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
361	2024-08-05	Multitask Deep Ensemble Prediction of Molecular Energetics in Solution: From Quantum Mechanics to Experimental Properties 2023-Jan-06, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c01024 PMID:36607141	研究论文	本文提出了一种多任务深度集成模型sPhysNet-MT-ens5，能够同时准确预测分子在气相、水相和辛醇相的电子能量及转移自由能	该模型通过任务集成，克服了传统特定任务模型的局限，能在各种条件下高效预测分子能量	模型的表现可能受限于所使用的量子力学计算水平和训练数据的多样性	研究目标是开发能同时进行多种分子能量预测的机器学习模型	研究对象为包含678,916个分子构象的Frag20-solv-678k数据集，以及相关的实验数据集	机器学习	NA	量子力学计算	深度学习	分子构象数据	678,916个分子构象
362	2024-08-05	A Hybrid Intelligence Approach for Circulating Tumor Cell Enumeration in Digital Pathology by Using CNN and Weak Annotations 2023, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2023.3343701 PMID:38957613	研究论文	该论文提出了一种混合智能方法，通过结合细胞病理学家专业知识和深度学习卷积神经网络的效率，自动计数循环肿瘤细胞。	创新之处在于将蔡细胞病理学家的专业技能与深度学习技术相结合，实现了循环肿瘤细胞的自动计数。	此研究依赖于图像数据集，可能存在数据集的选择偏差和样本多样性不足的问题。	研究目的是通过混合智能方法提高循环肿瘤细胞的自动计数效率。	研究对象为循环肿瘤细胞（CTCs）。	数字病理学	NA	卷积神经网络（CNN）、支持向量机（SVM）	CNN	图像	共收集了466张氟像图像用于CTC检测/定位，473张图像用于CTC分割，以及198张图像（包含323个CTC）作为独立数据集进行计数
363	2024-08-05	TRESTLE: Toolkit for Reproducible Execution of Speech, Text and Language Experiments 2023, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:37350929	研究论文	本文介绍了TRESTLE，一个专注于语音、文本和语言实验可重复执行的开源工具包	TRESTLE提供了一种精确的数字蓝图用于数据预处理和选择策略，以帮助研究者获得可比较的结果	由于研究者在方法和数据选择策略上的差异，结果的直接比较仍然具有挑战性	旨在提升认知障碍与健康个体语言差异的研究可重复性	聚焦于来自TalkBank数据集的两种数据集，以痴呆检测作为示例领域	自然语言处理	认知障碍	深度学习	NA	文本数据	NA
364	2024-08-05	Exploring the Link Between Brain Waves and Sleep Patterns with Deep Learning Manifold Alignment 2023, The 4th Joint International Conference on Deep Learning, Big Data and Blockchain (DBB 2023). Joint International Conference on Deep Learning, Big Data and Blockchain (4th : 2023 : Marrakech, Morocco ; Online) DOI:10.1007/978-3-031-42317-8_7 PMID:38939181	研究论文	本文探讨了脑电波与睡眠模式之间的关系，采用了深度学习流形对齐的新方法	创新点在于使用深度学习流形对齐方法来探索睡眠结构与EEG特征之间的关系	本文未提及研究的具体限制	研究睡眠架构与脑电图（EEG）特征之间的关系	多模态多睡眠监测数据集，包括PSG、ECG和EEG	机器学习	NA	深度学习流形对齐	NA	多模态数据，包括文本、图像和音频	NA
365	2024-08-05	Automated Inline Myocardial Segmentation of Joint T1 and T2 Mapping Using Deep Learning 2023-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.220050 PMID:36721410	研究论文	本研究开发了一种人工智能解决方案，旨在实现联合心脏MRI短轴T1和T2映射的自动分割和分析	该研究创新性地使用深度学习方法实现了心脏MRI映射的自动分割，性能接近人类专家	该研究的局限在于使用的样本来自两家医院，可能影响结果的普遍适用性	开发一个自动化的AI分割和分析工具，提高心脏MRI的操作效率和准确性	从807名患者的4240个映射中选择的心脏MRI数据进行了分析	数字病理学	NA	人工智能	卷积神经网络	影像	4240个映射，来自807名患者
366	2024-08-05	Automated segmentation of five different body tissues on computed tomography using deep learning 2023-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.15932 PMID:36008356	研究论文	该文开发并验证了一种用于CT扫描上五种不同身体组织的自动分割计算机工具。	文中采用了训练与标注相结合的策略，提高了注释效率，并比较了多种卷积神经网络在组织分割中的表现。	不同CNN模型在分割身体组织时未表现出显著差异。	旨在开发一种高效的计算工具，以自动化分割CT扫描显示的多种身体组织。	该研究对象为100个CT扫描样本，涉及内脏脂肪组织、皮下脂肪组织、肌肉及骨骼等多种身体组织。	计算机视觉	NA	卷积神经网络（CNN）	UNet, R2Unet, UNet++	图像	100个CT扫描样本
