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
81	2024-09-13	Adaptive model training strategy for continuous classification of time series 2023-Feb-11, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-022-04433-z PMID:36819946	研究论文	本文提出了一种新的连续时间序列分类概念和相应的自适应模型训练策略	提出了连续时间序列分类（CCTS）的新概念，并设计了自适应的多分布提取和基于重要性的回放策略	实验仅在四个真实世界数据集上进行，可能需要更多数据集验证其广泛适用性	解决连续时间序列分类中的灾难性遗忘和过拟合问题	时间序列数据及其在医疗等领域的应用	机器学习	NA	深度学习	自适应模型	时间序列	四个真实世界数据集
82	2024-09-13	Modeling CRISPR-Cas13d on-target and off-target effects using machine learning approaches 2023-Feb-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-36316-3 PMID:36765063	研究论文	本文通过CRISPR-Cas13d扩增筛选和设计深度学习模型DeepCas13，预测指导序列和二级结构对靶向活性的影响	DeepCas13模型在预测蛋白质编码和非编码RNA的指导效率方面优于现有方法	NA	准确预测CRISPR-Cas13d系统的靶向和脱靶效应	CRISPR-Cas13d系统的靶向和脱靶效应	机器学习	NA	CRISPR-Cas13d扩增筛选	深度学习模型	RNA序列	多个细胞系中的长非编码RNA（lncRNAs）
83	2024-09-13	SpliceAI-visual: a free online tool to improve SpliceAI splicing variant interpretation 2023-02-10, Human genomics IF:3.8Q2 DOI:10.1186/s40246-023-00451-1 PMID:36765386	研究论文	本文介绍了一个名为SpliceAI-visual的免费在线工具，用于改进SpliceAI剪接变异解释	SpliceAI-visual通过图形化展示结果、处理原始分数而非delta分数，并能够注释复杂变异，从而弥补了传统SpliceAI分析的不足	NA	改进SpliceAI剪接预测算法的解释和应用	SpliceAI算法的输出和剪接变异	机器学习	NA	深度学习	SpliceAI	DNA变异数据	NA
84	2024-09-13	Image Turing test and its applications on synthetic chest radiographs by using the progressive growing generative adversarial network 2023-02-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-28175-1 PMID:36759636	研究论文	本文评估了使用渐进式增长生成对抗网络（PGGAN）生成高度逼真和高分辨率胸部X光片（CXR）的效果，并通过图像图灵测试和卷积神经网络（CNN）分类验证了其应用潜力	首次使用渐进式增长生成对抗网络（PGGAN）生成高分辨率胸部X光片，并通过图像图灵测试验证了其逼真度	图像图灵测试中放射科医生的判读一致性较差，且样本量较小	评估PGGAN生成胸部X光片的逼真度及其在卷积神经网络训练中的应用潜力	胸部X光片（CXR）的生成与分类	计算机视觉	NA	生成对抗网络（GAN）	渐进式增长生成对抗网络（PGGAN），卷积神经网络（CNN）	图像	使用了正常和异常的胸部X光片进行训练，生成了1000×1000像素的合成胸部X光片
85	2024-09-13	Recent advances in plant disease severity assessment using convolutional neural networks 2023-02-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29230-7 PMID:36759626	研究论文	本文综述了使用卷积神经网络（CNN）进行植物病害严重程度评估的最新进展	本文首次系统地总结了基于CNN的植物病害严重程度评估的研究进展，并提供了详细的比较分析	本文主要集中在理论分析和现有研究的综述，未提出新的模型或方法	探讨和分析基于CNN的植物病害严重程度评估方法的现状和挑战	植物病害的严重程度评估	计算机视觉	NA	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	NA
86	2024-09-13	Cartography of Genomic Interactions Enables Deep Analysis of Single-Cell Expression Data 2023-02-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-36383-6 PMID:36755047	研究论文	本文提出了一种基于熵的基因组相互作用图谱策略，将高维基因表达数据转化为配置图像格式，称为genomap，以显式整合基因组相互作用	本文的创新点在于开发了一种基于熵的图谱策略，将基因表达数据转化为图像格式，并整合基因组相互作用，从而提取深层基因组相互作用特征	NA	本文的研究目的是改进单细胞基因表达数据的分析方法，提高数据分析的准确性	本文的研究对象是单细胞基因表达数据及其相互作用	基因组学	NA	深度学习	NA	基因表达数据	NA
87	2024-09-13	Datasets for learning of unknown characteristics of dynamical systems 2023-02-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-01978-7 PMID:36750577	研究论文	本文介绍了用于学习动态系统未知特征的数据集，包含33,000个时间序列，涵盖15种动态系统	提出了用于机器学习方法（特别是深度学习技术）分析未知动态系统特征的数据集	NA	通过分析时间序列来理解生成这些信号的生理系统	33,000个时间序列，涵盖15种动态系统（包括五种混沌系统和十种非混沌系统）	机器学习	NA	深度学习技术	LSTM和卷积神经网络	时间序列	33,000个时间序列，涵盖15种动态系统
