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
1621	2024-08-05	Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1285166 PMID:38872900	研究论文	本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值	首次实现了利用深度学习工具快速自动分割主动脉根部，提升了模型重建的时间效率	未提及模型在不同患者或病理状态下的适应性和广泛验证	探索基于深度学习工具的主动脉根部的自动分割技术的临床价值	183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据	计算机视觉	心血管疾病	深度学习	NA	图像	183个患者的CT扫描数据
1622	2024-08-05	STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1408688 PMID:38873109	研究论文	本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点	STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征	尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性	本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用	研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点	机器学习	癌症	深度学习	STM-ac4C	序列数据	独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集
1623	2024-08-05	Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305253 PMID:38870192	研究论文	本研究探讨了用于细胞穿透肽预测的分子描述符，结合深度学习技术。	提出了使用ConvBoost-CPP的创新方法，该方法结合了改进的卷积神经网络和XGBoost模型，以提高分类器的准确性	未提及具体的局限性	研究细胞穿透肽的分子描述符对膜渗透性的预测能力	细胞穿透肽以及与之相关的分子描述符，如氮、氧和疏水性	机器学习	NA	深度学习	ConvBoost-CPP	NA	NA
1624	2024-08-05	Deep learning based ECG segmentation for delineation of diverse arrhythmias 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303178 PMID:38870233	研究论文	本文研究了心电图中关键波形的准确描绘，特别是在不同心律失常情况下的表现	提出了一种类似U-Net的心电图分割模型，重点关注多样化的心律失常并开发后处理算法	在标准基准上的高表现模型在稀有心律失常下性能较差	旨在提高心电图分割在不同心律失常情况下的性能	多种心律失常的心电图数据	数字病理学	心脏病	深度学习	U-Net	心电图（ECG）	在多样化数据集上训练并在LUDB和QTDB数据集上评估
1625	2024-08-05	Stable tensor neural networks for efficient deep learning 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1363978 PMID:38873283	研究论文	该文章提出了一种基于张量的神经网络，用于高效地学习高维数据	引入了张量神经网络（t-NNs），作为传统全连接网络的扩展，以更高效的参数空间进行训练	本文没有具体提到实验的限制条件或潜在的应用局限性	研究旨在通过张量表示和处理来提高深度神经网络的训练效率	研究对象是高维数据及其在深度学习中的应用	机器学习	NA	深度神经网络	张量神经网络（t-NNs）	图像	使用了MNIST和CIFAR-10两个基准图像数据集
1626	2024-08-05	Prediction of miRNAs and diseases association based on sparse autoencoder and MLP 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1369811 PMID:38873111	研究论文	该研究提出了一种新的稀疏自编码器和多层感知器方法（SPALP）来预测miRNA与疾病之间的关联	采用稀疏自编码器和多层感知器结合的深度学习技术来提高miRNA-疾病关联预测的准确性	NA	旨在揭示miRNA与疾病之间的关联以探讨病理机制和治疗方法	miRNA和多种老年疾病的关联数据	计算机视觉	老年疾病	深度学习，稀疏自编码器和多层感知器	多层感知器	生物信息学数据	在研究中验证了与五种老年疾病相关的miRNA共30个，具体包括狼疮红斑、急性髓性白血病、心血管、卒中、糖尿病
1627	2024-08-05	Identification of biological indicators for human exposure toxicology in smart cities based on public health data and deep learning 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1361901 PMID:38873314	研究论文	本研究提出了一种基于公共健康数据和深度学习的方法，以识别智能城市中人类暴露的毒理生物指标	创新之处在于结合公共健康数据和深度学习，建立环境监测数据与健康指标之间的关联模型	研究可能受到传感器数据准确性和公共健康数据完整性影响	旨在通过识别毒理生物指标，准确评估和管理城市环境暴露风险	研究对象为城市公共健康数据与环境监测数据采集的污染物类型和浓度	计算机视觉	呼吸系统疾病与心血管疾病	深度学习	卷积神经网络	环境监测数据	涉及的样本数量及类型为通过智能城市基础设施收集的环境监测数据
