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
401	2024-08-30	Interpretable Deep Learning Model Reveals Subsequences of Various Functions for Long Non-Coding RNA Identification 2022, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2022.876721 PMID:35685437	研究论文	本文介绍了一种名为Xlnc1DCNN的工具，用于通过一维卷积神经网络区分长非编码RNA（lncRNA）和蛋白质编码转录本（PCT），并提供预测解释	Xlnc1DCNN不仅在准确性和F1分数上优于其他现有工具，还提供了预测结果的解释，揭示了lncRNA和PCT的主要识别特征	NA	开发一种能够有效区分lncRNA和PCT的计算工具，并提供预测结果的解释	长非编码RNA（lncRNA）和蛋白质编码转录本（PCT）	机器学习	NA	下一代测序技术	一维卷积神经网络（1DCNN）	序列数据	人类测试集
402	2024-08-30	PSegNet: Simultaneous Semantic and Instance Segmentation for Point Clouds of Plants 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9787643 PMID:35693119	研究论文	本文提出了一种名为PSegNet的深度学习网络，用于植物点云的语义和实例分割	引入了Voxelized Farthest Point Sampling (VFPS)点云下采样策略和三个新模块：Double-Neighborhood Feature Extraction Block (DNFEB)、Double-Granularity Feature Fusion Module (DGFFM)和Attention Module (AM)	未提及	提高植物表型分析中对植物生长监测的自动化水平	植物的叶子和茎的3D点云	计算机视觉	NA	深度学习	PSegNet	点云	涉及三种植物物种的数据集
403	2024-08-30	Development and Validation of a Deep Learning Based Automated Minirhizotron Image Analysis Pipeline 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9758532 PMID:35693120	研究论文	开发并验证了一种基于深度学习的自动化微根窗图像分析流程	结合了先进的软件工具，使用深度神经网络和自动特征提取，显著减少了微根窗图像的处理时间	NA	开发一种用于高通量图像分析的客观方法，为田间根系表型分析提供数据	作物根系及其在农业生态系统中的作用	计算机视觉	NA	深度神经网络	神经网络模型	图像	超过36,500张图像
404	2024-08-30	Deep Learning-Based Automated Detection of Arterial Vessel Wall and Plaque on Magnetic Resonance Vessel Wall Images 2022, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2022.888814 PMID:35720719	研究论文	本文开发并评估了一种基于深度学习的动脉血管壁和斑块自动分割方法，该方法有助于在磁共振血管壁成像中进行动脉形态学定量分析	提出的自动分割方法在分割动脉血管壁和斑块方面与手动方法具有良好的一致性，并且比传统U-Net、Attention U-Net和Inception U-Net在相同测试集上表现更好	NA	开发和评估一种自动分割动脉血管壁和斑块的方法，以促进动脉形态学在磁共振血管壁成像中的定量分析	动脉血管壁和斑块的自动分割	计算机视觉	心血管疾病	磁共振血管壁成像	卷积神经网络	图像	124名患有动脉粥样硬化斑块的患者
405	2024-08-29	DOTA: Deep Learning Optimal Transport Approach to Advance Drug Repositioning for Alzheimer's Disease 2022-01-24, Biomolecules IF:4.8Q1 DOI:10.3390/biom12020196 PMID:35204697	研究论文	本文开发了一种名为DOTA的新型深度学习方法，用于重新定位FDA批准的药物，以治疗阿尔茨海默病	DOTA方法结合了多模态自编码器和Wasserstein变分自编码器，用于整合异质药物信息并识别有效的阿尔茨海默病药物	NA	开发一种新的深度学习方法，用于药物重新定位，以治疗阿尔茨海默病	FDA批准的药物，特别是具有昼夜节律效应的抗精神病药物	机器学习	阿尔茨海默病	深度学习	自编码器	药物信息	涉及多种抗精神病药物，如quetiapine, aripiprazole, risperidone等
406	2024-08-29	Contour-aware semantic segmentation network with spatial attention mechanism for medical image 2022, The Visual computer DOI:10.1007/s00371-021-02075-9 PMID:33642659	研究论文	本文提出了一种基于Unet的轮廓感知语义分割网络，用于医学图像分割	引入语义分支和细节分支，分别提取语义特征和增强轮廓信息，并设计MulBlock模块和空间注意力模块（CAM）以提高网络的表示能力	NA	开发适用于临床环境的计算机辅助系统中的医学图像分割技术	医学图像分割	计算机视觉	NA	深度学习	Unet	图像	NA
