深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
3941	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	NA	NA	NA	NA
3942	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	NA	NA	NA	NA
3943	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	NA	NA	NA	NA
3944	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	NA	NA	NA	NA
3945	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	NA	NA	NA	NA
3946	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	NA	NA	NA	NA
3947	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	NA	NA	NA	NA
3948	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	NA	NA	NA	NA
3949	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）	NA	NA	NA	NA
3950	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	NA	NA	NA	NA
3951	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	NA	NA	NA	NA
3952	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	NA	NA	NA	NA
3953	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	NA	NA	NA	NA
3954	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	NA	NA	NA	NA
3955	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	NA	NA	NA	NA
3956	2024-12-11	Deep learning-based hyperspectral image correction and unmixing for brain tumor surgery 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111273 PMID:39628576	研究论文	本文提出了两种基于深度学习的模型，用于校正和解混高光谱图像，以改善脑肿瘤手术中的荧光引导	本文的创新点在于提出了两种深度学习模型，能够有效捕捉组织的光学和几何特性的异质性，并展示了半监督模型在人类数据上的更好泛化能力	本文的局限性在于仅在幻影和猪脑数据上进行了评估，尚未在人类临床试验中验证	本文的研究目的是改进高光谱成像在荧光引导脑肿瘤切除中的应用，以提高手术的准确性和患者预后	本文的研究对象是脑肿瘤手术中的高光谱图像校正和解混	计算机视觉	脑肿瘤	深度学习	深度学习模型	高光谱图像	幻影和猪脑数据	NA	NA	NA	NA
3957	2024-12-11	Deep Learning for Generating Phase-Conditioned Infrared Spectra 2024-Dec-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c04786 PMID:39575882	研究论文	本文提出了一种高效的相位感知机器学习方法，用于从二维分子结构生成相位条件下的红外光谱	本文首次提出了一种能够生成真实世界复杂分子相位条件下红外光谱的方法，并设计了相位感知的图神经网络与transformer解码器的结合	NA	加速红外光谱分析，解决现有方法忽略红外光谱相位依赖性的问题	红外光谱的生成与分析	机器学习	NA	图神经网络，transformer解码器	图神经网络，transformer	分子结构，红外光谱	包含11,546个实验测量红外光谱的10,288个独特分子的基准数据集	NA	NA	NA	NA
3958	2024-12-11	Data-Quality-Navigated Machine Learning Strategy with Chemical Intuition to Improve Generalization 2024-Dec-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00969 PMID:39589234	研究论文	本文提出了一种基于化学直觉的数据质量导航机器学习策略，以提高有机半导体重组能预测任务的泛化能力	本文创新性地提出了基于化学直觉的数据质量导航策略，包括数据多样性评估、可靠性评估、数据过滤和分割技术，并构建了集成深度学习模型框架	本文未详细讨论该策略在其他领域的适用性和扩展性	提高机器学习模型在实际应用中的泛化能力	有机半导体分子的重组能预测	机器学习	NA	深度学习	集成框架	分子结构数据	15,989个有机半导体分子	NA	NA	NA	NA
3959	2024-12-11	Utilizing deep learning-based causal inference to explore vancomycin's impact on continuous kidney replacement therapy necessity in blood culture-positive intensive care unit patients 2024-Dec-10, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.02662-24 PMID:39656005	研究论文	本研究利用基于深度学习的因果推断模型，探讨万古霉素对血培养阳性重症监护病房患者连续肾脏替代治疗需求的影响	本研究首次使用深度学习因果推断模型量化万古霉素对连续肾脏替代治疗（CKRT）启动概率的影响，并识别出与高敏感性相关的特定患者特征	NA	评估万古霉素对血培养阳性重症监护病房患者连续肾脏替代治疗风险的影响	血培养阳性的重症监护病房患者	机器学习	NA	深度学习因果推断	随机森林、Light Gradient Boosting Machine	文本	1318名患者，其中41名需要连续肾脏替代治疗	NA	NA	NA	NA
3960	2024-12-11	Prognostic Modeling for Liver Cirrhosis Mortality Prediction and Real-Time Health Monitoring from Electronic Health Data 2024-Dec-09, Big data IF:2.6Q2 DOI:10.1089/big.2024.0071 PMID:39651607	研究论文	本研究旨在利用电子健康数据构建预测肝硬化患者死亡率的模型，并进行实时健康监测	提出了一种基于深度学习的人工神经网络模型，旨在超越现有的终末期肝病模型（MELD）的预测能力	在处理不平衡数据集时，模型在精确度和召回率之间存在权衡问题	提高肝硬化相关死亡率的预测准确性，并改进应对这一挑战的方法	肝硬化患者的死亡率预测和健康监测	机器学习	肝病	深度学习	人工神经网络	电子健康数据	使用了不同比例的训练数据集（70%、80%和90%）进行模型训练和评估	NA	NA	NA	NA