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
621	2024-12-12	On-site CT-derived cFFR in patients with suspected coronary artery disease: Feasibility on a 128-row CT scanner in everyday clinical practice 2024-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2142-1643 PMID:37820710	研究论文	本研究评估了在日常临床实践中使用128排CT扫描仪进行基于CT的冠状动脉血流储备分数（cFFR）计算的技术可行性	本研究首次在日常临床实践中使用深度学习算法在128排CT扫描仪上实现了cFFR的非侵入性现场量化	本研究为单中心回顾性分析，样本量有限，且仅在部分患者中进行了侵入性冠状动脉造影的对比	评估在日常临床实践中使用128排CT扫描仪进行基于CT的cFFR计算的技术可行性	230名疑似冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习算法	图像	230名患者，其中57名进行了侵入性冠状动脉造影
622	2024-12-12	An Epileptic EEG Detection Method Based on Data Augmentation and Lightweight Neural Network 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3308196 PMID:38059126	研究论文	本文提出了一种基于数据增强和轻量级神经网络的癫痫脑电图检测方法	本文的创新点在于使用数据增强技术（如小窗口分割和SMOTE算法）来解决数据集大小和类别不平衡问题，并提出了一种简化的神经网络架构，显著减少了模型的训练参数	本文的局限性在于仅使用了两个公开数据集进行实验，未来可能需要更多样化的数据集来验证方法的泛化能力	本文的研究目的是提高癫痫检测的效率和准确性，并使其适用于低成本、低计算资源的硬件设备	本文的研究对象是癫痫患者的脑电图信号	机器学习	神经疾病	SMOTE	神经网络	脑电图	9371个参数
623	2024-12-12	MRM-BERT: a novel deep neural network predictor of multiple RNA modifications by fusing BERT representation and sequence features 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2315384 PMID:38357904	研究论文	本文提出了一种结合预训练序列表示和多种序列特征的混合方法，用于预测多种RNA修饰	本文的创新点在于开发了MRM-BERT模型，该模型结合了预训练的DNABERT深度序列表示模块和卷积神经网络（CNN），利用四种传统序列特征编码来提高预测性能	NA	本文的研究目的是开发一种有效的方法来预测多种RNA修饰，以促进对RNA生物学的理解并推动治疗策略的发展	本文的研究对象是12种常见的RNA修饰，包括mA、mC等	机器学习	NA	NA	CNN	序列	多个数据集，包含12种常见的RNA修饰
624	2024-12-12	In silico models of the macromolecular NaV1.5-KIR2.1 complex 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1362964 PMID:38468705	研究论文	本文通过刚体蛋白质-蛋白质对接程序和基于深度学习的AlphaFold-Multimer软件生成了Na1.5-K2.1的3D模型，揭示了这两个通道在整个跨膜区域上的物理相互作用	首次通过3D建模揭示了Na1.5和K2.1通道在整个跨膜区域上的物理相互作用，并发现了疾病相关突变的热点区域	仅通过计算机模拟生成模型，未进行实验验证	研究Na1.5和K2.1通道在心肌细胞中的相互作用及其在心血管疾病中的潜在作用	Na1.5和K2.1通道及其形成的宏分子复合物	心血管疾病	心血管疾病	AlphaFold-Multimer	AlphaFold-Multimer	蛋白质结构	NA
625	2024-12-12	BioDeepfuse: a hybrid deep learning approach with integrated feature extraction techniques for enhanced non-coding RNA classification 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2329451 PMID:38528797	研究论文	本文提出了一种名为BioDeepFuse的混合深度学习框架，结合卷积神经网络（CNN）或双向长短期记忆网络（BiLSTM）与手工特征提取技术，用于增强非编码RNA分类的准确性	创新点在于将CNN或BiLSTM与手工特征提取技术相结合，以优化非编码RNA序列的空间和序列特征的利用	NA	旨在提高非编码RNA分类的准确性，并深化对非编码RNA在细胞过程和疾病表现中的理解	非编码RNA序列	机器学习	NA	卷积神经网络（CNN），双向长短期记忆网络（BiLSTM），手工特征提取技术	混合深度学习框架	序列	使用基准数据集和来自细菌生物的实际RNA样本进行评估
626	2024-12-12	A review of the applications of generative adversarial networks to structural and functional MRI based diagnostic classification of brain disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1333712 PMID:38686334	综述	本文综述了生成对抗网络（GAN）在基于结构和功能磁共振成像（MRI）的脑部疾病诊断分类中的应用	GAN通过学习数据分布来增强数据，为解决神经影像数据稀缺和不平衡问题提供了潜在解决方案	本文指出了方法学和可解释性方面的不足，并提出了未来研究的方向	探讨GAN在神经影像数据分类中的应用，并提出未来研究的方向	基于结构和功能MRI的脑部疾病诊断分类	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA
