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
841	2024-10-28	Navigating urban congestion: A Comprehensive strategy based on an efficient smart IoT wireless communication for PV powered smart traffic management system 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310002 PMID:39453902	研究论文	本文提出了一种基于高效智能物联网无线通信的综合策略，用于太阳能供电的智能交通管理系统，以解决埃及城市严重的交通拥堵问题	结合了关键基础设施改进和尖端技术，利用深度学习和优化算法在物联网支持的5G框架内改善通信	模型主要针对埃及城市，可能不适用于其他地区的交通管理	现代化埃及的交通管理系统，使其符合全球智能交通网络的指导方针	埃及城市的交通拥堵问题	物联网	NA	深度学习、优化算法	NA	NA	NA
842	2024-10-28	Predictive value of 18F-FDG PET/CT radiomics for EGFR mutation status in non-small cell lung cancer: a systematic review and meta-analysis 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1281572 PMID:38361781	meta-analysis	本研究通过meta分析评估了18F-FDG PET/CT放射组学在预测非小细胞肺癌EGFR基因突变状态中的价值	首次通过meta分析系统评估了18F-FDG PET/CT放射组学在预测非小细胞肺癌EGFR突变中的应用	研究存在异质性，主要来源于深度学习和研究区域的不同	评估18F-FDG PET/CT放射组学在预测非小细胞肺癌EGFR基因突变中的价值	非小细胞肺癌患者及其EGFR基因突变状态	digital pathology	lung cancer	18F-FDG PET/CT放射组学	NA	image	共纳入17项研究，涉及3763例非小细胞肺癌患者
843	2024-10-27	A Multi-level ensemble approach for skin lesion classification using Customized Transfer Learning with Triple Attention 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309430 PMID:39446759	研究论文	本文提出了一种基于卷积神经网络的多层次集成学习方法，用于皮肤病变分类	引入了多层次信息增益比例平均（ML-IGPA）方法，用于确定模型预测的最优权重分配	NA	提高皮肤病变分类的准确性和可解释性	皮肤病变，包括皮肤疾病和皮肤癌	计算机视觉	皮肤癌	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	HAM1000数据集
844	2024-10-27	Can deep learning identify humans by automatically constructing a database with dental panoramic radiographs? 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312537 PMID:39446777	研究论文	本研究提出了一种利用深度学习识别个体的方法，通过构建牙科全景X光片数据库来识别个体	利用卷积神经网络在牙科全景X光片上识别个体，并构建了一个包含1029对PM-AM牙科全景X光片的数据库	研究样本仅限于20至49岁的成年人，且性别对识别成功率有显著影响	提出一种新的方法，通过识别牙齿变化和使用深度学习进行人类识别	20至49岁成年人，拥有至少两张牙科全景X光片	计算机视觉	NA	深度学习	卷积神经网络	图像	1029对PM-AM牙科全景X光片，时间跨度从2000年到2020年
845	2024-10-27	NIDS-FGPA: A federated learning network intrusion detection algorithm based on secure aggregation of gradient similarity models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308639 PMID:39446819	研究论文	本文提出了一种基于安全梯度相似模型聚合的联邦学习网络入侵检测算法NIDS-FGPA	利用联邦学习架构和Paillier同态加密技术确保训练过程的安全性，并引入梯度相似模型聚合算法动态选择和加权不同模型的更新以减少通信开销	NA	解决工业物联网中网络入侵检测系统面临的数据特征不完整、标签缺失、参数泄露和高通信开销等问题	网络入侵检测	机器学习	NA	联邦学习、Paillier同态加密	二维卷积神经网络和双向门控循环单元(2DCNN-BIGRU)	网络流量数据	Edge-IIoTset和CIC IoT 2023数据集
846	2024-10-26	Deep learning innovations in South Korean maritime navigation: Enhancing vessel trajectories prediction with AIS data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310385 PMID:39446863	研究论文	本文介绍了一种利用卷积神经网络（CNN）、深度神经网络（DNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）进行船舶轨迹预测的新方法	本文提出了一种专门针对AIS数据的预处理方法，包括高级过滤技术以去除异常值和错误数据点，并结合环境条件和船舶特定特征等上下文信息	NA	提高船舶轨迹预测的准确性，从而增强海上交通安全	船舶轨迹数据	机器学习	NA	卷积神经网络（CNN）、深度神经网络（DNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）	CNN、DNN、LSTM、GRU	轨迹数据	大量AIS数据
847	2024-10-27	Analysis and visualization of the effect of multiple sclerosis on biological brain age 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1423485 PMID:39450049	研究论文	研究使用深度学习模型预测多发性硬化症患者的脑龄差距，并比较健康个体与患者的脑龄差距	首次使用卷积神经网络（CNN）预测多发性硬化症患者的脑龄差距，并生成显著性图以识别对脑龄预测任务重要的脑区	样本量相对较小，且仅限于复发缓解型多发性硬化症患者	探讨基于图像的脑龄差距预测在多发性硬化症患者中的应用价值	多发性硬化症患者与健康个体的脑龄差距	计算机视觉	多发性硬化症	卷积神经网络（CNN）	CNN	图像	5294名健康个体和195名复发缓解型多发性硬化症患者
848	2024-10-27	FIDMT-GhostNet: a lightweight density estimation model for wheat ear counting 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1435042 PMID:39450085	研究论文	提出了一种基于FIDMT-GhostNet的轻量级小麦穗计数模型，用于自动定位和计数小麦穗	引入了基于GhostNet的轻量级网络进行特征提取，并结合FIDMT网络提高计数精度，同时采用密集上采样卷积模块和局部最大值检测策略来解决小麦穗目标小和背景干扰的问题	NA	开发一种高效的小麦穗自动计数方法，以提高农业管理、产量预测和资源分配的效率	小麦穗的自动定位和计数	计算机视觉	NA	深度学习	GhostNet	图像	使用了包括WEC、WEDD和GWHD在内的多个小麦图像数据集进行训练和测试
849	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
850	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
851	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
852	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
853	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
854	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
855	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
856	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
857	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
858	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
859	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
860	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