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
5081	2024-10-20	TW-YOLO: An Innovative Blood Cell Detection Model Based on Multi-Scale Feature Fusion 2024-Sep-24, Sensors (Basel, Switzerland) DOI:10.3390/s24196168 PMID:39409208	研究论文	本文提出了一种基于多尺度特征融合的血细胞检测模型TW-YOLO	引入了RFAConv模块和CBAM、EMA模块，以及PGI-Ghost策略，提升了模型对血细胞几何特征的提取和识别能力	未提及具体的局限性	改进血细胞检测的准确性和效率	血细胞图像	计算机视觉	NA	多尺度特征融合	YOLO	图像	使用了BloodCell-Detection-Dataset (BCD)数据集
5082	2024-10-20	An Experimental Methodology for Automated Detection of Surface Turbulence Features in Tidal Stream Environments 2024-Sep-24, Sensors (Basel, Switzerland) DOI:10.3390/s24196170 PMID:39409210	研究论文	本文介绍了一种用于在潮汐流环境中自动检测表面湍流特征的实验方法	利用无人机和深度学习模型（Faster R-CNN）来自动检测潮汐流环境中的湍流特征	模型在检测假阳性值方面存在不足，需要进一步优化和标准化数据集	开发一种自动化方法来检测潮汐流环境中的表面湍流特征，以评估人类活动对环境的影响	潮汐流环境中的表面湍流特征和动物行为	计算机视觉	NA	深度学习	Faster R-CNN	图像	使用了预先标记的湍流特征图像进行训练，具体数量未提及
5083	2024-10-20	Monocular 3D Multi-Person Pose Estimation for On-Site Joint Flexion Assessment: A Case of Extreme Knee Flexion Detection 2024-Sep-24, Sensors (Basel, Switzerland) DOI:10.3390/s24196187 PMID:39409227	研究论文	本文提出了一种用于施工环境中工作相关肌肉骨骼疾病风险评估的单目3D多人姿态估计方法	利用先进的计算机视觉和深度学习技术，准确捕捉和分析工人的姿态，特别是极端膝关节屈曲的检测	目前仅进行了试点研究，未来需要进一步提高方法的鲁棒性和与健康监测系统的集成	开发一种有效的工具来评估和减轻施工环境中的工作相关肌肉骨骼疾病风险	施工环境中的工人姿态和极端膝关节屈曲	计算机视觉	工作相关肌肉骨骼疾病	深度学习	NA	图像	试点研究在实际施工现场进行，具体样本数量未明确提及
5084	2024-10-20	Research Progress of Machine Learning in Extending and Regulating the Shelf Life of Fruits and Vegetables 2024-Sep-24, Foods (Basel, Switzerland) DOI:10.3390/foods13193025 PMID:39410060	研究论文	本文讨论了机器学习在预测水果和蔬菜货架期及质量控制中的应用	强调了数据集扩展、模型优化、多模型融合以及深度学习和无损检测的集成等进展	NA	旨在减少资源浪费，为现代智能农业供应链的形成提供理论基础和技术指导	水果和蔬菜的货架期预测及质量控制	机器学习	NA	机器学习	多模型融合	数据集	NA
5085	2024-10-20	HMPA: a pioneering framework for the noncanonical peptidome from discovery to functional insights 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae510 PMID:39413795	研究论文	本文介绍了一个名为HMPA的工作流程，用于收集和分析癌症相关微肽的蛋白质组学、转录组学数据和临床结果	首次系统地整合了从序列到结构和功能的分析，构建了微肽-蛋白质相互作用网络，并揭示了微肽在癌症中的生物学机制	NA	开发一个工作流程，用于系统分析和整合癌症相关微肽的蛋白质组学、转录组学数据和临床结果	癌症相关微肽及其在癌症中的功能	蛋白质组学	癌症	深度学习	NA	蛋白质组学数据、转录组学数据、临床数据	3753个样本，涵盖8种癌症类型
5086	2024-10-20	Novel multi-omics deconfounding variational autoencoders can obtain meaningful disease subtyping 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae512 PMID:39413796	研究论文	本文介绍了一种基于变分自编码器（VAE）的多组学数据去混杂框架，用于疾病亚型分类和患者分层	提出了四种新的VAE去混杂框架，能够有效减少混杂因素的影响，同时保留真实的生物学模式	研究中发现某些去混杂策略（如对抗训练）在去除混杂因素方面效果不佳	开发一种能够处理多组学数据中混杂因素的深度学习模型，以提高疾病亚型分类的准确性	多组学数据中的混杂因素及其对疾病亚型分类的影响	机器学习	NA	变分自编码器（VAE）	VAE	多组学数据	使用来自The Cancer Genome Atlas的真实多组学数据，进行了50次重复实验
