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
981	2024-10-06	Target-based deep learning network surveillance of non-contrast computed tomography for small infarct core of acute ischemic stroke 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1477811 PMID:39364421	研究论文	本研究旨在构建一个基于非增强CT图像自动识别急性缺血性卒中（AIS）小梗死核心的模型	开发了一种改进的基于目标的深度学习模型YOLOv5，用于在CT图像上检测梗死，特别是在小梗死核心的识别上表现更好	研究为回顾性研究，样本量有限，且仅限于特定时间段内的AIS患者	快速诊断急性缺血性卒中，以实现积极的治疗效果和预后	急性缺血性卒中患者的小梗死核心	计算机视觉	脑血管疾病	深度学习	YOLOv5	图像	共纳入584例AIS患者，最终275例符合条件
982	2024-10-05	Segmentation study of nanoparticle topological structures based on synthetic data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311228 PMID:39356683	研究论文	本文提出了一种基于合成数据的纳米颗粒拓扑结构分割方法，旨在解决材料领域数据量小的问题	通过结合渲染软件生成的合成数据与15%的真实数据，显著提高了深度学习模型的训练效果	仅使用了15%的真实数据，可能影响模型在真实场景中的泛化能力	解决材料科学领域数据量小的问题，提高纳米颗粒拓扑结构分割的准确性	纳米颗粒的拓扑结构	计算机视觉	NA	深度学习	U-Net	图像	合成数据与15%的真实数据
983	2024-10-05	Towards automatic farrowing monitoring-A Noisy Student approach for improving detection performance of newborn piglets 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310818 PMID:39356687	研究论文	本文提出了一种基于Noisy Student方法的自动生成标注信息的技术，用于提高新生猪仔检测模型的性能	采用Noisy Student方法自动生成标注信息，减少了手动标注的成本和时间消耗	NA	提高新生猪仔检测模型的性能，以支持分娩监控系统的改进	新生猪仔和母猪的身体部位	计算机视觉	NA	Noisy Student方法	教师-学生模型	图像	NA
984	2024-10-05	Deep learning enabled label-free microfluidic droplet classification for single cell functional assays 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1468738 PMID:39359262	研究论文	本文开发了一种基于ResNet-50深度学习模型的无标签微流控液滴分类方法，用于单细胞功能分析	该模型能够在包含非细胞结构的液滴中准确分类细胞数量，适用于多种细胞类型，具有广泛的应用前景	NA	开发一种高效准确的液滴分类方法，用于单细胞功能分析	微流控液滴中的细胞数量分类	计算机视觉	NA	深度学习	ResNet-50	图像	NA
985	2024-10-04	Leveraging Artificial Intelligence for Synergies in Drug Discovery: From Computers to Clinics 2024, Current pharmaceutical design IF:2.6Q2 DOI:10.2174/0113816128308066240529121148 PMID:38874046	综述	本文综述了人工智能在药物发现和开发中的应用，涵盖了从分子识别到临床批准的全过程	探讨了人工智能在药物开发中的创新应用，如疫苗开发和纳米药物的靶向治疗	NA	探讨人工智能在药物发现和开发中的应用及其对科学研究的促进作用	人工智能在药物设计、发现和开发、中药、多组学数据整合、药物再利用和多药理学研究中的应用	机器学习	NA	机器学习 (ML)、深度学习 (DL)、神经网络 (NNs)	NA	多组学数据	NA
986	2024-10-04	Prompt-guided and multimodal landscape scenicness assessments with vision-language models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307083 PMID:39348404	研究论文	本文探讨了使用视觉-语言模型（VLM）进行景观美景预测的潜力，通过零样本和少样本学习方法评估景观的美学质量	本文引入了景观提示集成（LPE）方法，通过文本描述获取景观美景评分，无需图像数据集	本文未提及具体的局限性	测试视觉-语言模型在景观美景预测中的应用潜力	景观的美学质量	计算机视觉	NA	视觉-语言模型（VLM）	线性层	图像	数百个样本
987	2024-10-04	Graph neural pre-training based drug-target affinity prediction 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1452339 PMID:39350770	研究论文	本文提出了一种基于图神经预训练的药物-靶点亲和力预测方法	本文创新性地结合了药物和靶点的预训练模型，通过图神经网络提取特征，并利用2D卷积神经网络进行高层次表示，最终预测药物-靶点亲和力	本文未详细讨论模型的可解释性和泛化能力	加速药物发现过程中的药物-靶点亲和力预测	药物-靶点亲和力	机器学习	NA	图神经网络	2D卷积神经网络	图数据	大量未标记的训练样本和部分标记的训练样本
