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
801	2024-10-27	Enhancing prediction accuracy of foliar essential oil content, growth, and stem quality in Eucalyptus globulus using multi-trait deep learning models 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1451784 PMID:39450087	研究论文	本研究利用多性状深度学习模型预测桉树的叶片精油含量、生长和茎质量	本研究首次将基因组和表型组学方法结合，利用深度学习模型预测桉树的多性状，并发现多性状方法在预测准确性上优于单性状方法	本研究仅限于9年生的桉树育种群体，结果可能不适用于其他年龄或品种的桉树	研究目的是提高桉树生长相关性状和精油产量的预测准确性	研究对象是桉树的叶片精油含量、茎质量和生长相关性状	机器学习	NA	单核苷酸多态性（SNPs）、单倍型、近红外光谱（NIR）	深度学习（DL）模型、卷积神经网络（CNN）、多层感知器（MLP）	基因组数据、表型数据	9年生的桉树育种群体
802	2024-10-27	DeepO-GlcNAc: a web server for prediction of protein O-GlcNAcylation sites using deep learning combined with attention mechanism 2024, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2024.1456728 PMID:39450274	研究论文	本文开发了一个基于深度学习的工具DeepO-GlcNAc，用于预测蛋白质O-GlcNAcylation位点	提出了一个新的深度学习框架DeepO-GlcNAc，结合了长短期记忆网络（LSTM）、卷积神经网络（CNN）和注意力机制，显著提高了O-GlcNAcylation位点预测的性能	模型在跨物种数据集上的表现较强，但在人类数据集上的表现未提及	开发一个基于深度学习的工具，以提高蛋白质O-GlcNAcylation位点的预测准确性	蛋白质O-GlcNAcylation位点	机器学习	NA	深度学习	LSTM、CNN、注意力机制	蛋白质组学数据	包含五个跨物种数据集，未提及人类数据集的具体样本数量
803	2024-10-26	An ensemble deep learning model for medical image fusion with Siamese neural networks and VGG-19 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309651 PMID:39441782	研究论文	本文提出了一种基于Siamese神经网络和VGG-19的集成深度学习模型，用于多模态医学图像融合	该模型结合了预训练和非预训练网络，通过堆叠集成方法，能够有效保留详细信息并提高图像质量，显著改善对比度、增加分辨率并减少伪影	NA	开发一种高效的混合学习模型，用于多模态医学图像融合	多模态医学图像	计算机视觉	NA	深度学习	Siamese神经网络, VGG-19	图像	来自Havard-Medical-Image-Fusion Datasets、GitHub和Kaggle的公开可用源图像
804	2024-10-26	Deep learning and AI in reducing magnetic resonance imaging scanning time: advantages and pitfalls in clinical practice 2024, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/192822 PMID:39444654	研究论文	本文探讨了深度学习和人工智能在减少磁共振成像扫描时间中的应用及其在临床实践中的优势和局限	开发了基于人工智能的算法，特别是深度学习模型，用于从更少的数据点重建高分辨率图像，显著提高了MRI效率	未具体提及	描述和讨论引入深度学习重建技术以减少MRI扫描时间在临床实践中的优缺点	磁共振成像（MRI）扫描时间的减少及其在临床实践中的应用	计算机视觉	NA	深度学习	深度学习模型	图像	未具体提及
805	2024-10-26	Dry age-related macular degeneration classification from optical coherence tomography images based on ensemble deep learning architecture 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1438768 PMID:39444813	研究论文	本文提出了一种基于集成深度学习架构的光学相干断层扫描图像干性年龄相关性黄斑变性分类方法	本文创新性地整合了四种不同的卷积神经网络（ResNet50、EfficientNetB4、MobileNetV3和Xception），并通过集成学习提高了干性AMD的分类准确性	NA	开发一种深度学习架构，以提高干性年龄相关性黄斑变性的分类准确性	干性年龄相关性黄斑变性的分类	计算机视觉	眼科疾病	深度学习	集成学习	图像	1,310名患者的4,096张原始图像，经过旋转和翻转操作后，数据集包含16,384张视网膜OCT图像
806	2024-10-26	Trends and hotspots in the field of diabetic retinopathy imaging research from 2000-2023 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1481088 PMID:39444814	研究论文	本研究通过文献计量分析评估了2000年至2023年间糖尿病视网膜病变成像研究领域的进展和热点	本研究首次通过文献计量分析方法，系统地评估了糖尿病视网膜病变成像研究领域的发展趋势和关键热点	本研究仅基于Web of Science Core Collection数据库中的文献信息，可能存在一定的数据偏差	评估糖尿病视网膜病变成像研究领域的发展趋势和关键热点	2000年至2023年间发表的糖尿病视网膜病变成像研究相关文献	计算机视觉	糖尿病视网膜病变	文献计量分析	NA	文献	共分析了1328篇文献，其中美国发表719篇，中国发表609篇
