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
5961	2024-10-01	Spatial interpolation of global DEM using federated deep learning 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-72807-z PMID:39333214	研究论文	本文提出了一种基于联邦学习和多尺度U-Net的全球DEM空间插值模型	利用联邦学习保护数据隐私，同时提高插值速度	插值精度较传统方法低	提高DEM数据的空间插值效率和隐私保护	全球数字高程模型（DEM）数据	计算机视觉	NA	联邦学习	多尺度U-Net	图像	NA
5962	2024-10-01	A complex-valued convolutional fusion-type multi-stream spatiotemporal network for automatic modulation classification 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73547-w PMID:39333244	研究论文	本文介绍了一种用于自动调制分类的复值卷积融合型多流时空网络	提出了复值卷积融合型多流时空网络（CC-MSNet），结合空间和时间特征提取模块，提高了低信噪比条件下的识别准确率	未提及具体局限性	提高非合作通信系统中自动调制分类的准确性	自动调制分类中的调制识别	机器学习	NA	复值卷积	卷积神经网络	信号	使用了三个基准数据集：RML2016.10a, RML2016.10b, 和 RML2016.04c
5963	2024-10-01	Identifying defects and varieties of Malting Barley Kernels 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73683-3 PMID:39333255	研究论文	本文介绍了一种综合方法，用于分类大麦麦芽颗粒，涉及双面颗粒成像、专门设计的图像处理算法、优化的深度神经网络架构和机械分选系统	本文提出了一种专门为大麦颗粒图像分析设计的卷积神经网络，并展示了其在分类大麦颗粒缺陷和品种方面的优越性能	传统方法在形态特征识别方面具有优势，这为未来的研究提供了将形态特征提取技术与现代卷积网络相结合的方向	开发一种能够精确分类大麦麦芽颗粒缺陷和品种的方法	大麦麦芽颗粒的缺陷和品种	计算机视觉	NA	图像处理算法	卷积神经网络	图像	NA
5964	2024-10-01	Harnessing probabilistic neural network with triple tree seed algorithm-based smart enterprise quantitative risk management framework 2024-Sep-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-73876-w PMID:39333638	研究论文	本文提出了一种基于三重树种子算法和概率神经网络的智能企业量化风险管理框架	本文创新性地结合了深度学习技术和改进的元启发式算法，用于企业风险评估模型	NA	研究目的是开发一种有效的企业风险评估模型，以支持企业决策	研究对象是企业风险管理系统和相关风险评估技术	机器学习	NA	深度学习	概率神经网络	金融数据	使用了德国和澳大利亚的信用数据集进行实验评估
5965	2024-10-01	Drug-target interaction prediction with collaborative contrastive learning and adaptive self-paced sampling strategy 2024-Sep-27, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02012-x PMID:39334132	研究论文	提出了一种结合协同对比学习和自适应自步采样策略的深度学习模型CCL-ASPS，用于药物-靶点相互作用预测	利用多个生物网络学习药物和靶点的融合嵌入，确保从各个网络中获得一致的表示，并动态选择更具信息量的负样本对进行对比学习	未提及	提高药物-靶点相互作用预测的准确性	药物和靶点的相互作用	机器学习	NA	协同对比学习	深度学习模型	生物网络数据	未提及
5966	2024-10-01	A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients 2024-Sep-27, Radiation oncology (London, England) DOI:10.1186/s13014-024-02519-1 PMID:39334387	研究论文	本研究通过深度学习模型分析了NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释了先前研究结论不一致的原因	本研究通过深度学习模型和可解释AI技术，识别了影响远处转移风险的关键预测因素，并解释了先前研究结论不一致的原因	本研究仅分析了478例NSCLC患者的SBRT治疗数据，样本量有限	探讨NSCLC患者SBRT治疗中PTV外剂量与远处转移风险的关系，并解释先前研究结论不一致的原因	NSCLC患者SBRT治疗中的PTV外剂量与远处转移风险	机器学习	肺癌	深度学习	深度学习模型	数据	478例NSCLC患者
5967	2024-10-01	A multi-view feature representation for predicting drugs combination synergy based on ensemble and multi-task attention models 2024-Sep-27, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00903-3 PMID:39334437	研究论文	提出了一种多视角集成预测模型，用于预测药物组合的协同作用	通过多任务注意力深度学习模型和集成模型，结合多种药物和细胞系特征，提高了预测准确性	模型在特定数据集上表现良好，但未提及在其他数据集上的泛化能力	开发一种能够准确预测药物组合协同作用的新方法	药物组合的协同作用评分和分类标签	机器学习	NA	多任务注意力深度学习	多任务注意力模型	基因表达、拷贝数、突变、蛋白质组学、SMILES、分子图、指纹、药物-靶点	38种药物，39种癌症细胞系，共22,737对药物组合
