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
681	2024-11-21	Panning for gold: Comparative analysis of cross-platform approaches for automated detection of political content in textual data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312865 PMID:39556542	研究论文	本文比较了不同平台上的自动化内容分析技术在德语文本数据中检测政治内容的性能	本文首次在德语文本数据中比较了基于字典、经典监督机器学习和深度学习的政治内容检测技术	本文仅限于德语文本数据，未涵盖其他语言	研究如何在多选择媒体环境中理解和测量政治信息消费	德语文本数据中的政治内容检测	自然语言处理	NA	自动化内容分析技术	深度学习模型、经典机器学习模型	文本	66个模型
682	2024-11-21	Radiomics in precision medicine for colorectal cancer: a bibliometric analysis (2013-2023) 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1464104 PMID:39558950	综述	本文对2013年至2023年间结直肠癌（CRC）放射组学领域的文献进行了全面的文献计量分析	本文通过文献计量工具分析了放射组学在结直肠癌中的研究趋势，特别是深度学习和多组学整合的兴起	本文主要基于文献计量分析，未涉及具体实验数据或模型验证	探讨放射组学在结直肠癌精准医学中的应用和研究趋势	结直肠癌（CRC）的放射组学研究文献	数字病理学	结直肠癌	放射组学	NA	文献	1226篇出版物
683	2024-11-21	Enhancing clinical decision-making in endometrial cancer through deep learning technology: A review of current research 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241297053 PMID:39559386	综述	本文综述了深度学习技术在子宫内膜癌诊断和管理中的应用现状	深度学习模型能够自主学习和提取复杂的影像和病理数据特征，显著提高了子宫内膜癌诊断的准确性	深度学习在子宫内膜癌诊断中的应用仍面临挑战，需要进一步探索其未来发展方向	旨在通过详细分析，为未来研究方向提供信息，并促进深度学习技术在子宫内膜癌诊断和治疗策略中的整合	子宫内膜癌的诊断和管理	计算机视觉	妇科肿瘤	深度学习	深度学习模型	影像和病理数据	NA
684	2024-11-21	Anatomy-Informed Multimodal Learning for Myocardial Infarction Prediction 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3403948 PMID:39559783	研究论文	提出了一种解剖信息引导的多模态深度学习框架，用于预测未来心肌梗死	首次尝试通过深度学习框架结合多模态数据进行未来心肌梗死预测	结果尚未达到实际应用的必要标准	提高冠状动脉疾病患者未来心肌梗死事件的预测准确性	冠状动脉疾病患者和侵入性冠状动脉造影图像	机器学习	心血管疾病	深度学习	卷积神经网络（CNN）和人工神经网络（ANN）	图像和临床数据	445名急性冠状动脉综合征患者
685	2024-11-21	Classification of Aortic Stenosis Patients via ECG-Independent Multi-Site Measurements of Cardiac-Induced Accelerations and Angular Velocities at the Skin Level 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3402151 PMID:39559782	研究论文	本文研究了通过皮肤表面的多站点心脏诱导加速度和角速度测量来分类主动脉瓣狭窄患者和健康志愿者的可行性，并确定了最佳传感器位置	本文首次结合SCG和GCG信号，并使用机器学习和深度学习方法进行分类，显著提高了分类准确率	研究样本量较小，仅包括15名健康受试者和15名主动脉瓣狭窄患者	评估SCG和GCG在皮肤表面的记录是否适合分类主动脉瓣狭窄患者，并确定最佳传感器位置	主动脉瓣狭窄患者和健康志愿者	心血管疾病	心血管疾病	NA	支持向量机（SVM）和ResNet18	信号	30名受试者（15名健康受试者和15名主动脉瓣狭窄患者）
686	2024-11-21	Using deep learning and large protein language models to predict protein-membrane interfaces of peripheral membrane proteins 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae078 PMID:39559823	研究论文	本文探讨了使用深度学习和大型蛋白质语言模型预测外周膜蛋白的蛋白质-膜界面	首次展示了使用自然语言处理和蛋白质语言模型预测外周膜蛋白的膜相互作用氨基酸的潜力，无需3D结构数据	NA	研究蛋白质-膜界面相互作用，以提高对相关疾病发病机制的理解	外周膜蛋白的膜相互作用氨基酸	机器学习	NA	自然语言处理	深度学习模型	蛋白质数据	NA
687	2024-11-20	A Comprehensive Review on the Excitation-Emission Matrix Fluorescence Spectroscopic Characterization of Petroleum-Containing Substances: Principles, Methods, and Applications 2024, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2023.2205500 PMID:37155146	综述	本文综述了激发-发射矩阵荧光光谱（EEMF）在石油类物质表征中的原理、方法和应用	首次系统性地综述了EEMF在石油类物质表征中的应用，并展望了其与高维化学计量学和深度学习的结合	EEMF在石油类物质测量和表征中存在局限性，需要建立完整的EEMF指纹库	综述EEMF在石油类物质表征中的应用，并探讨其未来发展方向	石油类物质（PCS）及其在整个生命周期中的表征	NA	NA	激发-发射矩阵荧光光谱（EEMF）	NA	光谱数据	NA
