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
7941	2024-08-29	Vessel trajectory classification via transfer learning with Deep Convolutional Neural Networks 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308934 PMID:39186723	研究论文	本文介绍了一种基于深度卷积神经网络和迁移学习的新框架Dense121-VMC，用于同时提取和分类航行和徘徊轨迹	提出了一种新的框架Dense121-VMC，利用深度卷积神经网络和迁移学习，有效提取输入图像中的显著特征并识别轨迹间的细微差异	现有基于CNN的方法主要关注航行或徘徊运动模式，难以从输入图像中捕捉有价值的特征和细微差异	提高船舶轨迹分类的准确性和效率，确保海上安全和船舶导航效率	船舶轨迹分类	计算机视觉	NA	卷积神经网络	CNN	图像	NA
7942	2024-08-29	Application of artificial intelligence in the diagnosis and treatment of urinary tumors 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1440626 PMID:39188685	研究论文	本文探讨了人工智能在泌尿肿瘤诊断和治疗中的应用，特别是机器学习和深度学习技术在医学图像识别中的作用	利用机器学习和深度学习技术，特别是卷积神经网络，提高了肿瘤诊断和治疗的精确性和效率	NA	研究人工智能在泌尿肿瘤诊断和治疗中的应用，以提高诊断准确性和治疗效果	泌尿肿瘤，包括肾细胞癌、膀胱癌和前列腺癌	机器学习	泌尿肿瘤	机器学习（ML）和深度学习（DL）	卷积神经网络（CNN）	医学图像	NA
7943	2024-08-29	A non-enhanced CT-based deep learning diagnostic system for COVID-19 infection at high risk among lung cancer patients 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1444708 PMID:39188873	研究论文	本研究提出了一种基于非增强CT扫描的COVID-19诊断神经网络系统，用于区分COVID-19肺炎患者和其他肺炎患者，并进一步区分普通COVID-19患者和重症患者	本研究创新性地使用两个串联的3D卷积神经网络（CNN）来构建诊断模块，能够有效区分COVID-19肺炎和其他肺炎，以及普通COVID-19患者和重症患者	NA	开发一种早期诊断系统，以帮助改善感染COVID-19的肺癌患者的预后	肺癌患者中的COVID-19感染	机器学习	肺癌	3D卷积神经网络（CNN）	CNN	CT图像	NA
7944	2024-08-29	Revolutionizing Shoulder MRI: Accelerated Imaging with Deep Learning Reconstruction 2024-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.233301 PMID:38193840	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7945	2024-08-28	ATR-FTIR spectroscopy and machine/deep learning models for detecting adulteration in coconut water with sugars, sugar alcohols, and artificial sweeteners 2024-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124771 PMID:39032237	研究论文	本研究结合傅里叶变换红外光谱（FTIR）和机器学习技术，通过分类模型检测椰子水中潜在的掺杂物	本研究探索了线性、非线性和组合特征提取模型，并开发了利用主成分分析（PCA）和t-分布随机邻域嵌入（t-SNE）的交互式应用程序，简化了非目标糖掺杂物的检测	NA	检测椰子水中的掺杂物	椰子水样品中的糖类、糖醇和人工甜味剂	机器学习	NA	傅里叶变换红外光谱（FTIR）	随机森林（RF）、一维卷积神经网络（1D CNN）	红外光谱	15种不同类型的潜在糖替代物的椰子水样品
7946	2024-08-28	Prediction of soil heavy metal contents in urban residential areas and the strength of deep learning: A case study of Beijing 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175133 PMID:39084356	研究论文	本研究使用深度学习方法和其他四种方法预测北京城市住宅区的土壤重金属含量，并展示了深度学习在提高预测准确性方面的优势	深度学习在预测四种重金属含量方面显示出显著优势，其测试集的R值范围从0.75到0.91，相较于其他方法，深度学习在四种重金属的累积R值上提高了53.16%到187.36%	NA	提高城市住宅区土壤重金属含量的预测准确性	北京城市住宅区的土壤重金属含量	机器学习	NA	深度学习	全连接深度神经网络	土壤物理化学性质和环境因素数据	NA
7947	2024-08-28	Probing the capacity of a spatiotemporal deep learning model for short-term PM2.5 forecasts in a coastal urban area 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175233 PMID:39102955	研究论文	研究探讨了一种时空深度学习模型在沿海城市短期PM2.5预测中的表现	该时空深度学习模型在短期PM2.5预测中表现出优于传统化学传输模型和浅层统计方法的性能，特别是在12小时内预测的均方根误差显著降低	深度学习模型在小尺度现象的预测性能随着预测时间的增加而下降，24小时预测时与化学传输模型的均方根误差相似	评估时空深度学习模型在城市尺度上对短期PM2.5预测的表示能力	在中国的沿海城市日照的六个城市站点进行的24小时短期PM2.5预测	机器学习	NA	深度学习	时空深度学习模型	PM2.5数据	六个城市站点
