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
4101	2025-01-06	Gut Analysis Toolbox - automating quantitative analysis of enteric neurons 2024-Oct-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.261950 PMID:39219476	研究论文	本文介绍了Gut Analysis Toolbox (GAT)，一种用于定量分析肠道神经元的图像分析工具	GAT通过使用基于深度学习的细胞分割模型和神经节分割模型，实现了快速、准确的图像分析，减少了操作者偏差	NA	开发一种自动化工具，用于定量分析肠道神经元的分布和功能	肠道神经系统（ENS）中的神经元和胶质细胞	数字病理学	NA	深度学习（DL）	StarDist, deepImageJ	二维图像	公共数据集	NA	NA	NA	NA
4102	2025-01-06	Scalable deep learning framework for sentiment analysis prediction for online movie reviews 2024-May-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30756 PMID:38784532	研究论文	本文提出了一种用于在线电影评论情感分析预测的可扩展深度学习框架	提出了PEW-MCAB模型，结合了位置嵌入和预训练的Glove嵌入向量，以及多通道卷积神经网络和基于注意力的双向长短期记忆模型	未提及模型在处理多语言或跨文化情感分析时的表现	研究在线电影评论的情感分析预测	在线电影文本评论	自然语言处理	NA	深度学习	MCNN, AB模型	文本	使用了四个数据集：IMDB, MR (2002), MRC (2004), MR (2005)	NA	NA	NA	NA
4103	2025-01-06	Deep learning for automatic segmentation of vestibular schwannoma: a retrospective study from multi-center routine MRI 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1365727 PMID:38784680	研究论文	本研究首次展示了在常规MRI数据集上高精度自动分割前庭神经鞘瘤（VS）的可能性，并发布了一个多中心常规临床（MC-RC）数据集	首次在常规MRI数据集上实现高精度的VS自动分割，并公开了一个包含160名患者的多中心常规临床数据集	数据集主要来自单一类型的肿瘤（单发散发性VS），且未涉及其他类型的肿瘤或更广泛的患者群体	提高前庭神经鞘瘤（VS）在常规临床MRI中的自动分割精度，以改善临床工作流程和患者管理	前庭神经鞘瘤（VS）	数字病理学	前庭神经鞘瘤	深度学习	深度学习框架	MRI图像	160名患者，包含124个对比增强T1加权（ceT1w）图像和363个T2加权（T2w）图像	NA	NA	NA	NA
4104	2025-01-06	Spatial Deep Learning Approach to Older Driver Classification 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3516572 PMID:39748855	研究论文	本文提出了一种基于空间深度学习的方法，用于老年驾驶员分类，通过网格索引数据增强来提高异常驾驶行为的检测	提出了一种新颖的空间深度学习方法，利用基于网格索引的数据增强技术来改进异常驾驶行为的检测	未明确提及具体限制	解决老年驾驶员分类问题，识别正常和异常驾驶员，以提升道路安全、保险风险评估及针对老年驾驶员的干预措施	老年驾驶员	机器学习	老年疾病	深度学习	NA	GPS位置、速度、方向、距离等遥测数据	未明确提及样本数量	NA	NA	NA	NA
4105	2025-01-05	An retrospective study on the effects of deep learning model-based optimization emergency nursing on treatment compliance and curative effect of patients with acute left heart failure 2024-Dec-31, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-024-01156-x PMID:39736523	研究论文	本研究探讨了基于可解释DenseNet模型的优化急诊护理对急性左心衰竭患者治疗依从性和疗效的影响	首次将可解释DenseNet模型应用于急性左心衰竭患者的急诊护理优化，并评估其对患者心理状态和急救效果的影响	样本量较小，仅96名患者参与研究，且研究为回顾性研究，可能存在选择偏倚	评估优化急诊护理对急性左心衰竭患者的治疗效果和应用价值	急性左心衰竭患者	数字病理学	心血管疾病	可解释DenseNet模型	DenseNet	临床数据	96名急性左心衰竭患者	NA	NA	NA	NA