688	2024-11-20	Machine Learning in Vascular Medicine: Optimizing Clinical Strategies for Peripheral Artery Disease 2024, Current cardiovascular risk reports IF:2.0Q3 DOI:10.1007/s12170-024-00752-7 PMID:39552745	综述	本文综述了机器学习在周围动脉疾病管理中的应用，旨在更新读者对机器学习在PAD管理中的效用	利用电子健康记录数据和机器学习算法，开发自动化系统（如人工智能）以准确识别需要进一步PAD筛查的患者，并使用深度学习算法辅助PAD诊断和自动化临床风险分层	使用蛋白质组生物标志物的机器学习模型在临床应用中可能受限于成本和可及性	探讨机器学习在周围动脉疾病管理中的应用，以优化临床策略	周围动脉疾病患者及其管理策略	机器学习	周围动脉疾病	机器学习算法	深度学习算法	电子健康记录数据和影像数据	NA
689	2024-11-20	Deep Learning Algorithm for Keratoconus Detection from Tomographic Maps and Corneal Biomechanics: A Diagnostic Study 2024 Jan-Mar, Journal of current ophthalmology IF:1.2Q3 DOI:10.4103/joco.joco_18_24 PMID:39553332	研究论文	开发了一种用于从角膜地形图和生物力学数据中检测圆锥角膜的深度学习算法	结合了角膜地形图和生物力学数据，提高了圆锥角膜和亚临床圆锥角膜的检测性能	NA	开发一种人工智能方法，用于区分正常角膜、亚临床圆锥角膜和圆锥角膜	角膜地形图和角膜生物力学数据	机器学习	NA	卷积神经网络	CNN	图像	1668张地形图（769名患者）和611张生物力学图像（307名患者）
690	2024-11-20	Systematic observation of participatory interaction in university lectures: a multiple case study with a mixed methods approach 2024, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2024.1410486 PMID:39554715	研究论文	本文通过多案例研究与混合方法，系统观察了大学讲座中的参与性互动	本文创新性地使用了系统观察和滞后序列分析作为概念-方法选择，以评估社会建构主义教学实践	本文的局限性在于仅关注了四位研究生教师的教学互动，样本量较小	旨在改进和创新研究生和博士阶段的面对面教学任务	大学讲座中的参与性互动	NA	NA	滞后序列分析	NA	NA	四位研究生教师
691	2024-11-19	MMV_Im2Im: an open-source microscopy machine vision toolbox for image-to-image transformation 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad120 PMID:38280188	研究论文	介绍了一个名为MMV_Im2Im的开源显微镜机器视觉工具箱，用于生物成像应用中的图像到图像变换	提出了一个通用的图像到图像变换框架，适用于多种任务，并利用了先进的机器学习工程技术	未提及具体限制	开发一个开源工具箱，帮助研究人员在生物医学图像分析中应用深度学习技术	生物医学图像分析中的图像到图像变换任务	计算机视觉	NA	深度学习	NA	图像	超过10种不同的生物医学问题
692	2024-11-19	Evaluation of Swin Transformer and knowledge transfer for denoising of super-resolution structured illumination microscopy data 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad109 PMID:38217407	研究论文	本文评估了Swin Transformer在超分辨率结构化照明显微镜（SR-SIM）数据去噪中的应用，并探讨了知识迁移策略的效果	首次全面研究了Swin Transformer在SR-SIM图像去噪中的应用，并比较了直接迁移和微调两种知识迁移策略的效果	目前公开的SR-SIM数据集稀缺，限制了对深度学习方法性能和泛化能力的探索	评估Swin Transformer在SR-SIM图像去噪中的性能，并探讨知识迁移策略的有效性	超分辨率结构化照明显微镜（SR-SIM）图像的去噪	计算机视觉	NA	深度学习	Swin Transformer	图像	四个数据集，涵盖两种细胞结构（微管和囊泡结构），不同噪声水平
693	2024-11-19	IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning 2024-01-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae018 PMID:38649300	研究论文	本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络	IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法	NA	开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒	原核和真核病毒的识别与分类	机器学习	NA	深度学习	卷积神经网络	序列数据	NA
