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
121	2024-10-21	Simulating cardiac signals on 3D human models for photoplethysmography development 2023, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2023.1266535 PMID:38269072	研究论文	本文介绍了一种基于三维人体模型的仿生模型，用于生成合成的心脏信号和身体无意识运动，以测试和优化图像心率提取方法	提出了基于三维人体模型的仿生模型，能够生成包含多种因素的合成数据集，用于测试和优化图像心率提取方法	尚未提及	开发和测试图像心率提取技术，特别是在难以获取真实可靠测量数据的情况下	三维人体模型、合成心脏信号、身体无意识运动	计算机视觉	NA	NA	传统方法和深度学习方法	视频	五种传统方法和四种深度学习方法用于测试合成视频
122	2024-10-21	Effects of ketamine on rat social behavior as analyzed by DeepLabCut and SimBA deep learning algorithms 2023, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2023.1329424 PMID:38269275	研究论文	研究使用DeepLabCut和SimBA深度学习算法分析氯胺酮对大鼠社交行为的影响	采用数字技术快速客观地测量大鼠社交行为，替代传统的主观评估方法	NA	评估数字工作流程在比较氯胺酮和Vetoquinol对大鼠社交行为影响中的可行性	大鼠社交行为	机器学习	NA	DeepLabCut, SimBA	神经网络	视频	14个视频样本用于训练DeepLabCut，24个新视频用于分析氯胺酮处理的大鼠
123	2024-10-20	Dynamic functional connectivity analysis with temporal convolutional network for attention deficit/hyperactivity disorder identification 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1322967 PMID:38148943	研究论文	本文提出了一种新的时间依赖神经网络（TDNet），用于从静息态功能磁共振成像（rs-fMRI）时间序列中学习功能连接（FC）表示和时间依赖关系，以实现注意力缺陷/多动障碍（ADHD）的自动化识别	本文创新性地使用时间卷积网络（TCN）来有效捕捉长程时间模式，并通过膨胀卷积和全连接层进行疾病预测	现有方法主要考虑两个相邻时间戳的依赖关系，这在变化涉及多个时间戳时存在局限性	揭示注意力缺陷/多动障碍（ADHD）患者脑活动异常的机制	静息态功能磁共振成像（rs-fMRI）数据中的动态功能连接（dFC）	计算机视觉	精神疾病	功能磁共振成像（fMRI）	时间卷积网络（TCN）	时间序列数据	使用了公开的ADHD-200数据库进行实验
124	2024-10-20	Creating high-resolution 3D cranial implant geometry using deep learning techniques 2023, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2023.1297933 PMID:38149174	研究论文	本文提出了一种利用深度学习技术从CT扫描创建的缺陷3D头骨模型中生成高分辨率3D颅骨植入物几何形状的方法	本文提出了一种双神经网络系统，用于修复低分辨率缺陷模型并增强修复模型的体积分辨率，从而生成适合临床使用的高质量植入物模型	本文未提及具体的局限性	开发一种实用的深度学习方法，用于从缺陷的3D头骨模型中生成高分辨率的颅骨植入物几何形状	3D头骨模型和颅骨植入物几何形状	计算机视觉	NA	深度学习技术	神经网络	3D模型	未提及具体样本数量
125	2024-10-20	Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1308707 PMID:38162122	研究论文	研究了多种先进的深度学习模型用于电子显微镜癌症图像的半监督语义分割	探索了半监督学习方法Cross Pseudo Supervision，并比较了多种深度学习模型的性能	需要进一步研究如何减少手动分割的时间瓶颈	加速电子显微镜癌症图像的分析	肿瘤活检中的细胞核和核仁的分割	计算机视觉	癌症	深度学习	CNN	图像	三个完全注释的内部数据集
126	2024-10-20	Comparison of state-of-the-art deep learning architectures for detection of freezing of gait in Parkinson's disease 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1306129 PMID:38178885	研究论文	比较了用于帕金森病中冻结步态检测的先进深度学习架构的性能	本文比较了标准卷积神经网络（CNN）与两种更复杂的网络（MiniRocket和InceptionTime）在冻结步态检测中的性能	研究仅限于使用加速度数据，且模型在未见测试集上的表现有待进一步验证	验证深度学习在大型异质数据集中检测冻结步态的可行性，并比较不同深度学习模型的性能	帕金森病患者中的冻结步态	机器学习	神经退行性疾病	卷积神经网络（CNN）	CNN	加速度数据	70名参与者用于训练和测试，10名参与者提供未见测试集
127	2024-10-20	TSP-GNN: a novel neuropsychiatric disorder classification framework based on task-specific prior knowledge and graph neural network 2023, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2023.1288882 PMID:38188031	研究论文	提出了一种基于任务特定先验知识和图神经网络的新型神经精神障碍分类框架	首次将任务特定先验连接模式与深度学习相结合，用于神经精神障碍分类	NA	开发一种新的神经精神障碍分类模型，利用任务特定先验连接模式提高分类准确性	神经精神障碍及其在特定任务情境下的功能连接模式	机器学习	神经精神障碍	图神经网络	图神经网络	功能连接矩阵	使用公开数据集进行验证
