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
821	2024-09-04	Deep learning models for the early detection of maize streak virus and maize lethal necrosis diseases in Tanzania 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1384709 PMID:39219699	研究论文	本研究探讨了在坦桑尼亚利用深度学习模型早期检测玉米线条病毒和玉米致死性坏死病的潜力	提出了使用卷积神经网络（CNN）和视觉变换器（ViT）模型进行早期检测，并发现ViT模型在准确性上优于CNN模型	需要进一步研究开发移动应用程序并提高模型在实际应用中的精确度	开发一种方法用于早期检测玉米疾病，以便及时治疗	玉米线条病毒（MSV）和玉米致死性坏死病毒（MLN）	计算机视觉	NA	深度学习	CNN, ViT	图像	数据收集自坦桑尼亚的阿鲁沙、乞力马扎罗和曼雅拉地区，使用了四种图像数据类别：MLN、健康、MSV和WRONG
822	2024-09-04	Three-dimensional dose prediction based on deep convolutional neural networks for brain cancer in CyberKnife: accurate beam modelling of homogeneous tissue 2024-Jan, BJR open DOI:10.1093/bjro/tzae023 PMID:39220325	研究论文	本文提出了一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的三维剂量分布，利用了建模的射束信息、目标勾画和患者解剖信息	该方法引入了射束信息来预测CyberKnife在脑部病例中的剂量分布，这是现有深度学习方法中未涉及的创新点	初步结果仅基于14个脑癌病例，需要更多患者和其他癌症部位的研究来全面验证所提出的方法	开发一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的剂量分布	脑癌患者在CyberKnife治疗中的剂量分布	机器学习	脑癌	深度卷积神经网络（CNN）	CNN	图像	88名脑癌和腹部癌症患者的数据集，其中68例用于训练，6例用于验证，14例用于测试
823	2024-09-04	Vehicle recognition pipeline via DeepSort on aerial image datasets 2024, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2024.1430155 PMID:39220587	研究论文	本文提出了一种使用FCM分割航拍图像并结合YOLOv8和ORB特征进行车辆检测与识别的方法，以及使用DeepSORT进行车辆跟踪的系统	本文创新地结合了FCM、YOLOv8、ORB特征和DeepSORT技术，实现了从复杂交通场景中自动提取车辆信息	NA	开发一种高效自动化的车辆监控系统，用于智能交通监控	车辆识别与跟踪	计算机视觉	NA	FCM, YOLOv8, ORB, DeepSORT	YOLOv8, DeepSORT	图像	VEDAI和SRTID数据集
824	2024-09-04	Frontiers and hotspots evolution in mild cognitive impairment: a bibliometric analysis of from 2013 to 2023 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1352129 PMID:39221008	研究论文	本研究通过文献计量分析，探讨了2013年至2023年轻度认知障碍领域的研究前沿和热点演化	利用CiteSpace和VOSviewer工具分析关键词和共引文献，总结当前研究热点和未来研究方向	NA	旨在构建过去十年的可视化框架，突出当前研究热点，并预测未来轻度认知障碍研究的最有成果的途径	轻度认知障碍相关的文献	NA	轻度认知障碍	文献计量分析	NA	文献	6075篇文章
825	2024-09-04	Deep Learning Prediction of Inflammatory Inducing Protein Coding mRNA in P. gingivalis Released Outer Membrane Vesicles 2024, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972241277081 PMID:39221175	研究论文	本研究利用深度学习算法预测P. gingivalis外膜囊泡中诱导炎症的蛋白质编码mRNA序列	采用机器学习技术成功预测了Porphyromonas gingivalis外膜囊泡中的蛋白质编码mRNA序列，其中Gradient Boosting模型表现最为平衡	尽管模型表现良好，但统计测试显示各模型间无显著差异	预测P. gingivalis外膜囊泡中的蛋白质编码mRNA序列	P. gingivalis外膜囊泡中的蛋白质编码mRNA序列	机器学习	NA	深度学习算法	Neural Networks, Naive Bayes, Gradient Boosting	转录组数据	使用NCBI GEO DATA SET GSE218606的数据
826	2024-09-04	Consumer-priced wearable sensors combined with deep learning can be used to accurately predict ground reaction forces during various treadmill running conditions 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17896 PMID:39221284	研究论文	研究评估了使用消费者价格的可穿戴传感器结合深度学习技术，在多种跑步机跑步条件下准确预测地面反作用力的能力。	本研究首次展示了消费者价格的可穿戴传感器能够准确估计二维地面反作用力，适用于广泛跑步者及不同跑步强度。	研究仅限于跑步机上的实验，尚未在自然跑步环境中验证其准确性。	评估消费者价格的可穿戴传感器在多种跑步条件下预测地面反作用力的准确性。	研究对象为50名跑步者，包括25名女性和25名男性，他们在跑步机上以不同速度和坡度跑步。	机器学习	NA	深度学习	LSTM神经网络	压力数据和惯性测量数据	50名跑步者（25名女性，25名男性）
