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
101	2024-10-02	A systematic review of machine learning techniques for stance detection and its applications 2023, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-023-08285-7 PMID:36743664	综述	本文系统回顾了用于立场检测及其应用的机器学习技术	本文提出了一个六维分类法，用于分类和分析立场检测相关的研究，并指出了深度学习模型中自注意力机制的广泛应用	尽管机器学习模型在立场检测领域显示出潜力，但在现实世界中的应用仍然有限	回顾和分析用于立场检测的机器学习技术及其应用	立场检测及其相关应用	自然语言处理	NA	机器学习	深度学习模型	文本	96项主要研究
102	2024-10-02	Cross-sectional Ct distributions from qPCR tests can provide an early warning signal for the spread of COVID-19 in communities 2023, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2023.1185720 PMID:37841738	研究论文	本研究利用qPCR测试中的Ct值分布来改进COVID-19预测模型，以提前预警社区中的疫情传播	开发了一种基于Ct值的预测模型，能够比传统的基于病例数的模型更早地预测疫情波峰	需要进一步验证模型在不同地区和时间段的适用性	改进COVID-19预测模型，提前预警疫情波峰	COVID-19疫情传播的早期预警	机器学习	COVID-19	qPCR	深度学习模型	Ct值	2020年8月至2022年1月期间在Northeastern University收集的PCR数据
103	2024-10-02	Computational methods for in situ structural studies with cryogenic electron tomography 2023, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2023.1135013 PMID:37868346	综述	本文综述了低温电子断层扫描（cryo-ET）中用于原位结构研究的计算方法，包括数据处理流程、经典数学模型和深度学习方法	本文总结了经典数学模型和深度学习方法在cryo-ET重建过程中的应用，并讨论了当前的局限性和未来展望	低温电子断层扫描中的低信噪比和缺失楔形区域是重建过程中的主要挑战	提高cryo-ET数据集的三维高分辨率结构重建	低温电子断层扫描数据处理流程和重建方法	计算机视觉	NA	低温电子断层扫描（cryo-ET）	深度学习	图像	NA
104	2024-10-02	Prediction of transient and permanent protein interactions using AI methods 2023, Bioinformation DOI:10.6026/97320630019749 PMID:37885791	研究论文	本文利用人工智能方法预测蛋白质的瞬时和永久相互作用	本文开发了五种监督机器学习模型和一种人工神经网络深度学习方法来预测蛋白质的瞬时和永久相互作用，并分析了影响这些相互作用的关键物理化学和几何特征	本文未提及具体的局限性	理解蛋白质相互作用的细节，发现抑制剂，并了解蛋白质相互作用的性质和功能	蛋白质-蛋白质相互作用（PPIs）的瞬时和永久分类	机器学习	NA	监督机器学习，人工神经网络	k-NN，其他四种未明确提及的监督机器学习模型	蛋白质-蛋白质复合物的物理化学、几何和结构特征	402个蛋白质-蛋白质复合物
105	2024-10-02	Permafrost viremia and immune tweening 2023, Bioinformation DOI:10.6026/97320630019685 PMID:37885785	研究论文	本文探讨了深度学习模型在理解和管理由永久冻土融化释放的古老和新病毒物种引起的免疫反应中的作用	提出了深度学习模型在免疫监控中的新应用，特别是在处理由永久冻土融化释放的病毒物种方面	NA	研究深度学习模型在免疫监控中的应用，特别是在处理由永久冻土融化释放的病毒物种方面	免疫系统对永久冻土融化释放的病毒物种的反应	机器学习	NA	深度学习	深度学习模型	复杂数据	NA
106	2024-10-02	Mapping the landscape of artificial intelligence in skin cancer research: a bibliometric analysis 2023, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2023.1222426 PMID:37901316	研究论文	本文通过文献计量分析方法，探讨了人工智能在皮肤癌研究中的应用现状和发展趋势	本文首次采用文献计量分析方法，系统梳理了人工智能在皮肤癌诊断中的研究进展和热点领域	目前大多数人工智能在皮肤癌诊断领域的研究仍处于可行性研究阶段，尚未在临床实践中取得显著进展	揭示人工智能在皮肤癌诊断中的研究进展、关注领域和新兴趋势	人工智能在皮肤癌诊断中的应用	机器学习	皮肤癌	文献计量分析	NA	文献	512篇论文
107	2024-10-01	Integration of neuromorphic AI in event-driven distributed digitized systems: Concepts and research directions 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1074439 PMID:36875653	研究论文	本文探讨了在资源受限的边缘计算环境中，如何通过采用类脑计算和传感设备来提高人工智能能力，并提出了一个基于微服务的概念框架，以促进神经形态系统与现有分布式数字计算基础设施的集成	本文提出了一个基于微服务的概念框架，用于神经形态系统的集成，并引入了声明式编程方法来简化工程过程	本文主要提出了概念框架和研究方向，尚未实现具体的系统集成	探讨神经形态AI在事件驱动分布式数字化系统中的集成概念和研究方向	神经形态计算系统与传统冯·诺依曼计算机和时钟驱动传感系统的集成	机器学习	NA	神经形态计算	NA	NA	NA