4106	2025-01-05	A deep learning based smartphone application for early detection of nasopharyngeal carcinoma using endoscopic images 2024-Dec-31, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01403-2 PMID:39738998	研究论文	本文介绍了一种基于深度学习的智能手机应用程序'Nose-Keeper'，用于通过内窥镜图像早期检测鼻咽癌	开发了一种互联网支持的智能手机应用程序，能够早期检测鼻咽癌和五种常见鼻部疾病，并评估健康个体，其准确率超过经验丰富的耳鼻喉科医生	研究依赖于回顾性分析，可能需要在更广泛的前瞻性研究中验证其效果	开发一种能够辅助初级医疗保健提供者高效诊断鼻咽癌和常见鼻部疾病的工具	鼻咽癌和五种常见鼻部疾病的内窥镜图像	计算机视觉	鼻咽癌	深度学习	八种先进的深度学习模型	图像	39,340张鼻内窥镜白光图像	NA	NA	NA	NA
4107	2025-01-05	Self-supervised denoising of grating-based phase-contrast computed tomography 2024-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83517-x PMID:39741166	研究论文	本文介绍了自监督深度学习网络Noise2Inverse在基于光栅的相位对比计算机断层扫描（gbPC-CT）中的应用，以降低剂量并提高图像质量	首次将Noise2Inverse网络引入gbPC-CT领域，展示了其在提高分辨率的同时保持剂量的优势	研究主要关注Noise2Inverse网络在gbPC-CT中的应用，未涉及其他深度学习网络的比较	降低gbPC-CT的剂量并提高图像质量，使其更接近医学应用	基于光栅的相位对比计算机断层扫描（gbPC-CT）图像	计算机视觉	NA	Noise2Inverse, Statistical Iterative Reconstruction, Block Matching 3D, Patchwise Phase Retrieval	深度学习网络	图像	NA	NA	NA	NA	NA
4108	2025-01-05	Predicting local control of brain metastases after stereotactic radiotherapy with clinical, radiomics and deep learning features 2024-Dec-30, Radiation oncology (London, England) DOI:10.1186/s13014-024-02573-9 PMID:39736796	研究论文	本研究探讨了结合临床特征、放射组学特征和深度学习特征来预测脑转移瘤立体定向放疗后局部控制的准确性	首次结合临床特征、放射组学特征和深度学习特征来预测脑转移瘤立体定向放疗后的局部控制，展示了这种组合在提高预测准确性方面的潜力	与仅结合临床和放射组学特征的模型相比，结合临床、放射组学和深度学习特征的模型在预测准确性上的提升并不显著	提高脑转移瘤立体定向放疗后局部控制的预测准确性，以优化治疗方案	129名在Elisabeth-TweeSteden医院伽玛刀中心接受治疗的脑转移瘤患者	医学影像分析	脑转移瘤	MRI成像、放射组学特征提取、深度学习特征提取	随机森林	MRI图像、临床数据	129名患者	NA	NA	NA	NA
4109	2025-01-05	Deep-learning enabled generalized inverse design of multi-port radio-frequency and sub-terahertz passives and integrated circuits 2024-Dec-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54178-1 PMID:39737900	研究论文	本文提出了一种基于深度学习的通用逆向设计方法，用于设计具有复杂形状的多端口电磁结构，并与有源电路共同设计	采用深度学习模型实现复杂毫米波无源结构和端到端集成毫米波宽带电路的逆向设计，显著缩短设计时间并扩展设计空间	未提及具体的技术限制或实验验证的局限性	开发一种通用的逆向设计方法，用于毫米波和太赫兹集成电路的设计	多端口电磁结构和有源电路	机器学习	NA	深度学习	深度学习模型	电磁结构数据	多个复杂毫米波无源结构和端到端集成毫米波宽带电路的示例	NA	NA	NA	NA
4110	2025-01-05	A multi-modal geospatial-temporal LSTM based deep learning framework for predictive modeling of urban mobility patterns 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74237-3 PMID:39738120	研究论文	本文提出了一种新颖的多模态地理时空LSTM深度学习框架（GT-LSTM），用于预测城市交通模式	GT-LSTM通过结合注意力机制和RNN，动态加权地理特征并捕捉时间序列数据中的顺序关系，显著提高了预测准确性	未提及具体局限性	优化资源分配、管理交通系统和规划城市发展	城市交通模式	机器学习	NA	注意力机制、RNN	LSTM	多模态城市交通数据	未提及具体样本数量	NA	NA	NA	NA
