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
9721	2024-08-05	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-May-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本研究扩大和比较了基于深度学习的无似然推断方法与传统的似然方法在病毒系统地理学中的表现	提出了一种基于深度学习的无似然推断方法，与传统的贝叶斯推断方法在准确性和鲁棒性上接近，同时在训练后显著提高了计算速度	模型的精确度较低，且在模型失配的敏感度上有一定的保守性	探讨深度学习方法在病毒传播的系统地理学推断中的应用	使用模拟爆发的系统树和SARS-Cov-2大流行的真实数据	计算机视觉	NA	深度学习	深度神经网络	树形结构数据	来自5个地点的模拟爆发数据
9722	2024-08-05	An adult and pediatric size-based contrast administration reduction phantom study for single and dual-energy CT through preservation of contrast-to-noise ratio 2024-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14340 PMID:38605540	研究论文	本文提供了一个定量框架，用于在降低碘对比剂剂量的同时保持碘CNR	创新性地通过单能CT和双能CT的不同扫描条件，减少碘对比剂的使用	未详细探讨不同患者群体对结果的影响	研究如何在CT检查中通过降低对比剂的剂量来保持图像质量	使用不同直径的模拟物进行CT扫描	数字病理学	NA	CT	深度学习重建	影像	四种不同直径的模拟物（9.7, 15.9, 21.1, 28.5 cm 和 20, 29.5, 34.6, 39.7 cm）
9723	2024-08-05	Triple-0: Zero-shot denoising and dereverberation on an end-to-end frozen anechoic speech separation network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301692 PMID:39012881	研究论文	本研究提出了一种新颖的方法，通过一个端到端的冻结双耳无回声语音分离网络进行语音去噪和去混响。	该网络无需对新任务进行任何架构更改或微调，展示了在零样本测试条件下的有效性。	预训练模型在其训练期间从未遇到过噪声和混响条件，可能影响其在极端情况下的表现。	研究旨在改进语音增强技术，尤其是在噪声和混响环境中的非监督学习能力。	研究对象为被淹没在噪声和回声中的目标语音信号。	自然语言处理	NA	深度学习	NA	音频	使用了不同数据集上的语音样本进行测试，具体样本数量未说明
9724	2024-08-05	ArabBert-LSTM: improving Arabic sentiment analysis based on transformer model and Long Short-Term Memory 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1408845 PMID:39015364	研究论文	本文提出了一种基于变压器模型和长短期记忆网络(LSTM)的阿拉伯语情感分析模型。	创新之处在于结合了变压器模型和LSTM以处理阿拉伯语情感分析的复杂性。	本文未提及特定的限制条件。	本研究旨在提高阿拉伯语情感分析的准确性和可靠性。	研究对象为阿拉伯语文本中的情感分类。	自然语言处理	NA	变压器模型	LSTM	文本	四个阿拉伯语基准数据集
9725	2024-08-05	Comparison of deep learning architectures for predicting amyloid positivity in Alzheimer's disease, mild cognitive impairment, and healthy aging, from T1-weighted brain structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1387196 PMID:39015378	研究论文	本文比较了多种深度学习架构在预测阿尔茨海默病、轻度认知障碍和健康老龄化中的β-淀粉样蛋白阳性。	提出了一种将经典机器学习算法与深度学习模型相结合的新方法，能够从T1加权MRI中推断β-淀粉样蛋白阳性	需要在更多样化的数据上进行进一步测试以验证结果	研究旨在从非侵入性的脑部扫描中预测β-淀粉样蛋白阳性，以帮助早期筛查阿尔茨海默病	参与者包括1847名老年人，包含健康对照组、轻度认知障碍者和痴呆患者	计算机视觉	阿尔茨海默病	MRI	CNN, 3D Vision Transformers	影像	1847名老年参与者（包括661名健康对照，889名轻度认知障碍者和297名痴呆患者）
9726	2024-08-05	Prospective Role of Foundation Models in Advancing Autonomous Vehicles 2024, Research (Washington, D.C.) DOI:10.34133/research.0399 PMID:39015204	研究论文	本文综述了基础模型在自动驾驶中的应用及未来趋势	探讨了基础模型在场景理解、推理及提升自动驾驶安全性方面的潜力	目前尚未详细说明在实际驾驶中的具体应用及验证情况	研究基础模型在自动驾驶领域的应用潜力	基础模型及其在自动驾驶中的应用	计算机视觉	NA	自监督学习	基础模型	语言和视觉数据	NA
9727	2024-08-05	Automated magnetic resonance imaging-based grading of the lumbar intervertebral disc and facet joints 2024-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1353 PMID:39011368	研究论文	本研究介绍了一种基于磁共振成像的自动化技术，用于对腰椎间盘和关节的分级。	提出了一种基于卷积神经网络的自动化分级技术，增强了评估的一致性。	在Fujiwara分级系统中表现出较大的误差，显示出该系统的高变异性。	旨在使用自动化系统根据Pfirrmann和Fujiwara分级系统分类腰椎间盘和关节的健康状况。	临床MRI图像，涉及腰椎间盘和关节的健康状况。	计算机视觉	NA	磁共振成像	卷积神经网络	图像	从公共可访问的腰椎MRI数据集中获取的临床MRI图像
