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
1081	2024-09-26	A modified U-Net to detect real sperms in videos of human sperm cell 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1376546 PMID:39315244	研究论文	研究探讨了在人类精子细胞视频中检测真实精子的改进U-Net模型	提出了使用UNet++与ResNet34结合的模型，在VISEM数据集上表现出色	在识别紧密相邻的精子细胞方面仍存在挑战	提高男性不育诊断中精子分割的自动化程度	人类精子细胞视频中的精子分割	计算机视觉	男性不育	深度学习	UNet++	视频	使用了VISEM数据集中的帧
1082	2024-09-26	An experimental study of acoustic bird repellents for reducing bird encroachment in pear orchards 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1365275 PMID:39315369	研究论文	本文设计了一种基于计算机视觉的声波鸟类驱赶系统，结合深度学习目标识别技术，用于减少梨园中的鸟类侵扰	首次将计算机视觉与声波驱鸟技术结合，通过深度学习模型识别鸟类并进行驱赶	实验规模较小，仅在两个实验区域进行测试，未来需在更大范围内验证其有效性	研究声波鸟类驱赶技术在梨园中的应用，减少鸟类对高价值作物的损害	梨园中的鸟类侵扰及其对作物产量的影响	计算机视觉	NA	深度学习目标识别技术	神经网络模型	视频	两个实验区域，使用声波驱鸟器和无驱鸟器的对照组进行对比
1083	2024-09-26	Prediction of nitrous oxide emission of a municipal wastewater treatment plant using LSTM-based deep learning models 2024-Jan, Environmental science and pollution research international DOI:10.1007/s11356-023-31250-9 PMID:38055175	研究论文	本研究开发并评估了基于LSTM的深度学习模型，用于预测瑞士某污水处理厂的NO排放	LSTM模型在预测NO排放方面优于RNN模型，表现出更高的准确性和鲁棒性	NA	评估深度学习模型在预测污水处理厂NO排放方面的性能	瑞士某污水处理厂的NO排放	机器学习	NA	深度学习	LSTM	数值数据	涉及六个关键参数
1084	2024-09-26	Evaluating the influence of road construction on landslide susceptibility in Saudi Arabia's mountainous terrain: a Bayesian-optimised deep learning approach with attention mechanism and sensitivity analysis 2024-Jan, Environmental science and pollution research international DOI:10.1007/s11356-023-31352-4 PMID:38082044	研究论文	研究评估了沙特阿拉伯山区道路建设对滑坡易感性的影响，采用贝叶斯优化深度学习方法结合注意力机制和敏感性分析	本研究创新性地结合了贝叶斯优化和注意力机制的深度学习模型，显著提高了滑坡预测的准确性	研究主要集中在沙特阿拉伯的Asir地区，可能限制了结果的普适性	开发高精度的深度学习模型来预测滑坡易感性，并进行全面的敏感性分析	沙特阿拉伯Asir地区的山区滑坡易感性	机器学习	NA	深度学习	CNN	图像	NA
1085	2024-09-25	RediscMol: Benchmarking Molecular Generation Models in Biological Properties 2024-01-25, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.3c02051 PMID:38181194	研究论文	本文构建了一个名为RediscMol的基准，用于评估分子生成模型在生物学特性方面的表现	引入了重新发现和相似性相关的指标，以评估生成模型的性能	现有评估方法在生物学背景下的不足	解决现有评估方法的局限性，模拟实际应用场景	8种代表性的生成模型在生物学特性方面的表现	机器学习	NA	深度学习	生成模型	分子数据	5个激酶和3个GPCR数据集中的活性分子
1086	2024-09-25	TUBA1C orchestrates the immunosuppressive tumor microenvironment and resistance to immune checkpoint blockade in clear cell renal cell carcinoma 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1457691 PMID:39301023	研究论文	本文研究了TUBA1C在透明细胞肾细胞癌（ccRCC）中的作用，特别是其与免疫检查点阻断（ICB）疗法抵抗的关系	首次揭示了TUBA1C在ccRCC中通过激活PI3K/AKT通路促进免疫抑制微环境，从而影响ICB疗法的效果	需要进一步的临床试验验证TUBA1C作为治疗靶点的有效性	探讨TUBA1C在ccRCC中的作用及其与ICB疗法抵抗的关系	透明细胞肾细胞癌（ccRCC）患者及肿瘤细胞	数字病理学	肾癌	单细胞分析、免疫组化、RT-qPCR、CCK-8试验	深度学习模型	基因表达数据	多个临床队列和肾癌细胞系
