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
5061	2024-10-20	Revolutionizing Molecular Design for Innovative Therapeutic Applications through Artificial Intelligence 2024-Sep-29, Molecules (Basel, Switzerland) DOI:10.3390/molecules29194626 PMID:39407556	综述	本文综述了机器学习、人工智能和分子建模在计算蛋白质工程领域的最新进展，重点介绍了这些技术在蛋白质设计和功能优化方面的应用	本文介绍了深度学习、强化学习和迁移学习等技术在蛋白质结构预测、结合亲和力优化和酶设计方面的显著改进，以及这些创新如何简化了蛋白质工程流程	本文指出了计算预测与实验验证之间的差距以及与AI驱动的蛋白质设计相关的伦理问题	本文旨在全面概述计算方法在蛋白质工程中的当前状态和未来方向，强调其在创造下一代生物制剂和推进合成生物学方面的变革潜力	本文研究的对象是计算蛋白质工程领域中的机器学习、人工智能和分子建模技术及其在蛋白质设计和功能优化中的应用	机器学习	NA	深度学习、强化学习、迁移学习	NA	NA	NA
5062	2024-10-20	SecureVision: Advanced Cybersecurity Deepfake Detection with Big Data Analytics 2024-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s24196300 PMID:39409343	研究论文	SecureVision是一个先进的深度伪造检测系统，结合大数据分析和深度学习算法来检测音频和视频中的篡改信息	主要创新点是使用多模态分析，同时分析多种媒体形式，增强对高级深度伪造技术的抵抗力	NA	解决深度伪造视频对媒体、公众信任和网络安全的威胁	检测音频和视频中的篡改信息	计算机视觉	NA	大数据分析	深度学习算法	音频和视频	NA
5063	2024-10-20	Recent Methods for Evaluating Crop Water Stress Using AI Techniques: A Review 2024-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s24196313 PMID:39409355	综述	本文系统回顾了利用人工智能和遥感技术评估作物水分胁迫的方法	评估了多种非破坏性遥感平台和人工智能技术在监测和预测作物水分胁迫中的有效性	NA	探讨如何利用这些技术在数据有限的情况下提高农业生产力	作物水分胁迫	机器学习	NA	遥感技术	GAN	图像	NA
5064	2024-10-20	Object Detection and Classification Framework for Analysis of Video Data Acquired from Indian Roads 2024-Sep-29, Sensors (Basel, Switzerland) DOI:10.3390/s24196319 PMID:39409360	研究论文	本文提出了一种针对印度道路视频数据的对象检测和分类框架，使用YOLOv8深度学习模型进行实时处理	本文的创新点在于针对印度道路的独特挑战，如多样化的交通模式、不稳定的驾驶行为和多变的天气条件，设计了一种轻量级、可扩展且高效的YOLOv8模型	本文的局限性在于实验评估主要基于特定的35个对象类别，可能无法涵盖所有可能的交通对象	本文的研究目的是开发一种适用于印度道路的鲁棒对象检测和分类算法，以确保自动驾驶车辆的安全和高效导航	本文的研究对象是印度道路上的交通对象检测和分类	计算机视觉	NA	YOLOv8	YOLOv8	视频	35个不同的对象类别
5065	2024-10-20	Detection of Thymoma Disease Using mRMR Feature Selection and Transformer Models 2024-Sep-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192169 PMID:39410573	研究论文	本文研究了使用mRMR特征选择和Transformer模型检测胸腺瘤疾病	本研究采用了Transformer模型而非传统的深度学习模型，并结合mRMR特征选择方法，显著提高了检测精度	NA	开发一种高效的方法来检测胸腺瘤疾病	胸腺瘤疾病图像和非胸腺瘤疾病图像	计算机视觉	胸腺瘤	Transformer模型	Deit3, Maxvit, Swin, ViT	图像	来自Fırat大学胸外科治疗患者的胸腺瘤和非胸腺瘤疾病图像