88	2024-09-13	Deep learning in economics: a systematic and critical review 2023-Feb-04, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-022-10272-8 PMID:36777109	综述	本文从历史回顾的角度，系统地探讨了深度学习在经济学中的应用，并提供了相关的批判性评论	本文系统地调查了深度学习在经济学中的应用，并提供了相关的批判性评论，填补了研究空白	NA	探讨深度学习在经济学中的应用及其未来挑战	深度学习模型在经济学中的应用及其在不同经济学子领域的应用	机器学习	NA	深度学习	NA	NA	NA
89	2024-09-13	Deep Learning in Population Genetics 2023-02-03, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evad008 PMID:36683406	研究论文	本文探讨了深度学习在群体遗传学中的应用，特别是用于处理大规模基因组数据和复杂进化场景	本文设计了一种分支架构，用于从时间性单倍型数据中检测近期平衡选择的信号，并在模拟数据上展示了良好的预测性能	本文未详细讨论神经网络的可解释性、对不确定训练数据的鲁棒性以及群体遗传数据的创新表示方法	展示深度学习在群体遗传学中解决新挑战的可行性	群体遗传学中的大规模基因组数据和复杂进化场景	机器学习	NA	深度学习	卷积神经网络、循环神经网络	基因组数据	NA
90	2024-09-13	At the Confluence of Artificial Intelligence and Edge Computing in IoT-Based Applications: A Review and New Perspectives 2023-Feb-02, Sensors (Basel, Switzerland) DOI:10.3390/s23031639 PMID:36772680	综述	本文综述了人工智能与边缘计算在物联网应用中的融合现状，并探讨了新的研究方向	本文提出了人工智能与边缘计算融合的新视角，并探讨了其在多个应用领域中的潜力	本文主要关注现有研究的综述和未来方向的探讨，未涉及具体的技术实现细节	探讨人工智能与边缘计算在物联网应用中的融合现状，并提出新的研究方向	人工智能与边缘计算在智能农业、智能环境、智能电网、智能医疗、智能工业、智能教育、智能交通、安全和隐私等八个应用领域的融合	物联网	NA	机器学习、深度学习、群体智能	NA	大数据	NA
91	2024-09-13	Determination of the stage and grade of periodontitis according to the current classification of periodontal and peri-implant diseases and conditions (2018) using machine learning algorithms 2023-Feb, Journal of periodontal & implant science DOI:10.5051/jpis.2201060053 PMID:36468476	研究论文	本文设计了一个基于机器学习算法的决策系统，用于根据2018年发布的牙周和种植体周围疾病和状况分类标准，确定牙周炎的阶段和等级	本文首次将机器学习算法应用于牙周炎的阶段和等级分类，并结合临床数据和放射影像进行深度学习处理	放射影像在牙周炎等级建模中的准确性较低，需要进一步优化算法以提高结果	设计一个基于机器学习算法的决策系统，以简化牙周炎的诊断过程	牙周炎的阶段和等级分类	机器学习	牙周疾病	机器学习算法	混合网络模型（ResNet50架构与支持向量机算法结合）	临床数据和放射影像	144名患者
92	2024-09-13	Using machine learning to predict the effects and consequences of mutations in proteins 2023-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2022.102518 PMID:36603229	研究论文	本文探讨了利用机器学习和深度学习方法预测蛋白质突变效应及其后果	本文提出了一种利用大规模蛋白质序列、结构和突变效应数据集进行预测的方法，并通过无监督和自监督预训练结合混合或迁移学习进行优化	研究的主要限制在于数据可用性和质量，尤其是在实验数据有限的情况下	旨在利用机器学习技术预测蛋白质突变的影响	蛋白质突变及其效应	机器学习	NA	机器学习和深度学习	NA	蛋白质序列和结构数据	大规模数据集
93	2024-09-13	Biologically informed deep learning to query gene programs in single-cell atlases 2023-02, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-022-01072-x PMID:36732632	研究论文	本文提出了一种生物学信息驱动的深度学习架构expiMap，用于单细胞参考图谱的映射	expiMap能够将细胞映射到生物学上可理解的基因程序组件，同时学习每个细胞的基因程序活性，并进行程序的优化和新程序的学习	NA	开发一种能够将新产生的查询数据快速映射到参考图谱的深度学习方法，并使其结果具有生物学解释性	单细胞数据及其在不同组织和物种中的扰动响应	机器学习	NA	深度学习	深度学习架构	单细胞数据	NA