108	2024-10-01	Sublinear information bottleneck based two-stage deep learning approach to genealogy layout recognition 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1230786 PMID:37457003	研究论文	本文提出了一种基于亚线性信息瓶颈和两阶段深度学习的家谱布局识别方法	引入了亚线性信息瓶颈（SIB）用于提取输入图像的相关特征，并结合两阶段深度学习方法进行家谱布局的识别和定位	NA	开发一种新的家谱布局识别方法，以促进家谱研究和保存	家谱布局图像	计算机视觉	NA	深度学习	CNN	图像	使用了家谱图像数据集进行评估
109	2024-10-01	Multiple Field-of-View Based Attention Driven Network for Weakly Supervised Common Bile Duct Stone Detection 2023, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3286423 PMID:37465459	研究论文	提出了一种基于多视野注意力驱动的深度学习网络MFADNet，用于从CT扫描图像中检测胆总管结石	创新性地结合了多视野编码器、注意力驱动解码器和分类网络，实现了弱监督下的胆总管结石检测	NA	开发一种弱监督的深度学习方法，用于从CT扫描图像中自动检测胆总管结石	胆总管结石	计算机视觉	胆道疾病	深度学习	MFADNet	图像	NA
110	2024-10-01	BIDL: a brain-inspired deep learning framework for spatiotemporal processing 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1213720 PMID:37564366	研究论文	本文介绍了一种名为BIDL的脑启发深度学习框架，用于时空处理	提出了一个通用的学习框架，能够处理多种时空模态数据，如视频片段和3D成像数据	NA	提供一个统一的时空处理设计流程，并研究通过脑启发神经动力学进行轻量级时空处理的能力	视频信息处理、DVS信息处理、3D医学影像分类和自然语言处理	机器学习	NA	深度尖峰神经网络（DSNN）	深度神经网络	视频、3D成像、自然语言	涉及多种类型的数据，具体样本数量未提及
111	2024-10-01	Enhancing diabetic retinopathy classification using deep learning 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231203676 PMID:37766903	研究论文	本文利用深度学习模型对糖尿病视网膜病变进行分类	提出了使用CLAHE和ESRGAN技术进行图像增强的卷积神经网络模型，实验结果显示分类准确率高达97.83%	未提及具体限制	提高糖尿病视网膜病变的分类准确率	糖尿病视网膜病变及其不同严重程度	计算机视觉	糖尿病	深度学习	卷积神经网络	图像	使用APTOS 2019 Blindness Detection数据集中的视网膜扫描图像
112	2024-10-01	Using graph-based model to identify cell specific synthetic lethal effects 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2023.10.011 PMID:37920819	研究论文	本文提出了一种基于图模型的方法，用于识别特定细胞类型的合成致死效应	通过结合细胞特异性多组学数据和自注意力模块，将基因关系表示为图，实现了细胞特异性合成致死对的预测	依赖于高质量的多组学数据，且需要大量计算资源	开发一种计算方法，用于预测特定细胞类型的合成致死对，以促进癌症精准治疗	特定细胞类型的合成致死对	机器学习	NA	深度学习	图模型	多组学数据	细胞系特异性数据
113	2024-09-30	Magnetic resonance imaging-based deep learning model to predict multiple firings in double-stapled colorectal anastomosis 2023-Jan-21, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v29.i3.536 PMID:36688017	研究论文	开发了一种基于磁共振成像的深度学习模型，用于预测双钉技术结直肠吻合术中的多次击发	首次使用磁共振成像结合深度学习模型来预测双钉技术结直肠吻合术中的多次击发	研究样本量相对较小，且仅限于中低位直肠癌患者	开发一种能够预测双钉技术结直肠吻合术中多次击发的深度学习模型	中低位直肠癌患者在接受腹腔镜低位前切除术和双钉技术吻合术时的磁共振成像数据	计算机视觉	直肠癌	磁共振成像	卷积神经网络	图像	328名中低位直肠癌患者，共9476张磁共振图像
114	2024-09-30	Federated Meta-Learning with Attention for Diversity-Aware Human Activity Recognition 2023-Jan-17, Sensors (Basel, Switzerland) DOI:10.3390/s23031083 PMID:36772123	研究论文	提出了一种基于联邦元学习架构的多样性感知人体活动识别框架，通过集中嵌入网络提取通用感官特征，并通过分散网络中的注意力模块提取个体特定特征	引入联邦元学习架构，结合注意力机制，解决了隐私敏感数据共享问题和个体数据分布差异问题	NA	解决在实际场景中部署活动识别模型时面临的隐私和数据分布差异问题	智能手机传感器数据和个体行为模式	机器学习	NA	联邦学习、元学习、注意力机制	CNN	传感器数据	多个个体和两个多个人异构数据集