5066	2024-10-20	Deep Learning for Parkinson's Disease Diagnosis: A Graph Neural Network (GNN) Based Classification Approach with Graph Wavelet Transform (GWT) Using Protein-Peptide Datasets 2024-Sep-29, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14192181 PMID:39410584	研究论文	本文提出了一种基于图小波变换（GWT）和图神经网络（GNN）的深度学习方法，用于帕金森病（PD）的诊断和预测	本文的创新点在于使用图小波变换进行加权特征提取，并结合图神经网络进行分类，显著提高了帕金森病预测的准确性	NA	本文的研究目的是提高帕金森病诊断和预测的准确性	本文的研究对象是帕金森病患者及其运动和非运动活动	机器学习	帕金森病	图小波变换（GWT）	图神经网络（GNN）	蛋白质-肽数据集	NA
5067	2024-10-20	Comparative Approach to De-Noising TEMPEST Video Frames 2024-Sep-28, Sensors (Basel, Switzerland) DOI:10.3390/s24196292 PMID:39409331	研究论文	本文研究了从重建的TEMPEST视频帧中恢复显示信息的可能性，并比较了两种去噪方法的效果	本文提出了两种去噪方法：自适应维纳滤波器和卷积神经网络，后者在结构相似性指数度量上表现更优	NA	研究从电磁辐射中恢复显示信息的安全漏洞	TEMPEST视频帧的去噪和光学字符识别	计算机视觉	NA	自适应维纳滤波器，卷积神经网络	卷积神经网络	图像	NA
5068	2024-10-20	High-Performance Grape Disease Detection Method Using Multimodal Data and Parallel Activation Functions 2024-Sep-28, Plants (Basel, Switzerland) DOI:10.3390/plants13192720 PMID:39409590	研究论文	本文介绍了一种利用多模态数据和并行异构激活函数的高性能葡萄病害检测深度学习模型	该模型通过集成多模态数据和并行异构激活函数，显著提高了检测精度和鲁棒性	NA	开发一种高性能的葡萄病害检测方法	葡萄病害检测	计算机视觉	NA	深度学习	深度学习模型	多模态数据	NA
5069	2024-10-20	Comparative Analysis of Deep Learning Methods on CT Images for Lung Cancer Specification 2024-Sep-28, Cancers IF:4.5Q1 DOI:10.3390/cancers16193321 PMID:39409940	研究论文	本研究比较了多种深度学习方法在CT图像上对肺癌进行检测和分割的效果	本研究首次将多种预训练的卷积神经网络应用于肺癌的早期检测和肿瘤区域的分割	未来工作可以进一步优化模型并探索其在其他医学领域的应用	应用先进的深度学习技术在早期阶段识别肺癌	肺癌的早期检测和肿瘤区域的分割	计算机视觉	肺癌	卷积神经网络	CNN	图像	NA
5070	2024-10-20	A C lassi H onk: a system framework to annotate and classify vehicular honk from road traffic 2024-Sep-27, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13101-3 PMID:39331183	研究论文	本文提出了一种名为ClassiHonk的系统框架，用于从道路交通中标注和分类车辆的鸣笛声	本文提出了一种新的深度学习模型MAE，用于自动标注未标记的数据样本，并提出了EnTL模型用于车辆鸣笛分类	研究主要集中在受控环境或无环境噪声的情况下收集的车辆鸣笛数据	识别和分类不同类型车辆的鸣笛声，以推断位置、区域或交通的上下文信息	车辆的鸣笛声	计算机视觉	NA	深度学习	多标签自编码器模型（MAE）和集成迁移学习模型（EnTL）	音频	不同车辆的鸣笛声样本，基于时空特征收集并转换为频谱图图像
