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
501	2024-12-18	DeepCorr: a novel error correction method for 3GS long reads based on deep learning 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2160 PMID:39678285	研究论文	提出了一种基于深度学习的第三代测序长读取错误校正方法DeepCorr	DeepCorr采用循环神经网络捕捉长读取中的长期依赖关系，将长读取错误校正问题转化为多分类任务，并能充分利用未对齐的碱基信息进行校正	未提及具体限制	开发一种高效且准确的第三代测序长读取错误校正方法	第三代测序技术（PacBio和ONT平台）生成的长读取数据	生物信息学	NA	第三代测序技术（3GS）	循环神经网络（RNN）	测序数据	使用真实世界的PacBio和ONT基准数据集进行评估
502	2024-12-18	A study of hybrid deep learning model for stock asset management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2493 PMID:39678294	研究论文	本文提出了一种混合深度学习模型，用于股票价格预测和资产管理的同步操作	本文的创新点在于结合LSTM和强化学习（RL）进行股票价格预测和交易控制，并通过预测平均方向指数（ADX）和引入约束条件来降低市场不确定性，从而最大化股票资产	NA	研究如何利用混合深度学习模型在股票市场中实现有效的资产管理和交易策略	股票价格预测和资产管理的同步操作	机器学习	NA	LSTM, 强化学习（RL）	混合深度学习模型	股票市场数据	NA
503	2024-12-18	Drivable path detection for a mobile robot with differential drive using a deep Learning based segmentation method for indoor navigation 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2514 PMID:39678296	研究论文	本文提出了一种基于深度学习的语义分割方法，用于室内导航中移动机器人的可行驶路径检测	本文创新性地使用了DeepLabv3+和ResNet50架构进行路径分割，并结合高斯滤波和多Otsu阈值处理来提高分割效果，同时开发了基于网格的RRT*导航策略以实现避障和优化路径	本文未详细讨论该方法在复杂室外环境中的适用性	研究如何利用深度学习技术提高移动机器人在室内环境中的导航能力	移动机器人在室内环境中的可行驶路径检测	计算机视觉	NA	深度学习	DeepLabv3+	图像	NA
504	2024-12-18	Machine learning prediction of brain metastasis invasion pattern on brain magnetic resonance imaging scans 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae200 PMID:39679176	研究论文	本研究探讨了机器学习方法在磁共振成像扫描中预测脑转移侵袭模式（BMIP）的潜力	首次提出使用机器学习方法通过磁共振成像扫描预测脑转移侵袭模式，提供了一种非侵入性的方法	研究样本量较小，且结果依赖于专家的先验知识	开发一种基于磁共振成像的非侵入性生物标志物，用于预测脑转移侵袭模式	脑转移侵袭模式（BMIP）	机器学习	脑转移	磁共振成像（MRI）	卷积神经网络（CNN）	图像	132名患者
505	2024-12-18	The role of artificial intelligence in drug screening, drug design, and clinical trials 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1459954 PMID:39679365	综述	本文综述了人工智能技术在药物筛选、药物设计和临床试验中的应用	本文总结了机器学习，尤其是深度学习在药物发现和开发中的显著优势，包括高通量和虚拟筛选、药物分子设计以及解决复杂有机合成问题	本文讨论了基于人工智能技术的药物发现和开发面临的挑战，并提出了未来可能的发展方向	探讨人工智能在药物发现和开发中的应用及其未来发展方向	人工智能技术在药物筛选、药物设计和临床试验中的应用	机器学习	NA	机器学习，深度学习	NA	NA	NA
506	2024-12-18	Prediction of protein interactions between pine and pine wood nematode using deep learning and multi-dimensional feature fusion 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1489116 PMID:39687321	研究论文	本研究提出了一种基于深度学习和多维特征融合的方法MFGAC-PPI，用于预测松树与松材线虫之间的蛋白质相互作用	MFGAC-PPI通过结合AlphaFold和蛋白质序列特征，利用Transform和改进的GCN提取多维特征，相比基于单一特征信息的方法，获得了更多的三维表征信息	NA	旨在通过预测植物-病原体蛋白质相互作用，深入理解松材线虫病的致病系统	松树与松材线虫之间的蛋白质相互作用	机器学习	NA	深度学习	图注意力卷积网络（GCN）	蛋白质序列	2,688对相互作用的蛋白质
507	2024-12-18	Toward improving reproducibility in neuroimaging deep learning studies 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1509358 PMID:39687491	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
