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
161	2024-12-12	A novel deep learning model for predicting marine pollution for sustainable ocean management 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2482 PMID:39650505	研究论文	本文提出了一种新的深度学习模型，用于预测海洋污染，以支持可持续的海洋管理	本文创新性地利用人工智能力量识别和分类海洋及海底塑料废物，并使用全卷积网络（FCN）进行分类	NA	研究目的是利用人工智能技术识别和分类海洋及海底塑料废物，以支持可持续的海洋管理	研究对象是海洋及海底的塑料废物	机器学习	NA	全卷积网络（FCN）	全卷积网络（FCN）	图像	使用了Kaggle的塑料位置数据进行模型训练
162	2024-12-12	Advancing multi-categorization and segmentation in brain tumors using novel efficient deep learning approaches 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2496 PMID:39650515	研究论文	本文提出了一种基于深度学习的新方法，用于脑肿瘤的多分类和分割，旨在提高分类的准确性和速度	引入了ERSACA-Net模型，结合了扩展残差结构和自适应通道注意力机制，并使用了LWIFCM_CSA方法进行聚类，以及CTGAN解决类别不平衡问题	NA	提高脑肿瘤分类和分割的准确性和效率	脑肿瘤的分类和受影响区域的分割	计算机视觉	脑肿瘤	深度学习	ERSACA-Net	图像	NA
163	2024-12-12	A systematic review on artificial intelligence approaches for smart health devices 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2232 PMID:39650514	综述	本文系统回顾了用于智能健康设备的人工智能方法，探讨了机器学习和深度学习在智能健康中的应用，并分析了隐私和安全问题	本文通过系统回顾提供了智能健康领域中AI方法的全面概述，并提出了设计、开发和实施AI解决方案的实用指南	本文主要通过回顾现有文献进行分析，未进行实际的实验或数据验证	本文旨在通过系统回顾识别智能健康领域的挑战、最佳实践和未来机会，并提供AI解决方案的实用指南	本文研究对象包括智能健康设备、机器学习和深度学习网络架构以及健康数据的隐私和安全问题	机器学习	NA	机器学习（ML）和深度学习（DL）	神经网络	数据	NA
164	2024-12-12	Auditory-GAN: deep learning framework for improved auditory spatial attention detection 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2394 PMID:39650521	研究论文	本文提出了一种名为Auditory-GAN的深度学习框架，用于改进多通道脑电图信号中的听觉空间注意力检测	创新点在于提出了一个完整的深度听觉生成对抗网络辅助系统，能够生成脑电图数据并执行听觉空间检测，同时解决了在线脑电图数据稀缺和低延迟检测的问题	NA	改进听觉空间注意力检测的准确性和效率	多通道脑电图信号中的听觉空间注意力	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	脑电图信号	64通道脑电图数据
165	2024-12-12	Measurement of sulfur content in coal mining areas by using field-remote sensing data and an integrated deep learning model 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2458 PMID:39650518	研究论文	本研究首次利用现场遥感数据绘制露天煤矿硫含量分布图，并提出了一种评估煤矿成分的新方法	首次使用现场遥感数据和集成深度学习模型来测量煤矿区域的硫含量，并提出了基于卷积神经网络的微型神经网络模型	未提及具体限制	快速确定煤矿区域煤的硫含量	煤矿区域的煤硫含量	计算机视觉	NA	遥感数据，可见光-近红外（Vis-NIR）光谱	卷积神经网络（CNN）	图像	未提及具体样本数量