9728	2024-08-05	The Impact of Drop Test Conditions on Brain Strain Location and Severity: A Novel Approach Using a Deep Learning Model 2024-Aug, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-024-03525-w PMID:38739210	研究论文	本研究采用深度学习模型分析了实验室控制的掉落测试参数对大脑应变的影响	提出了一种新方法，利用训练好的卷积神经网络（CNN）预测大脑区域性最大主应变	未讨论不同研究条件对结果的潜在影响	探讨掉落测试条件对大脑区域最大主应变的影响	运动员在高强度头部冲击下的脑部损伤	数字病理学	NA	深度学习	卷积神经网络（CNN）	数值数据	NA
9729	2024-08-05	A novel optimization-assisted multi-scale and dilated adaptive hybrid deep learning network with feature fusion for event detection from social media 2024-Jul-17, Network (Bristol, England) DOI:10.1080/0954898X.2024.2376705 PMID:39015012	研究论文	提出了一种新的基于社交媒体数据的事件检测方法	引入了多尺度和膨胀自适应混合深度学习网络，并通过改进的海狸优化算法调优参数	未提及具体的实验环境和数据多样性	提高社交媒体事件检测的准确性	社交媒体数据中的事件	自然语言处理	NA	BERT, TF-IDF	MDA-HDL (多尺度和膨胀自适应混合深度学习)	文本	两个数据集，分别的准确率为94.96和96.42
9730	2024-08-05	Deep learning with convolution neural network detecting mesiodens on panoramic radiographs: comparing four models 2024-Jul-17, Odontology IF:1.9Q2 DOI:10.1007/s10266-024-00980-8 PMID:39017730	研究论文	本研究旨在开发一种简单轻巧的深度学习卷积神经网络模型，以在全景放射影像中检测胚牙的存在	提出了一种简单轻量的CNN模型用于胚牙的检测，并对四种模型进行了比较	需要专业人士进一步评估，因为儿童对辐射的敏感性高于成人	开发用于检测胚牙的高效深度学习模型	628幅含有与不含胚牙的全景放射影像	计算机视觉	NA	深度学习，卷积神经网络（CNN）	binary_connect_mnist_LeNet	图像	628幅全景放射影像，分别用于训练、验证和测试
9731	2024-08-05	Ualign: pushing the limit of template-free retrosynthesis prediction with unsupervised SMILES alignment 2024-Jul-15, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00877-2 PMID:39010144	研究论文	本研究介绍了UAlign，这是一种无模板的反合成预测管道。	提出了一种新的图到序列的无模板反合成预测管道，克服了Transformer方法在分子表征学习中的局限性	无监督学习机制可能在某些情况下不如监督学习方法准确	旨在提高反合成预测的有效性，特别是在无模板的情况下	研究分子结构在化学反应中的变化，特别是如何利用不变结构进行反应物生成	化学信息学	NA	图神经网络和Transformer	NA	SMILES	大量实验支持，具体样本数量未说明
9732	2024-08-05	Real-time deep learning-based model predictive control of a 3-DOF biped robot leg 2024-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66104-y PMID:39004665	研究论文	本研究利用深度学习改进了三自由度双足机器人腿部的控制	该研究将深度学习与模型预测控制相结合，能够在不依赖传统动态模型的情况下实现精确的轨迹跟踪	实验结果可能受到数据集的限制，未提及实际应用的长期稳定性	研究旨在提高双足机器人在轨迹控制方面的精确性和效率	研究对象为三自由度双足机器人腿部的动态控制	机器人技术	NA	深度学习	NA	数据集包含关节角度和执行器扭矩的详细信息	NA
9733	2024-08-05	An ensemble deep learning models approach using image analysis for cotton crop classification in AI-enabled smart agriculture 2024-Jul-14, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01228-w PMID:39004764	研究论文	提出了一种结合深度学习的计算机视觉技术用于早期检测棉花疾病的框架	创新性在于采用集成学习框架与持续小波变换提取的特点相结合，提高棉花分类准确性	未提及具体的样本量和数据来源，可能影响结果的普适性	旨在利用深度学习和计算机视觉技术改善棉花作物管理	研究对象为健康和不健康的棉花植物	计算机视觉	NA	深度学习，持续小波变换（CWT），快速傅里叶变换（FFT）	AlexNet，GoogLeNet，InceptionV3，VGG-19	图像	NA
