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
5921	2024-10-02	FindCSV: a long-read based method for detecting complex structural variations 2024-Sep-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05937-w PMID:39342151	研究论文	提出了一种基于长读长测序数据检测复杂结构变异的新方法FindCSV	利用深度学习技术和共识序列来增强复杂和简单结构变异的检测	未提及具体限制	开发一种高效且准确的复杂结构变异检测方法	复杂和简单的结构变异	生物信息学	NA	长读长测序	深度学习	测序数据	未提及具体样本数量
5922	2024-09-30	Dual stage MRI image restoration based on blind spot denoising and hybrid attention 2024-Sep-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01437-8 PMID:39342222	研究论文	本文提出了一种基于盲点去噪和混合注意力的双阶段MRI图像恢复方法	本文创新性地结合了盲点去噪和混合注意力机制，通过生成对抗网络（GAN）恢复去噪后的MRI图像细节	当前的去噪网络可能在未来被更先进的模型替代，以进一步提升性能	解决医学MRI图像中的噪声问题，提高图像质量和细节恢复	MRI图像中的噪声和细节信息	计算机视觉	NA	生成对抗网络（GAN）	生成对抗网络（GAN）	图像	临床数据集
5923	2024-10-02	Step Width Estimation in Individuals With and Without Neurodegenerative Disease Via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors 2024-Sep-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3470310 PMID:39331558	研究论文	提出了一种新的数据增强深度学习模型，使用最少的可穿戴惯性传感器来估计神经退行性疾病患者和健康个体的步宽	使用数据增强技术改进了深度学习模型，显著提高了神经退行性疾病患者步宽估计的准确性	研究样本量较小，且仅包括特定类型的神经退行性疾病患者	开发一种临床上可行的方法，使用最少的可穿戴设备准确估计步宽	神经退行性疾病患者和健康个体的步宽	机器学习	神经退行性疾病	惯性测量单元 (IMUs)	深度学习模型	传感器数据	12名神经退行性疾病患者和17名健康个体
5924	2024-10-02	Hand gesture recognition using sEMG signals with a multi-stream time-varying feature enhancement approach 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72996-7 PMID:39333258	研究论文	本文提出了一种基于多流时间变化特征增强方法的表面肌电信号手势识别系统	引入了一种轻量级的四流深度学习架构，结合了时间卷积网络（TCN）和卷积神经网络（CNN）的特征，以提高手势识别的准确性和稳定性	NA	开发一种高性能的表面肌电信号手势识别系统，以改善肌肉-计算机接口的部署	表面肌电信号（sEMG）手势识别	机器学习	NA	时间卷积网络（TCN），卷积神经网络（CNN），长短期记忆网络（LSTM）	四流深度学习架构	表面肌电信号（sEMG）	Ninapro DB1和DB9数据集
5925	2024-10-02	A dataset of manually annotated filaments from H-alpha observations 2024-Sep-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03876-y PMID:39333537	研究论文	本文介绍了手动注释的H-alpha观测中的丝状物数据集MAGFiLO v1.0	MAGFiLO是首个规模如此之大的数据集，能够使先进的深度学习模型以前所未有的精度识别丝状物及其特征	NA	提供高质量的太阳丝状物数据集，支持深度学习和大规模分析	太阳丝状物的注释和特征	计算机视觉	NA	NA	深度学习模型	图像	10,244个注释丝状物，来自1,593次观测
5926	2024-10-02	Prediction of android ransomware with deep learning model using hybrid cryptography 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70544-x PMID:39333540	研究论文	本文提出了一种基于深度学习和混合加密技术的安卓勒索软件预测模型	本文创新性地结合了深度学习模型和混合加密技术，提高了安卓勒索软件检测的准确性和数据存储的安全性	NA	解决安卓移动设备上勒索软件日益增多的问题，保护用户敏感数据的安全	安卓勒索软件的检测与分类，以及检测数据的安全存储	机器学习	NA	混合加密技术	AlexNet	APK文件	NA
5927	2024-10-02	Explainability of CNN-based Alzheimer's disease detection from online handwriting 2024-09-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72650-2 PMID:39333681	研究论文	本文研究了基于卷积神经网络的阿尔茨海默病在线书写检测的可解释性	本文通过解释卷积神经网络对在线书写数据生成的多元时间序列数据的预测，揭示了健康个体和阿尔茨海默病患者在书写运动行为上的显著差异	NA	解决深度学习模型在阿尔茨海默病检测中的可解释性问题	在线书写数据及其生成的多元时间序列数据	机器学习	阿尔茨海默病	卷积神经网络	CNN	时间序列数据	NA