827	2024-09-04	Deep learning-based quantification of brain atrophy using 2D T1-weighted MRI for Alzheimer's disease classification 2024, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2024.1423515 PMID:39206118	研究论文	本研究利用基于深度学习的方法，通过2D T1加权MRI量化脑萎缩，以区分阿尔茨海默病型痴呆（DAT）与认知未受损（CU）个体	本研究创新性地使用2D T1加权MRI结合深度学习算法，实现了成本效益更高的脑萎缩量化，同时保持或超越了3D T1加权MRI的性能	NA	旨在通过2D T1加权MRI实现成本效益更高的阿尔茨海默病分类	研究对象包括924名参与者，其中478名认知未受损（CU）和446名阿尔茨海默病型痴呆（DAT）	机器学习	阿尔茨海默病	深度学习	深度学习模型	图像	924名参与者（478名CU和446名DAT）
828	2024-09-04	Dominating Alzheimer's disease diagnosis with deep learning on sMRI and DTI-MD 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1444795 PMID:39211812	研究论文	本文提出了一种名为MADNet的多模态深度学习方法，用于辅助阿尔茨海默病（AD）的诊断，通过融合sMRI和DTI-MD数据进行特征提取和分类	MADNet采用双分支并行提取特征，结合注意力机制在决策层进行长距离依赖建模，并通过特征融合基于重要性跨模态整合信息	NA	开发一种有效的计算机辅助诊断方法，用于快速准确地评估AD患者的病情和受影响区域	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者	机器学习	老年疾病	深度学习	CNN	图像	包括AD、MCI和CN的公开ADNI数据集和自收集的XWNI数据集
829	2024-09-04	Multimodal Machine Learning in Image-Based and Clinical Biomedicine: Survey and Prospects 2024, International journal of computer vision IF:11.6Q1 DOI:10.1007/s11263-024-02032-8 PMID:39211895	review	本文综述了多模态机器学习在医学图像分析和临床决策支持系统中的应用现状与前景	强调了多模态表示、融合、翻译、对齐和协同学习中的挑战与创新	存在数据偏差和生物医学领域“大数据”稀缺等挑战	探讨多模态模型在临床预测中的变革潜力，并强调其原则性评估和实际应用的必要性	多模态机器学习在医学图像分析和临床决策支持系统中的应用	machine learning	NA	NA	deep learning	multimodal	NA
830	2024-09-01	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一个名为IDSL_MINT的深度学习框架，该框架能够将串联质谱（MS/MS）数据转换为分子指纹描述符，从而提高未标记代谢组学和暴露组学研究中的注释率	IDSL_MINT框架利用transformer模型处理质谱数据，类似于大型语言模型，并支持用户自定义的分子指纹描述符，提高了未标记MS/MS谱的注释率	NA	开发一个易于使用且可定制的深度学习框架，用于训练和利用新模型预测分子指纹，以改进化合物注释流程	串联质谱（MS/MS）数据及其在代谢组学和暴露组学中的应用	机器学习	NA	串联质谱（MS/MS）	transformer模型	质谱数据	使用LipidMaps数据库进行基准测试
831	2024-09-01	Artificial Intelligence for the Management of Breast Cancer: An Overview 2024, Current drug discovery technologies DOI:10.2174/0115701638262066231030052520 PMID:38047362	综述	本文综述了人工智能和机器学习在乳腺癌管理中的应用，包括早期检测、诊断、预后、药物发现、高级图像分析、精准医学、预测建模和个性化治疗计划	介绍了多种算法如卷积神经网络、支持向量机、决策树和深度学习方法在乳腺癌数据分析中的应用	NA	探讨人工智能和机器学习在乳腺癌管理中的应用，以提高诊断和治疗的准确性和个性化	乳腺癌的早期检测、诊断、预后、药物发现、图像分析、精准医学、预测建模和个性化治疗	机器学习	乳腺癌	NA	卷积神经网络	临床数据、基因组数据和影像数据	NA
832	2024-09-01	An end-to-end framework for private DGA detection as a service 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304476 PMID:39196905	研究论文	本文提出了一种端到端的隐私保护框架，用于将域名分类为DGA（恶意）或非DGA（良性）域名，通过结合安全多方计算和差分隐私技术实现	首次提出了一种端到端的隐私保护框架，结合了安全多方计算和差分隐私技术，确保在分类过程中不泄露域名信息和模型细节，并提供了差分隐私保证	NA	开发一种隐私保护的DGA检测服务框架	域名分类为DGA或非DGA	机器学习	NA	安全多方计算（MPC），差分隐私（DP）	深度学习模型	域名	NA
833	2024-08-31	Lightweight model-based sheep face recognition via face image recording channel 2024-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skae066 PMID:38477672	research paper	本文介绍了一种轻量级的羊脸识别模型YOLOv7-SFR，并通过开发面部图像记录通道来提高识别效率	引入了shuffle attention模块和Dyhead模块，采用深度可分离卷积和知识蒸馏技术，显著提升了模型性能	NA	提高羊脸识别模型的效率和实用性	小尾寒羊的面部图像识别	computer vision	NA	深度学习	YOLOv7	image	22,000张羊脸图像