115	2024-09-30	Surface defect detection method for electronic panels based on attention mechanism and dual detection heads 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0280363 PMID:36638111	研究论文	本文提出了一种基于注意力机制和双检测头的电子面板表面缺陷检测方法	首次将深度学习目标检测技术应用于电子面板表面缺陷检测，并设计了可变形卷积模块和包含SE机制的双检测头	NA	提高电子面板表面缺陷检测的准确性和可解释性	电子面板的表面缺陷	计算机视觉	NA	目标检测技术	CNN	图像	自有的电子面板缺陷数据集
116	2024-09-30	IGPred-HDnet: Prediction of Immunoglobulin Proteins Using Graphical Features and the Hierarchal Deep Learning-Based Approach 2023, Computational intelligence and neuroscience DOI:10.1155/2023/2465414 PMID:36744119	研究论文	开发了一种名为IGPred-HDnet的智能理论深度学习框架，用于区分免疫球蛋白蛋白和非免疫球蛋白蛋白	提出了基于图形和统计特征的特征提取方法（FEGS），并结合层次深度网络（HDnet）算法，显著提高了预测准确性	NA	开发一种高效的方法来识别免疫球蛋白蛋白	免疫球蛋白蛋白和非免疫球蛋白蛋白	机器学习	NA	层次深度网络（HDnet）	层次深度网络（HDnet）	图形、物理化学和序列特征	使用10折交叉验证和独立测试集进行训练和测试
117	2024-09-30	A study on surprisal and semantic relatedness for eye-tracking data prediction 2023, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2023.1112365 PMID:36818086	研究论文	研究探讨了在眼动数据预测中，意外性和语义相关性的贡献	提出了回归实验，对比了有无意外性和相关性组件的预测质量，并测试了不同类型的相关性分数	仅在两个英语语料库上进行了实验，结果可能不适用于其他语言或语料库	探讨意外性和语义相关性在眼动数据预测中的作用	眼动数据中的不同指标	自然语言处理	NA	回归分析	BERT	文本	两个英语语料库
118	2024-09-30	Abnormal structural and functional network topological properties associated with left prefrontal, parietal, and occipital cortices significantly predict childhood TBI-related attention deficits: A semi-supervised deep learning study 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1128646 PMID:36937671	研究论文	研究使用半监督深度学习模型探讨儿童创伤性脑损伤（TBI）相关注意力缺陷的结构和功能网络拓扑变化	首次使用半监督自编码器深度学习模型分析TBI儿童的脑网络拓扑变化，并预测注意力缺陷	样本量相对较小，且仅限于儿童TBI患者	探讨TBI儿童脑网络的结构和功能拓扑变化，并预测注意力缺陷	TBI儿童的脑网络结构和功能变化及其对注意力缺陷的预测能力	机器学习	创伤性脑损伤	功能磁共振成像（fMRI）和扩散张量成像（DTI）	半监督自编码器	图像	110名受试者（55名TBI儿童和55名匹配的对照组）
119	2024-09-30	An in-silico framework for modeling optimal control of neural systems 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1141884 PMID:36968496	研究论文	本文提出了一种可扩展的、数据驱动的统一方法，用于研究脑-机-环境交互，结合了动力系统、最优控制理论和深度学习的工具	本文的创新点在于将最优控制理论与深度学习相结合，提出了一种新的框架来模拟神经系统的最优控制	本文的局限性在于仅在模拟环境中进行了验证，尚未应用于实际的神经系统	本文的研究目的是设计适用于大规模复杂神经系统的控制律	本文的研究对象是脑-机接口和神经系统的最优控制	机器学习	NA	最优控制理论、深度学习	递归神经网络	NA	NA
120	2024-09-30	Non-stationary neural signal to image conversion framework for image-based deep learning algorithms 2023, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2023.1081160 PMID:37035716	研究论文	本文提出了一种时间高效的预处理框架，将任何给定的1D生理信号记录转换为2D图像表示，用于训练基于图像的深度学习模型	使用Bresenham's线算法将非平稳信号光栅化为2D图像，并使用修改后的2D卷积神经网络进行分类	NA	开发一种将1D生理信号转换为2D图像的方法，以便用于基于图像的深度学习模型	神经尖峰分类和EEG癫痫发作与非发作分类	机器学习	NA	Bresenham's线算法	2D卷积神经网络	图像	两个公开数据集，包括多类神经记录和二类EEG癫痫发作与非发作记录