128	2024-10-19	An Investigation into Race Bias in Random Forest Models Based on Breast DCE-MRI Derived Radiomics Features 2023, Clinical image-based procedures, fairness of AI in medical imaging, and ethical and philosophical issues in medical imaging : 12th International Workshop, CLIP 2023 1st International Workshop, FAIMI 2023 and 2nd International Workshop, ... DOI:10.1007/978-3-031-45249-9_22 PMID:39404661	研究论文	研究了基于乳腺DCE-MRI衍生的放射组学特征的随机森林模型中存在的种族偏见	首次探讨了经典AI技术（如随机森林）在基于放射组学特征的模型中可能存在的种族偏见	研究仅限于乳腺DCE-MRI数据，且样本量较小	探讨随机森林模型在种族不平衡数据训练下可能产生的偏见	乳腺DCE-MRI衍生的放射组学特征	机器学习	乳腺癌	DCE-MRI	随机森林	图像	乳腺癌症患者的数据，具体数量未明确
129	2024-10-17	Adversarial training improves model interpretability in single-cell RNA-seq analysis 2023, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbad166 PMID:38099262	研究论文	本文探讨了通过对抗训练提高单细胞RNA测序数据分析中模型鲁棒性和可解释性的方法	首次展示了对抗训练在提高深度学习模型鲁棒性的同时，也能提升模型的可解释性	研究仅限于单细胞RNA测序数据的细胞类型预测任务，未在其他任务上进行验证	研究如何通过对抗训练提高计算模型的鲁棒性和可解释性	单细胞RNA测序数据的细胞类型预测	机器学习	NA	对抗训练	深度学习模型	单细胞RNA测序数据	NA
130	2024-10-17	Transformer encoder with multiscale deep learning for pain classification using physiological signals 2023, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2023.1294577 PMID:38124717	研究论文	研究提出了一种名为PainAttnNet的新型深度学习模型，用于使用生理信号进行疼痛强度分类	引入了PainAttnNet模型，结合多尺度卷积网络、挤压激励残差网络和Transformer编码器块，以提取多时间窗口的鲁棒特征并增强时间依赖性分析	NA	开发一种能够准确分类疼痛强度的深度学习模型，以克服传统自我报告量表的局限性	疼痛强度分类	机器学习	NA	多尺度深度学习	Transformer编码器	生理信号	BioVid热疼痛数据集
131	2024-10-16	Accurate prediction of functional effect of single amino acid variants with deep learning 2023, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2023.11.017 PMID:38074467	研究论文	本文介绍了一种名为Rep2Mut-V2的新型深度学习模型，用于准确预测蛋白质单氨基酸变体的功能效应	利用transformer模型的学习表示，显著提高了对蛋白质变体功能效应的预测准确性	NA	开发一种能够准确预测蛋白质单氨基酸变体功能效应的计算方法	蛋白质单氨基酸变体的功能效应	机器学习	NA	深度学习	transformer模型	蛋白质序列数据	38个蛋白质数据集，包含118,933个单氨基酸变体
132	2024-10-16	AMSF: attention-based multi-view slice fusion for early diagnosis of Alzheimer's disease 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1706 PMID:38077590	研究论文	本文提出了一种基于注意力机制的多视角切片融合方法（AMSF），用于阿尔茨海默病的早期诊断	本文创新性地结合了三维全局特征和多视角二维切片特征，并通过注意力机制引导切片特征的融合，生成全面的MRI图像表示	本文未提及具体的局限性	旨在提高阿尔茨海默病早期诊断的准确性	阿尔茨海默病	计算机视觉	神经退行性疾病	注意力机制	深度神经网络	MRI图像	使用了公开数据集进行实验
133	2024-10-16	Deep learning Binary/Multi classification for music's brainwave entrainment beats 2023, PeerJ. Computer science DOI:10.7717/peerj-cs.1642 PMID:38077584	研究论文	本文提出了一种基于深度学习的音乐脑波同步节拍分类方法，使用VGGish和YAMNET模型进行二分类和多分类	本文的创新点在于提出了一种基于音乐信号元素而非依赖EEG的分类方法，并开发了适用于移动设备的低功耗低延迟模型	本文的局限性在于需要生成新的数据集进行训练和测试，且未验证所有音乐数据集的EEG相关性	研究音乐脑波同步节拍对听众心理和生理影响的分类方法	音乐脑波同步节拍及其对人类脑波的影响	机器学习	NA	深度学习	CNN	音频	两个数据集，Brainwave Entrainment Beats (BWEB) 和 Brainwave Music Manipulation (BWMM)，用于分类训练和测试