694	2024-11-19	Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma 2024-Jan-02, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giae057 PMID:39185700	研究论文	本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来	本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域	NA	研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用	胶质母细胞瘤的数字病理图像和分子亚型	数字病理	脑癌	深度学习	Xception卷积神经网络	图像	276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证
695	2024-11-19	Advances in AI-Driven Retention Prediction for Different Chromatographic Techniques: Unraveling the Complexity 2024, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2023.2254379 PMID:37672314	综述	本文综述了不同色谱技术中基于人工智能的保留时间预测方法	深度学习模型在保留时间预测中的准确性和有效性优于线性机器学习模型，支持向量机神经网络在薄层色谱中广泛用于预测不同化合物的保留因子，化学信息学、化学计量学和混合方法也被用于建模，比传统模型更可靠	由于缺乏总结性文献，本文旨在提供一个全面的文献综述	探索不同色谱技术中基于人工智能的保留时间预测方法	不同色谱技术中的化合物保留时间预测	化学信息学	NA	色谱技术	深度学习模型、支持向量机神经网络	化合物数据	NA
696	2024-11-17	TomoNet: A streamlined cryogenic electron tomography software pipeline with automatic particle picking on flexible lattices 2024, Biological imaging DOI:10.1017/S2633903X24000060 PMID:38828212	研究论文	开发了一种名为TomoNet的软件包，用于低温电子断层扫描（cryoET）和子断层平均的全流程处理，具有自动粒子挑选和三维分类功能	TomoNet集成了模板匹配和深度学习两种互补的自动粒子挑选方法，并支持1D、2D和3D阵列的结构处理	NA	开发一种高效的软件工具，用于低温电子断层扫描中的自动粒子挑选和三维分类	低温电子断层扫描数据中的病毒样颗粒、细菌表面层和核外蛋白复合物	计算机视觉	NA	低温电子断层扫描（cryoET）	深度学习	图像	三种类型的数据集
697	2024-11-17	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较了基于深度学习的不同方法，用于从国际疾病分类代码中估计损伤严重程度	提出了一种新的方法，通过使用神经机器翻译模型（NMT）和前馈神经网络（FFNN）直接或间接估计损伤严重程度，并比较了它们的准确性和效率	间接NMT模型在处理时间上最为耗费资源	确定前馈神经网络（FFNN）是否与神经机器翻译（NMT）模型一样准确，并比较直接和间接估计损伤严重程度的准确性	损伤严重程度的估计方法	机器学习	NA	神经机器翻译（NMT），前馈神经网络（FFNN）	神经机器翻译模型（NMT），前馈神经网络（FFNN）	文本	训练数据包括2017-2018年的2,031,793个病例，测试数据包括2019年的1,091,792个病例
698	2024-11-17	Deep learning-based rice pest detection research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313387 PMID:39509376	研究论文	本研究利用深度学习技术优化YOLOv8模型，结合CBAM和BiFPN机制，显著提高了水稻害虫检测的准确性	本研究通过优化YOLOv8模型，结合CBAM和BiFPN机制，显著提高了水稻害虫检测的准确性，为农业害虫管理提供了新的技术途径	NA	解决水稻害虫检测问题，提高农业生产力和可持续性	水稻害虫检测	计算机视觉	NA	深度学习	YOLOv8	图像	9663张包含八种害虫的图像，训练集与测试集比例为8:2
699	2024-11-17	Deep learning algorithms reveal increased social activity in rats at the onset of the dark phase of the light/dark cycle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307794 PMID:39514582	研究论文	本研究利用深度学习算法分析了在光照周期转换期间，大鼠在半自然条件下的社交行为和超声波发声	首次使用深度学习算法分析大鼠在光照周期转换期间的社交行为和超声波发声，并发现了光照变化对大鼠行为的具体影响	未能证明光照变化对大鼠积极情绪的影响	研究光照周期变化对大鼠社交行为和超声波发声的影响	大鼠在光照周期转换期间的社交行为和超声波发声	机器学习	NA	深度学习算法	DeepLabCut神经网络	视频和音频	6天内记录的大鼠配对样本
700	2024-11-17	ONDL: An optimized Neutrosophic Deep Learning model for classifying waste for sustainability 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313327 PMID:39514594	研究论文	本文提出了一种优化的中智深度学习模型（ONDL）用于废物分类，以促进可持续发展	本文的创新点在于结合了中智理论和深度迁移学习（DTL）模型，并使用灰狼优化（GWO）进行图像特征选择，以提高废物分类的准确性和效率	本文的局限性在于仅测试了两个公开的废物管理数据集，未来可以扩展到更多类型的废物数据集以验证模型的泛化能力	本文的研究目的是通过优化中智深度学习模型来提高废物分类的准确性，从而促进可持续发展	本文的研究对象是废物分类，具体包括有机物、可回收物和不可回收物	机器学习	NA	深度迁移学习（DTL），灰狼优化（GWO）	中智深度学习模型（ONDL）	图像	两个数据集：DSWM1包含2个类别，DSWM2包含3个类别