolescent Brain Cognitive Development (ABCD) 研究和 Human Connectome Project (HCP) 成人研究
19903	2024-09-08	A mixture-density-based tandem optimization network for on-demand inverse design of thin-film high reflectors 2021-Nov, Nanophotonics IF:6.5Q1 DOI:10.1515/nanoph-2021-0392 PMID:36425324	研究论文	本文介绍了一种基于混合密度网络和全连接网络的串联优化模型，用于薄膜高反射器的按需逆向设计	该模型结合了混合密度网络的多模态特性，能够访问由概率分布描述的无限候选设计，并通过全连接网络进行迭代采样和评估，从而实现快速优化	NA	开发一种高效且准确的逆向设计方法，用于薄膜高反射器的实际应用	薄膜高反射器的逆向设计	计算机视觉	NA	深度学习	混合密度网络（MDN）和全连接网络（FC）	光谱数据	20层薄膜结构
19904	2024-09-08	Q-space Conditioned Translation Networks for Directional Synthesis of Diffusion Weighted Images from Multi-modal Structural MRI 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87234-2_50 PMID:36383495	研究论文	提出了一种基于生成对抗网络的扩散加权图像合成框架，能够在任意q空间采样条件下从多模态结构MRI生成高质量的DWI	该方法通过线性调制内部表示以适应连续的q空间信息，避免了固定采样方案的需求，并能从任意子采样的DWI中估计高质量的微观结构图	NA	改进扩散MRI建模，提高DWI合成的准确性和保真度，增强下游应用的实用性	扩散加权图像（DWI）的合成	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA
19905	2024-09-08	Deep Learning-Based Cell Detection and Extraction in Thin Blood Smears for Malaria Diagnosis 2021-Apr-26, IEEE Applied Imagery Pattern Recognition Workshop : [proceedings]. IEEE Applied Imagery Pattern Recognition Workshop DOI:10.1109/AIPR52630.2021.9762109 PMID:36483328	研究论文	本文提出了一种基于深度学习的薄血涂片中细胞检测和提取框架，用于疟疾诊断	使用改进的Channel-wise Feature Pyramid Network for Medicine (CFPNet-M)深度学习网络进行细胞检测，并通过距离变换图像提高密集细胞的计数准确性	初步结果基于193名患者的数据，需要进一步验证和扩展	自动化疟疾诊断，解决传统显微镜检查的繁琐和误差问题	薄血涂片中的红细胞检测和提取	计算机视觉	疟疾	深度学习	CFPNet-M	图像	193名患者（包括148名感染患者和45名未感染患者）
19906	2024-09-08	A deep learning system accurately classifies primary and metastatic cancers using passenger mutation patterns 2020-02-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13825-8 PMID:32024849	研究论文	本文开发了一个深度学习系统，通过分析乘客突变模式来准确分类原发性和转移性癌症	该系统在独立样本上的准确率显著高于训练有素病理学家的诊断准确率	添加驱动突变信息反而降低了分类器的准确性	开发一种基于乘客突变模式预测癌症类型的深度学习分类器	2606个肿瘤样本，涵盖24种常见癌症类型	机器学习	NA	全基因组测序(WGS)	深度学习分类器	基因组数据	2606个肿瘤样本
19907	2024-09-07	Integrating multi-task and cost-sensitive learning for predicting mortality risk of chronic diseases in the elderly using real-world data 2024-Nov, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105567 PMID:39068894	研究论文	本文提出了一种结合多任务学习和成本敏感学习的深度学习框架，用于预测老年人慢性疾病的死亡风险	本文的创新点在于将多任务学习和成本敏感学习相结合，以解决慢性疾病患者共病和类别不平衡问题	NA	开发一种能够准确预测老年人慢性疾病死亡风险的深度学习框架	老年人慢性疾病的死亡风险	机器学习	NA	深度学习	深度神经网络	真实世界数据	482,145名患者（包括9,516例死亡）
19908	2024-09-07	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-Nov, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	本文提出了一种通过图-文本对齐和多粒度表示增强来提升分子性质预测性能的方法	通过对比损失和交叉注意力机制在嵌入空间中对齐和融合图和文本特征，并引入多粒度信息增强分子表示	未提及	提升分子性质预测的准确性	分子性质预测	机器学习	NA	对比损失、交叉注意力机制	NA	图、文本	未提及