1087	2024-09-25	Brainchop: Providing an Edge Ecosystem for Deployment of Neuroimaging Artificial Intelligence Models 2024, Aperture neuro DOI:10.52294/001c.123059 PMID:39301517	研究论文	本文介绍了一个名为Brainchop的完全功能性网络应用程序，允许用户在其浏览器中将使用Python开发的深度学习模型应用于本地神经影像数据	Brainchop利用终端用户的图形卡，使得脑提取、组织分割和区域划分仅需几秒钟，避免了隐私问题，并提供了一个简单的机制来分发模型，用于额外的图像处理任务	NA	开发一个高效的分布平台，使开发者能够与终端用户共享神经影像人工智能模型	神经影像数据和深度学习模型	计算机视觉	NA	深度学习	深度学习模型	图像	NA
1088	2024-09-25	Artificial intelligence and bioinformatics: a journey from traditional techniques to smart approaches 2024, Gastroenterology and hepatology from bed to bench DOI:10.22037/ghfbb.v17i3.2977 PMID:39308539	综述	本文综述了人工智能在生物信息学中的应用，从传统技术到智能方法的演变	探讨了人工智能在生物信息学多个领域的应用，包括机器学习、深度学习和自然语言处理	NA	分析和解释生物数据中人工智能模型的不可或缺作用	人工智能在生物信息学中的应用，包括基因组测序、蛋白质结构预测、药物发现等	生物信息学	NA	机器学习、深度学习、自然语言处理	NA	基因组数据、蛋白质结构数据、药物数据、医学影像、文本数据	NA
1089	2024-09-25	An in-depth analysis of data reduction methods for sustainable deep learning 2024, Open research Europe DOI:10.12688/openreseurope.17554.2 PMID:39309190	研究论文	本文深入分析了数据缩减方法在可持续深度学习中的应用	提出了八种不同的表格训练数据集缩减方法，并开发了一个Python包来应用这些方法；引入了一个基于拓扑的表示性度量来衡量缩减数据集与完整训练数据集的相似性；开发了一种将这些数据缩减方法应用于图像数据集进行目标检测任务的方法	NA	研究数据缩减方法在减少深度学习模型训练过程中的能源消耗和提高效率方面的应用	深度学习模型的数据缩减方法及其对数据集表示性、能源消耗和模型预测性能的影响	机器学习	NA	深度学习	NA	表格数据和图像数据	NA
1090	2024-09-25	A deep learning method that identifies cellular heterogeneity using nanoscale nuclear features 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00883-x PMID:39309215	研究论文	本文介绍了一种名为AINU的深度学习方法，用于通过纳米级核特征识别细胞异质性	AINU能够基于超分辨率显微镜图像中的核心组蛋白H3、RNA聚合酶II或DNA的空间排列，区分不同的细胞状态	AINU需要少量的图像作为训练数据，并且需要适当的再训练才能识别特定类型的细胞	开发一种能够识别细胞异质性的深度学习方法，以理解其生物学过程的根源	人类体细胞、人类诱导多能干细胞、早期感染细胞以及癌症细胞	计算机视觉	癌症	超分辨率显微镜	深度学习	图像	少量图像用于训练
1091	2024-09-25	Multiview deep learning networks based on automated breast volume scanner images for identifying breast cancer in BI-RADS 4 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1399296 PMID:39309734	研究论文	开发并验证了一种基于深度学习的自动分割和分类系统，用于分类使用ABVS成像的BI-RADS 4病变	提出了一个两阶段的深度学习框架，包括自动分割模块和自动分类模块，并比较了不同ABVS视图和深度学习架构的诊断性能	研究仅限于BI-RADS 4病变的分类，且样本量相对较小	开发和验证一种基于深度学习的自动分割和分类系统，用于分类BI-RADS 4病变	BI-RADS 4病变的自动分割和分类	计算机视觉	乳腺癌	深度学习	Inception-v3, ResNet 50, MobileNet	图像	251个BI-RADS 4病变，来自216名患者（训练集178个，独立测试集73个）
1092	2024-09-25	Prediction of Arteriovenous Access Dysfunction by Mel Spectrogram-based Deep Learning Model 2024, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.98421 PMID:39310268	研究论文	本研究利用深度学习模型基于Mel频谱图预测动静脉通路功能障碍	首次使用Mel频谱图和深度学习模型预测动静脉通路功能障碍	ViT-GRU模型在测试集上的泛化能力较低	利用深度学习预测动静脉通路功能障碍，以便及时进行血管管理	动静脉瘘或动静脉移植的血液透析患者	机器学习	NA	Mel频谱图	卷积神经网络 (CNN), 卷积循环神经网络 (CRNN), Vision Transformers-Gate Recurrent Unit (ViT-GRU)	音频	437个音频记录，来自84名患者
1093	2024-09-25	Artificial Intelligence-What to Expect From Machine Learning and Deep Learning in Hernia Surgery 2024, Journal of abdominal wall surgery : JAWS DOI:10.3389/jaws.2024.13059 PMID:39310669	综述	本文探讨了人工智能在疝气手术中的应用，重点介绍了机器学习和深度学习的角色	本文详细阐述了深度学习模型在预测腹壁重建复杂性和其他术后结果方面的显著进展	本文指出当前人工智能技术在疝气手术中的应用仍存在局限性，并呼吁进一步的研究和应用	探讨人工智能在疝气手术中的应用及其潜在优势和局限性	疝气手术中的预手术规划、手术技术和术后管理	机器学习	NA	深度学习	神经网络	图像和视频	NA