807	2024-10-26	Prediction of benign and malignant ground glass pulmonary nodules based on multi-feature fusion of attention mechanism 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1447132 PMID:39445066	研究论文	本研究开发并验证了一种新的特征融合算法，通过深度学习提高良性和恶性磨玻璃结节的分类性能	首次应用注意力机制融合全肺CT图像、影像组学特征、临床和形态学特征，显著提高了磨玻璃结节的分类性能	NA	开发和验证一种新的特征融合算法，以提高良性和恶性磨玻璃结节的分类性能	良性和恶性磨玻璃结节	计算机视觉	肺部疾病	深度学习	卷积神经网络 (CNN) 和反向传播神经网络 (BPNN)	图像	385例磨玻璃结节，其中172例为良性，203例为恶性
808	2024-10-26	Enhancing facial feature de-identification in multiframe brain images: A generative adversarial network approach 2024, Progress in brain research DOI:10.1016/bs.pbr.2024.07.003 PMID:39448110	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，用于在脑部图像中对面部特征进行去识别化处理	本文的创新点在于使用生成对抗网络合成新的面部特征和轮廓，并专注于部分头部图像而非全头部图像	本文的局限性在于耳部检测的准确率在测试数据集中较低，仅为65.98%	本文的研究目的是开发一种有效的面部特征去识别化方法，以符合隐私法规	本文的研究对象是脑部图像中的面部特征，包括耳朵、鼻子、嘴巴和眼睛	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	本文使用了490例公开的头颅CT图像数据集和70例头颅MR图像数据集进行训练和测试
809	2024-10-25	Generative deep learning furthers the understanding of local distributions of fat and muscle on body shape and health using 3D surface scans 2024-Jan-30, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-024-00434-w PMID:38287144	研究论文	开发并验证了一种深度学习模型，能够从三维光学体扫描生成准确的DXA扫描，用于全身和特定子区域的成分分析	首次在生成医学影像模型中进行了定量验证，并报告了质量指标	NA	探索生成深度学习模型在医学影像中的应用潜力，并强调定量验证的重要性	人体脂肪和肌肉的局部分布与体形和健康的关系	计算机视觉	NA	深度学习	生成模型	三维表面扫描	两个大型临床DXA数据集和Shape Up! Adults研究数据集
810	2024-10-25	Counterfactual Sepsis Outcome Prediction Under Dynamic and Time-Varying Treatment Regimes 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827103	研究论文	本文探讨了使用G-Net深度序列建模框架预测脓毒症患者在不同液体治疗策略下的结果	首次将G-Net应用于脓毒症患者的反事实治疗结果预测，并与线性模型进行比较	仅基于观察数据，未进行临床试验验证	评估G-Net在预测脓毒症患者反事实治疗结果中的临床应用潜力	脓毒症患者在不同液体治疗策略下的结果	机器学习	脓毒症	G-Net	深度学习	观察数据	来自重症监护室的脓毒症患者
811	2024-10-25	Deep Learning Approaches to Predict Exercise Exertion Levels Using Wearable Physiological Data 2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science PMID:38827087	研究论文	研究利用可穿戴设备生理数据，通过构建深度学习分类和回归模型来预测运动强度水平	首次使用深度学习模型结合可穿戴设备生理数据来预测运动强度水平	测试模型的最高准确率和F1分数为80%，仍有提升空间	预测运动强度水平	健康个体的运动强度	机器学习	NA	心电图传感器、脉搏血氧仪	深度学习模型	生理数据	健康个体在16分钟骑行运动中收集的数据，分为8个2分钟窗口
812	2024-10-25	An automatic classification method of testicular histopathology based on SC-YOLO framework 2024, BioTechniques IF:2.2Q4 DOI:10.1080/07366205.2024.2393544 PMID:39263950	研究论文	本文提出了一种基于SC-YOLO框架的睾丸组织病理学自动分类方法	引入了SC-YOLO框架，集成了S3Ghost模块、CoordAtt模块和DCNv2模块，有效捕捉精原细胞的纹理和形状特征，同时减少模型参数	未来研究将集中在优化模型性能和探索其在临床应用中的潜力	开发一种高效准确的精原细胞识别方法，以辅助无精子症的病理诊断和治疗	精原细胞的分类和识别	数字病理学	男性不育症	深度学习	SC-YOLO	图像	NA
813	2024-10-25	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了深度学习在临床文本分类中的不确定性量化方法	引入了多种选择性分类方法，以在多个分类任务中达到目标准确率的同时最小化拒绝率	对于分布外测试数据的解释较为复杂	研究深度学习模型在临床文本分类中的可靠性，并提出改进方法	电子病理报告中的疾病诊断和手术信息	机器学习	NA	深度神经网络 (DNN)	深度学习模型	文本	来自美国国家癌症研究所 (NCI) 的 SEER 人口基础癌症登记处的电子病理报告