4111	2025-01-05	A novel hybrid model by integrating TCN with TVFEMD and permutation entropy for monthly non-stationary runoff prediction 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-81574-w PMID:39738143	研究论文	本文提出了一种集成深度学习模型，用于预测月径流，通过结合时间卷积网络（TCN）、时变滤波经验模态分解（TVFEMD）和排列熵（PE）来提高预测精度	创新点在于结合了TVFEMD、PE和TCN，提出了一种新的混合模型来预测非平稳径流，显著提高了预测精度	未提及具体局限性	研究目的是提高非平稳径流预测的精度，以支持区域水资源的合理规划和管理	研究对象是汾河的月径流数据集	机器学习	NA	时变滤波经验模态分解（TVFEMD）、排列熵（PE）	时间卷积网络（TCN）	时间序列数据	汾河的月径流数据集	NA	NA	NA	NA
4112	2025-01-05	A machine learning based classifier for topological quantum materials 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68920-8 PMID:39738190	研究论文	本文提出了一种基于深度学习的模型，结合持久同调和图神经网络，用于分类拓扑与非拓扑材料	该模型通过将持久同调与图神经网络结合，提高了分类拓扑材料的准确性和F1分数，并能够高置信度地分类新发现的拓扑材料	未明确提及具体局限性	预测和发现具有所需特性的新材料，特别是在量子科学与技术领域	拓扑材料与非拓扑材料	机器学习	NA	持久同调、图神经网络	图神经网络	晶体结构数据	未明确提及样本数量	NA	NA	NA	NA
4113	2025-01-05	A two-level resolution neural network with enhanced interpretability for freeway traffic forecasting 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78148-1 PMID:39738225	研究论文	本文提出了一种两级分辨率神经网络，用于提高高速公路交通预测的准确性和可解释性	引入了两个分辨率块，分别捕捉大范围区域交通模式和小范围空间相关性，从而提高了长期预测的准确性	未提及具体的数据集或实验环境，可能限制了结果的普适性	提高高速公路交通预测的准确性和可解释性	高速公路交通数据	机器学习	NA	图神经网络	GCN, Two-level Resolution Neural Network	交通传感器网络数据	NA	NA	NA	NA	NA
4114	2025-01-05	A deep learning approach for predicting the antenna pointing error caused by transmission faults with simulation data 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83103-1 PMID:39738389	研究论文	本文提出了一种基于深度学习的方法，利用仿真数据预测由传输故障引起的天线指向误差	通过建立天线仰角系统动态仿真模型和天线轴误差分析的数学模型，首次将天线故障诊断与天线指向误差联系起来，并利用深度神经网络模型进行预测	由于缺乏同时收集的实验故障传输数据和指向误差数据，模型的训练依赖于仿真数据	揭示天线传输故障与其指向精度之间的潜在关系，为天线维护策略的制定提供理论依据	反射面天线的仰角轴承及其传输故障	机器学习	NA	深度神经网络	深度神经网络	仿真数据	NA	NA	NA	NA	NA
4115	2025-01-05	Using microscopic imaging and ensemble deep learning to classify the provenance of archaeological ceramics 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83533-x PMID:39738654	研究论文	本文提出了一种基于显微成像和集成深度学习模型来分类考古陶瓷来源的新方法	利用显微特征和集成深度学习模型进行考古陶瓷来源分类，克服了传统方法的耗时、设备昂贵以及对陶瓷结构完整性和艺术价值的破坏	NA	提高考古陶瓷来源分类的准确性和效率	考古陶瓷	计算机视觉	NA	显微成像	集成深度学习模型（VGG-16, Inception-v3, GoogLeNet）	图像	NA	NA	NA	NA	NA