166	2024-12-12	Deep learning-based anomaly detection using one-dimensional convolutional neural networks (1D CNN) in machine centers (MCT) and computer numerical control (CNC) machines 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2389 PMID:39650526	研究论文	本研究提出了一种基于一维卷积神经网络（1D CNN）的深度学习模型，用于机床中心（MCT）和计算机数控（CNC）机器的早期故障检测	本研究的创新点在于使用1D CNN模型进行早期故障检测，相比传统机器学习分类器和其他深度学习模型，该模型在准确率、精确率、召回率和F1分数上均表现更优	NA	研究目的是开发一种高效的深度学习模型，用于机床中心（MCT）和计算机数控（CNC）机器的早期故障检测，以降低维护成本并提高生产效率	研究对象是机床中心（MCT）和计算机数控（CNC）机器的传感器数据	机器学习	NA	一维卷积神经网络（1D CNN）	一维卷积神经网络（1D CNN）	传感器数据	NA
167	2024-12-12	Enhancing brain tumor MRI classification with an ensemble of deep learning models and transformer integration 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2425 PMID:39650528	研究论文	本文提出了一种结合深度学习模型和Transformer编码器的混合模型，用于增强脑肿瘤MRI分类的准确性	本文的创新点在于将迁移学习和Transformer编码器机制相结合，并通过集成多个预训练模型（DenseNet201、GoogleNet和InceptionResNetV2）来提高分类准确性	本文的局限性在于仅在公开的研究数据集上进行了实验，未提及在实际临床环境中的应用效果	本文的研究目的是提高脑肿瘤MRI分类的准确性，以支持早期诊断和治疗	本文的研究对象是脑肿瘤的MRI图像分类	计算机视觉	脑肿瘤	深度学习	混合模型（集成模型与Transformer编码器）	图像	使用了三个公开数据集：Cheng数据集、BT-large-2c数据集和BT-large-4c数据集，每个数据集的样本数量、平面和对比度有所不同
168	2024-12-12	Recognition of Conus species using a combined approach of supervised learning and deep learning-based feature extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313329 PMID:39652613	研究论文	本文提出了一种结合监督学习和深度学习特征提取的方法来识别芋螺物种	本文的创新点在于采用了随机森林和XGBoost的集成学习策略，并结合深度学习模型进行特征提取，以提高芋螺物种识别的准确性	本文的局限性在于仅使用了芋螺壳的图像数据，未来可以考虑结合其他类型的数据进行研究	本文的研究目的是开发一种高效准确的方法来识别芋螺物种	本文的研究对象是芋螺物种及其壳的图像	计算机视觉	NA	深度学习	CNN	图像	47,600张尺寸为224x224像素的芋螺壳图像
169	2024-12-11	Toward explainable deep learning in healthcare through transition matrix and user-friendly features 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1482141 PMID:39654544	研究论文	本研究提出了一种基于转移矩阵的可扩展方法，用于增强深度学习模型在医疗信号和图像处理中的可解释性	通过转移矩阵将复杂的模型决策转化为用户友好的可解释特征，结合临床指南和专家规则，使模型输出符合既定的医疗标准	NA	提高深度学习模型在医疗应用中的透明度和可信度	心电图（ECG）数据用于心律失常检测和磁共振成像（MRI）数据用于心脏病分类	机器学习	心血管疾病	深度学习	深度学习模型	信号和图像	两个医疗数据集：心电图（ECG）和磁共振成像（MRI）
170	2024-12-12	On-site CT-derived cFFR in patients with suspected coronary artery disease: Feasibility on a 128-row CT scanner in everyday clinical practice 2024-01, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2142-1643 PMID:37820710	研究论文	本研究评估了在日常临床实践中使用128排CT扫描仪进行基于CT的冠状动脉血流储备分数（cFFR）计算的技术可行性	本研究首次在日常临床实践中使用深度学习算法在128排CT扫描仪上实现了cFFR的非侵入性现场量化	本研究为单中心回顾性分析，样本量有限，且仅在部分患者中进行了侵入性冠状动脉造影的对比	评估在日常临床实践中使用128排CT扫描仪进行基于CT的cFFR计算的技术可行性	230名疑似冠状动脉疾病患者	数字病理学	心血管疾病	深度学习	深度学习算法	图像	230名患者，其中57名进行了侵入性冠状动脉造影