627	2024-12-11	Multi-site benchmark classification of major depressive disorder using machine learning on cortical and subcortical measures 2024-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47934-8 PMID:38212349	研究论文	本文使用机器学习技术对多站点样本进行大规模分类，评估了浅层线性和非线性模型在区分重度抑郁症与健康对照中的表现	本文采用了迄今为止最大的多站点样本（N=5365），并使用标准化ENIGMA分析管道中的脑测量数据，提供了一个可推广的机器学习分类基准	尽管使用了大规模样本，分类准确率仍然较低，尤其是在数据调和后，准确率接近随机水平	评估现有机器学习算法在区分重度抑郁症与健康对照中的诊断预测能力	重度抑郁症患者与健康对照	机器学习	精神疾病	机器学习	浅层线性和非线性模型	脑成像数据	5365名参与者
628	2024-12-11	The applications of anterior segment optical coherence tomography in glaucoma: a 20-year bibliometric analysis 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18611 PMID:39619196	研究论文	本文通过文献计量学方法分析了过去20年AS-OCT在青光眼领域的研究热点和趋势	首次对AS-OCT在青光眼领域的研究进行了全面的文献计量学分析，揭示了该领域的研究热点和趋势	仅基于文献数据进行分析，未涉及实际临床应用效果	探讨AS-OCT在青光眼领域的研究热点和趋势	AS-OCT在青光眼领域的研究文献	NA	青光眼	文献计量学	NA	文献	931篇文献
629	2024-12-11	Enhanced related-key differential neural distinguishers for SIMON and SIMECK block ciphers 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2566 PMID:39650359	研究论文	本文提出了一种增强的相关密钥差分神经区分器框架，用于SIMON和SIMECK分组密码	引入了加权偏差分数方法来高效选择输入差异，并提出了利用两个输入差异的改进方案，显著提高了区分器的准确性	NA	改进相关密钥差分神经区分器，以提高对SIMON和SIMECK分组密码的攻击效果	SIMON和SIMECK分组密码	密码学	NA	深度学习	神经网络	NA	NA
630	2024-12-09	Classifying forensically important flies using deep learning to support pathologists and rescue teams during forensic investigations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314533 PMID:39637032	研究论文	本文提出使用计算机视觉和深度学习技术对法医重要蝇类进行分类，以支持法医调查和救援团队	利用深度学习模型对蝇类进行高效准确的分类，特别是在危机情况下使用无人机进行搜索	NA	开发一种深度学习模型，用于在法医昆虫学中对蝇类进行分类，以支持法医调查和救援行动	法医重要蝇类，包括Calliphoridae、Sarcophagidae、Rhiniidae及其属Chrysomya、Lucilia、Sarcophaga、Rhiniinae和Stomorhina	计算机视觉	NA	深度学习	MobileNetV3-Large和VGG19	图像	NA
631	2024-12-09	Effective feature selection based HOBS pruned- ELM model for tomato plant leaf disease classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315031 PMID:39637070	研究论文	本文提出了一种基于HOBS修剪的ELM模型，用于番茄植物叶片病害的实时分类	采用大象群优化算法选择相关特征，并结合HOBS和修剪的ELM优化网络参数，显著减少了计算复杂性和模型大小	NA	构建一种轻量级的卷积神经网络架构，用于番茄植物叶片病害的实时分类	番茄植物叶片的病害分类	计算机视觉	NA	卷积神经网络	CNN	图像	8000张番茄植物叶片图像，涵盖10个不同类别
632	2024-12-09	geodl: An R package for geospatial deep learning semantic segmentation using torch and terra 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315127 PMID:39637071	研究论文	介绍了一个名为geodl的R包，用于在R语言环境中进行地理空间深度学习语义分割	geodl是首个在R语言中实现地理空间深度学习的包，基于torch和terra包，简化了软件环境需求	NA	开发一个在R语言中实现地理空间深度学习的工具包	地理空间数据和地球科学数据	计算机视觉	NA	深度学习	CNN	图像	NA
633	2024-12-09	Managing linguistic obstacles in multidisciplinary, multinational, and multilingual research projects 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311967 PMID:39637194	研究论文	本文通过实证方法探讨了多学科、多国和多语言研究项目中术语混淆的来源及其影响	本文通过对比两个不同团队的经验，识别并分类了术语障碍，并提出了六项改进建议	本文的建议基于单一经验，需要进一步讨论和测试	探讨多学科、多国和多语言研究项目中的术语障碍及其解决方案	多学科、多国和多语言研究团队中的术语障碍	自然语言处理	NA	深度学习（人工智能）	NA	文本	两个团队的经验