4116	2025-01-05	Ti3C2Tx Composite Aerogels Enable Pressure Sensors for Dialect Speech Recognition Assisted by Deep Learning 2024-Dec-30, Nano-micro letters IF:31.6Q1 DOI:10.1007/s40820-024-01605-z PMID:39738742	研究论文	本文介绍了一种基于Ti3C2Tx复合气凝胶的可穿戴压力传感器，用于方言语音识别，并辅以深度学习技术	该研究首次将Ti3C2Tx复合气凝胶应用于可穿戴压力传感器，能够通过喉部肌肉振动检测语音信息，并实现高精度的方言识别	目前仅能识别六种方言和七个不同词汇，适用范围有限	开发一种能够识别非标准语言的可穿戴压力传感器，以改善人机交互和生理信号监测	Ti3C2Tx复合气凝胶压力传感器及其在方言语音识别中的应用	机器学习	NA	深度学习	卷积神经网络（CNN）	语音数据	六种方言和七个不同词汇	NA	NA	NA	NA
4117	2025-01-05	Advanced generative adversarial network for optimizing layout of wireless sensor networks 2024-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83957-5 PMID:39738794	研究论文	本文提出了一种基于深度学习的优化方法，用于优化无线传感器网络（WSN）的布局设计	提出了一种新型的高级生成对抗网络（AGAN）结合Piranha Foraging Optimization Algorithm（PFOA）的方法，用于解决WSN布局优化问题，并在多个目标上优于现有方法	NA	优化无线传感器网络的布局设计，以提升网络性能	无线传感器网络（WSN）的布局设计	机器学习	NA	生成对抗网络（GAN）	AGAN（高级生成对抗网络）	NA	NA	NA	NA	NA	NA
4118	2025-01-05	DeepTGIN: a novel hybrid multimodal approach using transformers and graph isomorphism networks for protein-ligand binding affinity prediction 2024-Dec-29, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00938-6 PMID:39734235	研究论文	本文提出了一种新颖的混合多模态方法DeepTGIN，结合了Transformer和图同构网络来预测蛋白质-配体结合亲和力	DeepTGIN结合了Transformer编码器和图同构网络，分别从蛋白质和配体中提取序列和图特征，解决了现有方法在探索蛋白质口袋和配体特征方面的局限性	NA	预测蛋白质-配体结合亲和力，以促进药物发现	蛋白质-配体结合亲和力	机器学习	NA	NA	Transformer, 图同构网络	序列数据, 图数据	PDBbind 2016核心集和PDBbind 2013核心集	NA	NA	NA	NA
4119	2025-01-05	Microscopy image reconstruction with physics-informed denoising diffusion probabilistic model 2024-Dec-29, Communications engineering DOI:10.1038/s44172-024-00331-z PMID:39739000	研究论文	本文介绍了一种基于深度学习的显微图像重建方法，通过将光传播的基本物理原理融入损失函数，提高了图像质量并减少了伪影	创新点在于将光传播的物理原理融入深度学习模型的损失函数中，并采用条件扩散模型进行图像重建	由于可用数据有限，研究依赖于合成数据集进行训练，可能影响模型在真实数据上的泛化能力	研究目标是提高显微图像的质量，减少由衍射和光学缺陷引起的伪影	研究对象是显微图像，特别是受衍射和光学缺陷影响的图像	计算机视觉	NA	深度学习	条件扩散模型	图像	使用合成数据集进行训练	NA	NA	NA	NA
4120	2025-01-05	Image detection method for multi-category lesions in wireless capsule endoscopy based on deep learning models 2024-Dec-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v30.i48.5111 PMID:39735271	研究论文	本文提出了一种基于深度学习的无线胶囊内窥镜图像中多类别病变的检测方法，旨在提高消化道疾病的诊断效率	提出了一种新的神经网络模型WCE_Detection，结合了双向特征金字塔网络（BiFPN）和Swin Transformer的自注意力机制，增强了多类别病变图像的特征表示	未明确提及样本的具体数量和多样性，可能影响模型的泛化能力	提高消化道病变的自动识别和准确标注，以提升医生的诊断效率	消化道病变图像	计算机视觉	消化道疾病	深度学习	WCE_Detection, BiFPN, Swin Transformer	图像	未明确提及具体样本数量	NA	NA	NA	NA