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	2024-09-14	Advances in Diagnosis, Therapy, and Prognosis of Coronary Artery Disease Powered by Deep Learning Algorithms 2023-Feb, JACC. Asia DOI:10.1016/j.jacasi.2022.12.005 PMID:36873752	综述	本文综述了深度学习算法在冠状动脉疾病诊断、治疗和预后中的应用	深度学习算法提高了介入解决方案的效率和客观性，实现了高自动化、低辐射和增强的风险分层	泛化性、可解释性和监管问题仍是需要解决的挑战	探讨深度学习算法的发展及其在临床应用中的评估指标	冠状动脉疾病患者的诊断、治疗和预后	机器学习	心血管疾病	深度学习	深度学习算法	图像	NA
82	2024-09-13	Electrocardiogram-based deep learning improves outcome prediction following cardiac resynchronization therapy 2023-02-21, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehac617 PMID:36342291	研究论文	本研究利用可解释的深度学习算法识别和可视化心电图特征，以预测心脏再同步治疗后的临床结果	提出的FactorECG模型在预测心脏再同步治疗后的临床结果方面优于当前指南心电图标准和QRSAREA，且不需要额外的临床变量	FactorECG模型在加入13个临床变量后，其预测能力的提升有限	开发和验证一种基于心电图的深度学习算法，以提高心脏再同步治疗后临床结果的预测准确性	心电图特征和心脏再同步治疗后的临床结果	机器学习	心血管疾病	深度学习算法	深度学习模型	心电图	1306名心脏再同步治疗患者的心电图数据
83	2024-09-13	Low-data interpretable deep learning prediction of antibody viscosity using a biophysically meaningful representation 2023-02-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-28841-4 PMID:36806303	研究论文	本文提出了一种基于生物物理学意义表示的深度学习方法，用于在数据有限的情况下预测抗体粘度	使用生物物理学意义的表示方法，在数据有限的情况下开发可推广的模型，并展示了其在抗体粘度预测中的应用	仅在抗体粘度预测中进行了验证，尚未广泛应用于其他生物系统	开发一种在数据有限的情况下可推广的深度学习模型，用于预测抗体粘度	抗体粘度	机器学习	NA	深度学习	3D卷积神经网络	图像	几十个数据点
84	2024-09-13	Restoring speech intelligibility for hearing aid users with deep learning 2023-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29871-8 PMID:36792797	研究论文	本文介绍了一种基于深度学习的算法，用于提高助听器用户在背景噪音环境下的语音可懂度	该算法通过深度网络选择性抑制噪音并保持语音信号，使用了一种新颖的基于深度学习的语音可懂度度量方法进行优化，并在单麦克风上实现了实时操作	NA	提高助听器用户在背景噪音环境下的语音可懂度	助听器用户和正常听力对照组	机器学习	听力损失	深度学习	深度网络	语音信号	大量自定义的含噪音语音信号数据库
85	2024-09-13	Large-scale physically accurate modelling of real proton exchange membrane fuel cell with deep learning 2023-Feb-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-35973-8 PMID:36788206	研究论文	本文利用深度学习技术对质子交换膜燃料电池中的液态水进行大规模物理精确建模	本文首次实现了对质子交换膜燃料电池中液态水的大规模直接多相流模拟，并揭示了多尺度水团聚和传输机制	NA	研究质子交换膜燃料电池中液态水的精确建模	质子交换膜燃料电池中的液态水	机器学习	NA	X射线微计算机断层扫描	深度学习	图像	16毫米的燃料电池区域，分辨率为700纳米
86	2024-09-13	A deep-learning approach for reconstructing 3D turbulent flows from 2D observation data 2023-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29525-9 PMID:36781944	研究论文	本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于从二维观测数据重建三维湍流流场	本文的创新点在于利用生成对抗网络（GAN）从二维速度观测数据中重建三维速度场，成功恢复了流场的结构、统计特性和频谱	NA	本文的研究目的是开发一种高效的方法，从有限的二维观测数据中重建复杂的三维湍流流场	本文的研究对象是湍流流场的三维速度场重建	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	流场数据	NA
87	2024-09-13	DeepStruc: towards structure solution from pair distribution function data using deep generative models 2023-Feb-13, Digital discovery IF:6.2Q1 DOI:10.1039/d2dd00086e PMID:36798882	研究论文	本文介绍了一种名为DeepStruc的深度学习算法，用于从总散射数据中获取的配对分布函数（PDF）直接解析单金属纳米颗粒的结构	提出了DeepStruc算法，利用条件变分自编码器从PDF数据中直接解析纳米材料的结构，包括训练分布中不存在的纳米颗粒	NA	开发一种能够从配对分布函数数据中解析纳米材料结构的深度学习算法	单金属纳米颗粒及其堆垛缺陷结构	机器学习	NA	条件变分自编码器	变分自编码器	配对分布函数数据	七个不同结构类型的单金属纳米颗粒
88	2024-09-13	Spatial and deep learning analyses of urban recovery from the impacts of COVID-19 2023-02-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-29189-5 PMID:36774395	研究论文	本研究通过分析三种主要的城市活动（工作、商业和夜生活）及其与土地利用、社会经济模式和兴趣点（POIs）的关联，探讨了COVID-19疫情后城市的恢复情况	本研究结合了卷积神经网络、引导梯度加权类激活映射、双变量局部空间关联指标、Elbow和K-means等多种方法，揭示了城市恢复的独特空间模式	本研究主要集中在城市内部的空间分析，未涉及跨城市或区域层面的比较	探讨COVID-19疫情对城市恢复的影响及其与土地利用和社会经济模式的关系	城市中的工作、商业和夜生活活动及其与土地利用、社会经济模式和兴趣点的关联	计算机视觉	NA	卷积神经网络、引导梯度加权类激活映射、双变量局部空间关联指标、Elbow和K-means	CNN	图像、文本	包括移动电话信号数据（500m × 500m）、航空图像（0.49m × 0.49m）、夜间灯光卫星数据（500m × 500m）、土地利用数据（街道区块）和POIs数据
89	2024-09-13	Global reactivity models are impactful in industrial synthesis applications 2023-Feb-11, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-023-00685-0 PMID:36774523	研究论文	本文提出了一种基于BERT模型的全局产率预测模型，通过预训练和微调，显著提高了反应产率预测的准确性	引入了新的嵌入层，解决了SMILES的局限性，并能够整合额外的信息如当量和分子角色，模型在r2分数上比现有技术提高了近20个百分点	NA	开发一种能够准确预测化学反应产率的深度学习模型，以减少制药行业中的资源浪费	化学反应产率预测	机器学习	NA	深度学习	BERT	文本	超过1600万次反应数据，来自4个不同的数据源
90	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
91	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）
92	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
93	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
94	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
95	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
96	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
97	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
98	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
99	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
100	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