深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
8301	2024-08-31	Gaussian Aquila optimizer based dual convolutional neural networks for identification and grading of osteoarthritis using knee joint images 2024-03-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57002-4 PMID:38538646	研究论文	本研究利用基于高斯鹰优化器的双卷积神经网络对膝关节图像进行识别和分级，以诊断骨关节炎	提出了一种新的高斯鹰优化器（GAO），用于优化双卷积神经网络（DCNN）模型的参数，该模型通过减少层数来降低计算负担	NA	旨在通过早期检测骨关节炎并及时治疗，减轻患者的疼痛	骨关节炎患者的膝关节图像	计算机视觉	骨关节炎	卷积神经网络	双卷积神经网络	图像	总共2283张膝关节图像，其中1267张为正常膝关节图像，1016张为骨关节炎图像	NA	NA	NA	NA
8302	2024-08-31	Detecting abnormal cell behaviors from dry mass time series 2024-03-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-57684-w PMID:38528035	研究论文	本文介绍了一种新的自监督学习模型StArDusTS，用于检测细胞群体中的异常行为，通过分析细胞随时间的干质量时间序列来实现	提出了一个新颖的自监督学习模型StArDusTS，用于自动检测细胞异常行为，无需预先标签	NA	开发一种能够预测单细胞病理变化的新型自监督学习模型	细胞群体中的异常行为检测	机器学习	NA	自监督学习	StArDusTS	时间序列	涉及不同细胞系	NA	NA	NA	NA
8303	2024-08-31	PlaqueNet: deep learning enabled coronary artery plaque segmentation from coronary computed tomography angiography 2024-Mar-22, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-024-00157-8 PMID:38514491	研究论文	本文介绍了一种名为PlaqueNet的深度学习方法，用于从冠状动脉CT血管造影图像中分割冠状动脉斑块	采用了先进的残差网络模块和深度可分离空洞空间金字塔池化结合双三次高效通道注意力（DASPP-BICECA）模块，提高了特征提取能力和分割准确性	NA	旨在通过深度学习技术提高冠状动脉斑块的检测准确性，以支持早期治疗和降低心血管疾病风险	冠状动脉斑块的分割	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	CNN	图像	未具体说明样本数量	NA	NA	NA	NA
8304	2024-08-31	Network depth affects inference of gene sets from bacterial transcriptomes using denoising autoencoders 2024, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbae066 PMID:39027639	研究论文	研究使用深度去噪自编码器（DAEs）从细菌转录组数据中推断基因集，并探讨网络架构对基因集推断的影响	将去噪自编码器的应用扩展到深度网络，并研究网络深度和宽度对基因集推断的影响	需要进一步验证和优化深度去噪自编码器在不同细菌数据集上的应用	开发一种基于深度去噪自编码器的管道，用于从转录组数据中提取基因集，并评估网络架构对基因集推断的影响	大肠杆菌的转录组数据和独立尿路致病性大肠杆菌数据集	机器学习	NA	去噪自编码器（DAEs）	DAE	转录组数据	多个公开可用的细菌基因表达数据集	NA	NA	NA	NA
8305	2024-08-31	Rapid prediction of wall shear stress in stenosed coronary arteries based on deep learning 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1360330 PMID:39188371	研究论文	本文利用深度学习技术，通过结合合成数据和真实患者数据，训练了一个U-net架构的模型，用于快速预测狭窄冠状动脉的壁剪应力	本文采用了两种合成数据生成方法，并将其与真实患者数据结合，提高了模型的训练效果	文章中使用的患者数据有限，主要依赖于合成数据	开发一种快速且高效的深度学习模型，用于临床实践中预测冠状动脉的壁剪应力	狭窄冠状动脉的壁剪应力	机器学习	心血管疾病	深度学习	U-net	图像	患者数据有限，主要使用合成数据	NA	NA	NA	NA