5968	2024-10-01	VesiMCNN: Using pre-trained protein language models and multiple window scanning convolutional neural networks to identify vesicular transport proteins 2024-Sep-26, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2024.136048 PMID:39332561	研究论文	本文介绍了一种名为vesiMCNN的新型计算方法，结合预训练的蛋白质语言模型和多窗口扫描卷积神经网络架构，用于准确识别囊泡运输蛋白	首次利用预训练语言模型与多窗口扫描技术结合的方法来识别囊泡运输蛋白	NA	开发一种新的计算方法来准确识别囊泡运输蛋白	囊泡运输蛋白	机器学习	NA	预训练蛋白质语言模型	卷积神经网络（CNN）	蛋白质序列	NA
5969	2024-10-01	From Voxel to Gene: A Scoping Review on MRI Radiogenomics' Artificial Intelligence Predictions in Adult Gliomas and Glioblastomas-The Promise of Virtual Biopsy? 2024-Sep-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092156 PMID:39335670	综述	本文综述了深度学习在成人胶质瘤和胶质母细胞瘤的遗传特征中的应用，探讨了虚拟活检的潜力	本文介绍了从全卷积网络到更高级架构（如ResNet和DenseNet）的深度学习算法的演变，并探讨了其在预测个体遗传特征方面的潜力	研究结果显示，由于数据集小且同质化以及验证方法不一致，报告的性能存在显著差异，缺乏强有力的外部验证限制了模型的普遍性	评估深度学习在成人胶质瘤遗传特征中的应用现状，探讨这些技术在可靠虚拟活检中的潜力	成人胶质瘤和胶质母细胞瘤的遗传特征	计算机视觉	脑肿瘤	深度学习	CNN, ResNet, DenseNet	图像	17项研究
5970	2024-10-01	GastricAITool: A Clinical Decision Support Tool for the Diagnosis and Prognosis of Gastric Cancer 2024-Sep-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092162 PMID:39335675	研究论文	本文开发了一种名为GastricAITool的临床决策支持工具，用于胃癌的诊断和预后	通过整合遗传数据显著提高了诊断和预后模型的区分能力	NA	开发一种支持临床医生在胃癌诊断和预后决策中的工具	胃癌的诊断和预后	机器学习	胃癌	机器学习和深度学习技术	XGBoost算法和随机生存森林算法	临床、人口统计学和遗传数据	590名西班牙高加索胃癌患者和633名无癌个体
5971	2024-10-01	Applications of Artificial Intelligence-Based Systems in the Management of Esophageal Varices 2024-Sep-23, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm14091012 PMID:39338266	综述	本文综述了人工智能在食管静脉曲张管理中的应用	探讨了人工智能在食管静脉曲张诊断、风险分层和治疗优化中的应用	尽管有进展，基于实验室数据的临床评分对食管静脉曲张的特异性仍然较低，通常需要确认性内镜或影像学检查	探索人工智能在食管静脉曲张管理中的作用	食管静脉曲张的诊断、风险分层和治疗优化	机器学习	肝病	人工智能算法	机器学习和深度学习	临床评分、实验室数据、内镜图像和CT扫描	NA
5972	2024-10-01	Study of Acoustic Emission Signal Noise Attenuation Based on Unsupervised Skip Neural Network 2024-Sep-23, Sensors (Basel, Switzerland) DOI:10.3390/s24186145 PMID:39338890	研究论文	本文介绍了一种基于无监督跳跃神经网络的声发射信号降噪模型，并将其应用于钢纤维增强混凝土、钢材和钢筋混凝土梁的拉伸和弯曲实验中	提出了基于无监督深度学习的声发射信号降噪模型，与传统方法相比在噪声降低方面表现出显著优势	NA	开发一种有效的声发射信号降噪方法，以提高信号的清晰度和完整性	声发射信号在钢纤维增强混凝土、钢材和钢筋混凝土梁的拉伸和弯曲实验中的应用	机器学习	NA	无监督深度学习	跳跃自编码器	信号	涉及钢纤维增强混凝土、钢材和钢筋混凝土梁的拉伸和弯曲实验中的声发射信号
5973	2024-10-01	Detection of GPS Spoofing Attacks in UAVs Based on Adversarial Machine Learning Model 2024-Sep-23, Sensors (Basel, Switzerland) DOI:10.3390/s24186156 PMID:39338901	研究论文	本文提出了一种基于对抗机器学习模型的无人机GPS欺骗攻击检测系统	开发了一种新的对抗机器学习检测模型，显著提高了无人机系统的鲁棒性和安全性	未提及具体限制	提高无人机系统对GPS欺骗攻击的检测能力	无人机系统的GPS信号和对抗机器学习模型	机器学习	NA	对抗机器学习	对抗训练防御方法和深度学习技术	GPS信号数据	未提及具体样本数量