508	2024-12-18	Action recognition in rehabilitation: combining 3D convolution and LSTM with spatiotemporal attention 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1472380 PMID:39687520	研究论文	本研究提出了一种结合3D卷积、LSTM和时空注意力机制的深度学习框架STA-C3DL，用于复杂康复场景中的实时动作检测和识别	创新点在于将3D卷积神经网络、长短期记忆网络和时空注意力机制结合，以更精确地捕捉动作动态	未来的研究将集中在扩展模型对非常规和极端动作的适应性，以及将其整合到更广泛的康复环境中	提高复杂康复场景中实时动作检测和识别的准确性和响应速度	康复场景中的动作识别	计算机视觉	NA	3D卷积神经网络、长短期记忆网络、时空注意力机制	3D卷积神经网络、LSTM	视频	多个数据集，包括NTU RGB + D、Smarthome Rehabilitation、UCF101和HMDB51
509	2024-12-17	Large-scale genomic survey with deep learning-based method reveals strain-level phage specificity determinants 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae017 PMID:38649301	研究论文	本研究提出了一种基于深度学习的SpikeHunter方法，用于大规模分析噬菌体编码的尾丝蛋白，揭示了噬菌体特异性的决定因素	首次使用深度学习方法（基于ESM-2蛋白语言模型）对大规模噬菌体尾丝蛋白进行分析，揭示了尾丝蛋白在决定噬菌体宿主范围中的关键作用	NA	研究噬菌体特异性的决定因素，为噬菌体疗法提供指导	噬菌体编码的尾丝蛋白及其与细菌多糖受体的相互作用	机器学习	NA	深度学习	ESM-2蛋白语言模型	基因组数据	787,566个细菌基因组，来自5种高致病性抗生素抗性病原体
510	2024-12-17	Stratum corneum nanotexture feature detection using deep learning and spatial analysis: a noninvasive tool for skin barrier assessment 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae095 PMID:39657103	研究论文	本文提出了一种基于深度学习和空间分析的皮肤屏障评估方法，用于检测角质层纳米纹理特征	本文创新性地结合了深度学习目标检测器和空间分析算法，开发了一种精确计算CNO密度的方法，称为有效角质层地形指数（ECTI）	本文的局限性在于样本量相对较小，且仅针对特应性皮炎患者和健康对照组	开发一种非侵入性工具，用于评估皮肤屏障功能，并区分不同严重程度的特应性皮炎	特应性皮炎患者和健康对照组的角质层纳米纹理特征	计算机视觉	皮肤疾病	深度学习	目标检测器	图像	45名特应性皮炎患者和15名健康对照组，共1000多张角质层纳米纹理图像
511	2024-12-17	Learning a generalized graph transformer for protein function prediction in dissimilar sequences 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae093 PMID:39657158	研究论文	本文提出了一种名为GALA的新方法，结合图变换器架构和注意力池化模块，用于蛋白质功能预测，并通过对抗学习和标签嵌入对齐来提高模型的泛化能力	GALA方法通过对抗学习和标签嵌入对齐，确保了在不同环境下的表示不变性，显著提高了对非同源蛋白质功能预测的泛化能力	NA	开发一种能够对非同源蛋白质进行功能预测的深度学习方法	蛋白质序列和结构	机器学习	NA	图变换器架构、对抗学习、注意力池化模块	图变换器	序列、结构	来自PDB数据库和Swiss-Prot数据库的数据集
512	2024-12-17	Forecasting air pollution with deep learning with a focus on impact of urban traffic on PM10 and noise pollution 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313356 PMID:39656668	研究论文	本研究使用带有长短期记忆单元（LSTM）的循环神经网络（RNN）模型，预测斯科普里多个地点的PM10颗粒物水平，并分析城市交通对空气和噪音污染的影响	本研究首次利用深度学习模型预测多个地点的PM10水平，并分析了城市交通对空气和噪音污染的影响	研究仅限于斯科普里的数据，且未探讨其他可能影响空气污染的因素	预测空气污染水平并分析城市交通对其的影响	PM10颗粒物水平及城市交通对空气和噪音污染的影响	机器学习	NA	NA	RNN, LSTM	数据	多个地点的历史空气质量测量数据及气象条件数据
513	2024-12-17	CISepsis: a causal inference framework for early sepsis detection 2024, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2024.1488130 PMID:39679198	研究论文	本文提出了一种基于因果推理的早期脓毒症检测方法，通过消除混杂因素的影响来提高模型的预测准确性	本文的创新点在于引入了因果推理框架，通过后门调整和工具变量方法消除混杂因素的影响，从而更准确地捕捉脓毒症的因果关系	本文的局限性在于未来研究需要进一步探索特定指标或治疗干预对脓毒症的影响，并验证该方法在临床应用中的潜力	本文的研究目的是提高早期脓毒症检测的准确性，增强模型的泛化能力、鲁棒性和可解释性	本文的研究对象是脓毒症的早期预测	机器学习	脓毒症	因果推理	NA	结构化数据和非结构化数据	使用了MIMIC-IV数据集