9734	2024-08-05	Egocentric 3D Skeleton Learning in a Deep Neural Network Encodes Obese-like Motion Representations 2024-Jun-30, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en24008 PMID:38993079	研究论文	本研究使用深度LSTM网络分析饮食诱导的肥胖小鼠模型的3D时间序列骨骼数据	研究提出了通过身份训练的深度LSTM网络结合自主视角来识别肥胖相关运动表现的新方法	研究可能仅基于小鼠模型，外推到人类的有效性仍需进一步验证	探索深度学习在肥胖早期检测中的应用潜力	饮食诱导肥胖的小鼠模型	计算机视觉	肥胖症	深度LSTM网络	LSTM	3D时间序列骨骼数据	NA
9735	2024-08-05	Benchmarking Deep Learning-Based Image Retrieval of Oral Tumor Histology 2024-Jun, Cureus DOI:10.7759/cureus.62264 PMID:39011227	研究论文	该研究开发了一种基于深度学习的内容检索系统，以提高口腔肿瘤组织学的病理诊断准确性	首次使用自监督学习方法训练深度学习模型处理口腔病理图像，实现了更高的检索准确性	缺乏针对口腔病理的专门图像数据库可能限制了模型的全面性和适用性	研究的目的是开发一种可靠的计算机辅助诊断系统以改善口腔肿瘤的病理诊断	研究对象为30类口腔肿瘤的图像数据	数字病理学	口腔肿瘤	深度学习，自监督学习	自监督学习模型	图像	30类口腔肿瘤的图像数据库
9736	2024-08-05	Deep Learning and Multimodal Artificial Intelligence in Orthopaedic Surgery 2024-Jun-01, The Journal of the American Academy of Orthopaedic Surgeons IF:2.6Q1 DOI:10.5435/JAAOS-D-23-00831 PMID:38652882	综述	本综述文章重点介绍深度学习和多模态神经网络在骨科领域的应用	该研究提供了人工智能在骨科手术中应用的实际例子，特别是在影像数据集和临床数据整合方面	没有提到具体的局限性	旨在为骨科医生提供评估现有文献和考虑人工智能潜力的工具	深度神经网络、卷积神经网络和多模态人工智能模型	计算机视觉	NA	深度学习	卷积神经网络	图像、临床数据	NA
9737	2024-08-05	A novel deep machine learning algorithm with dimensionality and size reduction approaches for feature elimination: thyroid cancer diagnoses with randomly missing data 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae344 PMID:39007597	研究论文	本研究开发了一种新的深度机器学习算法用于甲状腺癌诊断，并处理随机缺失数据	创新点在于处理随机缺失数据和采用维度缩减及层次聚类算法来选择最具信息量的数据集	缺乏标准化的甲状腺癌诊断程序可能限制算法的广泛适用性	旨在开发一种准确且计算效率高的深度学习算法以诊断甲状腺癌	研究对象为多维大数据中存在随机缺失的甲状腺癌诊断数据	机器学习	甲状腺癌	深度学习算法	未指定	多维数据	使用了四种机器学习算法进行训练和测试，具体样本数量未说明
9738	2024-08-05	Highly accurate classification and discovery of microbial protein-coding gene functions using FunGeneTyper: an extensible deep learning framework 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae319 PMID:39007592	研究论文	该文章介绍了FunGeneTyper，一个可扩展的深度学习框架，用于微生物蛋白编码基因功能的高精度分类和发现	提出了一种新的框架，包含两个新的深度学习模型，以及结构化数据库，旨在实现高于99%的分类准确率	NA	开发一种高效的工具，用于微生物蛋白编码基因的功能分类和抗生素抗性基因的发现	抗生素抗性基因(ARGs)和毒力因子基因的序列	生物信息学	NA	高通量DNA测序	FunTrans和FunRep	基因序列	由实验确认的抗生素抗性基因数据集，包含远程同源序列作为测试集
9739	2024-08-05	Framework for Ranking Machine Learning Predictions of Limited, Multimodal, and Longitudinal Behavioral Passive Sensing Data: Combining User-Agnostic and Personalized Modeling 2024-May-20, JMIR AI DOI:10.2196/47805 PMID:38875667	研究论文	该文章提出了一个框架，用于对有限的多模态和纵向行为被动传感数据的机器学习预测进行排序	引入了一种新的排名框架FLMS，结合用户无关和个性化建模方法，同时使用排名策略过滤预测	对于小数据集采用复杂深度学习网络建模的局限性，可能导致噪声影响	过滤、排名并输出小型多模态纵向传感数据的最佳预测	健康研究中使用被动多模态传感器的青少年数据集	机器学习	抑郁障碍	被动移动传感	NA	传感数据	青少年参与者的真实数据集
9740	2024-08-05	Predicting meningioma grades and pathologic marker expression via deep learning 2024-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10258-2 PMID:37853176	研究论文	本研究建立了一个深度学习模型，用于预测脑膜瘤的肿瘤分级及病理标志物的表达	创新点在于使用深度学习方法高效预测脑膜瘤的分级和病理标志物的表达	外部验证队列的预测表现相对较低，可能限制了模型的广泛应用	研究旨在开发深度学习模型用于脑膜瘤的分级和病理标志物预测	1192名接受外科切除的脑膜瘤患者	数字病理学	脑膜瘤	深度学习	ResNet50	图像	1192