988	2024-10-04	Intelligent analysis and measurement of semicircular canal spatial attitude 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1396513 PMID:39350970	研究论文	本文提出了一种基于颅脑MRI的智能方法，用于解释和测量半规管的空间方向	本文创新性地使用了nnDetection深度学习算法进行半规管和眼球的自动分割，并通过点特征分析和奇异值分解方法计算半规管的法向量	NA	开发一种智能方法，用于构建精确的数学模型，准确表示半规管的空间方向	半规管的空间方向	计算机视觉	NA	深度学习	nnDetection	图像	115例颅脑MRI扫描
989	2024-10-04	Assessing microvascular invasion in HBV-related hepatocellular carcinoma: an online interactive nomogram integrating inflammatory markers, radiomics, and convolutional neural networks 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1401095 PMID:39351352	研究论文	研究开发了一种基于炎症标志物、放射组学和卷积神经网络的在线交互式诺模图，用于预测HBV相关肝细胞癌中的微血管侵犯	结合了炎症标志物、放射组学特征和深度学习特征，开发了一种新的在线交互式诺模图，用于术前预测微血管侵犯	NA	开发一种术前预测HBV相关肝细胞癌微血管侵犯的在线交互式诺模图	HBV相关肝细胞癌患者的微血管侵犯	数字病理学	肝癌	放射组学、卷积神经网络	3D ResNet	图像	173名HBV相关肝细胞癌患者
990	2024-10-04	Classification of tomato seedling chilling injury based on chlorophyll fluorescence imaging and DBO-BiLSTM 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1409200 PMID:39354943	研究论文	本文利用叶绿素荧光图像集，通过蜣螂优化算法增强深度学习双向长短期记忆模型，提高番茄幼苗冷害分类预测的准确性	本文提出了一种基于蜣螂优化算法增强的双向长短期记忆模型，用于番茄幼苗冷害分类，显著提高了分类预测的准确性	本文未详细讨论模型在不同环境条件下的泛化能力	研究目的是通过叶绿素荧光成像技术，实现番茄幼苗冷害的自动分类和标记，为植物自身抗冷害研究和深度学习分类方法在精准农业中的应用奠定基础	研究对象是番茄幼苗的冷害分类	计算机视觉	NA	叶绿素荧光成像技术	双向长短期记忆模型（BiLSTM）	图像	使用了番茄幼苗的叶绿素荧光图像集进行训练和测试
991	2024-10-04	YOLO-CFruit: a robust object detection method for Camellia oleifera fruit in complex environments 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1389961 PMID:39354950	研究论文	提出了一种名为YOLO-CFruit的深度学习方法，用于在复杂环境中准确检测油茶果	结合了CBAM模块和CSP模块与Transformer，改进了YOLOv5的损失函数，提高了检测精度和速度	未提及具体限制	开发一种在自然环境中准确检测油茶果的鲁棒方法，为自动化采摘设备奠定基础	油茶果的检测	计算机视觉	NA	深度学习	YOLOv5	图像	收集了油茶果的图像并创建了数据集，使用了数据增强方法增加数据多样性
992	2024-10-04	Machine Learning Techniques to Predict Mental Health Diagnoses: A Systematic Literature Review 2024, Clinical practice and epidemiology in mental health : CP & EMH DOI:10.2174/0117450179315688240607052117 PMID:39355197	综述	本研究通过系统文献综述方法，探讨了机器学习在预测大学生心理健康状况中的应用	本研究首次系统综述了多种机器学习模型在预测心理健康诊断中的应用，并强调了卷积神经网络（CNN）在双相情感障碍诊断中的高准确性	研究存在数据集不足、心理健康状况异质性考虑不足以及缺乏纵向数据等问题	探讨机器学习在预测大学生心理健康状况中的潜力与挑战	大学生的心理健康状况	机器学习	NA	深度学习	卷积神经网络（CNN）、随机森林（RF）、支持向量机（SVM）、深度神经网络、极限学习机（ELM）	文本	30项相关研究
993	2024-10-04	Enhanced classification and severity prediction of major depressive disorder using acoustic features and machine learning 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1422020 PMID:39355380	研究论文	本研究利用深度学习方法构建分类和预测模型，以提高对抑郁症和健康对照组的分类准确性	本研究采用深度学习方法，通过声学特征对抑郁症和健康对照组进行分类和严重程度预测，提高了分类准确性	研究结果可能受到焦虑共病的影响	提高抑郁症和健康对照组的分类准确性，并预测抑郁症的严重程度	抑郁症和健康对照组的分类及抑郁症严重程度的预测	机器学习	精神疾病	深度学习	神经网络	声学特征	120名年龄在16-25岁的参与者，包括64名抑郁症组和56名健康对照组