19909	2024-09-07	CT-Net: an interpretable CNN-Transformer fusion network for fNIRS classification 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03138-4 PMID:38816665	研究论文	本文提出了一种基于卷积神经网络和Transformer的新方法CT-Net，用于功能性近红外光谱（fNIRS）分类，特别是用于心理算术任务的分类	CT-Net结合了卷积神经网络和Transformer的优点，设计了一种时间层次的原始色团信号组合，以提高数据利用率和模型特征学习能力	NA	探索和改进功能性近红外光谱（fNIRS）在心理算术任务分类中的应用	心理算术任务的分类	机器学习	NA	功能性近红外光谱（fNIRS）	卷积神经网络（CNN）和Transformer	光谱数据	两个公开数据集
19910	2024-09-07	A comparative analysis of different augmentations for brain images 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03127-7 PMID:38782880	研究论文	本文比较了不同数据增强方法对脑部CT图像的性能影响	本文首次将数据增强方法分为四类，并系统地分析了它们在脑部CT图像上的应用效果	本文仅限于脑部CT图像，未涵盖其他类型的医学图像	评估不同数据增强方法在脑部CT图像上的性能，以提高模型准确性和鲁棒性	脑部CT图像	计算机视觉	NA	数据增强	深度学习模型	图像	未明确提及具体样本数量
19911	2024-09-07	BranchLabelNet: Anatomical Human Airway Labeling Approach using a Dividing-and-Grouping Multi-Label Classification 2024-Oct, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03119-7 PMID:38777935	研究论文	本文介绍了一种名为BranchLabelNet的创新性气道标记方法，利用分治多标签分类技术对人类解剖学气道进行标记	BranchLabelNet方法考虑了气道的分形特性和固有的层次分支命名法，采用n-ary树结构管理复杂的分支数据，并通过分治多标签分类技术简化了气道分支的标记过程	NA	开发一种精确的气道标记方法，以辅助肺部疾病的诊断和治疗	人类解剖学气道及其分支	计算机视觉	肺部疾病	分治多标签分类	NA	图像	1000张胸部CT图像
19912	2024-09-07	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	研究论文	本文提出了一种基于深度学习的生成模型，用于模拟具有先天性心脏病的患者心脏解剖结构	本文提出了一种类型和形状解耦的生成方法，能够捕捉不同先天性心脏病类型的心脏解剖结构的广泛变化，并生成保留特定先天性心脏病类型独特拓扑结构的虚拟心脏解剖结构	本文的局限性在于仅在67名患者的数据集上进行了训练，未来需要更大规模的数据集进行验证	本文的研究目的是开发一种能够生成具有先天性心脏病患者心脏解剖结构的生成模型，以改进诊断和治疗计划	本文的研究对象是具有先天性心脏病的患者心脏解剖结构	计算机视觉	先天性心脏病	深度学习	生成模型	图像	67名患者，涵盖6种先天性心脏病类型和14种先天性心脏病类型组合
19913	2024-09-07	An In-Situ Visual Analytics Framework for Deep Neural Networks 2024-Oct, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3339585 PMID:38051629	研究论文	本文提出了一种用于深度神经网络训练的原位可视化分析框架	通过特征提取算法减少训练相关数据的规模，并实时进行可视化分析，使模型设计者能够实时干预训练过程	NA	解决深度神经网络训练中的复杂性和效率问题	深度神经网络的训练过程	计算机视觉	NA	特征提取算法	深度神经网络 (DNN)	时间序列数据	NA
19914	2024-09-07	KD-INR: Time-Varying Volumetric Data Compression via Knowledge Distillation-Based Implicit Neural Representation 2024-Oct, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3345373 PMID:38127599	研究论文	提出了一种基于知识蒸馏的隐式神经表示（KD-INR）方法，用于压缩大规模时变体积数据	通过空间压缩和模型聚合两阶段方法，结合隐式神经表示和知识蒸馏技术，实现了高效的时变体积数据压缩	未提及	解决传统深度学习算法在处理大规模时变数据时的挑战	时变体积数据	计算机视觉	NA	知识蒸馏，隐式神经表示	隐式神经表示模型	体积数据	多种时变体积数据集