94	2024-09-13	Periodic-net: an end-to-end data driven framework for diffuse optical imaging of breast cancer from noisy boundary data 2023-02, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.28.2.026001 PMID:36761256	研究论文	本文提出了一种端到端的深度学习框架Periodic-net，用于从噪声边界数据中进行乳腺癌症的漫射光学成像	提出的Periodic-net算法在重建和评估不均匀性方面具有高精度，并且在图像重建中表现出对噪声的更强免疫力	NA	开发一种端到端的深度学习框架，用于早期检测乳腺癌并重建其光学特性	乳腺癌症的光学特性	机器学习	乳腺癌	漫射光学成像	深度学习算法	图像	包括16×15、20×19和36×35边界测量设置的多种组合
95	2024-09-11	Improving performance of deep learning predictive models for COVID-19 by incorporating environmental parameters 2023-Feb, Gondwana research : international geoscience journal IF:7.2Q1 DOI:10.1016/j.gr.2022.03.014 PMID:35431596	研究论文	研究通过引入环境参数来提高深度学习预测模型在COVID-19疫情中的表现	通过引入环境参数（温度和相对湿度）来改进LSTM模型在预测每日COVID-19病例中的表现	研究结果受其他正负混杂因素的影响，可能影响预测能力	提供更好的预测工具来管理COVID-19疫情	分析环境参数对每日COVID-19病例预测的影响	机器学习	COVID-19	NA	LSTM	数值数据	9个城市，跨越3个国家（印度、美国和瑞典），涵盖热带、亚热带和寒冷气候区
96	2024-09-11	COVID-19 spread control policies based early dynamics forecasting using deep learning algorithm 2023-Feb, Chaos, solitons, and fractals DOI:10.1016/j.chaos.2022.112984 PMID:36530380	研究论文	本文提出了一种基于深度学习的堆叠双向长短期记忆网络（Stacked Bi-LSTM），用于预测韩国COVID-19的传播动态，并评估不同控制政策的影响	使用堆叠双向长短期记忆网络（Stacked Bi-LSTM）进行COVID-19传播预测，并研究了不同控制政策和激活函数对预测准确性的影响	NA	预测COVID-19的传播动态，并评估不同控制政策的效果	韩国的COVID-19传播数据和控制政策	机器学习	COVID-19	深度学习	Stacked Bi-LSTM	时间序列数据	韩国的COVID-19数据集，包括多种控制政策
97	2024-09-10	Plant Parasitic Nematode Identification in Complex Samples with Deep Learning 2023-Feb, Journal of nematology IF:1.4Q2 DOI:10.2478/jofnem-2023-0045 PMID:37849469	研究论文	本文介绍了一种利用深度学习技术在复杂样本中识别植物寄生线虫的新方法	本文提出了一个新的公共数据集，包含从异源土壤提取物中注释的植物寄生线虫图像，用于推动自动化方法的发展	NA	开发一种快速且自动化的方法来识别和量化植物寄生线虫，以减少作物损失	植物寄生线虫	计算机视觉	NA	深度学习	目标检测模型	图像	NA
98	2024-09-10	UncertaintyFuseNet: Robust uncertainty-aware hierarchical feature fusion model with Ensemble Monte Carlo Dropout for COVID-19 detection 2023-Feb, An international journal on information fusion DOI:10.1016/j.inffus.2022.09.023 PMID:36217534	研究论文	本文提出了一种新的深度学习特征融合模型UncertaintyFuseNet，用于COVID-19检测，结合了CT和X射线图像数据	本文创新性地引入了不确定性感知和层次特征融合方法，并使用Ensemble Monte Carlo Dropout技术量化预测不确定性	NA	开发一种能够准确区分COVID-19与其他疾病的计算机辅助检测系统	COVID-19的CT和X射线图像数据	计算机视觉	COVID-19	Ensemble Monte Carlo Dropout	深度学习模型	图像	CT扫描和X射线数据集，分别达到99.08%和96.35%的预测准确率
99	2024-09-10	Three-dimensional reconstructing undersampled photoacoustic microscopy images using deep learning 2023-Feb, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2022.100429 PMID:36544533	研究论文	本文提出了一种基于深度学习的全重建欠采样三维光声显微镜图像的方法	本文首次报道了基于深度学习的全重建欠采样三维光声显微镜数据的方法，展示了在不同欠采样比例下优于插值重建方法的鲁棒性	NA	提高光声显微镜的成像速度和数据处理效率	欠采样的三维光声显微镜图像	计算机视觉	NA	深度学习	NA	三维体积数据	NA
100	2024-08-22	Machine Learning for Adrenal Gland Segmentation and Classification of Normal and Adrenal Masses at CT 2023-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.220101 PMID:36125375	研究论文	本文开发了一种机器学习算法，用于在增强CT图像上分割肾上腺并分类为正常或含有肿块，并评估了该算法的性能	提出了一个两阶段的机器学习流程，能够分割肾上腺并区分正常肾上腺和含有肿块的肾上腺	研究是回顾性的，且分类敏感性和特异性在不同测试集上有所差异	创建一种机器学习算法，以提高肾上腺肿块的诊断一致性和管理建议的准确性	肾上腺及其肿块的CT图像	机器学习	NA	深度学习	CNN	图像	开发数据集包含274个CT检查（251名患者），次级测试集包含991个CT检查（991名患者）