171	2024-12-12	An Epileptic EEG Detection Method Based on Data Augmentation and Lightweight Neural Network 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2023.3308196 PMID:38059126	研究论文	本文提出了一种基于数据增强和轻量级神经网络的癫痫脑电图检测方法	本文的创新点在于使用数据增强技术（如小窗口分割和SMOTE算法）来解决数据集大小和类别不平衡问题，并提出了一种简化的神经网络架构，显著减少了模型的训练参数	本文的局限性在于仅使用了两个公开数据集进行实验，未来可能需要更多样化的数据集来验证方法的泛化能力	本文的研究目的是提高癫痫检测的效率和准确性，并使其适用于低成本、低计算资源的硬件设备	本文的研究对象是癫痫患者的脑电图信号	机器学习	神经疾病	SMOTE	神经网络	脑电图	9371个参数
172	2024-12-12	MRM-BERT: a novel deep neural network predictor of multiple RNA modifications by fusing BERT representation and sequence features 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2315384 PMID:38357904	研究论文	本文提出了一种结合预训练序列表示和多种序列特征的混合方法，用于预测多种RNA修饰	本文的创新点在于开发了MRM-BERT模型，该模型结合了预训练的DNABERT深度序列表示模块和卷积神经网络（CNN），利用四种传统序列特征编码来提高预测性能	NA	本文的研究目的是开发一种有效的方法来预测多种RNA修饰，以促进对RNA生物学的理解并推动治疗策略的发展	本文的研究对象是12种常见的RNA修饰，包括mA、mC等	机器学习	NA	NA	CNN	序列	多个数据集，包含12种常见的RNA修饰
173	2024-12-12	In silico models of the macromolecular NaV1.5-KIR2.1 complex 2024, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2024.1362964 PMID:38468705	研究论文	本文通过刚体蛋白质-蛋白质对接程序和基于深度学习的AlphaFold-Multimer软件生成了Na1.5-K2.1的3D模型，揭示了这两个通道在整个跨膜区域上的物理相互作用	首次通过3D建模揭示了Na1.5和K2.1通道在整个跨膜区域上的物理相互作用，并发现了疾病相关突变的热点区域	仅通过计算机模拟生成模型，未进行实验验证	研究Na1.5和K2.1通道在心肌细胞中的相互作用及其在心血管疾病中的潜在作用	Na1.5和K2.1通道及其形成的宏分子复合物	心血管疾病	心血管疾病	AlphaFold-Multimer	AlphaFold-Multimer	蛋白质结构	NA
174	2024-12-12	BioDeepfuse: a hybrid deep learning approach with integrated feature extraction techniques for enhanced non-coding RNA classification 2024-01, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2024.2329451 PMID:38528797	研究论文	本文提出了一种名为BioDeepFuse的混合深度学习框架，结合卷积神经网络（CNN）或双向长短期记忆网络（BiLSTM）与手工特征提取技术，用于增强非编码RNA分类的准确性	创新点在于将CNN或BiLSTM与手工特征提取技术相结合，以优化非编码RNA序列的空间和序列特征的利用	NA	旨在提高非编码RNA分类的准确性，并深化对非编码RNA在细胞过程和疾病表现中的理解	非编码RNA序列	机器学习	NA	卷积神经网络（CNN），双向长短期记忆网络（BiLSTM），手工特征提取技术	混合深度学习框架	序列	使用基准数据集和来自细菌生物的实际RNA样本进行评估
175	2024-12-12	A review of the applications of generative adversarial networks to structural and functional MRI based diagnostic classification of brain disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1333712 PMID:38686334	综述	本文综述了生成对抗网络（GAN）在基于结构和功能磁共振成像（MRI）的脑部疾病诊断分类中的应用	GAN通过学习数据分布来增强数据，为解决神经影像数据稀缺和不平衡问题提供了潜在解决方案	本文指出了方法学和可解释性方面的不足，并提出了未来研究的方向	探讨GAN在神经影像数据分类中的应用，并提出未来研究的方向	基于结构和功能MRI的脑部疾病诊断分类	机器学习	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	NA