407	2024-08-29	Civil airline fare prediction with a multi-attribute dual-stage attention mechanism 2022, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-021-02602-0 PMID:34764615	研究论文	本文提出了一种基于多属性双阶段注意力机制的民航票价预测系统	引入了多属性双阶段注意力（MADA）机制，结合不同类型的数据，并通过Seq2Seq模型在编码器和解码器中加入注意力机制，以提高预测准确性	未提及具体限制	提高民航票价预测的准确性	民航票价预测系统	机器学习	NA	Seq2Seq模型	MADA	时间序列数据	实际民航数据集
408	2024-08-29	An optimal deep learning framework for multi-type hemorrhagic lesions detection and quantification in head CT images for traumatic brain injury 2022, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-021-02782-9 PMID:34764620	研究论文	本文提出了一种优化的深度学习框架，用于通过头部CT扫描图像检测和量化创伤性脑损伤中的多种类型出血性病变	该框架通过将原始输入数据从3D DICOM转换为NIfTI，并应用预训练的多类语义分割模型和微调的分类神经网络，实现了对出血性病变亚型的精确检测和量化评估	NA	旨在辅助创伤性脑损伤中颅内出血的诊断和准确检测不同亚型	创伤性脑损伤中的颅内出血及其亚型	计算机视觉	创伤性脑损伤	深度学习	CNN	图像	涉及三种类型的出血性病变
409	2024-08-29	A Novel Deep Learning Network and Its Application for Pulmonary Nodule Segmentation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/7124902 PMID:35619752	研究论文	本文提出了一种基于U-NET的新型深度学习网络，用于肺结节CT图像的分割	该网络引入了密集连接以传输和利用特征，并引入了一种新的损失函数，对结节边界附近的像素具有容忍性	NA	提高肺结节轮廓分割的准确性，从而帮助医生提高诊断效率	肺结节	计算机视觉	肺癌	深度学习	U-NET	图像	NA
410	2024-08-29	PANDORA: A Fast, Anchor-Restrained Modelling Protocol for Peptide: MHC Complexes 2022, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2022.878762 PMID:35619705	研究论文	本文介绍了一种名为PANDORA的快速、锚定约束的肽:MHC复合物建模协议	PANDORA是一种通用的建模管道，适用于pMHC I类和II类复合物，通过锚定约束能量最小化确保了迄今为止最快的pMHC建模速度，并在准确性和速度上优于AlphaFold2	NA	深入理解T细胞介导的适应性免疫反应，为癌症免疫疗法和抗大流行病毒疫苗的设计提供支持	肽:MHC复合物的三维结构及其在T细胞识别机制和免疫疗法设计中的应用	计算机视觉	NA	NA	NA	结构模型	835个pMHC I类复合物，涵盖78种MHC类型
411	2024-08-29	The Classification of Music and Art Genres under the Visual Threshold of Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4439738 PMID:35634048	研究论文	本文开发了一种基于深度学习的音乐流派分类技术（DLE-MGC），通过预处理、分类和超参数优化三个子过程有效分类音乐流派	提出了一种新的DLE-MGC技术，使用Pitch2vec方法进行预处理，并设计了结合猫群优化（CSO）和双向长短期记忆（BiLSTM）模型的分类方法	需要大量音乐数据进行训练，且预处理和模型训练过程可能较为耗时	开发一种有效的音乐流派分类系统	音乐流派分类	机器学习	NA	深度学习	BiLSTM	音乐数据	使用了Lakh MIDI音乐数据集
412	2024-08-29	Efficient Liver Segmentation from Computed Tomography Images Using Deep Learning 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2665283 PMID:35634046	研究论文	本文提出了一种基于深度学习的方法，使用堆叠自编码器（SAE）从CT图像中高效分割肝脏区域	该方法采用基于补丁的学习方式，通过预处理和转换图像为重叠补丁，利用SAE进行无监督特征学习，最终在监督方式下进行分类，生成概率图	NA	提高CT图像中肝脏分割的准确性，为计算机辅助决策支持和精确医疗诊断提供量化生物标志物	肝脏在CT图像中的分割	计算机视觉	NA	堆叠自编码器（SAE）	SAE	图像	整个数据集被预处理并转换为多个重叠补丁
413	2024-08-29	PFP-LHCINCA: Pyramidal Fixed-Size Patch-Based Feature Extraction and Chi-Square Iterative Neighborhood Component Analysis for Automated Fetal Sex Classification on Ultrasound Images 2022, Contrast media & molecular imaging DOI:10.1155/2022/6034971 PMID:35655731	research paper	本文介绍了一种名为PFP-LHCINCA的新型特征工程模型，用于自动化的超声图像胎儿性别分类	采用金字塔固定尺寸补丁生成与平均池化图像分解，结合局部相位量化（LPQ）和方向梯度直方图（HOG）提取方向和纹理特征，并使用卡方迭代邻域成分分析（CINCA）进行特征选择	模型架构可进一步发展为深度学习模型以适应更大规模的数据集	开发一种高效的超声图像胎儿性别分类模型，以促进筛查并减少误诊	胎儿性别分类	computer vision	NA	local phase quantization (LPQ), histogram of oriented gradients (HOG)	shallow classifiers	image	339名男性和332名女性的胎儿超声图像