514	2024-12-16	AutoTransOP: translating omics signatures without orthologue requirements using deep learning 2024-Jan-29, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-024-00341-9 PMID:38287079	研究论文	本文开发了一种名为AutoTransOP的神经网络自编码器框架，用于将指定物种或细胞环境的组学数据映射到全局潜在空间，从而在不要求匹配直系同源物的情况下识别相关信息	创新点在于提出了AutoTransOP框架，能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间，并识别相关信息	NA	开发一种能够在不要求直系同源物匹配的情况下，将不同物种或细胞环境的组学数据映射到全局潜在空间的方法	不同物种或细胞环境的组学数据	机器学习	NA	深度学习	神经网络自编码器	组学数据	NA
515	2024-12-15	Deploying artificial intelligence software in an NHS trust: a how-to guide for clinicians 2024-Jan-23, The British journal of radiology DOI:10.1093/bjr/tqad043 PMID:38263842	研究论文	本文为临床医生提供了在NHS信托中部署人工智能软件的实用指南	本文提供了关于在医疗环境中选择和部署新软件的实际指导，填补了现有指南的空白	本文主要关注胸部X光（CXR）解释的深度学习算法，可能不适用于其他类型的AI软件	提供在NHS信托中部署人工智能软件的实用指南，以促进AI技术在医疗领域的应用	NHS信托中的临床医生和医疗人员	机器学习	NA	深度学习算法	深度学习	图像	NA
516	2024-12-15	Deep learning for tooth identification and numbering on dental radiography: a systematic review and meta-analysis 2024-Jan-11, Dento maxillo facial radiology DOI:10.1093/dmfr/twad001 PMID:38183164	综述	本文系统回顾和荟萃分析了深度学习在牙科放射图像中牙齿识别和编号的应用	深度学习模型在牙齿识别和编号方面表现出高精度和高准确性，能够增强复杂的自动化流程	研究仅包括了29篇符合条件的文献，可能存在选择偏倚	评估深度学习在牙科放射图像中牙齿识别和编号的应用效果	人类牙科放射图像中的牙齿识别和编号	计算机视觉	NA	深度学习	CNN	图像	29项研究
517	2024-12-15	Comparison of deep learning methods for the radiographic detection of patients with different periodontitis stages 2024-Jan-11, Dento maxillo facial radiology DOI:10.1093/dmfr/twad003 PMID:38214940	研究论文	本研究评估了使用深度学习方法在全景X光片上进行计算机辅助牙周分类骨丢失分期的准确性，并比较了不同模型和层的表现	本研究开发了一种新的基于DenseNet121 + GAP + mRMR的支持向量机模型，该模型在牙周骨丢失分类中表现优于其他模型，能够从原始图像中检测有效特征，无需手动选择	NA	评估深度学习方法在全景X光片上进行牙周分类骨丢失分期的准确性	全景X光片上的牙周骨丢失分期	计算机视觉	牙周病	深度学习	CNN	图像	2533张全景X光片，包括721张健康组，842张Stage1/2组，970张Stage3/4组
518	2024-12-15	Automatic detection of posterior superior alveolar artery in dental cone-beam CT images using a deeply supervised multi-scale 3D network 2024-Jan-11, Dento maxillo facial radiology DOI:10.1093/dmfr/twad002 PMID:38214942	研究论文	本研究开发了一种用于在牙科锥形束CT图像中自动检测后上牙槽动脉的深度监督多尺度3D网络	提出了多尺度深度监督的3D U-Net网络（3D U-Net MSDS），显著提高了后上牙槽动脉中心像素的定位精度	研究仅在150名受试者的数据上进行验证，样本量相对较小，可能影响模型的泛化能力	开发一种鲁棒且准确的深度学习网络，用于在牙科锥形束CT图像中检测后上牙槽动脉	后上牙槽动脉在牙科锥形束CT图像中的中心像素定位	计算机视觉	NA	深度学习	3D U-Net MSDS	图像	150名受试者的牙科锥形束CT数据
519	2024-12-15	Coupled intelligent prediction model for medium- to long-term runoff based on teleconnection factors selection and spatial-temporal analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313871 PMID:39666703	研究论文	本文提出了一种基于遥相关因子选择和时空分析的耦合智能预测模型，用于中长期径流预测	本文创新性地结合了随机森林（RF）、支持向量回归（SVR）和多层感知器回归（MLPR），开发了两种耦合智能预测模型（RF-SVR和RF-MLPR），以提高预测精度和泛化能力	预测精度随着预测周期的延长而下降，表明长期预测由于不确定性增加和影响因素的累积而更具挑战性	提高中长期径流预测的准确性，为洪水控制、干旱缓解、水资源综合管理和生态恢复提供支持	雅砻江流域（YLRB）的中长期径流	水文学	NA	随机森林（RF）、支持向量回归（SVR）、多层感知器回归（MLPR）	耦合模型（RF-SVR和RF-MLPR）	径流数据	四个水文站点的数据
520	2024-12-15	AMCFCN: attentive multi-view contrastive fusion clustering net 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.1906 PMID:39669450	研究论文	本文提出了一种名为AMCFCN的新型多视图聚类网络，通过对比注意策略有效提取多视图数据中的鲁棒特征	引入了对比注意策略，能够在减少噪声的同时保留视图完整性，并提取一致的多视图表示	未提及具体限制	改进多视图聚类技术，提高聚类结果的准确性	多视图数据中的视图特定表示和一致表示	机器学习	NA	多视图聚类	AMCFCN	多视图数据	四个多视图数据集