8306	2024-08-31	A new method of rock type identification based on transformer by utilizing acoustic emission 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309165 PMID:39190747	研究论文	本文提出了一种基于声发射信号和3CTNet模型的新型岩石类型识别框架，该模型结合了卷积神经网络和Transformer编码器，用于智能识别不同岩石断裂的声发射信号	引入了一种新的信号识别模型3CTNet，该模型通过建立数据中相邻位置的依赖关系并逐步提取高级特征，提高了岩石类型识别的准确性	NA	解决传统分析方法在处理大数据时的不足，提高岩石类型识别的效率和准确性	岩石类型的识别	地球科学	NA	声发射信号处理	3CTNet（CNN与Transformer的结合）	声发射信号	NA	NA	NA	NA	NA
8307	2024-08-31	CSAM: A 2.5D Cross-Slice Attention Module for Anisotropic Volumetric Medical Image Segmentation 2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision DOI:10.1109/wacv57701.2024.00582 PMID:39193208	研究论文	本文提出了一种2.5D交叉切片注意力模块（CSAM），用于各向异性体积医学图像分割	CSAM通过在不同尺度的深度特征图上应用语义、位置和切片注意力，以最少的可训练参数捕获整个体积中的切片间信息	NA	解决各向异性体积医学数据分割中的问题，特别是磁共振成像（MRI）数据	各向异性体积医学图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
8308	2024-08-30	A Deep Learning Framework for Analysis of the Eustachian Tube and the Internal Carotid Artery 2024-Sep, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.789 PMID:38686594	研究论文	本文介绍了一种深度学习框架，用于从CT扫描中自动分割咽鼓管和颈内动脉，并计算两者之间的距离	这是首个端到端的深度学习管道，用于自动分割咽鼓管和颈内动脉，并分析这些结构之间的距离	NA	开发一种深度学习管道，自动分割咽鼓管和颈内动脉，并利用这些分割结果计算结构间的距离	咽鼓管和颈内动脉	计算机视觉	NA	CT扫描	nnU-Net	3D模型	30个CT扫描，60对咽鼓管和颈内动脉	NA	NA	NA	NA
8309	2024-08-30	Recent advances in artificial intelligent strategies for tissue engineering and regenerative medicine 2024-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.70016 PMID:39189880	综述	本文综述了人工智能策略在组织工程和再生医学领域的最新进展	结合组织工程和人工智能，创造了一种新的生物医学技术进步，特别是在深度学习方面，提供了改善科学理解和临床结果的机会	NA	探讨人工智能在组织工程和再生医学中的应用潜力	组织工程和再生医学中的支架、细胞、组织和器官的设计、制造和评估	机器学习	NA	人工智能	深度学习	NA	NA	NA	NA	NA	NA
8310	2024-08-30	PRONTO-TK: a user-friendly PROtein Neural neTwOrk tool-kit for accessible protein function prediction 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae112 PMID:39193069	研究论文	本文介绍了一个名为PRONTO-TK的用户友好型蛋白质神经网络工具包，用于实现基于神经网络的复杂蛋白质功能预测工作流程的普及	PRONTO-TK提供了一个图形用户界面，使即使编程经验有限的研究人员也能利用最先进的深度学习架构进行蛋白质功能注释	NA	旨在普及基于神经网络的蛋白质功能预测工具，使更多研究人员能够使用	蛋白质功能预测工具PRONTO-TK	机器学习	NA	深度学习	神经网络	蛋白质数据	NA	NA	NA	NA	NA