5087	2024-10-20	scMGATGRN: a multiview graph attention network-based method for inferring gene regulatory networks from single-cell transcriptomic data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae526 PMID:39417321	研究论文	提出了一种基于多视角图注意力网络的scMGATGRN模型，用于从单细胞转录组数据中推断基因调控网络	scMGATGRN模型结合了图注意力网络、多视角和视角级注意力机制，能够充分利用图拓扑信息和高阶邻居信息，从而提高基因调控网络推断的准确性	NA	开发一种新的深度学习方法，用于从单细胞转录组数据中推断基因调控网络	基因调控网络	机器学习	NA	单细胞RNA测序	图注意力网络	转录组数据	七个基准单细胞RNA测序数据集，涵盖五个细胞系（两个人类细胞系和三个小鼠细胞系）
5088	2024-10-20	Forecasting carbon dioxide emissions in Chongming: a novel hybrid forecasting model coupling gray correlation analysis and deep learning method 2024-Sep-17, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13092-1 PMID:39287717	研究论文	本文介绍了一种新的混合预测模型，用于预测上海崇明的二氧化碳排放量	结合灰色关联分析和深度学习方法，提出了一种创新的混合预测模型，能够准确预测二氧化碳排放量	NA	预测区域二氧化碳排放量，为实现全球碳中和提供支持	上海崇明的二氧化碳排放量	机器学习	NA	灰色关联分析、深度学习	双通道池化卷积神经网络（DCNN）、门控循环单元（GRU）网络	数据	2000年至2022年的数据
5089	2024-10-20	The Role of Deep Learning and Gait Analysis in Parkinson's Disease: A Systematic Review 2024-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s24185957 PMID:39338702	综述	本文系统回顾了深度学习和步态分析在帕金森病中的应用	探讨了深度学习技术在帕金森病诊断和监测中的新兴应用	仅涵盖了2018年至2023年间发表的25篇文章，可能未全面反映该领域的最新进展	评估深度学习技术在帕金森病步态分析中的应用潜力	帕金森病患者及其步态数据	机器学习	神经退行性疾病	深度学习	卷积神经网络和姿态估计网络	信号和视频	25篇相关研究文章
5090	2024-10-20	Efficacy of compressed sensing and deep learning reconstruction for adult female pelvic MRI at 1.5 T 2024-Sep-10, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00506-5 PMID:39254920	研究论文	研究压缩感知和深度学习重建在1.5T女性盆腔MRI中的效果	首次比较了压缩感知结合深度学习重建与传统并行成像在女性盆腔MRI中的图像质量和检查时间	样本量较小，仅包括52名女性患者	评估压缩感知和深度学习重建在1.5T女性盆腔MRI中提高图像质量和缩短检查时间的能力	52名患有各种盆腔疾病的女性患者	计算机视觉	NA	压缩感知和深度学习重建	NA	图像	52名女性患者
5091	2024-10-20	Enhancing voxel-based dosimetry accuracy with an unsupervised deep learning approach for hybrid medical image registration 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17129 PMID:38772037	研究论文	本文介绍了一种用于混合医学图像变形的无监督深度学习网络CoRX-NET，以提高基于体素的剂量测定精度	提出了一种基于Swin-transformer的无监督深度学习网络CoRX-NET，用于混合医学图像的变形配准，并引入了交叉缝合层以增强SPECT和CT特征的融合	NA	开发一种新的无监督深度学习网络，以提高混合医学图像配准的准确性，从而改进基于体素的剂量测定	177Lu DOTATATE SPECT/CT数据集	计算机视觉	NA	深度学习	Swin-transformer	图像	36组SPECT/CT数据集，其中22组用于训练/内部验证，14组用于外部验证
5092	2024-10-20	Dear-PSM: A deep learning-based peptide search engine enables full database search for proteomics 2024-Sep, Smart medicine DOI:10.1002/SMMD.20240014 PMID:39420951	研究论文	提出了一种基于深度学习的肽段搜索引擎Dear-PSM，支持全数据库搜索	Dear-PSM不限制肽段质量误差，匹配每个光谱到数据库中的所有肽段，并将每个肽段的变异修饰数量从传统的3-20增加，利用倒排索引技术和深度学习算法进行肽段验证，实现了速度和内存消耗的显著提升	NA	解决肽段光谱匹配中的时间限制和解释能力问题	肽段光谱匹配和蛋白质组学数据	蛋白质组学	NA	深度学习	NA	质谱数据	不同物种和仪器的复杂质谱数据
5093	2024-10-20	Computer-aided diagnosis of cystic lung diseases using CT scans and deep learning 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17252 PMID:39422997	研究论文	本文提出了一种基于深度学习的计算机辅助诊断方法，用于自动分割CT扫描图像中的肺实质并准确诊断囊性肺疾病	本文提出了一种两阶段的深度学习方法，能够实现肺实质的分割和囊性肺疾病的分类，相较于之前的单一囊性肺疾病诊断任务，本文方法能够在早期实现多种囊性肺疾病的诊断	NA	实现计算机辅助诊断囊性肺疾病	囊性肺疾病（CLDs）的自动诊断	计算机视觉	肺部疾病	深度学习	U-Net模型、MPIRMNet模型	CT扫描图像	543名患者，共4718张CT切片图像用于验证分割方法，16290张CT切片图像用于验证分类方法