1628	2024-08-05	MRET: Modified Recursive Elimination Technique for ranking author assessment parameters 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303105 PMID:38870157	研究论文	本文提出了一种修改的递归消除技术，通过深度学习对作者评估参数进行排名	创新点在于结合多层感知器分类器和修改递归消除技术来评估和排名作者影响力参数	限制在于仅针对数学领域的数据进行分析，可能不适用于其他领域的参数评估	研究的目的是识别和优先排序最有效的作者评估指标	研究对象包括525个尚未获奖的个体和525个被认为是潜在获奖者的个体	自然语言处理	NA	深度学习	多层感知器 (MLP)	数据集	共1050个个体，包括525个未获奖个体和525个潜在获奖个体
1629	2024-08-05	Investigation of the Binding Interaction of Mfsd2a with NEDD4-2 via Molecular Dynamics Simulations 2024-01-17, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.3c00791 PMID:38155530	研究论文	本文研究了Mfsd2a与NEDD4-2之间的结合相互作用，并通过分子动态模拟提供了结构基础	采用深度学习与分子动态模拟相结合的方法，获取了高质量的Mfsd2a结构及稳定的Mfsd2a/NEDD4-2-WW3相互作用模型	尚不清楚Mfsd2a与NEDD4-2结合的全面机制	旨在探讨Mfsd2a与NEDD4-2的结合相互作用	研究对象为Mfsd2a和NEDD4-2	分子生物学	神经疾病	分子动态模拟、深度学习	NA	结构数据	在氧-葡萄糖剥夺模型中验证了一个关键肽的抑制作用
1630	2024-08-05	Quantitative Prediction of Right Ventricular Size and Function From the ECG 2024-Jan-02, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.031671 PMID:38156471	研究论文	本研究利用深度学习和ECG分析预测右心室大小和功能	探索了通过深度学习进行ECG分析以评估右心室功能和大小，填补了传统方法的空白	研究限于UK Biobank和一个医疗系统的样本，可能影响结果的普遍适用性	研究深度学习在ECG分析中预测右心室功能和大小的能力	使用来自UK Biobank和多中心健康系统的患者数据进行模型训练和验证	机器学习	心血管疾病	深度学习	NA	ECG	UK Biobank (n=42,938), MSHoriginal (n=3,019), MSHvalidation (n=115)
1631	2024-08-05	Learning Attention in the Frequency Domain for Flexible Real Photograph Denoising 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3404253 PMID:38809730	研究论文	该文章提出了一种新的基于频率注意的方法来进行真实图像的去噪处理	本文创新性地引入了一种基于频率注意的框架，以全面表征多个频率通道的特征相关性	本文未提及具体的局限性	旨在解决当前基于CNN的去噪器在处理高频成分时的不足	主要研究真实图像去噪的效果和方法	计算机视觉	NA	深度学习	频率注意去噪网络 (FADNet)	图像	在多个真实相机基准数据集上进行评估
1632	2024-08-05	Application value of artificial intelligence algorithm-based magnetic resonance multi-sequence imaging in staging diagnosis of cervical cancer 2024, Open life sciences IF:1.7Q3 DOI:10.1515/biol-2022-0733 PMID:38867922	研究论文	本研究探讨了基于深度学习的多序列磁共振成像在宫颈癌分期诊断中的应用价值	提出了在DRN模型中加入特征增强层以提高宫颈癌MRI成像特征的信息，并评估了其诊断准确性	样本量仅为90例，可能限制研究的广泛适用性	探讨深度残差网络模型在宫颈癌分期诊断中的应用效果	90名在2019年8月至2021年5月间诊断为宫颈癌的患者	医学影像学	宫颈癌	磁共振成像 (MRI)	深度残差网络 (DRN)	医学影像	90例宫颈癌患者
1633	2024-08-05	Hate speech detection with ADHAR: a multi-dialectal hate speech corpus in Arabic 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1391472 PMID:38873176	研究论文	本文提出ADHAR，一个综合的阿拉伯语多方言、多类别仇恨言论语料库。	ADHAR数据库维护了方言、类别和仇恨/非仇恨类之间的平衡，提供了一种无偏的评估方法。	本文没有提到样本的收集范围或其他可能的语料库限制。	研究阿拉伯语的仇恨言论检测。	ADHAR语料库，包括现代标准阿拉伯语、埃及方言、黎凡特方言、海湾方言和马格里比方言。	自然语言处理	NA	深度学习	经典模型和深度学习模型	文本	70,369个词
1634	2024-08-05	Interpretable deep learning reveals the role of an E-box motif in suppressing somatic hypermutation of AGCT motifs within human immunoglobulin variable regions 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1407470 PMID:38863710	研究论文	本文系统研究了E-box基序在抑制人类免疫球蛋白可变区域内AGCT基序的体细胞高突变中的作用	提出了一种新的抑制机制，表明E-box转录因子与特定AGCT基序之间的结合与突变频率存在对抗关系	未详细探讨其他可能影响突变频率的序列上下文因素	揭示E-box基序在调控人类免疫球蛋白变量区域中SHM模式的作用	人类免疫球蛋白可变区域内AGCT基序的体细胞高突变数据集	机器学习	NA	深度学习	DeepSHM	基因组数据	使用了人类SHM数据集进行系统分析
