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
3581	2024-12-08	Recognition of parasitic helminth eggs via a deep learning-based platform 2024, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2024.1485001 PMID:39633811	研究论文	本研究利用YOLOv4深度学习算法开发了一个用于识别寄生虫卵的平台	首次将人工智能技术应用于寄生虫卵的检测和分类，显著提高了诊断效率和准确性	在复杂诊断场景中，识别准确率仍有提升空间	开发一种高效、准确的寄生虫卵检测方法，以改善传统诊断方法的不足	不同种类的寄生虫卵，包括蛔虫、鞭虫、蛲虫、钩虫、日本血吸虫、肺吸虫、姜片虫、华支睾吸虫和绦虫	计算机视觉	寄生虫病	YOLOv4深度学习算法	YOLOv4	图像	涉及9种寄生虫卵的单物种和混合样本
3582	2024-12-08	Enhancing early Alzheimer's disease classification accuracy through the fusion of sMRI and rsMEG data: a deep learning approach 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1480871 PMID:39633895	研究论文	本文提出了一种基于深度学习的多模态分类框架，通过融合sMRI和rsMEG数据来提高阿尔茨海默病早期分类的准确性	本文创新性地提出了InterFusion方法，通过融合sMRI和rsMEG数据，显著提高了阿尔茨海默病早期分类的准确性	NA	提高阿尔茨海默病早期分类的准确性	sMRI和rsMEG数据	计算机视觉	阿尔茨海默病	深度学习	NA	图像	307个样本，包括163个轻度认知障碍病例和144个认知健康的对照组
3583	2024-12-08	YOLO-SDL: a lightweight wheat grain detection technology based on an improved YOLOv8n model 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1495222 PMID:39634063	研究论文	本文提出了一种基于改进的YOLOv8n模型的轻量级小麦谷物检测技术YOLO-SDL	YOLO-SDL模型在YOLOv8n的基础上，结合了ShuffleNetV2架构和深度可分离卷积（DWConv）与大分离核注意力（LSKA）机制，显著提高了检测速度和准确性	NA	实现高效的小麦谷物检测	小麦谷物的质量检测	计算机视觉	NA	深度学习	YOLOv8n	图像	包含完美、发芽、患病和受损谷物图像的高质量小麦谷物数据集
3584	2024-12-08	Moving Beyond Medical Statistics: A Systematic Review on Missing Data Handling in Electronic Health Records 2024, Health data science DOI:10.34133/hds.0176 PMID:39635227	综述	本文系统回顾了电子健康记录中缺失数据处理方法的研究现状	比较了传统统计方法和机器学习方法在不同缺失场景下的表现，发现机器学习方法在处理电子健康记录中的缺失数据方面具有显著潜力	没有一种方法能提供普遍适用的解决方案，标准化基准分析对于评估这些方法在不同缺失场景下的表现至关重要	探讨电子健康记录中缺失数据处理方法的现状及其在不同场景下的表现	电子健康记录中的缺失数据处理方法	机器学习	NA	机器学习方法，如生成对抗网络（GAN）和k近邻（KNN）分类	生成对抗网络（GAN），k近邻（KNN）	电子健康记录数据	46项研究，涵盖2010年至2024年发表的文献
3585	2024-12-08	Enhancing human activity recognition for the elderly and individuals with disabilities through optimized Internet-of-Things and artificial intelligence integration with advanced neural networks 2024, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2024.1454583 PMID:39635647	研究论文	本文介绍了一种通过优化物联网和人工智能集成以及先进神经网络来增强老年人及残疾人士活动识别系统的方法	提出了一种结合门控循环网络和深度极限前馈神经网络的新型集成模型，并通过人工水滴优化算法优化超参数，以减少计算开销并提高检测效率	NA	旨在通过优化物联网和人工智能集成，提升老年人及残疾人士活动识别系统的准确性和效率	老年人及残疾人士的活动识别系统	机器学习	NA	人工水滴优化算法	门控循环网络和深度极限前馈神经网络	实时数据	使用从物联网测试平台收集的实时数据进行实验
3586	2024-12-08	Topology aware multitask cascaded U-Net for cerebrovascular segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311439 PMID:39636790	研究论文	提出了一种基于拓扑感知的多任务级联U-Net模型，用于脑部血管分割	引入了clDice损失函数，通过直接从分割和磁共振血管造影图像中计算血管骨架，实现了更准确的拓扑结构预测	NA	提高脑部血管分割的准确性和拓扑结构的捕捉能力	脑部血管	计算机视觉	NA	磁共振血管造影（MRA）	U-Net	图像	两个公开的时间飞跃磁共振血管造影（TOF-MRA）图像数据集