414	2024-08-28	Use of Multi-Modal Data and Machine Learning to Improve Cardiovascular Disease Care 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.840262 PMID:35571171	综述	本文综述了利用多模态数据和机器学习技术改进心血管疾病护理的最新研究	介绍了数据融合技术在整合电子病历、放射影像和遗传数据库等多模态数据中的应用，以提供针对心血管医学的科学和临床见解	NA	探讨如何利用最新的数据融合技术在心血管医学领域提供科学和临床见解	心血管疾病	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	NA	多模态数据（电子病历、放射影像、遗传数据库等）	NA
415	2024-08-28	Predicting antibody binders and generating synthetic antibodies using deep learning 2022 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2022.2069075 PMID:35482911	研究论文	本文利用深度学习技术预测抗体结合物并生成合成抗体	首次将抗体的轻链和重链互补决定区（CDR3s）编码为抗体图像，并使用卷积神经网络模型进行分类，同时构建生成对抗网络模型生成合成抗体	NA	探索深度学习在抗体工程、优化和发现中的应用	抗体结合物和合成抗体	机器学习	NA	深度学习	卷积神经网络（CNN）和生成对抗网络（GAN）	序列数据	包含结合物和非结合物抗体序列的面板
416	2024-08-28	State-of-the-art violence detection techniques in video surveillance security systems: a systematic review 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.920 PMID:35494848	综述	本研究对视频监控安全系统中的暴力检测技术进行了系统的调查和分析，旨在全面了解当前暴力检测研究的现状并预测其未来趋势。	NA	NA	解决视频暴力检测中的问题，评估现有方法，并讨论和识别该领域中的开放问题。	视频暴力检测技术及其相关数据集。	计算机视觉	NA	深度学习, 机器学习	NA	视频	分析了80篇研究论文，这些论文是从154篇论文中筛选出来的。
417	2024-08-28	Negation and uncertainty detection in clinical texts written in Spanish: a deep learning-based approach 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.913 PMID:35494817	研究论文	本文提出了一种基于深度学习的西班牙语临床文本中否定和不确定性检测方法	该方法结合了双向长短期记忆网络与条件随机场层（BiLSTM-CRF）和双向编码器表示变换器（BERT）两种深度学习技术，专门针对西班牙语临床文本中的否定和不确定性检测	NA	开发一种有效的深度学习方法来检测西班牙语临床文本中的否定和不确定性	西班牙语临床文本中的否定和不确定性	自然语言处理	NA	深度学习	BiLSTM-CRF, BERT	文本	使用了NUBES和IULA两个公开的西班牙语语料库，以及来自癌症患者的真实临床笔记注释数据集
418	2024-08-28	Efficient Framework for Detection of COVID-19 Omicron and Delta Variants Based on Two Intelligent Phases of CNN Models 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4838009 PMID:35495884	研究论文	本文提出了一种基于卷积神经网络（CNN）的两阶段智能框架，用于高效检测COVID-19的Omicron和Delta变种	该框架利用迁移学习和参数优化技术，通过X射线和CT扫描图像在早期阶段识别COVID-19，实现了高灵敏度、特异性和准确性	NA	开发一种成本更低、速度更快的诊断方法，以应对COVID-19变种导致的医疗系统崩溃	COVID-19的Omicron和Delta变种	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	NA
419	2024-08-28	Joint Dense Residual and Recurrent Attention Network for DCE-MRI Breast Tumor Segmentation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/3470764 PMID:35498198	研究论文	本文提出了一种基于动态对比增强磁共振成像（DCE-MRI）的自动准确的两阶段U-Net分割框架，用于乳腺癌肿瘤检测	该框架在第一阶段使用改进的U-Net模型自动描绘乳腺感兴趣区域（ROI），第二阶段结合膨胀卷积的密集残差模块和循环注意力模块，提高了肿瘤与健康组织的分割准确性	NA	提高基于MRI的深度学习技术在乳腺癌肿瘤自动识别中的准确性	乳腺癌肿瘤的自动分割	计算机视觉	乳腺癌	DCE-MRI	U-Net	MRI数据	160例乳腺癌肿瘤病例
420	2024-08-28	TA-Net: Topology-Aware Network for Gland Segmentation 2022-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv51458.2022.00330 PMID:35509894	研究论文	本文提出了一种新的拓扑感知网络（TA-Net），用于准确分离密集聚集和严重变形的腺体	TA-Net采用多任务学习架构，通过学习实例分割和腺体拓扑估计的共享表示来增强腺体分割的泛化能力	NA	解决在组织病理学图像分析中准确分割密集聚集腺体的挑战	腺体分割	计算机视觉	NA	深度学习	CNN	图像	使用了GlaS和CRAG数据集