834	2024-08-31	Network depth affects inference of gene sets from bacterial transcriptomes using denoising autoencoders 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae066 PMID:39027639	研究论文	研究使用深度去噪自编码器（DAEs）从细菌转录组数据中推断基因集，并探讨网络架构对基因集推断的影响	将去噪自编码器的应用扩展到深度网络，并研究网络深度和宽度对基因集推断的影响	需要进一步验证和优化深度去噪自编码器在不同细菌数据集上的应用	开发一种基于深度去噪自编码器的管道，用于从转录组数据中提取基因集，并评估网络架构对基因集推断的影响	大肠杆菌的转录组数据和独立尿路致病性大肠杆菌数据集	机器学习	NA	去噪自编码器（DAEs）	DAE	转录组数据	多个公开可用的细菌基因表达数据集
835	2024-08-31	Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance 2024, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-024-00974-x PMID:39109339	研究论文	本文提出了一种基于大数据插值的深度学习方法——插值分割（Interpolation-Split），用于提升气道分割性能	该方法通过插值和图像分割提高数据的有用性和质量，并采用集成学习策略聚合不同尺度的气道段，实现了高效的气道树分割	NA	旨在提高气道树分割的性能	气道树的形态和分布异常	计算机视觉	慢性呼吸系统疾病	深度学习	集成学习	图像	NA
836	2024-08-31	Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae052 PMID:39114746	研究论文	本文应用卷积神经网络（CNN）来识别与胚胎存活能力相关的人类胚胎发育关键窗口，以改进体外受精（IVF）胚胎的早期分级	利用迁移学习的优势，展示了CNN模型在小数据集上的性能，为临床个性化应用铺平道路	NA	提高体外受精治疗的成功率	人类胚胎发育的关键时刻及其与胚胎存活能力的关联	机器学习	NA	卷积神经网络（CNN）	CNN	图像	数据集非常有限
837	2024-08-31	Rapid prediction of wall shear stress in stenosed coronary arteries based on deep learning 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1360330 PMID:39188371	研究论文	本文利用深度学习技术，通过结合合成数据和真实患者数据，训练了一个U-net架构的模型，用于快速预测狭窄冠状动脉的壁剪应力	本文采用了两种合成数据生成方法，并将其与真实患者数据结合，提高了模型的训练效果	文章中使用的患者数据有限，主要依赖于合成数据	开发一种快速且高效的深度学习模型，用于临床实践中预测冠状动脉的壁剪应力	狭窄冠状动脉的壁剪应力	机器学习	心血管疾病	深度学习	U-net	图像	患者数据有限，主要使用合成数据
838	2024-08-31	A new method of rock type identification based on transformer by utilizing acoustic emission 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309165 PMID:39190747	研究论文	本文提出了一种基于声发射信号和3CTNet模型的新型岩石类型识别框架，该模型结合了卷积神经网络和Transformer编码器，用于智能识别不同岩石断裂的声发射信号	引入了一种新的信号识别模型3CTNet，该模型通过建立数据中相邻位置的依赖关系并逐步提取高级特征，提高了岩石类型识别的准确性	NA	解决传统分析方法在处理大数据时的不足，提高岩石类型识别的效率和准确性	岩石类型的识别	地球科学	NA	声发射信号处理	3CTNet（CNN与Transformer的结合）	声发射信号	NA
839	2024-08-31	CSAM: A 2.5D Cross-Slice Attention Module for Anisotropic Volumetric Medical Image Segmentation 2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv57701.2024.00582 PMID:39193208	研究论文	本文提出了一种2.5D交叉切片注意力模块（CSAM），用于各向异性体积医学图像分割	CSAM通过在不同尺度的深度特征图上应用语义、位置和切片注意力，以最少的可训练参数捕获整个体积中的切片间信息	NA	解决各向异性体积医学数据分割中的问题，特别是磁共振成像（MRI）数据	各向异性体积医学图像	计算机视觉	NA	深度学习	CNN	图像	NA
840	2024-08-30	Assessment of deep learning image reconstruction (DLIR) on image quality in pediatric cardiac CT datasets type of manuscript: Original research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300090 PMID:39186484	研究论文	评估深度学习图像重建（DLIR）在儿科心脏CT数据集中的图像质量	高级别DLIR在儿科心脏CT扫描中显示出比传统重建方法更高的信噪比（SNR）和对比噪声比（CNR），以及更好的图像锐度	NA	评估深度学习图像重建（DLIR）与传统图像重建方法在儿科心脏CT图像质量上的差异	儿科心脏CT扫描图像	计算机视觉	NA	深度学习图像重建（DLIR）	NA	图像	109例儿科心脏CT扫描