1094	2024-09-25	Pashto poetry generation: deep learning with pre-trained transformers for low-resource languages 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2163 PMID:39314685	研究论文	本文介绍了一种利用预训练变压器模型生成高质量Pashto诗歌的创新方法	利用LaMini-Cerebras-590M和bloomz-560m两个预训练变压器模型生成Pashto诗歌	NA	研究如何利用机器和深度学习技术生成高质量的Pashto诗歌	Pashto诗歌生成	自然语言处理	NA	预训练变压器模型	变压器模型	文本	大量新的高质量Pashto诗歌数据集
1095	2024-09-24	Tantalum oxide nanoparticles as versatile and high-resolution X-ray contrast agent for intraductal image-guided ablative procedure in rodent models of breast cancer 2024, Npj imaging DOI:10.1038/s44303-024-00007-5 PMID:39301013	研究论文	研究了钽氧化物纳米颗粒作为高分辨率X射线对比剂在乳腺癌小鼠模型中进行导管内图像引导消融手术的适用性	钽氧化物纳米颗粒在导管内图像引导消融手术中表现出最佳的成像性能、低向外扩散和高均匀性，具有最高的局部清除率和低毒性	研究仅限于小鼠和Sprague-Dawley大鼠模型，尚未在人类中进行验证	评估FDA批准的含碘和各种金属（铋、金、碘、钽）的纳米颗粒对比剂在乳腺癌小鼠模型中进行导管内图像引导消融手术的适用性	小鼠和Sprague-Dawley大鼠的乳腺组织	数字病理学	乳腺癌	X射线成像	NA	图像	至少六个腹部乳腺组织（>3只雌性FVB/JN小鼠和/或Sprague-Dawley大鼠，10-11周龄）
1096	2024-09-23	A novel methodology for emotion recognition through 62-lead EEG signals: multilevel heterogeneous recurrence analysis 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1425582 PMID:39119215	研究论文	本文提出了一种新的三阶段方法，通过62导脑电信号进行情绪识别，结合流形嵌入、多层次异质性复发分析和集成学习	引入了多层次异质性复发分析（MHRA）和集成学习方法，以捕捉脑电信号的复杂动态特性，并提高情绪识别的准确性和可解释性	NA	开发一种新的方法来提高基于脑电信号的情绪识别的准确性和可解释性	62导脑电信号和四种情绪（中性、悲伤、恐惧、快乐）	机器学习	NA	多层次异质性复发分析（MHRA）	集成学习	脑电信号	使用SJTU-SEED IV数据库进行评估
1097	2024-09-23	Fetal-BET: Brain Extraction Tool for Fetal MRI 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3426969 PMID:39157057	研究论文	本文提出了一种用于胎儿MRI脑部提取的机器学习方法	开发了一种基于U-Net架构和注意力机制的深度学习方法，用于从多种胎儿MRI序列中自动提取脑部	需要大量标注数据进行训练，且方法的泛化能力需要在更多不同中心的数据上进一步验证	解决胎儿MRI脑部提取的挑战，为胎儿脑发育研究提供技术支持	胎儿MRI图像中的脑部提取	计算机视觉	NA	深度学习	U-Net	图像	约72,000张2D胎儿脑部MRI图像
1098	2024-09-23	Classification of land lot shapes in real estate sector using a convolutional neural network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308788 PMID:39298502	研究论文	本文研究了使用卷积神经网络对房地产行业中的地块形状进行分类	首次尝试在微观空间尺度上使用深度学习算法进行土地管理	NA	填补传统地块分类方法的空白，解决其耗时、资源密集和主观偏差的问题	地块形状的自动分类	计算机视觉	NA	卷积神经网络	Xception神经网络	图像	研究区域内的地块图像数据
1099	2024-09-22	A comparative evaluation of maize silage quality under diverse pre-ensiling strategies 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308627 PMID:39292664	研究论文	本文比较了不同预青贮策略下玉米青贮饲料质量的影响	利用开源数据库评估了新鲜收获玉米化学成分多样性对青贮饲料质量的影响，并提出了结合多数据库数据以应用更强大的机器学习或深度学习算法的建议	预测模型仅适用于使用田间传感器技术的筛选目的，需要更全面的方法来更好地阐明玉米青贮饲料质量的决定因素	评估不同预青贮策略对玉米青贮饲料质量的影响	玉米青贮饲料的质量	NA	NA	NA	NA	NA	NA
1100	2024-09-22	Artificial intelligence and machine learning applications for the imaging of bone and soft tissue tumors 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1332535 PMID:39301168	研究论文	本文探讨了人工智能和机器学习在骨与软组织肿瘤影像学中的应用	本文展示了人工智能工具在影像分割、病变检测等方面的潜力，特别是在恶性分级、预测和治疗计划中的应用	本文指出了标准化、数据整合和患者数据伦理问题等挑战，以及由于疾病发病率有限导致的算法开发障碍	本文旨在探讨人工智能和机器学习在骨与软组织肿瘤影像学中的应用及其潜力	本文主要研究对象是骨与软组织肿瘤的影像学	计算机视觉	骨与软组织肿瘤	人工智能、机器学习	深度学习	影像	NA