8311	2024-08-30	Multi-modal deep learning enables efficient and accurate annotation of enzymatic active sites 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51511-6 PMID:39187482	研究论文	本文介绍了一种名为EasIFA的酶活性位点注释算法，该算法通过融合蛋白质语言模型和3D结构编码器的潜在酶表示，并利用多模态交叉注意力框架将蛋白质级信息与酶反应知识对齐，以提高注释效率和准确性。	EasIFA算法通过多模态深度学习技术，实现了对酶活性位点的高效且准确的注释，显著提高了速度和准确性，超越了现有的基于PSSM特征的深度学习注释方法和其他经验规则算法。	NA	开发一种新的酶活性位点注释算法，以提高注释速度和准确性，适用于大规模实际应用。	酶活性位点的注释	机器学习	NA	多模态深度学习	多模态交叉注意力框架	蛋白质结构数据	NA	NA	NA	NA	NA
8312	2024-08-30	Automated peripheral nerve segmentation for MR-neurography 2024-Aug-26, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-024-00503-8 PMID:39186183	研究论文	本研究应用神经网络自动分割外周神经，以提高磁共振神经成像（MRN）的诊断效率	采用深度学习模型进行外周神经的自动分割，提高了分割的准确性和效率	模型在独立测试集上的表现略有下降，未来工作需扩展训练数据并包括外周神经病变患者	开发一种自动化的外周神经分割模型，以支持MRN检查的常规阅读	外周神经及其近端分支	计算机视觉	NA	神经网络	神经分割网络	图像	训练集包含35名健康个体的70个MRN扫描，测试集包含60名健康个体的MRN扫描	NA	NA	NA	NA
8313	2024-08-30	CT-based multimodal deep learning for non-invasive overall survival prediction in advanced hepatocellular carcinoma patients treated with immunotherapy 2024-Aug-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-024-01784-8 PMID:39186192	研究论文	本研究开发了一种结合CT扫描和临床信息的深度学习模型，用于预测接受免疫治疗的晚期肝细胞癌患者的总生存期	本研究首次提出了一种结合CT扫描和临床变量的多模态深度学习模型，用于预测晚期肝细胞癌患者的总生存期，并展示了其相对于传统RECIST标准的优越性	本研究为回顾性研究，样本来自多国52个中心，可能存在选择偏倚	开发一种深度学习模型，结合CT扫描和临床信息，预测晚期肝细胞癌患者的总生存期	接受免疫治疗的晚期肝细胞癌患者	机器学习	肝细胞癌	卷积-循环神经网络（CRNN）	CRNN	图像和临床数据	207名患者（平均年龄61岁，180名男性）	NA	NA	NA	NA
8314	2024-08-30	Correction of thermal airflow distortion in warpage measurements of microelectronic packaging structures via deep learning-based digital image correlation 2024-Aug-26, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-024-00764-8 PMID:39187505	研究论文	本文提出了一种基于transformer注意力机制的热气流畸变校正模型，用于微电子封装结构的热翘曲测量	该模型避免了卷积神经网络的过度平滑问题和生成对抗网络缺乏物理约束的问题，确保了斑点图案灰度梯度变化的精度	NA	解决在测量微电子封装结构热可靠性时，热气流引起的图像畸变问题	微电子封装结构的热翘曲	计算机视觉	NA	3D-DIC	transformer	图像	定制的台阶块试件	NA	NA	NA	NA
8315	2024-08-30	Deep learning based approach: automated gingival inflammation grading model using gingival removal strategy 2024-08-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70311-y PMID:39187553	研究论文	本研究开发了一种基于深度学习网络的自动评估牙龈炎症模型，利用新颖的特征提取方法和牙齿移除算法提高模型性能	本研究引入了新颖的牙齿移除算法和Grad-CAM++编码器生成热图，用于计算机视觉注意力分析，提高了模型的准确性和敏感性	NA	开发一种自动评估牙龈炎症的深度学习网络模型	牙龈炎症的自动识别和评估	计算机视觉	牙周病	T-分布随机邻域嵌入（t-SNE）	卷积神经网络（CNN）	图像	NA	NA	NA	NA	NA