134	2024-10-15	Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0115 PMID:38033720	研究论文	提出了一种基于密度互斥的半监督葡萄浆果田间计数方法	引入基于密度互斥的辅助任务，利用未标记数据的空间分布模式，并设计了密度差异损失以增强特征表示	未提及	解决葡萄浆果计数中的遮挡问题，提高计数准确性	葡萄浆果	计算机视觉	NA	深度学习	VGG16	图像	田间葡萄浆果数据集
135	2024-10-15	Hybrid transfer learning strategy for cross-subject EEG emotion recognition 2023, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2023.1280241 PMID:38034069	研究论文	本文提出了一种混合迁移学习策略，用于跨受试者的脑电图情绪识别	设计了一种名为Emo-DA的领域自适应学习模块，并结合少量样本微调网络（DFF-Net），显著提高了跨受试者脑电图情绪识别的准确性	未提及	解决跨受试者脑电图情绪识别中的性能下降问题	脑电图信号的情绪识别	机器学习	NA	迁移学习	DFF-Net	脑电图信号	在SEED数据集上达到93.37%的平均识别准确率，在SEED-IV数据集上达到82.32%的平均识别准确率
136	2024-10-15	Artificial intelligence-driven systems engineering for next-generation plant-derived biopharmaceuticals 2023, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2023.1252166 PMID:38034587	综述	本文综述了人工智能驱动的系统工程在植物源下一代生物制药中的应用	本文提出通过人工智能和合成生物学工具优化植物系统中重组蛋白的表达，以提高产量和稳定性	本文未详细讨论具体的实验验证和实际应用案例	探讨人工智能在植物分子制药中的应用，以提高重组蛋白的产量和稳定性	植物系统中的重组生物制药，包括抗原、抗体、激素、细胞因子、单链可变片段和肽	生物技术	NA	人工智能算法	神经网络、支持向量机、线性回归、高斯过程和回归器集成	蛋白质结构数据	NA
137	2024-10-15	Multi-level advances in databases related to systems pharmacology in traditional Chinese medicine: a 60-year review 2023, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2023.1289901 PMID:38035021	综述	本文回顾了60年来与中医药系统药理学相关的数据库的多层次进展	本文探讨了计算技术（包括深度学习和基础模型）在推动复杂系统探索和建模方面的新进展，预示着新时代的到来	本文指出了中医药计算药理学研究中的瓶颈问题	探讨中医药系统药理学相关数据库的进展，并展望计算研究的未来方向	中医药配方、草药、成分、靶点、表型等六个关键实体	NA	NA	网络分析、深度学习、基础模型	NA	NA	NA
138	2024-10-15	Instruction-Level Power Side-Channel Leakage Evaluation of Soft-Core CPUs on Shared FPGAs 2023, Journal of hardware and systems security DOI:10.1007/s41635-023-00135-1 PMID:38037617	研究论文	本文研究了在共享FPGA环境中，软核CPU在指令级别的功耗侧信道泄漏问题	本文首次在没有物理访问或昂贵测量设备的环境中分析了指令级别的功耗侧信道泄漏，并展示了在多租户FPGA场景中的泄漏情况	尽管在某些情况下可以识别指令的操作码，但泄漏同一类型指令之间的差异对深度学习模型来说是一个挑战	评估在共享FPGA环境中，软核CPU在指令级别的功耗侧信道泄漏情况	软核CPU在指令级别的功耗侧信道泄漏	计算机视觉	NA	功耗侧信道分析	深度学习模型	功耗侧信道数据	NA
139	2024-10-14	Computational single cell oncology: state of the art 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1256991 PMID:38028624	综述	本文综述了单细胞计算分析在肿瘤学领域的最新进展	本文介绍了单细胞计算分析在肿瘤学中的应用，包括识别新的细胞状态、表征肿瘤亚型、发现生物标志物和预测治疗反应	本文讨论了单细胞数据处理中的挑战，包括数据质量控制、归一化、降维、聚类和轨迹推断	本文旨在为研究人员提供利用计算方法解锁单细胞分析在理解癌症生物学中的全部潜力的路线图	单细胞计算分析在肿瘤学中的应用	数字病理学	NA	计算算法和生物信息学方法	机器学习和深度学习	单细胞数据	NA
140	2024-10-11	A computer vision image differential approach for automatic detection of aggressive behavior in pigs using deep learning 2023-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skad347 PMID:37813375	研究论文	本研究使用基于卷积神经网络和图像差分的深度学习方法，自动检测猪的攻击行为	本研究创新性地结合了图像差分技术和卷积神经网络，以提高检测猪攻击行为的准确性和效率	本研究仅在特定条件下（32对不熟悉的猪仔）进行了实验，结果可能不适用于所有情况	开发一种自动检测猪攻击行为的有效且计算效率高的方法	猪的攻击行为	计算机视觉	NA	深度学习	卷积神经网络	图像	32对不熟悉的猪仔，共16小时视频记录，其中1.25小时用于建模