7948	2024-08-28	Remote sensing estimates of global sea surface nitrate: Methodology and validation 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175362 PMID:39117199	研究论文	研究开发了一种用于全球海面硝酸盐浓度遥感估算的方法，并通过验证展示了其高预测准确性	本研究引入了光合有效辐射（PAR）作为遥感指标，改进了海面硝酸盐（SSN）的遥感反演算法，增强了其生物地球化学过程的机制描述	NA	开发一种更具代表性和广泛适用性的海面硝酸盐遥感反演算法	全球海面硝酸盐浓度	遥感	NA	遥感技术	NA	数据集	12,846个样本
7949	2024-08-28	Artificial intelligence and Eddy covariance: A review 2024-Nov-10, The Science of the total environment DOI:10.1016/j.scitotenv.2024.175406 PMID:39127196	综述	本文综述了过去二十年中人工智能技术在Eddy Covariance方法监测碳、水和能量通量中的应用	强调了机器学习模型如随机森林、支持向量机、人工神经网络等在监测通量中的应用，并建议未来研究应探索深度学习技术如Transformer和生成式AI	缺乏技术的一致性，由于环境条件和生态系统中使用的多样技术和变量	探讨人工智能与Eddy Covariance方法的结合在气候变化减缓和适应中的作用	监测地球表面与大气之间的碳、水和能量通量	机器学习	NA	Eddy Covariance方法	随机森林、支持向量机、人工神经网络、支持向量回归、K-最近邻	数据流	NA
7950	2024-08-28	Diagnostic accuracy of CT-based radiomics and deep learning for predicting lymph node metastasis in esophageal cancer 2024-Sep, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2024.110225 PMID:38905878	meta-analysis	本文通过系统综述和荟萃分析，评估了基于CT的放射组学和深度学习在预测食管癌淋巴结转移中的诊断准确性	结合放射组学和深度学习与CT成像，为食管癌淋巴结转移的诊断提供了新的方法，有望革新预后评估和治疗计划	需要进一步的多中心研究与独立验证以确认结果并促进更广泛的临床应用	研究旨在提高食管癌淋巴结转移的诊断准确性	食管癌淋巴结转移的诊断	digital pathology	食管癌	CT-based radiomics, deep learning	DL	image	12项研究被综述，其中7项被纳入荟萃分析
7951	2024-08-28	MOCNN: A Multiscale Deep Convolutional Neural Network for ERP-Based Brain-Computer Interfaces 2024-Sep, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2024.3390805 PMID:38713574	研究论文	本文提出了一种多尺度深度卷积神经网络（MOCNN），用于基于事件相关电位（ERP）的脑-机接口（BCI），通过多尺度特征融合提高分类性能	引入八度卷积的广义概念到ERP-BCI领域，通过分支宽度优化和多尺度信息交互有效提取时空特征	NA	提高基于ERP的脑-机接口的分类性能	ERP信号的多尺度时空特征	机器学习	NA	深度学习	CNN	信号	两个公共数据集和一个自收集的ERP数据集
7952	2024-08-28	A comparison of antibody-antigen complex sequence-to-structure prediction methods and their systematic biases 2024-Sep, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5127 PMID:39167052	研究论文	本文比较了六种从序列预测抗体-抗原复合物结构的方法，并分析了它们的系统偏差	AlphaFold-Multimer在预测抗体-抗原复合物结构方面表现最佳，但仍有改进空间	当前结构数据库中界面几何数据的稀缺可能限制了机器学习在预测抗体-抗原相互作用中的应用	评估当前从序列预测抗体-抗原复合物结构的方法，并探讨其性能限制因素	六种不同的抗体-抗原复合物结构预测方法	机器学习	NA	机器学习	深度学习	序列数据	NA
7953	2024-08-28	Transformer for low concentration image denoising in magnetic particle imaging 2024-Aug-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6ede PMID:39137818	研究论文	本文提出了一种基于稀疏轻量级Transformer模型的深度学习方法，用于磁粒子成像（MPI）图像的去噪和质量提升	提出的残差局部Transformer结构降低了模型复杂性，避免了过拟合，并通过信息保留块增强了图像细节的特征提取能力	NA	改善低浓度MPI图像的质量	低浓度磁粒子成像图像	计算机视觉	NA	深度学习	Transformer	图像	模拟和真实MPI图像数据，真实图像样本的Fe浓度低至67gml