8316	2024-08-30	BuildAMol: a versatile Python toolkit for fragment-based molecular design 2024-Aug-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00900-6 PMID:39183293	研究论文	介绍了一个名为BuildAMol的多功能Python工具包，用于基于片段的分子设计	BuildAMol提供了一个高度灵活和可扩展的通用分子组装框架，集成了建模、修改、优化和可视化功能，并易于与其他化学信息学库协作	NA	开发一个通用的分子建模工具，支持手动或半自动构建多种分子模型	分子建模工具BuildAMol	化学信息学	NA	NA	NA	NA	NA	NA	NA	NA	NA
8317	2024-08-30	A Dataset for Detection and Segmentation of Underwater Marine Debris in Shallow Waters 2024-Aug-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03759-2 PMID:39181910	研究论文	本文介绍了首个公开的浅水区海洋垃圾实例分割/目标检测数据集——Seaclear Marine Debris Dataset，并提供了基于Faster RCNN和YOLOv6模型的目标检测基准结果	首次公开的浅水区海洋垃圾实例分割/目标检测数据集，包含8610张图像和40个对象类别	训练模型的性能在未见过的地点和相机上因领域偏移而难以泛化	开发用于自动化水下海洋垃圾收集的鲁棒目标检测模型	浅水区的海洋垃圾	计算机视觉	NA	深度学习	CNN	图像	8610张图像，包含40个对象类别	NA	NA	NA	NA
8318	2024-08-30	Towards laryngeal cancer diagnosis using Dandelion Optimizer Algorithm with ensemble learning on biomedical throat region images 2024-08-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70525-0 PMID:39181918	研究论文	本文介绍了一种使用蒲公英优化算法与集成学习方法在生物医学咽喉区域图像上进行喉癌诊断的自动化方法	引入了蒲公英优化算法与集成学习方法（LCD-DOAEL），结合高斯滤波和MobileNetv2模型进行特征提取，并使用双向长短期记忆网络（BiLSTM）、正则化极限学习机（ELM）和反向传播神经网络（BPNN）进行分类	NA	旨在通过计算机辅助系统利用人工智能技术，特别是深度学习和机器学习模型，实现喉癌的自动化诊断	喉癌的诊断	计算机视觉	喉癌	深度学习、机器学习	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、正则化极限学习机（ELM）、反向传播神经网络（BPNN）	图像	生物医学咽喉区域图像数据集	NA	NA	NA	NA
8319	2024-08-30	Drought prediction using artificial intelligence models based on climate data and soil moisture 2024-Aug-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70406-6 PMID:39181958	研究论文	本研究旨在基于多种人工智能模型开发新的气象干旱指数，以描述和预测干旱情况	开发了基于决策树、广义线性模型、支持向量机、人工神经网络、深度学习和随机森林等多种人工智能模型的新的气象干旱指数	NA	开发新的气象干旱指数，以更有效地监测和预测全球范围内的干旱情况	干旱指数的开发和评估	机器学习	NA	人工智能模型	决策树、广义线性模型、支持向量机、人工神经网络、深度学习、随机森林	气候数据和土壤湿度	使用了澳大利亚爱丽斯泉的不同气候数据集	NA	NA	NA	NA
8320	2024-08-30	Performance enhancement of deep learning based solutions for pharyngeal airway space segmentation on MRI scans 2024-08-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70826-4 PMID:39181978	研究论文	本文比较了多种神经网络模型在磁共振成像（MRI）扫描中对咽部气道空间自动分割的性能	采用了多种神经网络模型（如2D/3D U-Net、Deeplabv3、YOLOv8、Swinv2 UNETR、SegFormer和3D MRU-Net）以及多阶段训练和利用未标记数据预训练的策略	尽管采用了多种策略，但只有两种策略能小幅提升性能，且需要更多的计算资源	探索适用于咽部气道空间自动分割的最佳方法	咽部气道空间的自动分割	计算机视觉	NA	神经网络	CNN, Transformer	图像	未明确提及具体样本数量	NA	NA	NA	NA