5071	2024-10-20	In Silico Structural Prediction for the Generation of Novel Performant Midi-Dystrophins Based on Intein-Mediated Dual AAV Approach 2024-Sep-27, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms251910444 PMID:39408775	研究论文	本研究开发了三种新型midi-dystrophin构建体，利用split-intein介导的双AAV方法，并通过深度学习算法AphaFold3预测其结构稳定性	首次利用深度学习算法AphaFold3预测midi-dystrophin的结构稳定性，并通过实验验证了其治疗Duchenne肌营养不良症的潜力	midi-Dys 3的蛋白质拼接效率较低，未能在实验中表现出治疗效果	开发新型midi-dystrophin构建体，以提高Duchenne肌营养不良症的治疗效果	midi-dystrophin的结构预测和治疗效果	NA	Duchenne肌营养不良症	split-intein介导的蛋白质拼接	深度学习算法AphaFold3	蛋白质结构	DBA2/mdx小鼠
5072	2024-10-20	Temporally Correlated Deep Learning-Based Horizontal Wind-Speed Prediction 2024-Sep-27, Sensors (Basel, Switzerland) DOI:10.3390/s24196254 PMID:39409294	研究论文	本文研究了基于深度学习的水平风速预测方法，并比较了传统机器学习模型与时间相关深度学习模型的性能	提出了新的质量指标（QIs）用于风速预测，并验证了双向长短期记忆（BiLSTM）神经网络在风速预测中的高准确性	NA	提高风速预测的准确性，以优化航空性能和清洁能源生产	水平风速及其相关质量指标	机器学习	NA	深度学习	双向长短期记忆（BiLSTM）神经网络	时间序列数据	NA
5073	2024-10-20	SSCI: Self-Supervised Deep Learning Improves Network Structure for Cancer Driver Gene Identification 2024-Sep-26, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms251910351 PMID:39408682	研究论文	本文提出了一种基于自监督图卷积网络的癌症驱动基因识别方法，通过增强网络结构来提高预测准确性	本文创新性地引入了自监督学习方法，以增强图卷积网络的结构，从而提高癌症驱动基因识别的准确性	NA	旨在通过自监督学习改进图卷积网络的结构，以提高癌症驱动基因识别的准确性	癌症驱动基因	机器学习	NA	自监督学习	图卷积网络	生物网络	NA
5074	2024-10-20	SSG-Net: A Multi-Branch Fault Diagnosis Method for Scroll Compressors Using Swin Transformer Sliding Window, Shallow ResNet, and Global Attention Mechanism (GAM) 2024-Sep-26, Sensors (Basel, Switzerland) DOI:10.3390/s24196237 PMID:39409277	研究论文	提出了一种基于Swin Transformer、全局注意力机制（GAM）和浅层ResNet的多分支卷积神经网络故障诊断方法（SSG-Net），用于滚动压缩机的故障诊断	该方法结合了Swin Transformer的窗口注意力机制、GAM的2D卷积和浅层ResNet的二维卷积特征提取，优化了特征提取过程，提高了故障特征识别的准确性和对数据变化的敏感性	NA	开发一种高效且准确的故障诊断方法，以应对滚动压缩机在不同操作状态、故障模式和操作条件下的故障诊断需求	滚动压缩机的故障诊断	机器学习	NA	卷积神经网络	SSG-Net	时间序列信号	滚动压缩机数据集和CWRU数据集
5075	2024-10-20	Prediction of Metal Additively Manufactured Bead Geometry Using Deep Neural Network 2024-Sep-26, Sensors (Basel, Switzerland) DOI:10.3390/s24196250 PMID:39409290	研究论文	本文介绍了一种使用深度神经网络模型预测线弧增材制造过程中焊道几何形状的方法	本文开发了一种基于深度神经网络的预测框架，用于预测焊道几何形状，并展示了其在精度上的显著优势	NA	提高线弧增材制造过程中焊道几何形状预测的准确性和效率	焊道宽度、高度等几何参数	机器学习	NA	线弧增材制造（WAAM）	深度神经网络（DNN）	数值数据	涉及多种回归模型，包括线性回归、岭回归、多项式回归、随机森林等，以及自定义的深度神经网络模型