814	2024-10-25	Automatic authorship attribution in Albanian texts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310057 PMID:39436898	研究论文	本文研究了阿尔巴尼亚语文本中的自动作者归属问题，并引入了新的阿尔巴尼亚新闻专栏和文学作品语料库，分析了机器学习方法在作者归属中的应用	本文引入了新的阿尔巴尼亚语料库，并比较了机器学习和深度学习模型在作者归属任务中的表现，发现词汇特征是最有效的语言特征	本文主要关注阿尔巴尼亚语，未涉及其他低资源语言，且深度学习模型在特定场景下的应用潜力有待进一步验证	研究阿尔巴尼亚语文本中的自动作者归属问题，探索有效的特征和分类方法	阿尔巴尼亚语新闻专栏和文学作品	自然语言处理	NA	机器学习	XGBoost, fastText, BERT-multilingual	文本	新的阿尔巴尼亚新闻专栏和文学作品语料库
815	2024-10-25	Feature diffusion reconstruction mechanism network for crop spike head detection 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1459515 PMID:39439510	研究论文	提出了一种用于作物穗头检测的新型特征扩散重构机制网络FDRMNet	FDRMNet引入了多尺度特征聚焦重构模块和注意力增强特征融合模块，以提高模型在复杂环境中的检测精度和计算效率	NA	提高低空遥感图像中作物穗头的检测精度和计算效率	作物穗头	计算机视觉	NA	深度学习	FDRMNet	图像	全球小麦头检测数据集和多样水稻穗检测数据集
816	2024-10-25	Deep learning-driven ultrasound-assisted diagnosis: optimizing GallScopeNet for precise identification of biliary atresia 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1445069 PMID:39440041	研究论文	本文介绍了一种基于深度学习的超声辅助诊断系统GallScopeNet，用于精确识别胆道闭锁	GallScopeNet通过创新的架构和高级特征提取技术，提高了诊断效率和准确性	NA	开发一种高效的深度学习模型，用于自动诊断胆道闭锁	胆道闭锁的超声图像	计算机视觉	胆道疾病	深度学习	GallScopeNet	图像	数千张超声图像，大部分用于训练和验证，部分用于外部测试
817	2024-10-25	Developing predictive precision medicine models by exploiting real-world data using machine learning methods 2024, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2024.2315451 PMID:39440239	研究论文	本文提出了一种利用真实世界数据和人工智能方法开发预测性精准医学模型的新方法	本文创新性地利用电子健康记录中的真实世界数据，通过人工智能技术开发预测性精准医学模型，并比较了传统统计机器学习和深度学习算法在预测个体未来生化测试结果方面的性能	本文未明确提及具体的局限性	开发预测性精准医学模型，以实现现代医学的个性化目标	电子健康记录中的生化测试数据	机器学习	NA	统计机器学习、深度学习	传统统计机器学习算法、深度学习算法	电子健康记录数据	来自大型真实世界数据库的数据，用于预测15项生化测试的未来值
818	2024-10-25	Development of AI-assisted microscopy frameworks through realistic simulation with pySTED 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00903-w PMID:39440349	研究论文	本文介绍了通过pySTED平台开发人工智能辅助显微镜框架的方法	提出了一个基于pySTED的现实模拟平台，用于开发和部署超分辨率显微镜的人工智能策略	NA	开发和优化人工智能辅助超分辨率显微镜系统	超分辨率显微镜图像的获取和分析	计算机视觉	NA	NA	深度神经网络	图像	NA
819	2024-10-25	An integrated three-stream network model for discriminating fish feeding intensity using multi-feature analysis and deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310356 PMID:39432511	研究论文	提出了一种集成三流网络模型，通过多特征分析和深度学习来区分鱼类摄食强度	结合计算机视觉技术和卷积神经网络，综合利用时间、空间和数据统计特征进行全面评估	依赖于特定场景和目标，缺乏普适性	实现精准投喂，减少饲料浪费和环境污染	鱼类摄食强度	计算机视觉	NA	计算机视觉技术	卷积神经网络（CNN）	图像	珍珠石斑鱼摄食图像
820	2024-10-24	Parametric optimization and comparative study of machine learning and deep learning algorithms for breast cancer diagnosis 2024, Breast disease DOI:10.3233/BD-240018 PMID:39331085	研究论文	本文研究了多种机器学习和深度学习算法在乳腺癌诊断中的性能，并进行了参数优化和比较	本文探讨了人工神经网络方法与传统机器学习技术在乳腺癌诊断中的对比，并强调了超参数调优和提升算法在处理数据复杂性和非线性方面的重要性	本文主要基于Wisconsin乳腺癌（原始）数据集进行研究，未涉及其他数据集的验证	研究不同机器学习和深度学习算法在乳腺癌诊断中的表现，找出最有效的模型	乳腺癌的早期诊断	机器学习	乳腺癌	机器学习算法	SVM, 决策树, CART, ANN, ELM ANN, XGBoost, Adaboost, 梯度提升	数据集	Wisconsin乳腺癌（原始）数据集