367	2024-08-05	Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study 2023-Jan-12, JMIR AI DOI:10.2196/40843 PMID:38875539	研究论文	本研究探讨了在法国建立国家创伤观察站的可行性，比较了几种自动语言处理方法的性能。	使用了经过法语语料预训练并在306,368条未标记临床笔记上进行自监督学习的GPTanam模型，展示了最佳性能。	需要进一步改进以扩展缩写和多输出多类分类。	研究在法国建立综合且实时的创伤观察站的可行性。	通过对69110条与创伤相关的临床笔记进行多类分类的研究。	自然语言处理	NA	深度学习，变换器模型	变换器模型	文本	69110条临床笔记
368	2024-08-05	Review of Performance Improvement of a Noninvasive Brain-computer Interface in Communication and Motor Control for Clinical Applications 2023, Juntendo Iji zasshi = Juntendo medical journal DOI:10.14789/jmj.JMJ23-0011-R PMID:38846633	综述	本文综述了非侵入性脑机接口（BCI）在通信和运动控制中的性能提升及其临床应用	通过总结近年来BCI系统的进展，强调了临床应用中的关键挑战和潜在解决方案	医学BCI领域的训练样本有限，因此深度学习模型没有得到充分利用	研究非侵入性BCI系统在临床应用中的性能提升与挑战	主要针对非侵入性脑机接口的进展和临床应用进行总结	计算机视觉	NA	EEG	深度学习模型	EEG数据	样本量有限，主要针对困难生成EEG数据的患者
369	2024-08-05	Antibodies as drugs-a Keystone Symposia report 2023-01, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.14915 PMID:36382536	评论	本文讨论了抗体作为药物的最新研究进展	介绍了抗体治疗的最新方法及其在多种疾病中的应用	未提供具体的实验数据或研究样本	探讨抗体作为药物的研究前沿	关注于抗体的治疗潜力及其工程化	NA	肿瘤, 自身免疫疾病, 传染病	深度学习	NA	NA	NA
370	2024-08-05	Research on Educational Robot System Based on Vision Processing 2023-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s23021038 PMID:36679835	研究论文	本文提出了一种机器人教学仪器，旨在提高教育机器人对复杂形状和颜色物体的识别效果	采用了伺服电机、驱动器和多种传感器实现闭环控制，并设计了三种实验方案	未详细说明机器人在实际教学中的应用效果和学生反馈	提高教育机器人在教学中的识别和操作能力	教育机器人及其相关实验方案	计算机视觉	NA	闭环控制	级联分类器	NA	NA
371	2024-08-05	RF-Alphabet: Cross Domain Alphabet Recognition System Based on RFID Differential Threshold Similarity Calculation Model 2023-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s23020920 PMID:36679717	研究论文	本文提出了一种低成本、非侵入性且可扩展的手势识别技术RF-alphabet。	通过设计双标签、双天线布局实现复杂、细粒度手势数据的完整捕捉，并结合差异阈值相似度计算预测模型进行实时特征分析。	未提及具体的局限性	该研究旨在推广无障碍沟通与人机交互技术的发展。	研究对象为26个复杂的、细粒度的域独立英文字母的手势识别。	人机交互	语言障碍	RFID	差异阈值相似度计算模型	信号	NA
372	2024-08-05	Target Recognition in SAR Images by Deep Learning with Training Data Augmentation 2023-Jan-13, Sensors (Basel, Switzerland) DOI:10.3390/s23020941 PMID:36679740	研究论文	本研究旨在通过深度学习和数据增强提升SAR图像目标识别的性能	提出了一种基于对比的新型数据增强技术，并利用自开发的MiniSAR系统的图像进行对抗性异常样本曝光	限制在深度学习模型对抗性样本的鲁棒性和环境变化的适应性上	建立基于深度学习的SAR-ATR系统的大规模开放场景实施基础	使用MSTAR和SAMPLE数据集进行SAR图像目标识别的研究	计算机视觉	NA	SAR图像处理	深度学习模型	合成SAR图像	使用MSTAR数据集和MiniSAR系统采集的军用车辆图像
373	2024-08-05	A Method of Generating Real-Time Natural Light Color Temperature Cycle for Circadian Lighting Service 2023-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s23020883 PMID:36679678	研究论文	本文提出了一种为生物节律照明服务生成实时自然光颜色温度周期的方法	通过深度学习模型TadGAN实现了对颜色温度周期的准确实时检测，尤其是在周期的开始和结束点	在特定天气条件下，光的颜色温度变化会影响实时监测的准确性	研究如何生成与生物节律相匹配的实时自然光颜色温度周期	自然光的颜色温度周期及其对人体生物节律的影响	数字光学	NA	深度学习	TadGAN	数据库测量数据	基于收集的自然光特征数据库构建的数据集