994	2024-10-04	Predicting microbe-disease association based on graph autoencoder and inductive matrix completion with multi-similarities fusion 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1438942 PMID:39355422	研究论文	本文提出了一种基于图自编码器和归纳矩阵补全的多相似性融合方法，用于预测微生物与疾病之间的关联	通过多相似性融合策略改进了预测性能，并使用图自编码器和归纳矩阵补全技术构建了一个端到端的深度学习框架	未提及具体的局限性	旨在开发一种高效准确的方法来识别微生物与疾病之间的潜在关联	微生物与疾病之间的关联	机器学习	NA	图自编码器和归纳矩阵补全	深度学习模型	微生物与疾病关联数据	使用了3个数据集（HMDAD, Disbiome, 和 multiMDA）
995	2024-10-04	Forbidden Neurds: A Neuroscience Word Game 2024, Journal of undergraduate neuroscience education : JUNE : a publication of FUN, Faculty for Undergraduate Neuroscience DOI:10.59390/PAHQ2595 PMID:39355667	research paper	本文介绍了一种基于游戏的神经科学词汇学习工具的开发、实施和评估	设计了一种名为Forbidden Neurds的卡牌游戏，通过禁止使用特定词汇来帮助学生更好地掌握神经科学术语	NA	研究基于游戏的学习方法在神经科学课程中的应用效果	神经科学课程中的学生	NA	NA	NA	NA	NA	在一个小型公立文理学院的200级神经科学基础课程中进行了评估，涉及的学生数量未明确提及
996	2024-10-03	Evaluation of Neoadjuvant Chemoradiotherapy Response in Rectal Cancer Using MR Images and Deep Learning Neural Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056309748240509072222 PMID:38874041	研究论文	研究利用深度学习神经网络评估直肠癌患者在接受新辅助放化疗后的肿瘤反应	首次使用深度LSTM神经网络评估直肠癌患者在接受新辅助放化疗后的肿瘤反应	研究样本量较小，仅包含59个病例	开发深度学习神经网络以指导治疗决策并准确评估直肠癌患者对新辅助放化疗的反应	直肠癌患者在接受新辅助放化疗后的肿瘤反应	计算机视觉	直肠癌	磁共振成像（MR）	深度神经网络（DNN）包含长短期记忆（LSTM）单元	图像	59个直肠癌病例
997	2024-10-02	DLKcat cannot predict meaningful k cat values for mutants and unfamiliar enzymes 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae061 PMID:39346751	研究论文	本文对DLKcat模型预测酶转换数的能力进行了批判性评估	NA	DLKcat模型在预测与训练数据序列相似度低于60%的酶以及突变酶的转换数时表现不佳	评估DLKcat模型在预测酶转换数方面的实际应用价值	DLKcat模型及其预测酶转换数的能力	机器学习	NA	深度学习	DLKcat	序列数据	NA
998	2024-10-02	Using novel deep learning models for rapid and efficient assistance in monkeypox screening from skin images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1443812 PMID:39346943	研究论文	本文开发了一种基于自注意力机制和特征金字塔集成的深度学习模型，用于从皮肤图像中快速高效地辅助猴痘筛查	本文提出的模型结合了自注意力机制和特征金字塔集成，通过注意力策略融合不同尺度的图像特征，并借鉴VGG模型选择性地捕捉显著特征，相比现有最先进的深度学习模型，在准确性和精确度上提高了6%	NA	开发一种自动化、高效的辅助诊断模型，以提高猴痘诊断的准确性和可及性	猴痘病毒感染的皮肤图像	计算机视觉	传染性疾病	深度学习	CNN	图像	NA
999	2024-10-02	Early Diagnosing and Transformation Prediction of Alzheimer's Disease Using Multi-Scaled Self-Attention Network on Structural MRI Images with Occlusion Sensitivity Analysis 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-230705 PMID:38160355	研究论文	本文提出了一种基于多尺度自注意力网络的阿尔茨海默病早期诊断和转化预测方法，结合结构磁共振成像和遮挡敏感性分析	本文创新性地提出了多尺度自注意力网络（MUSAN），并结合遮挡敏感性算法，提高了阿尔茨海默病的分类和预测性能	NA	实现阿尔茨海默病的精确分类和转化预测，并提高深度学习模型的可解释性	阿尔茨海默病患者的结构磁共振成像数据	计算机视觉	阿尔茨海默病	多尺度自注意力网络	自注意力网络	图像	使用了ADNI-1、ADNI-2和ADNI-3的数据集
1000	2024-09-30	Domain affiliated distilled knowledge transfer for improved convergence of Ph-negative MPN identifier 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303541 PMID:39331624	研究论文	本文提出了一种利用从大规模数据集中提取的知识来提升轻量级模型在罕见疾病Ph-negative MPN识别中的性能的方法	本文创新性地使用了知识蒸馏技术，将从大规模数据集中学习到的知识转移到轻量级模型中，以解决数据稀缺问题	研究仅在300张图像的小数据集上进行验证，可能无法完全代表所有Ph-negative MPN病例	旨在通过知识蒸馏技术提升轻量级模型在Ph-negative MPN识别中的性能	Ph-negative MPN疾病的诊断	计算机视觉	血液病	知识蒸馏	CNN	图像	300张Ph-negative MPN图像