19915	2024-09-07	Leveraging the Capabilities of AI: Novice Neurology-Trained Operators Performing Cardiac POCUS in Patients with Acute Brain Injury 2024-Oct, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-01953-z PMID:38506968	研究论文	研究探讨了在急性脑损伤患者中，使用深度学习算法辅助的AI系统帮助新手神经科医生进行心脏POCUS检查的效果	首次使用深度学习算法辅助AI系统指导新手神经科医生进行心脏POCUS检查，以获取诊断质量的心脏图像	研究样本量较小，且仅限于学术三级NICU中的神经科医生	评估在急性脑损伤患者中，新手神经科医生使用深度学习算法辅助的AI系统进行心脏POCUS检查的图像质量和临床管理变化	急性脑损伤患者和新手神经科医生	机器学习	急性脑损伤	深度学习算法	深度学习	图像	153名患者，184次扫描，共943张图像
19916	2024-09-07	Rotation Equivariant Proximal Operator for Deep Unfolding Methods in Image Restoration 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3383532 PMID:38557620	研究论文	本文提出了一种旋转等变近端网络，用于图像恢复任务中的深度展开方法	首次推导了任意层和任意旋转角度下近端网络的理论等变误差，并验证了其在不同视觉任务中的性能提升	当前的深度展开方法中的近端网络主要基于CNN架构，难以捕捉旋转对称性先验	解决现有深度展开方法在捕捉旋转对称性先验方面的不足，提升图像恢复任务的性能	图像恢复任务中的近端网络设计	计算机视觉	NA	深度展开方法	旋转等变近端网络	图像	NA
19917	2024-09-07	Prototype-Based Semantic Segmentation 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3387116 PMID:38598386	研究论文	本文提出了一种基于非学习原型的非参数语义分割方法，通过优化像素嵌入空间与锚定原型之间的排列来实现像素级预测	本文的创新点在于提出了一种基于非学习原型的非参数语义分割方法，与传统的全参数方法不同，该方法使用训练像素的平均特征作为原型，避免了每个类别需要学习单个权重或查询向量的复杂性	本文未明确提及现有方法的具体局限性，而是通过提出新的非参数方法来解决潜在问题	本文的研究目的是改进现有的语义分割模型设计，提出一种新的非参数方法来提高分割性能	本文的研究对象是语义分割模型及其在标准数据集和大词汇量场景中的表现	计算机视觉	NA	NA	FCN, Transformer	图像	本文未明确提及具体的样本数量
19918	2024-09-07	XGrad: Boosting Gradient-Based Optimizers With Weight Prediction 2024-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2024.3387399 PMID:38602857	研究论文	本文提出了一种名为XGrad的深度学习训练框架，通过在流行的基于梯度的优化器中引入权重预测来提升其收敛性和泛化能力	XGrad通过在每次小批量训练前预测未来权重，并应用于前向传播和反向传播，使得优化器在整个训练过程中始终利用未来权重的梯度来更新深度神经网络参数，从而实现更好的收敛性和泛化能力	NA	提升基于梯度的优化器在训练深度神经网络模型时的收敛性和泛化能力	深度神经网络模型的训练过程	机器学习	NA	权重预测	深度神经网络	NA	NA
19919	2024-09-07	Deep Learning Powers Protein Identification from Precursor MS Information 2024-Sep-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.4c00118 PMID:39167422	研究论文	本文提出了一种结合深度学习和逻辑回归的MS1特征识别方法MonoMS1，用于提高蛋白质鉴定的覆盖率	MonoMS1方法结合了深度学习预测保留时间和离子迁移率，以及逻辑回归评分，显著提高了MS1特征的识别率	NA	提高蛋白质鉴定的覆盖率	低丰度和宽动态范围样本中的蛋白质	蛋白质组学	NA	串联质谱（MS/MS）	深度学习	质谱数据	包括人血清蛋白质组样本和单细胞蛋白质组样本
19920	2024-09-07	High-Throughput and Integrated CRISPR/Cas12a-Based Molecular Diagnosis Using a Deep Learning Enabled Microfluidic System 2024-Sep-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c05734 PMID:39173188	研究论文	本文介绍了一种基于CRISPR/Cas12a和深度学习技术的高通量微流控系统，用于快速检测SARS-CoV-2及其变种	提出了icrofluidic multiplate-based ltrahigh hroughput nalysis of ARS-CoV-2 variants of concern using CRISPR/s12a和onextraction RT-LAMP (mutaSCAN)系统，显著提高了检测通量和集成度	NA	开发一种高通量、集成化的CRISPR/Cas12a分子诊断系统，用于快速检测SARS-CoV-2及其变种	SARS-CoV-2及其变种的快速检测	数字病理学	NA	CRISPR/Cas12a, RT-LAMP	深度学习	NA	22个野生型样本和26个突变样本