1635	2024-08-05	Seismic resolution improving by a sequential convolutional neural network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304981 PMID:38861574	研究论文	本文提出了一种通过顺序卷积神经网络提高地震分辨率的方法。	创新点在于引入顺序卷积神经网络(SCNN)来实现低分辨率和高分辨率地震信号之间的映射关系。	本文未提及具体的限制条件	研究旨在提高薄层软岩的地震探测精度。	研究对象为用于地震数据处理的薄层软岩。	计算机视觉	NA	深度学习	顺序卷积神经网络(SCNN)	地震信号	低分辨率和高分辨率地震数据集
1636	2024-08-05	MCCM: multi-scale feature extraction network for disease classification and recognition of chili leaves 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1367738 PMID:38863551	研究论文	本研究提出了一种优化的卷积神经网络模型MCCM，用于辣椒叶疾病的分类和识别。	该模型引入了多尺度特征融合模块（MSFFM）和混合通道空间注意机制（MCSAM），显著提高了对多种疾病特征的捕捉能力。	模型在实际应用中仍可能面临准确性和应用挑战。	旨在提高辣椒叶疾病的分类和识别效果。	研究对象为辣椒叶的疾病图像。	计算机视觉	NA	卷积神经网络（CNN）	MCCM（MCSAM-ConvNeXt-MSFFM）	图像	使用Plant Village数据集进行训练，样本数量未具体说明
1637	2024-08-05	A joint model for lesion segmentation and classification of MS and NMOSD 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1351387 PMID:38863883	研究论文	本文提出了一种联合模型，用于多发性硬化症（MS）和视神经脊髓炎光谱障碍（NMOSD）的病灶分割和分类	创新点在于利用任务间的关联性提出联合模型，同时处理病灶分割和疾病分类任务	研究中没有提到样本的多样性和外部验证的不足	提高多发性硬化症和视神经脊髓炎光谱障碍的识别和诊断的准确性与速度	主要研究对象是多发性硬化症和视神经脊髓炎光谱障碍的病灶	计算机视觉	多发性硬化症和视神经脊髓炎光谱障碍	T2-FLAIR MRI成像技术	双支路结构的卷积模块和Swin Transformer模块	图像	NA
1638	2024-08-05	Sensitivity Decouple Learning for Image Compression Artifacts Reduction 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3403034 PMID:38787669	研究论文	提出了一种灵敏度解耦学习的方法，以减少图像压缩伪影	将压缩图像的内在属性解耦为两种互补特征，以提高图像压缩伪影的减少效果	NA	改善图像压缩伪影的减少效果，为下游解析任务提供更好的性能	图像压缩伪影	计算机视觉	NA	对抗训练	双重意识引导网络（DAGN）	图像	BSD500数据集上的处理，每张图像的处理时间为29.7毫秒
1639	2024-08-05	Technical note: ShinyAnimalCV: open-source cloud-based web application for object detection, segmentation, and three-dimensional visualization of animals using computer vision 2024-Jan-03, Journal of animal science IF:2.7Q1 DOI:10.1093/jas/skad416 PMID:38134209	研究论文	本研究开发了一个名为ShinyAnimalCV的开源云端网络应用，用于在动物科学中教授计算机视觉。	ShinyAnimalCV提供了一个用户友好的界面，便于进行物体分割、检测和三维可视化，是一个创新的教学工具。	尽管ShinyAnimalCV提供了易用的界面，但在某些情况下，用户仍可能需要编程和数据分析技能。	研究旨在通过开发ShinyAnimalCV来促进动物科学中的计算机视觉教育。	本研究的对象是动物科学学生和相关教育者。	计算机视觉	NA	计算机视觉	预训练的计算机视觉模型	图像	九个使用俯视动物数据的预训练模型
1640	2024-08-05	Human cytokine and coronavirus nucleocapsid protein interactivity using large-scale virtual screens 2024, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2024.1397968 PMID:38855143	研究论文	本研究利用大型虚拟筛选来理解SARS-CoV-2与人体免疫系统之间的相互作用。	提出了一种新算法GIRAF，用于快速评估蛋白质-蛋白质对接的结合界面，同时比较了基于深度学习的AlphaFold2-Multimer和半物理化学的HADDOCK方法的预测能力。	研究的限制未详细说明，但可能存在数据的适用性和通用性的问题。	研究SARS-CoV-2和人类细胞因子之间的相互作用，以推动针对新型病毒变异的干预措施的开发。	分析64种人类细胞因子与来自六种β冠状病毒的17种核壳蛋白的结合亲和力。	数字病理学	NA	分子对接工具	AlphaFold2-Multimer和HADDOCK	NA	64种细胞因子和17种核壳蛋白