634	2024-12-09	A comprehensive review of the recent advances on predicting drug-target affinity based on deep learning 2024, Frontiers in pharmacology IF:4.4Q1 DOI:10.3389/fphar.2024.1375522 PMID:38628639	综述	本文综述了基于深度学习的药物-靶点亲和力预测的最新进展	深度学习在计算生物学中的应用，特别是药物-靶点亲和力预测方面的新方法	NA	帮助研究人员理解现有方法的优缺点，并开发高精度的药物-靶点亲和力预测工具	药物-靶点亲和力预测	机器学习	NA	深度学习	CNN, RNN, Transformer, GNN	序列和结构数据	NA
635	2024-12-09	GSB: GNGS and SAG-BiGRU network for malware dynamic detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298809 PMID:38635682	研究论文	本文提出了一种基于GNGS和SAG-BiGRU网络的恶意软件动态检测方法	创新点在于使用GNGS算法构建新的平衡数据集，并通过SAG-BiGRU网络提取局部和全局特征，提高少数类别恶意软件的检测率	NA	解决恶意软件检测中数据分布不平衡问题，提高少数类别恶意软件的检测率	恶意软件及其变种的动态检测	机器学习	NA	GNGS, SAG, BiGRU	SAG-BiGRU网络	数据集	使用阿里巴巴云数据集进行恶意软件多分类实验
636	2024-12-09	Computational Language Modeling and the Promise of In Silico Experimentation 2024, Neurobiology of language (Cambridge, Mass.) DOI:10.1162/nol_a_00101 PMID:38645624	研究论文	本文讨论了基于深度学习的编码模型在语言神经科学中的应用，提出了一种新的计算实验范式	提出了基于深度学习的编码模型，结合了受控实验的可解释性和自然刺激实验的广泛适用性	讨论了该方法的优缺点，指出其局限性	探讨计算语言建模和计算机实验在语言神经科学中的潜力	语言神经科学中的实验范式	自然语言处理	NA	深度学习	编码模型	文本	NA
637	2024-12-08	Deep learning methods improve genomic prediction of wheat breeding 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1324090 PMID:38504889	研究论文	研究探讨了深度学习模型在小麦育种基因组预测中的应用，并与传统的GBLUP模型进行了比较	本研究首次在适度大规模数据集上应用深度学习模型，并展示了其在基因组预测中的优越性	研究仅限于五个特定性状的预测，且未探讨更大规模数据集上的表现	评估深度学习模型在小麦育种基因组预测中的准确性，并探讨其在适度大规模数据集上的应用潜力	小麦育种中的基因组预测	机器学习	NA	深度学习	深度学习模型	基因组数据	适度大规模数据集
638	2024-12-08	Multiscale effective connectivity analysis of brain activity using neural ordinary differential equations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314268 PMID:39630698	研究论文	本文介绍了一种名为msDyNODE的神经生物学驱动的深度学习模型，用于分析大脑活动的多尺度有效连接	提出了msDyNODE模型，用于描述多尺度大脑通信，成功捕捉了多尺度活动，并展示了其在神经生理实验中的应用	NA	开发一种新的多尺度动态模型，用于研究神经过程	大脑活动的多尺度有效连接	机器学习	NA	神经普通微分方程	深度学习模型	神经信号	NA
639	2024-12-08	Deep learning analysis of fMRI data for predicting Alzheimer's Disease: A focus on convolutional neural networks and model interpretability 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312848 PMID:39630834	研究论文	本文探讨了使用深度学习方法，特别是卷积神经网络（CNN），通过功能磁共振成像（fMRI）数据来预测阿尔茨海默病（AD）	本文展示了深度学习在医学影像中预测AD的潜力，并强调了多模态医学数据集整合的复杂性	研究数据集存在样本量小和类别不平衡的问题	早期检测阿尔茨海默病以实现有效干预和管理	阿尔茨海默病及其相关遗传风险因素和fMRI数据	计算机视觉	阿尔茨海默病	功能磁共振成像（fMRI）	卷积神经网络（CNN）	图像	使用来自阿尔茨海默病神经影像学倡议（ADNI）的数据，样本量小且类别不平衡
640	2024-12-08	Recognition of parasitic helminth eggs via a deep learning-based platform 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1485001 PMID:39633811	研究论文	本研究利用YOLOv4深度学习算法开发了一个用于识别寄生虫卵的平台	首次将人工智能技术应用于寄生虫卵的检测和分类，显著提高了诊断效率和准确性	在复杂诊断场景中，识别准确率仍有提升空间	开发一种高效、准确的寄生虫卵检测方法，以改善传统诊断方法的不足	不同种类的寄生虫卵，包括蛔虫、鞭虫、蛲虫、钩虫、日本血吸虫、肺吸虫、姜片虫、华支睾吸虫和绦虫	计算机视觉	寄生虫病	YOLOv4深度学习算法	YOLOv4	图像	涉及9种寄生虫卵的单物种和混合样本