3587	2024-12-08	Deep learning based predictive modeling to screen natural compounds against TNF-alpha for the potential management of rheumatoid arthritis: Virtual screening to comprehensive in silico investigation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303954 PMID:39636801	研究论文	本研究利用深度学习方法筛选天然化合物对抗TNF-α，以期管理类风湿性关节炎	采用深度学习模型进行虚拟筛选，结合分子对接和ADMET分析，最终通过MD模拟评估化合物稳定性	样本量较小，仅筛选了2563种天然化合物，且最终验证的化合物数量有限	寻找新型天然化合物治疗类风湿性关节炎	TNF-α蛋白及其抑制剂	机器学习	类风湿性关节炎	深度学习	NA	化合物数据	2563种天然化合物，最终筛选出4种潜在抑制剂
3588	2024-12-08	Machine learning and game theory for cyber governance: Enhancing public opinion and regional sustainable development 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308317 PMID:39636835	研究论文	本文提出了一种基于机器学习和博弈论的框架，用于感知民意、管理公众舆论和影响人们行为，以促进网络空间治理和区域可持续发展	本文的创新点在于结合了机器学习和博弈论的方法，利用深度学习技术分析公众舆论，采用主动学习方法降低成本，并通过博弈论做出最佳管理决策	本文的局限性在于仅使用了来自中国Y省和G省的实证数据进行验证，可能限制了框架的普适性	本文的研究目的是通过机器学习和博弈论的方法，提升网络空间治理中的公众舆论管理和区域可持续发展	本文的研究对象是网络空间中的公众舆论和人们的行为	机器学习	NA	深度学习	NA	文本	来自中国Y省和G省的实证数据
3589	2024-12-08	Correction: BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315419 PMID:39636893	correction	对文章DOI: 10.1371/journal.pone.0283562的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3590	2024-12-08	SE-MAConvLSTM: A deep learning framework for short-term traffic flow prediction combining Squeeze-and-Excitation Network and Multi-Attention Convolutional LSTM Network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312601 PMID:39636907	研究论文	本文提出了一种结合挤压激励网络和多注意力卷积LSTM网络的深度学习框架，用于短期交通流量预测	设计了时空特征提取模块和多注意力模块，分别解决了时空相关性捕捉和不同时间间隔通道权重对预测结果的影响问题	NA	提高短期交通流量预测的准确性	交通流量数据	机器学习	NA	卷积神经网络 (CNN), 挤压激励网络 (SENet), 残差网络 (ResNet), 卷积LSTM网络 (ConvLSTM)	SE-MAConvLSTM	交通流量数据	两个真实数据集
3591	2024-12-08	Exploiting the features of deep residual network with SVM classifier for human posture recognition 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314959 PMID:39636954	研究论文	本文研究了基于深度残差网络和SVM分类器的人体姿态识别性能	提出了一种结合深度残差网络（ResNet-50）特征和支持向量机（SVM）分类器的混合架构，显著提高了人体姿态识别的准确性	NA	提高人体姿态识别的准确性和效率	人体姿态识别	计算机视觉	NA	深度学习	ResNet-50, SVM	图像	三个数据集：Multi-Camera Fall (MCF) 使用四种姿态，UR Fall detection (URFD) 使用四种姿态，UP-Fall detection (UPFD) 使用四种姿态
3592	2024-12-08	Value of radiomics and deep learning feature fusion models based on dce-mri in distinguishing sinonasal squamous cell carcinoma from lymphoma 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1489973 PMID:39640273	研究论文	本研究旨在构建和验证基于动态对比增强（DCE）成像的机器学习和深度学习特征模型，并评估放射组学和深度学习特征融合模型在区分鼻窦鳞状细胞癌和淋巴瘤中的临床价值	本研究创新性地结合了放射组学和深度学习特征，构建了一个融合模型，显著提高了区分鼻窦鳞状细胞癌和淋巴瘤的准确性	本研究为回顾性分析，样本量有限，未来需要更大规模的前瞻性研究来验证结果	开发一种能够在术前精确区分鼻窦鳞状细胞癌和淋巴瘤的方法，以制定合适的治疗方案	鼻窦鳞状细胞癌和鼻窦淋巴瘤	机器学习	鼻窦癌	动态对比增强磁共振成像（DCE-MRI）	深度学习模型（DL）和机器学习模型（ML）	图像	90例鼻窦肿瘤患者，包括50例鼻窦鳞状细胞癌和40例鼻窦淋巴瘤
3593	2024-12-08	A transformer-based deep learning approach for fairly predicting post-liver transplant risk factors 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104545 PMID:37992791	研究论文	本文提出了一种基于Transformer的深度学习模型，用于公平预测肝移植后的风险因素	本文创新性地将肝移植后的风险预测问题转化为多任务学习问题，并提出了一种新的公平性算法，确保不同子群体之间的预测公平性	NA	解决肝移植中的两个主要挑战：找到最佳匹配的患者和确保不同子群体之间的移植公平性	肝移植后的风险因素，如心血管疾病和慢性排斥等	机器学习	NA	深度学习	Transformer	电子健康记录	160,360名肝移植患者的数据，包括人口统计信息、临床变量和实验室值