176	2024-12-11	Multi-site benchmark classification of major depressive disorder using machine learning on cortical and subcortical measures 2024-01-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47934-8 PMID:38212349	研究论文	本文使用机器学习技术对多站点样本进行大规模分类，评估了浅层线性和非线性模型在区分重度抑郁症与健康对照中的表现	本文采用了迄今为止最大的多站点样本（N=5365），并使用标准化ENIGMA分析管道中的脑测量数据，提供了一个可推广的机器学习分类基准	尽管使用了大规模样本，分类准确率仍然较低，尤其是在数据调和后，准确率接近随机水平	评估现有机器学习算法在区分重度抑郁症与健康对照中的诊断预测能力	重度抑郁症患者与健康对照	机器学习	精神疾病	机器学习	浅层线性和非线性模型	脑成像数据	5365名参与者
177	2024-12-11	Endoscopic Artificial Intelligence for Image Analysis in Gastrointestinal Neoplasms 2024, Digestion IF:3.0Q2 DOI:10.1159/000540251 PMID:39068926	综述	本文综述了近年来在胃肠道肿瘤中使用内镜人工智能系统的研究进展，重点关注食管鳞状细胞癌、食管腺癌、胃癌和结直肠息肉	本文总结了内镜AI系统在不同胃肠道肿瘤中的应用，展示了其在提高检测和诊断准确性方面的潜力	本文主要为综述性质，未提供新的实验数据或技术突破	探讨内镜人工智能系统在胃肠道肿瘤中的应用及其效果	食管鳞状细胞癌、食管腺癌、胃癌和结直肠息肉	数字病理学	胃肠道肿瘤	深度学习	计算机辅助检测/诊断系统	图像	NA
178	2024-12-11	The applications of anterior segment optical coherence tomography in glaucoma: a 20-year bibliometric analysis 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18611 PMID:39619196	研究论文	本文通过文献计量学方法分析了过去20年AS-OCT在青光眼领域的研究热点和趋势	首次对AS-OCT在青光眼领域的研究进行了全面的文献计量学分析，揭示了该领域的研究热点和趋势	仅基于文献数据进行分析，未涉及实际临床应用效果	探讨AS-OCT在青光眼领域的研究热点和趋势	AS-OCT在青光眼领域的研究文献	NA	青光眼	文献计量学	NA	文献	931篇文献
179	2024-12-11	Enhanced related-key differential neural distinguishers for SIMON and SIMECK block ciphers 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2566 PMID:39650359	研究论文	本文提出了一种增强的相关密钥差分神经区分器框架，用于SIMON和SIMECK分组密码	引入了加权偏差分数方法来高效选择输入差异，并提出了利用两个输入差异的改进方案，显著提高了区分器的准确性	NA	改进相关密钥差分神经区分器，以提高对SIMON和SIMECK分组密码的攻击效果	SIMON和SIMECK分组密码	密码学	NA	深度学习	神经网络	NA	NA
180	2024-12-09	Classifying forensically important flies using deep learning to support pathologists and rescue teams during forensic investigations 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314533 PMID:39637032	研究论文	本文提出使用计算机视觉和深度学习技术对法医重要蝇类进行分类，以支持法医调查和救援团队	利用深度学习模型对蝇类进行高效准确的分类，特别是在危机情况下使用无人机进行搜索	NA	开发一种深度学习模型，用于在法医昆虫学中对蝇类进行分类，以支持法医调查和救援行动	法医重要蝇类，包括Calliphoridae、Sarcophagidae、Rhiniidae及其属Chrysomya、Lucilia、Sarcophaga、Rhiniinae和Stomorhina	计算机视觉	NA	深度学习	MobileNetV3-Large和VGG19	图像	NA