5928	2024-10-02	Histopathological correlations of CT-based radiomics imaging biomarkers in native kidney biopsy 2024-Sep-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01434-x PMID:39333936	研究论文	本研究评估了基于CT的放射组学特征与原发性肾活检中慢性组织病理学变化之间的历史放射学相关性，并构建和验证了一个基于放射组学的慢性程度预测模型	本研究首次探讨了CT放射组学特征与肾活检中慢性组织病理学变化之间的相关性，并开发了一个用于非侵入性评估肾纤维化的预测模型	本研究仅限于左肾的分析，且样本量较小	评估基于CT的放射组学特征与肾活检中慢性组织病理学变化之间的相关性，并开发一个预测模型	基于CT的放射组学特征与肾活检中的慢性组织病理学变化	数字病理学	肾病	放射组学	3D Swin UNEt Transformers	图像	18岁及以上接受肾活检和腹部CT扫描的患者
5929	2024-10-02	Skin lesion segmentation using deep learning algorithm with ant colony optimization 2024-Sep-27, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02686-x PMID:39334181	研究论文	本文评估了结合蚁群优化（ACO）的混合残差网络（ResUNet）模型在皮肤病变分类中的有效性	提出了一种结合蚁群优化的混合残差网络（ResUNet）模型，显著提高了皮肤病变分类的准确性	未来研究将探索多模态成像信息和替代优化算法，以进一步提升模型的性能和临床适用性	评估混合ResUNet模型在皮肤病变分类中的有效性，并优化ACO性能以提高计算效率和临床实用性	皮肤病变分类	计算机视觉	皮肤癌	深度学习	混合残差网络（ResUNet）	图像	包含多种皮肤病变的复杂数据集
5930	2024-10-02	Research on variety identification of common bean seeds based on hyperspectral and deep learning 2024-Sep-24, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.125212 PMID:39348737	研究论文	本研究基于高光谱和深度学习技术，对常见豆种进行非破坏性品种识别	提出了一种结合Inception模块和残差结构的一维卷积神经网络模型（IResCNN），并与其他模型进行对比，最终实现了93.06%的识别准确率	NA	实现常见豆种的非破坏性品种识别，提高豆种的培育和高效利用	常见豆种的品种识别	机器学习	NA	高光谱技术	一维卷积神经网络（IResCNN）	高光谱图像	3078张高光谱图像，涵盖500个品种
5931	2024-10-02	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults: Study of Domain Adaptation and Deep Learning 2024-Sep-16, JMIR aging IF:5.0Q1 DOI:10.2196/53793 PMID:39283346	研究论文	研究利用深度学习和领域自适应技术预测老年人对计算机认知训练项目的依从性	首次尝试使用领域自适应技术预测老年人对认知训练项目的日常依从性	NA	提高预测老年人对认知训练项目依从性失误的准确性，以开发定制的依从性支持系统	老年人的认知训练项目依从性	机器学习	NA	深度卷积神经网络、领域自适应	深度神经网络	时间序列数据	来自两个先前进行的认知训练干预研究的参与者数据
5932	2024-10-02	Deep learning models map rapid plant species changes from citizen science and remote sensing data 2024-Sep-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2318296121 PMID:39236239	研究论文	本文开发了一种深度学习模型，利用加利福尼亚州的遥感图像和50万条公民科学观测数据，绘制了2000多种植物物种的分布图	该模型不仅在物种分布建模方面优于许多常见方法，还能以几米的分辨率绘制物种分布，并精确划分植物群落，包括红木国家公园的原始森林和砍伐森林	NA	研究目的是开发一种能够高分辨率、高时间分辨率和高分类分辨率绘制植物物种分布变化的深度学习模型	研究对象是加利福尼亚州的植物物种分布变化	计算机视觉	NA	深度学习	深度学习模型	图像	50万条公民科学观测数据和遥感图像数据
5933	2024-10-02	Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method 2024-Sep, Advances in therapy IF:3.4Q2 DOI:10.1007/s12325-024-02944-4 PMID:39085749	研究论文	本研究验证了一种基于人工智能的自动X光骨龄分析器在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了比较	本研究展示了AI驱动的骨龄分析器在准确性和时间效率上的优势，可能提高临床工作效率	研究仅在中国进行，样本仅包括900名中国儿童和青少年，可能限制了结果的普适性	验证AI驱动的X光骨龄分析器在中国儿童和青少年中的临床适用性，并评估其与传统方法的性能差异	中国儿童和青少年的X光骨龄评估	计算机视觉	NA	深度学习	NA	图像	900名中国儿童和青少年