7954	2024-08-28	Classification of optic neuritis in neuromyelitis optica spectrum disorders (NMOSD) on MRI using CNN with transfer learning and manipulation of pre-processing on augmentation 2024-Aug-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad6f17 PMID:39142299	研究论文	本研究使用迁移学习和预处理增强技术，通过八种先进的卷积神经网络（CNN）模型对神经脊髓炎光谱障碍（NMOSD）患者的视神经炎（ON）进行MRI分类	首次利用深度学习技术对NMOSD患者的MRI图像中的ON变化进行分类	NA	旨在通过迁移学习的CNN模型对NMOSD患者是否存在慢性ON进行分类	NMOSD患者的视神经炎（ON）	计算机视觉	神经脊髓炎光谱障碍	卷积神经网络（CNN）	CNN	图像	NA
7955	2024-08-28	ASO Visual Abstract: Development and Validation Study of the Prognostic Impact of Deep Learning-Determined Myxoid Stroma After Neoadjuvant Chemotherapy in Patients with Esophageal Squamous Cell Carcinoma 2024-Aug-26, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16099-7 PMID:39187666	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7956	2024-08-28	Discovering New Metallo-Deubiquitinase CSN5 Inhibitors by a Non-Catalytic Activity Assay Platform 2024-Aug-22, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01514 PMID:39129245	研究论文	本文介绍了一种新的非催化活性检测平台，用于发现CSN5金属脱氧核糖核酸酶抑制剂，并利用荧光探针进行验证	开发了一种新的荧光探针和非催化活性检测平台，用于识别CSN5抑制剂，并结合深度学习虚拟筛选和分子动力学模拟探索抑制剂与CSN5的结合模式	文章未提及具体的局限性	发现新的CSN5金属脱氧核糖核酸酶抑制剂，作为抗癌靶点	CSN5金属脱氧核糖核酸酶及其抑制剂	NA	癌症	荧光偏振，分子动力学模拟	NA	荧光信号	文章未提及具体的样本数量
7957	2024-08-28	A Multibranch Neural Network for Drug-Target Affinity Prediction Using Similarity Information 2024-Aug-20, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.4c05607 PMID:39184467	研究论文	本文提出了一种利用药物相似性和蛋白质相似性信息的多分支神经网络GASI-DTA，用于预测药物-靶点亲和力	引入药物和蛋白质的相似性信息，并设计了一个自主提取相似信息的网络框架，不依赖于知识图谱	未提及具体限制	加速药物发现过程中的药物-靶点亲和力预测	药物-靶点亲和力预测	机器学习	NA	深度学习	多分支神经网络	图结构数据	两个基准数据集和三种冷启动场景
7958	2024-08-28	Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations 2024-Aug, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108818 PMID:38878653	研究论文	本研究首次使用深度卷积神经网络来校正2021-2023年间地球静止环境监测光谱仪（GEMS）对NO（TCDNO）的偏差，并通过Pandora观测数据验证GEMS与TROPOMI的NO2测量精度。	采用深度学习方法显著提高了GEMS对NO2测量数据的准确性，减少了偏差超过50%。	尽管GEMS经过深度学习校正后的数据精度有所提高，但仍不及TROPOMI的测量精度。	验证并比较GEMS和TROPOMI的NO2测量数据，使用深度学习方法校正GEMS数据的偏差。	GEMS和TROPOMI的NO2测量数据，以及Pandora观测数据。	机器学习	NA	深度卷积神经网络	CNN	NO2测量数据	多个Pandora站点数据
7959	2024-08-28	A review: artificial intelligence in image-guided spinal surgery 2024-Aug, Expert review of medical devices IF:2.9Q3 DOI:10.1080/17434440.2024.2384541 PMID:39115295	综述	本文综述了深度学习和人工智能在图像引导脊柱手术中的最新进展	通过人工智能增强的图像引导脊柱手术优于传统脊柱手术技术	需要收集更广泛的数据集以进一步确保手术程序的安全性	为从事该领域的医生、工程师和研究人员提供参考和指导	图像引导脊柱手术中的人工智能应用	计算机视觉	NA	深度学习	NA	图像	NA
7960	2024-08-28	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-Jul-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	本文提出了一种新的深度学习方法DP2LM，用于处理高维中介变量和复杂混杂因素的调解效应估计和假设检验	DP2LM方法结合了深度神经网络技术来处理混杂因素的非线性效应，并利用惩罚部分线性模型来适应高维度	传统的线性调解分析在处理高维中介变量时存在固有限制，现有的方法不足以解决由混杂因素引入的复杂关系	解决高维中介变量和复杂混杂因素下的调解效应估计和假设检验问题	高维中介变量和复杂混杂因素	机器学习	NA	深度神经网络	深度神经网络	DNA甲基化数据	涉及大量中介变量的场景