374	2024-08-05	The Effectiveness of Zero-Day Attacks Data Samples Generated via GANs on Deep Learning Classifiers 2023-Jan-12, Sensors (Basel, Switzerland) DOI:10.3390/s23020900 PMID:36679705	研究论文	本研究提出了一种从生成零日类型数据开始，最后评估神经网络零日攻击检测器的整体方法。	创新点在于使用生成对抗网络（GANs）合成生成新的、更大规模的零日攻击数据集。	未提及具体的限制因素	研究目标是检测和评估零日攻击的有效性。	研究对象为使用合成数据和原始数据训练的神经网络模型。	计算机视觉	NA	生成对抗网络 (GAN)	神经网络	表格数据	约5000个迭代生成的数据样本
375	2024-08-05	Accurate Crack Detection Based on Distributed Deep Learning for IoT Environment 2023-Jan-11, Sensors (Basel, Switzerland) DOI:10.3390/s23020858 PMID:36679655	研究论文	提出一种基于边缘计算的裂纹检测系统，能够在低功耗环境中实现准确的裂纹检测	引入了Rsef和Rsef-Edge两个系统，通过优化传统深度学习模型实现实时裂纹图像分割，并有效降低推理时间	对低功耗设备的适用性可能在某些极端条件下受到限制	提高低功耗物联网环境下的裂纹检测准确性和速度	涉及道路、建筑墙壁、地板和产品表面的裂纹检测	计算机视觉	NA	深度学习	深度学习模型	图像	NA
376	2024-08-05	Person Re-Identification Based on Contour Information Embedding 2023-Jan-10, Sensors (Basel, Switzerland) DOI:10.3390/s23020774 PMID:36679571	研究论文	本研究通过轮廓信息提取模块和轮廓信息嵌入方法，提高了行人重识别的识别性能	提出了一种轮廓信息提取模块（CIEM）和轮廓信息嵌入方法，使网络能够更关注轮廓信息	未提及具体的局限性	旨在提高行人重识别网络的识别性能	通过分析行人轮廓特征对行人重识别的影响	计算机视觉	NA	深度学习	卷积神经网络（CNN）	图像	在Market1501数据集中包含多个样本，mAP达到83.8%，Rank-1达到95.1%；在DukeMTMC-reID数据集中mAP达到73.5%，Rank-1达到86.8%
377	2024-08-05	Convolutional Neural Networks or Vision Transformers: Who Will Win the Race for Action Recognitions in Visual Data? 2023-Jan-09, Sensors (Basel, Switzerland) DOI:10.3390/s23020734 PMID:36679530	研究论文	本文探讨了卷积神经网络与视觉变压器在视频中的动作识别表现	研究CNN和视觉变压器在动作识别中的应用，并进行准确性与复杂性之间的比较分析	没有提及特定的数据集或实验设置的局限性	探讨CNN和视觉变压器在视频动作识别中的表现	视频中的动作识别	计算机视觉	NA	卷积神经网络，视觉变压器	CNN，ViT	视频	NA
378	2024-08-05	Multiple generation distinct toxicant exposures induce epigenetic transgenerational inheritance of enhanced pathology and obesity 2023, Environmental epigenetics IF:4.8Q1 DOI:10.1093/eep/dvad006 PMID:38162685	研究论文	本研究评估了多代鼠类在不同毒物暴露下对疾病和肥胖的影响	首次展示了多代暴露对雄性精子表观遗传改变和病理的显著影响	本研究主要基于动物模型，可能无法完全转化到人类	研究多代暴露对表观遗传及疾病易感性的影响	三代和转代F5代的雄性及雌性鼠类	数字病理学	肥胖	深度学习，基于人工智能的组织病理学分析	NA	NA	多代鼠类，具体样本数量未说明
379	2024-08-07	Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1217037 PMID:37711738	研究论文	本研究比较了传统放射组学特征的机器学习与深度学习放射组学在预测头颈部鳞状细胞癌患者治疗结果中的应用	结合临床数据、放射组学特征和医学图像与深度学习模型，实现了高性能和跨机构通用性	临床和放射组学数据的特征选择导致过拟合和较差的跨机构通用性	评估传统放射组学和深度学习放射组学在预测头颈部鳞状细胞癌患者总体生存和无病生存中的效果	头颈部鳞状细胞癌患者的治疗结果	机器学习	头颈部鳞状细胞癌	放射组学	卷积神经网络	图像	238名头颈部鳞状细胞癌患者
380	2024-08-07	Wide and deep learning based approaches for classification of Alzheimer's disease using genome-wide association studies 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0283712 PMID:37126509	research paper	本研究利用全基因组关联研究数据，通过基于关联测试、主成分分析和Boruta算法的混合特征选择方法，筛选出阿尔茨海默病的潜在预测因子，并将其输入到宽深神经网络模型中进行分类	提出了一种基于关联测试、主成分分析和Boruta算法的混合特征选择方法，并使用宽深神经网络模型进行分类，实验结果显示该方法在标准数据集上的准确率和F1分数达到99%	NA	旨在通过基因组数据准确诊断阿尔茨海默病，并识别影响该疾病的关键因素	阿尔茨海默病及其相关基因	machine learning	geriatric disease	GWAS	wide and deep neural network	genetic markers	包含620901个属性的原始数据集