5934	2024-10-02	Development and validation of deep learning models for bowel obstruction on plain abdominal radiograph 2024-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605241271844 PMID:39340252	研究论文	本文开发并验证了基于深度学习的计算机视觉模型，用于在腹部平片上诊断肠梗阻	提出了基于深度学习的计算机辅助诊断系统，能够提高诊断准确性并减轻医疗从业者的工作负担	NA	开发和验证用于诊断肠梗阻的深度学习模型	腹部平片上的肠梗阻诊断	计算机视觉	肠梗阻	深度学习	Xception, VGG16, ResNet	图像	2082张腹部平片
5935	2024-10-02	Federated Learning in Glaucoma: A Comprehensive Review and Future Perspectives 2024-Aug-29, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.08.004 PMID:39214457	综述	本文综述了联邦学习在青光眼筛查中的应用及其未来展望	联邦学习提供了一种解决方案，通过在多个站点进行分布式模型训练，同时保持数据本地化，解决了数据共享、患者隐私和监管合规性等问题	NA	探讨联邦学习在青光眼筛查中的应用及其对隐私保护和数据共享挑战的解决方案	青光眼筛查的人工智能模型	机器学习	青光眼	联邦学习	NA	医学影像	NA
5936	2024-10-02	Conserved cysteine residues in Kaposi's sarcoma herpesvirus ORF34 are necessary for viral production and viral pre-initiation complex formation 2024-Aug-20, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01000-24 PMID:39078391	研究论文	研究探讨了Kaposi肉瘤疱疹病毒（KSHV）ORF34中保守的半胱氨酸残基在病毒生产和病毒前起始复合物形成中的必要性	通过深度学习算法辅助的结构模型，揭示了ORF34中高度保守的氨基酸残基，并设计了ORF34丙氨酸扫描突变体，评估了其与病毒前起始复合物其他因子的相互作用	NA	阐明KSHV ORF34在病毒前起始复合物功能和与其他成分相互作用中的具体贡献	KSHV ORF34中的保守半胱氨酸残基及其在病毒生产和病毒前起始复合物形成中的作用	NA	NA	深度学习算法	NA	NA	NA
5937	2024-10-02	From Deep Learning to the Discovery of Promising VEGFR-2 Inhibitors 2024-Aug-19, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202400108 PMID:38726553	研究论文	本研究利用深度学习模型筛选潜在的VEGFR-2抑制剂，并通过分子对接和实验验证其抗肿瘤活性	首次将深度学习应用于VEGFR-2抑制剂的筛选，并结合分子对接和实验验证，成功发现两种具有潜在抗肿瘤活性的化合物	样本量较小，仅包含187种化合物，且实验验证仅针对MCF-7乳腺癌细胞和WI-38细胞	寻找新型且更有效的VEGFR-2抑制剂	VEGFR-2抑制剂及其抗肿瘤活性	药物化学	癌症	深度学习	分类模型	化合物	187种药物样化合物
5938	2024-10-02	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2024-Aug-14, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	使用基于深度学习的OCT图像分析，量化pegcetacoplan治疗下地理萎缩（GA）中光感受器（PR）和视网膜色素上皮（RPE）层的形态变化	首次使用深度学习技术量化pegcetacoplan治疗下GA中PR和RPE层的形态变化，并发现EZ-RPE差异对疾病进展和治疗反应有重要影响	NA	量化pegcetacoplan治疗下地理萎缩（GA）中光感受器（PR）和视网膜色素上皮（RPE）层的形态变化	地理萎缩（GA）患者的光感受器（PR）和视网膜色素上皮（RPE）层	计算机视觉	眼科疾病	深度学习	深度学习模型	图像	897只眼，897名患者
5939	2024-10-02	Unsupervised denoising of photoacoustic images based on the Noise2Noise network 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.529253 PMID:39346987	研究论文	本文提出了一种基于Noise2Noise网络的无监督深度学习方法，用于改善基于线性阵列的光声成像	Noise2Noise网络无需噪声自由的地面真值，可以从一对噪声图像中学习噪声模式，这对于体内光声成像尤为重要	NA	提高光声成像的质量	光声成像中的噪声去除	计算机视觉	NA	Noise2Noise网络	Noise2Noise	图像	单组光声图像
5940	2024-10-02	Deep learning combined with attention mechanisms to assist radiologists in enhancing breast cancer diagnosis: a study on photoacoustic imaging 2024-Aug-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.530249 PMID:39346992	研究论文	本研究提出了一种结合注意力机制的深度学习方法，利用光声成像技术提高乳腺癌诊断的准确性	本研究创新性地将ResNet50模型与注意力机制结合，用于分析光声超声图像，显著提高了乳腺癌诊断的性能	本研究仅在特定时间段和特定医院的334名患者数据上进行了验证，未来需要在更大规模和多样化的数据集上进行验证	本研究的目的是通过深度学习技术提高乳腺癌诊断的准确性，辅助放射科医生进行早期检测	本研究的对象是334名患有乳腺病变的中国深圳人民医院患者	计算机视觉	乳腺癌	光声成像	ResNet50	图像	334名患者