5094	2024-10-19	Correction: "Selective ensemble methods for deep learning segmentation of major vessels in invasive coronary angiography" DOI: https://doi.org/10.1002/mp.16554 2024-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.17332 PMID:39423010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5095	2024-10-20	Deep learning prediction of stroke thrombus red blood cell content from multiparametric MRI 2024-Aug, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199221140962 PMID:36437762	研究论文	本研究评估了卷积神经网络（CNN）使用多参数MRI图像预测缺血性中风血栓红细胞含量的能力	首次使用卷积神经网络从多参数MRI图像中预测血栓红细胞含量	数据集较小，且仅限于缺血性中风病例	评估卷积神经网络预测缺血性中风血栓红细胞含量的能力	缺血性中风血栓的红细胞含量	计算机视觉	脑血管疾病	多参数MRI	CNN	图像	188个血栓样本
5096	2024-10-20	Development and validation of a nonverbal consensus-based semantic memory paradigm in patients with epilepsy 2024-Aug, Journal of the International Neuropsychological Society : JINS IF:2.6Q2 DOI:10.1017/S1355617724000158 PMID:38616725	研究论文	开发并验证了一种基于共识的非言语语义记忆范式，用于评估癫痫患者的非言语语义处理能力	提出了新的基于视觉的语义关联任务（ViSAT），避免了现有测试中的文化和人口统计学偏差	样本量较小，需要进一步验证其在不同人群中的适用性	评估癫痫患者非言语语义处理能力的损伤	癫痫患者和健康对照组	神经心理学	癫痫	深度学习模型	NA	图像	23名癫痫患者和24名对照组参与者，以及54名Amazon Mechanical Turk工人
5097	2024-10-20	Deep learning of heart-sound signals for efficient prediction of obstructive coronary artery disease 2024-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e23354 PMID:38169906	研究论文	本文研究了基于心音信号的深度学习模型，用于高效预测阻塞性冠状动脉疾病	开发了一种基于心音信号的深度学习模型，用于非侵入性筛查阻塞性冠状动脉疾病	NA	开发一种基于心音信号的深度学习算法，用于高效检测阻塞性冠状动脉疾病，减少不必要的冠状动脉造影	阻塞性冠状动脉疾病	机器学习	心血管疾病	深度学习	VGG-16, 1D CNN, ResNet18	心音信号	320名疑似冠状动脉疾病的患者，以及80名用于测试的患者
5098	2024-10-20	Assessing deep convolutional neural network models and their comparative performance for automated medicinal plant identification from leaf images 2024-Jan-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e23655 PMID:38187334	研究论文	评估七种先进的深度学习算法在从叶片图像中自动识别药用植物方面的性能，并推荐最佳模型	首次系统评估了七种深度学习模型在药用植物自动识别中的性能，并提出了最佳模型DenseNet201	模型在不同科属和物种间的准确性存在差异	评估深度学习模型在药用植物自动识别中的性能，并推荐最佳模型	药用植物的叶片图像	计算机视觉	NA	深度学习	CNN	图像	5878张图像，涵盖30种药用植物，分布在20个科属中
5099	2024-10-20	Open and reusable deep learning for pathology with WSInfer and QuPath 2024-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00499-9 PMID:38200147	研究论文	本文介绍了WSInfer和QuPath，一个用于病理学深度学习的开源软件生态系统，旨在促进深度学习模型在数字病理学中的共享和重用	开发了WSInfer，一个开源软件生态系统，旨在简化深度学习模型在数字病理学中的共享和重用	NA	解决深度学习模型在数字病理学中不易重用的问题	数字病理学中的深度学习模型	数字病理学	NA	深度学习	深度学习模型	NA	NA
5100	2024-10-20	Chemprop: A Machine Learning Package for Chemical Property Prediction 2024-01-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01250 PMID:38147829	研究论文	介绍了一个名为Chemprop的机器学习软件包，用于化学性质预测	引入了多种新功能，如多分子性质支持、反应、原子/键级性质和光谱分析，并集成了不确定性量化和校准方法	未提及	开发一个易于使用且功能强大的开源软件包，用于分子性质预测	分子性质预测任务	机器学习	NA	深度学习	D-MPNN（定向消息传递神经网络）	分子数据	包括MoleculeNet和SAMPL等多个数据集