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
1541	2024-08-05	A CNN-CBAM-BIGRU model for protein function prediction 2024-Jan-01, Statistical applications in genetics and molecular biology IF:0.8Q3 DOI:10.1515/sagmb-2024-0004 PMID:38943434	研究论文	提出了一种新的CNN-CBAM-BiGRU模型用于蛋白质功能预测	将卷积块注意力模块与双向GRU结合，提高了对蛋白质数据中信息部分的关注	NA	研究利用深度学习模型进行蛋白质功能预测的有效性	蛋白质序列数据	计算机视觉	NA	深度学习	CNN-CBAM-BiGRU	蛋白质序列	人类和酵母数据集
1542	2024-08-05	Variants in Candidate Genes for Phenotype Heterogeneity in Patients with the 22q11.2 Deletion Syndrome 2024, Genetics research IF:1.4Q4 DOI:10.1155/2024/5549592 PMID:38586596	研究论文	本研究探讨了22q11.2缺失综合症患者表型异质性的候选基因变异	通过对九个候选基因进行靶向下一代测序，发现了与22q11.2缺失相关的新的遗传变异	研究仅基于巴西一个相对较大的22q11.2DS人群，可能限制了结果的普遍性	探究可能作为遗传修饰因子并影响22q11.2缺失综合症表型异质性的遗传变异	对60名22q11.2DS患者进行基因变异的研究	数字病理学	NA	下一代测序（NGS）	深度学习模型（GARFIELD-NGS）	基因组数据	60名22q11.2DS患者
1543	2024-08-05	Multiparametric MRI-based radiomics approach with deep transfer learning for preoperative prediction of Ki-67 status in sinonasal squamous cell carcinoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1305836 PMID:38939344	研究论文	本文开发了一种结合传统手工特征和深度迁移学习特征的多参数MRI放射组学方法，以预测鼻窦鳞状细胞癌的Ki-67状态	创新之处在于结合了传统手工特征与深度迁移学习特征以提高预测能力	在病理、临床和MRI特征中未发现独立预测因子	研究旨在基于多参数MRI预测鼻窦鳞状细胞癌患者的Ki-67状态	研究对象为231名鼻窦鳞状细胞癌患者	数字病理学	鼻窦鳞状细胞癌	多参数MRI	支持向量机和其他集成学习模型（LightGBM, ExtraTrees）	影像	231名患者（训练组185名，测试组46名）
1544	2024-08-05	Attribution classification method of APT malware based on multi-feature fusion 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304066 PMID:38935673	研究论文	提出了一种基于多特征融合的APT恶意软件归属分类方法	构建了基于API指令和相关操作的事件行为图，并提出了多特征、多输入的深度学习模型	未讨论使用其他特征集的潜在影响，且对DLL链接库和隐藏文件地址的考虑可能不足	解决APT恶意软件归属分类中的不足，提升分类性能	使用公开数据集评估APT恶意软件的归属分类	计算机视觉	NA	深度学习	GNNs	图像	公开数据集
1545	2024-08-05	DEKR-SPrior: An Efficient Bottom-Up Keypoint Detection Model for Accurate Pod Phenotyping in Soybean 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0198 PMID:38939747	研究论文	提出了一种底部向上的模型DEKR-SPrior，旨在提高大豆荚的表型准确性	设计了新颖的结构先验模块(SPrior)，利用余弦相似性来提高特征区分度	对深度学习模型在拥挤荚的表型识别中的有效性仍有待进一步研究	提高大豆荚和种子的高通量表型测定精度	密集堆叠和重叠的大豆荚和种子	数字植物学	NA	深度学习(DL)	DEKR-SPrior	图像	使用了多个图像数据集进行实验
1546	2024-08-05	Predicting COPD exacerbations based on quantitative CT analysis: an external validation study 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1370917 PMID:38933101	研究论文	这篇文章探讨了基于定量CT分析预测慢性阻塞性肺病(COPD)加重的潜力	首次确认了CT衍生的生物标记物与COPD加重之间的关联，并开发了深度学习系统进行预测	这是一个回顾性研究，可能存在选择偏倚	研究定量CT分析在预测COPD加重方面的效果	包含1150名COPD患者的临床数据	医学影像学	慢性阻塞性肺病	定量CT分析	深度学习系统	临床数据	1150名患者
1547	2024-08-05	Finding the limits of deep learning clinical sensitivity with fractional anisotropy (FA) microstructure maps 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1415085 PMID:38933144	研究论文	本研究探讨了使用深度学习减少扩散加权成像中的输入体积数量对临床敏感性的影响	开发了一种名为“one-minute FA”的深度学习网络，可以使用更少的DW体积生成与标准方法相同特征的FA图	在外部临床数据集上测试时，使用4或7个DW体积的网络未能显示患者组之间的显著差异	研究减少扩散加权成像输入体积数量对生成FA图及其临床敏感性的影响	评估在不同数量的DW输入体积下训练的深度学习网络的表现和临床敏感性	数字病理学	神经疾病	扩散加权成像 (DW)	深度学习网络	图像	使用高分辨率的开放获取人类连通组项目数据集，测试了两个未见过的外部临床数据集