5974	2024-10-01	Flower Visitation through the Lens: Exploring the Foraging Behaviour of Bombus terrestris with a Computer Vision-Based Application 2024-Sep-22, Insects IF:2.7Q1 DOI:10.3390/insects15090729 PMID:39336697	研究论文	研究通过计算机视觉应用探索野生大黄蜂与三种植物的互动及其在不同花密度下的觅食行为	使用深度学习计算机视觉模型进行自动化大黄蜂检测和计数，并验证了其在研究传粉者行为生态学中的可靠性	研究结果未显示三种植物间大黄蜂在花序上停留时间的显著差异	阐明野生大黄蜂与三种植物的互动及其觅食行为，以理解传粉者行为的基本驱动因素	野生大黄蜂与三种植物的互动及其觅食行为	计算机视觉	NA	深度学习	计算机视觉模型	视频	60 × 60 cm 的样方中记录的视频数据
5975	2024-10-01	Optimizing IOL Calculators with Deep Learning Prediction of Total Corneal Astigmatism 2024-Sep-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13185617 PMID:39337104	研究论文	本研究旨在通过深度学习优化人工晶状体计算器，提高总角膜散光（TCA）的预测精度	本研究采用深度神经网络（DNN）优化了TCA的预测模型，显著提高了预测精度，优于传统公式	本研究为回顾性分析，样本来自接受屈光手术筛选的19,468只眼睛，未来需在前瞻性研究中验证	本研究旨在通过深度学习优化总角膜散光（TCA）的预测模型，提高人工晶状体计算器的准确性	研究对象为接受屈光手术筛选的19,468只眼睛，数据包括角膜地形图和电子病历	机器学习	NA	深度学习	深度神经网络（DNN）	数据	19,468只眼睛
5976	2024-10-01	Lenition in L2 Spanish: The Impact of Study Abroad on Phonological Acquisition 2024-Sep-21, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci14090946 PMID:39335440	研究论文	研究了在留学项目中，英语母语者在西班牙语塞音发音中浊音弱化的程度	采用了深度学习模型Phonet来评估学习者在浊音弱化过程中的进展，与传统的声学方法不同	学习者在留学项目结束后未能持续保留浊音弱化的发音改进，且未能完全达到母语者的近似音实现	探讨留学项目对英语母语者西班牙语浊音弱化发音习得的影响	英语母语者在西班牙语塞音发音中的浊音弱化	自然语言处理	NA	深度学习	RNN	语音	NA
5977	2024-10-01	Review of In Situ Hybridization (ISH) Stain Images Using Computational Techniques 2024-Sep-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182089 PMID:39335767	综述	本文综述了使用计算技术分析原位杂交（ISH）染色图像的方法	结合深度学习技术提高了传统方法的准确性	数据变异性和计算需求是主要限制	探讨计算技术在数字病理学中应用，特别是乳腺癌分类	原位杂交图像和HER2基因扩增	数字病理学	乳腺癌	原位杂交（ISH）	深度学习	图像	NA
5978	2024-10-01	Comparative Performance of Autoencoders and Traditional Machine Learning Algorithms in Clinical Data Analysis for Predicting Post-Staged GKRS Tumor Dynamics 2024-Sep-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14182091 PMID:39335770	研究论文	本研究比较了自编码器与传统机器学习算法在预测伽玛刀放射外科治疗后肿瘤动态变化中的表现	本研究首次探讨了将自编码器提取的特征整合到传统机器学习模型中，以提高预测伽玛刀放射外科治疗后肿瘤动态变化的准确性	本研究为回顾性分析，样本量较小，且仅限于特定医院的患者数据	评估自编码器与传统机器学习模型在预测伽玛刀放射外科治疗后肿瘤动态变化中的有效性	伽玛刀放射外科治疗后的脑转移瘤动态变化	机器学习	脑转移瘤	自编码器	混合模型	临床数据	77名患者
5979	2024-10-01	Deep Learning-Driven Prediction of Mechanical Properties of 316L Stainless Steel Metallographic by Laser Powder Bed Fusion 2024-Sep-21, Micromachines IF:3.0Q2 DOI:10.3390/mi15091167 PMID:39337827	研究论文	本研究开发了一种新的金属学-性能关系神经网络（MPR-Net），用于预测通过激光粉末床熔融（LPBF）制造的316L不锈钢的微观结构与力学性能之间的关系	首次应用卷积神经网络（MPR-Net）预测通过激光粉末床熔融（LPBF）制造的316L不锈钢样品的力学性能，并创新性地使用了梯度加权类激活映射（Grad-CAM）、空间相干性测试和聚类等技术，以提供对机器学习模型工作机制的更深入理解	NA	预测通过激光粉末床熔融（LPBF）制造的316L不锈钢的微观结构与力学性能之间的关系	316L不锈钢样品的微观结构与力学性能	机器学习	NA	激光粉末床熔融（LPBF）	卷积神经网络（CNN）	图像	NA
5980	2024-10-01	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	研究分析了不同受试者群体和预测模型架构下的脑龄差距（BAG）	使用五种先进的深度学习模型架构（2D/3D VGG、RelationNet、ResNet和SFCN）来预测脑龄差距，并评估其在多种疾病中的表现	研究主要集中在T1加权扫描和特定的疾病群体，未涵盖所有可能的脑部疾病和扫描类型	探讨不同深度学习模型在预测脑龄差距方面的表现，并分析其在多种神经系统疾病中的应用	健康对照组和患有睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病的患者群体	计算机视觉	神经系统疾病	深度学习	2D/3D VGG、RelationNet、ResNet、SFCN	MRI图像	包括健康对照组和多种疾病患者群体