5076	2024-10-20	Deep Learning for Image Analysis in the Diagnosis and Management of Esophageal Cancer 2024-Sep-26, Cancers IF:4.5Q1 DOI:10.3390/cancers16193285 PMID:39409906	研究论文	本文介绍了深度学习在食管癌诊断和管理中的图像分析应用	深度学习方法在图像分析中的应用有望减少过度诊断和不必要的监测，并协助及时检测食管癌	本文主要介绍了深度学习的应用和评估指标，但未深入探讨具体的技术细节和模型局限性	介绍深度学习在食管癌管理中的应用，并指导临床医生理解其基本功能原理和评估方法	食管癌的诊断和管理	计算机视觉	食管癌	深度学习	NA	图像	NA
5077	2024-10-20	Performance evaluation of image co-registration methods in photoacoustic mesoscopy of the vasculature 2024-Sep-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7fc7 PMID:39321985	研究论文	评估了五种开源图像配准方法在肿瘤血管的光声显微成像中的性能	使用生成对抗网络进行图像预处理和分割，并比较了五种不同类型的配准方法，发现LocalNet在纵向乳腺癌异种移植数据集中表现最佳	文章未详细讨论每种方法的具体局限性	评估不同图像配准方法在光声显微成像中对肿瘤血管网络的配准效果	小鼠耳朵和乳腺癌患者来源的异种移植模型的3D血管图像	数字病理学	乳腺癌	光声显微成像	生成对抗网络	图像	小鼠耳朵和乳腺癌患者来源的异种移植模型
5078	2024-10-20	Predicting Outcomes of Preterm Neonates Post Intraventricular Hemorrhage 2024-Sep-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms251910304 PMID:39408633	研究论文	研究利用可解释的机器学习模型基于液体活检蛋白质组学数据预测早产儿脑室内出血后的结果	结合蛋白质组学和机器学习技术，识别出41个显著的独立蛋白质标记物，用于预测早产儿脑室内出血后的结果	需要进一步验证这些发现才能在临床中实施	探索利用可解释的机器学习模型预测早产儿脑室内出血后的结果	早产儿脑室内出血及其并发症	机器学习	新生儿疾病	液体活检蛋白质组学	机器学习模型	蛋白质组学数据	1109个液体活检样本，来自99名早产儿，收集时间长达13年
5079	2024-10-20	Contrastive Speaker Representation Learning with Hard Negative Sampling for Speaker Recognition 2024-Sep-25, Sensors (Basel, Switzerland) DOI:10.3390/s24196213 PMID:39409253	研究论文	本文提出了一种通过对比学习进行鲁棒说话人识别模型开发的方法	引入了一种新的框架，通过对比学习来最小化与硬负样本的相似性，并使用交叉注意力机制来确定说话人一致性	未提及具体限制	提高说话人识别的准确率	说话人识别技术	机器学习	NA	对比学习	深度学习模型	语音信号	使用了voxceleb2数据集进行训练，并在voxceleb1-E和voxceleb1-H数据集上进行了测试
5080	2024-10-20	PROTA: A Robust Tool for Protamine Prediction Using a Hybrid Approach of Machine Learning and Deep Learning 2024-Sep-24, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms251910267 PMID:39408595	研究论文	本文介绍了一种名为PROTA的新工具，结合机器学习和深度学习技术，用于高精度预测鱼精蛋白	首次将生成对抗网络（GANs）与监督学习方法结合，提高了鱼精蛋白预测的准确性和通用性	NA	开发一种高效工具，用于快速可靠地预测鱼精蛋白，推动其在生殖生物学、生物技术和医学中的应用	鱼精蛋白	机器学习	NA	生成对抗网络（GANs）	多层感知器（MLP）	NA	NA