1548	2024-08-05	Detection and Identification of Tassel States at Different Maize Tasseling Stages Using UAV Imagery and Deep Learning 2024, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0188 PMID:38933805	研究论文	本研究展示了一种利用无人机和深度学习技术来准确识别和评估玉米杂交田中穗子的状态的方法	提出了一种特定的穗子注释和数据增强策略，以显著提升穗子训练数据的质量	研究中未提及样本的多样性或数据的局限性	研究的目的是提高玉米杂交田中穗子状态的识别精度	研究对象为玉米杂交田中的穗子	计算机视觉	NA	深度学习	对象检测模型	图像	NA
1549	2024-08-05	ConfluentFUCCI for fully-automated analysis of cell-cycle progression in a highly dense collective of migrating cells 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305491 PMID:38924026	研究论文	介绍了ConfluentFUCCI，一个用于密集细胞群体的细胞周期进展全自动分析的开源框架	ConfluentFUCCI通过集成多种前沿工具，提供了与以往工具不同的全自动细胞周期分析方法	对比最新相关工具的准确性和效率的研究，可能存在样本或应用范围上的限制	研究细胞周期进展的机制和生物物理特性之间的关系	高度密集的迁移细胞群体	数字病理学	癌症研究	FUCCI	NA	图像	NA
1550	2024-08-05	SS-DRPL: self-supervised deep representation pattern learning for voice-based Parkinson's disease detection 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1414462 PMID:38933392	研究论文	本研究探讨了自监督深度表示模式学习在基于声音的帕金森病检测中的应用	提出了一种将自监督深度表示模式学习与深度学习算法结合的新方法，以提高基于声音的帕金森病分类准确性	未提及具体的限制	旨在提高基于声音的帕金森病检测的准确性	研究对象为语音数据中的帕金森病病例	机器学习	帕金森病	自监督深度表示模式学习	长短期记忆网络和递归神经网络（LSTM-RNN）、深度神经网络（DNN）	声音	未提及具体的样本大小
1551	2024-08-05	Enhancing brain tumor classification in MRI scans with a multi-layer customized convolutional neural network approach 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418546 PMID:38933391	研究论文	该文章提出了一种新型卷积神经网络架构，以提高脑肿瘤在MRI扫描中的检测准确性和效率	该研究创造性地采用了多任务分类模型，通过单一CNN模型进行多种分类任务，展现了深度学习在医学应用中的巨大潜力	未提及	研究旨在优化脑肿瘤的检测和诊断流程	研究对象为7,023幅被分类为胶质瘤、脑膜瘤、无肿瘤和垂体肿瘤的脑MRI图像	计算机视觉	脑肿瘤	卷积神经网络	CNN	图像	7,023幅脑MRI图像
1552	2024-08-05	A single fast Hebbian-like process enabling one-shot class addition in deep neural networks without backbone modification 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1344114 PMID:38933813	研究论文	介绍了一种快速的Hebbian-like过程，使预训练深度学习图像分类器无需修改其主干即可进行一次性类别添加	提出了一种新颖的解释，将权重印记过程的一部分与Hebbian规律对齐，简化了一次性类别添加的方法	尽管方法简单，但其与神经科学的相关性仍然模糊，并且可能干扰原始图像分类	研究深度学习模型的优化，使其能够进行一次性类别添加	预训练的深度学习图像分类器	机器学习	NA	非参数归一化	深度学习图像分类器	图像	NA
1553	2024-08-05	Correction: Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306470 PMID:38924028	更正	本文章修正了之前发表的关于沉浸式营销环境下消费者偏好的研究。	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1554	2024-08-05	Automatic prediction of non-iodine-avid status in lung metastases for radioactive I131 treatment in differentiated thyroid cancer patients 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1429115 PMID:38933823	research paper	本研究提出了一种自动化的非碘摄取状态预测方法，以优化分化型甲状腺癌患者的肺转移治疗	创新点在于开发了一种无创、低辐射的自动化方法，通过深度学习来预测肺转移的非碘摄取状态	研究的可行性需要进一步在多中心的大规模前瞻性研究中验证	本研究旨在开发有效的诊断成像工具，以预测分化型甲状腺癌患者肺转移的非碘摄取状态	研究对象为496例接受过处理的分化型甲状腺癌患者的1962个肺转移病灶	医学影像学	甲状腺癌	深度学习	SE-Net	医学影像	496例分化型甲状腺癌患者的1962个肺转移病灶，以及来自其他两家医院的24例患者的123个肺转移病灶