3594	2024-12-07	Classification techniques of ion selective electrode arrays in agriculture: a review 2024-Dec-05, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01346h PMID:39543972	综述	本文总结了农业中离子选择电极阵列的分类技术	本文讨论了机器学习、人工神经网络、极限学习机和深度学习等分类算法在离子选择电极及相关领域的现状	本文讨论了离子选择电极研究在传感器本身和与传感器阵列结合的算法方面的未来挑战	推进分类技术与离子选择电极阵列在农业中的应用	农业中的离子选择电极阵列分类技术	机器学习	NA	离子选择电极阵列	人工神经网络、极限学习机、深度学习	离子信号	NA
3595	2024-12-07	Computers and chess masters: The role of AI in transforming elite human performance 2024-Dec-05, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12750 PMID:39635926	研究论文	分析了超过1160万次顶级国际象棋选手的决策，探讨了人工智能在顶级人类表现中的作用	发现人工智能的进步与人类表现的提升相匹配，但顶级选手的决策质量在四十年间稳步提升，未出现显著的快速提升期	研究仅限于国际象棋领域，且未探讨人工智能对其他复杂任务的影响	探讨人工智能在提升顶级人类表现中的作用	顶级国际象棋选手的决策	人工智能	NA	深度学习	神经网络	决策数据	超过1160万次决策
3596	2024-12-07	Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study 2024-Dec-05, JMIR formative research IF:2.0Q4 DOI:10.2196/59045 PMID:39636692	研究论文	本研究开发并验证了一种名为神经原型树（NPT）的可解释图像分类器，用于胸部X光病理检测，旨在结合深度学习模型的诊断能力和决策树的可解释性	引入神经原型树（NPT）分类器，结合深度学习与决策树的优势，提高胸部X光病理检测的透明度和可解释性	研究中观察到NPT分类器在低解释复杂度水平下存在较高的不公平性，特别是在年龄分组中	探讨NPT分类器在性能、可解释性和公平性三个维度上的效用，并研究这些维度之间的复杂交互关系	胸部X光病理检测	计算机视觉	NA	神经原型树（NPT）	神经网络（ResNet-152）	图像	使用了来自Chest X-ray 14、CheXpert和MIMIC-CXR数据集的胸部X光图像，每个数据集分别训练了6个分类器
3597	2024-12-07	Deep learning enabled ultra-high quality NMR chemical shift resolved spectra 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc04742g PMID:39568866	研究论文	开发了一种名为SE2CSNet的神经网络，用于处理通过自旋回波脉冲序列获取的NMR数据，以获得高分辨率和灵敏度的化学位移解析光谱	通过检测自旋回波光谱中的相位变化，SE2CSNet能够准确检测重叠光谱信号的化学位移位置，即使在低信噪比下也能恢复隐藏在噪声中的弱信号	NA	提高核磁共振（NMR）中化学位移解析光谱的质量	NMR数据中的化学位移信息	机器学习	NA	NMR	神经网络	光谱数据	NA
3598	2024-12-07	ProBID-Net: a deep learning model for protein-protein binding interface design 2024-Dec-04, Chemical science IF:7.6Q1 DOI:10.1039/d4sc02233e PMID:39568891	研究论文	介绍了一种名为ProBID-Net的深度学习模型，用于蛋白质-蛋白质结合界面的设计	ProBID-Net能够利用已知的目标蛋白质结构特征来设计特定的结合蛋白质，解决了现有AI模型在已知受体序列情况下的设计挑战	NA	开发一种新的计算蛋白质设计工具，以促进蛋白质-蛋白质相互作用的设计	蛋白质-蛋白质结合界面的设计	机器学习	NA	深度学习	ProBID-Net	蛋白质结构	使用了自然蛋白质-蛋白质复合物结构和蛋白质域-域界面结构进行训练
3599	2024-12-07	AI-based prediction and detection of early-onset of digital dermatitis in dairy cows using infrared thermography 2024-12-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-80902-4 PMID:39617800	研究论文	本研究利用深度学习技术结合红外热成像数据，预测和检测奶牛的蹄部疾病——蹄叶炎的早期发作	首次应用深度学习技术结合红外热成像数据进行蹄叶炎的早期检测和预测	NA	提高奶牛蹄叶炎的早期检测和预测准确性，从而改善动物福利和奶业经济效益	奶牛的蹄叶炎早期发作	计算机视觉	蹄部疾病	红外热成像	深度学习模型	红外热成像图像	NA
3600	2024-12-07	Effectively saltiness enhanced odorants screening and prediction by database establish, sensory evaluation and deep learning method 2024-Dec-02, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2024.142307 PMID:39637666	研究论文	本研究通过建立数据库、感官评估和深度学习方法，筛选和预测增强咸味的气味物质	本研究结合了深度学习模型和感官评估，提供了一种快速筛选增强咸味香气化合物的新方法	NA	提供增强咸味的候选气味物质	咸味食品中的挥发性化合物及其频率	机器学习	NA	深度学习	图注意力网络和反向传播神经网络分类器	化合物数据	代表性香气化合物在NaCl溶液中的浓度