1555	2024-08-05	A deep neural network and transfer learning combined method for cross-task classification of error-related potentials 2024, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2024.1394107 PMID:38933146	研究论文	本文提出了一种结合深度神经网络和迁移学习的方法，用于错误相关电位的跨任务分类。	创新性地整合卷积层和变换器编码器，并采用迁移学习策略，有效提高了错误相关电位的分类准确性。	目前的方法仍受限于电极信号的高非平稳性和可用ErrPs数据集的有限性。	研究如何通过深度学习提高错误相关电位的分类精度。	该研究的对象是错误相关电位（ErrPs）及其分类。	机器学习	NA	深度学习	卷积神经网络和变换器	EEG信号	NA
1556	2024-08-05	Lung nodule malignancy classification with associated pulmonary fibrosis using 3D attention-gated convolutional network with CT scans 2024-01-13, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-023-04798-w PMID:38216992	研究论文	本研究旨在使用3D注意力门控卷积网络对肺结节的恶性分类进行评估，考虑了相关的肺纤维化因素	提出了一种可视化的3D分类模型，并特别考虑肺纤维化的信息以提高肺结节恶性分类的准确性	本研究基于自有的CT数据集，可能缺乏足够的多样性以代表广泛的人群	评估在胸部CT图像中将纤维化微环境纳入肺结节恶性分类的效果	研究对象为胸部CT图像中的肺结节及其微环境	数字病理学	肺癌	深度学习	3D卷积神经网络	CT图像	使用了内部CT数据集，具体样本大小未详细说明
1557	2024-08-05	Development of a deep learning model for predicting recurrence of hepatocellular carcinoma after liver transplantation 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1373005 PMID:38919938	研究论文	本研究开发了一种深度学习模型，用于预测肝移植后肝细胞癌的复发	提出了一种基于TabNet的预后模型，在预测肝移植后复发方面优于米兰标准	研究未涉及其他潜在影响复发风险的临床因素	旨在建立和验证深度学习模型，更好地指导肝移植后的治疗	评估356例接受肝移植的肝细胞癌患者的复发风险	机器学习	肝细胞癌	深度学习	TabNet	表格数据	356个肝细胞癌患者
1558	2024-08-05	Development of a predictive model for 1-year postoperative recovery in patients with lumbar disk herniation based on deep learning and machine learning 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1255780 PMID:38919973	研究论文	本研究旨在开发一个预测模型，以预测腰椎间盘突出患者术后1年的恢复情况	利用深度学习和机器学习技术开发的预测模型为临床决策提供信息	数据来自于特定时间段的回顾性分析，可能存在样本偏差	开发一个能预测腰椎间盘突出患者术后恢复的模型	470名接受微创手术的住院患者的临床数据	机器学习	NA	深度学习和机器学习	MLP（人工神经网络）	临床数据	470名住院患者
1559	2024-08-05	Factor-GAN: Enhancing stock price prediction and factor investment with Generative Adversarial Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306094 PMID:38917175	研究论文	本文介绍了Factor-GAN，一个利用生成对抗网络技术进行因子投资的创新框架	Factor-GAN结合深度学习技术与多因子定价模型，提高了投资策略的精确度和稳定性	样本分析仅限于中国股市，可能影响研究结论的普遍性	探讨深度学习在因子投资中的应用	以70个公司特征为基础的因子数据库进行分析	机器学习	NA	生成对抗网络	NA	金融数据	中国股市的子样本分析
1560	2024-08-05	BAOS-CNN: A novel deep neuroevolution algorithm for multispecies seagrass detection 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0281568 PMID:38917071	研究论文	文章提出了一种新的深度神经进化算法BAOS-CNN，用于多种海草的检测	该研究通过提出一种名为'Boosted Atomic Orbital Search (BAOS)'的元启发式算法，实现了CNN模型的架构工程和超参数调优的自动化	文章没有提到特定的局限性	研究的目的是提高多种海草图像识别的准确性	研究对象是多种海草图像数据集	计算机视觉	NA	深度学习，CNN	CNN	图像	七个进化基础的CNN模型在基于补丁的多种海草数据集上进行训练和评估