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
9941	2024-08-05	Developing tongue coating status assessment using image recognition with deep learning 2024-Jul-08, Journal of prosthodontic research IF:3.2Q1 DOI:10.2186/jpr.JPR_D_23_00117 PMID:37766551	研究论文	本研究构建了一个图像识别网络来评估舌苔状态	提出了一种基于深度学习的图像识别方法用于舌苔状态评估	未提及具体的局限性	评估舌苔状态的图像识别网络	251名和144名老年参与者的数字舌象照片	计算机视觉	NA	YOLO v2，ResNet-50，ResNet-18	深度学习模型	图像	251名和144名老年人的数字舌象照片
9942	2024-08-05	Intelligent Gas Detection: g-C3N4/Polypyrrole Decorated Alginate Paper as Smart Selective NH3/NO2 Sensors at Room Temperature 2024-Jul-08, Inorganic chemistry IF:4.3Q1 DOI:10.1021/acs.inorgchem.4c01242 PMID:38917357	研究论文	本文开发了一种基于石墨化氮化碳/聚吡咯装饰的海藻酸纸的灵活氨/氮氧化物传感器	该传感器具有较高的响应性、柔韧性以及在室温下工作的能力，同时解决了现有传感器的交叉灵敏度和检测限制问题	未提及传感器在极端环境下的表现或材料的长期稳定性	开发一种新的气体传感材料以提高氨和氮氧化物的检测能力	研究对象为氨和氮氧化物气体	数字病理学	NA	化学传感	深度学习模型	气体传感响应数据	NA
9943	2024-08-05	An Improved Archimedes Optimization-aided Multi-scale Deep Learning Segmentation with dilated ensemble CNN classification for detecting lung cancer using CT images 2024-Jul-08, Network (Bristol, England) DOI:10.1080/0954898X.2024.2373127 PMID:38975771	研究论文	本文提出了一种改进的自适应深度学习框架，用于提高肺癌CT图像的检测精度	开发了一种新的改进启发式的深度学习方法，结合了多尺度膨胀转置卷积网络和改进的阿基米德优化	未提及具体的样本来源和样本数量	旨在提高肺癌的早期检测精度	CT图像中肺结节的分割与肺癌的分类	计算机视觉	肺癌	CT扫描	ADECNN	图像	NA
9944	2024-08-05	TransfIGN: A Structure-Based Deep Learning Method for Modeling the Interaction between HLA-A*02:01 and Antigen Peptides 2024-Jul-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00678 PMID:38920330	研究论文	提出了一种基于结构的深度学习方法TransfIGN，用于建模HLA-A*02:01与抗原肽之间的相互作用	TransfIGN结合了来自转换器的序列信息，克服了仅依赖一维氨基酸序列的局限性	本文未详细探讨模型在其他HLA亚型上的适用性	研究HLA-A*02:01与抗原肽之间的相互作用机制	主要研究对象为HLA-A*02:01和抗原肽	计算机视觉	NA	深度学习	TransfIGN	序列数据	包含61,816个序列，具有9,051个结合亲和力标签和56,848个洗脱配体标签
9945	2024-08-05	Evaluation of Open-Source Large Language Models for Metal-Organic Frameworks Research 2024-Jul-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00065 PMID:38529913	研究论文	本文评估了六个顶级开源大型语言模型在金属有机框架研究中的应用	首次将开源LLMs应用于金属有机框架领域，并对其在多个任务上的表现进行了全面评估	对开源LLMs的应用关注有限，且未探讨其他非开源LLMs的性能	评估开源大型语言模型在金属有机框架研究中的有效性	六个不同参数版本的开源大型语言模型	机器学习	NA	大型语言模型（LLM）	NA	文本	六个开源大型语言模型
9946	2024-08-05	Advancing Peptide-Based Cancer Therapy with AI: In-Depth Analysis of State-of-the-Art AI Models 2024-Jul-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00295 PMID:38874445	综述	本文对抗癌肽（ACP）及其与机器学习和深度学习模型的应用进行了深入分析。	通过分析15个机器学习模型和10个深度学习模型，提出了一种全新的抗癌肽预测框架。	当前预测工具存在局限性，需要改进。	研究抗癌肽在靶向和消除癌细胞中的作用及其预测模型。	对不同机器学习和深度学习模型的比较与分析。	机器学习	肿瘤	机器学习，深度学习	支持向量机，卷积神经网络	数据集	NA
9947	2024-08-05	Oil painting teaching design based on the mobile platform in higher art education 2024-Jul-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65103-3 PMID:38969717	研究论文	本研究结合深度学习技术和人工智能技术探索油画教学。	开发了个性化智能油画教学框架以及基于卷积神经网络的油画分类模型。	详细的局限性信息尚未提供。	提高中国高校油画教学模式。	研究个性化教育和基于笔刷特征的图像分类相关研究。	计算机视觉	NA	卷积神经网络	卷积神经网络、支持向量机	图像	样本数据包含不同特征提取的油画，具体样本数量未明确说明
9948	2024-08-05	Deepvirusclassifier: a deep learning tool for classifying SARS-CoV-2 based on viral subtypes within the coronaviridae family 2024-Jul-05, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05754-1 PMID:38969970	研究论文	本研究提出了DeepVirusClassifier，这是一种能够准确分类SARS-CoV-2病毒序列的工具	该工具使用基于卷积神经网络的深度学习模型，以增加病毒分类精度并加速处理时间	考虑到病毒的快速进化，该工具可能在处理高度突变的病毒序列时面临挑战	研究旨在提供一种强大而高效的工具，提升病毒识别和分类过程的准确性	该研究的对象主要是SARS-CoV-2及其他冠状病毒科亚型的病毒序列	数字病理学	NA	卷积神经网络	深度CNN	病毒序列	测试超过10,000个病毒序列
9949	2024-08-05	Advancements in hand-drawn chemical structure recognition through an enhanced DECIMER architecture 2024-Jul-05, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00872-7 PMID:38970120	研究论文	提出了一种增强的DECIMER架构以提高手绘化学结构的识别精度	该DECIMER模型是唯一专门针对手绘化学结构识别的开源模型，并在处理手写风格变体方面表现更好	模型的性能评估主要基于合成手绘图像和真实手绘化学结构数据集，实际应用中的表现可能有所不同	改善手绘化学结构的识别精度以辅助数字化化学信息	手绘化学结构及其在不同风格元素下的变体	计算机视觉	NA	卷积神经网络 (CNN)，变换器 (Transformer)	CNN，变换器	图像	使用合成手绘图像进行训练，评估中使用真实手绘化学结构数据集
9950	2024-08-05	Single-Subject Deep-Learning Image Reconstruction with a Neural Optimization Transfer Algorithm for PET-enabled Dual-Energy CT Imaging 2024-Jun-19, ArXiv PMID:37873021	研究论文	提出了一种使用神经优化传输算法的单个受试者深度学习图像重建方法，以改善PET支持的双能CT成像	首次将深度神经网络作为深度系数先验应用于仅使用单个受试者数据的图像重建，避免了大规模数据库的需求	该方法的效果可能受到受试者个体条件的限制，可能不适用于所有临床场景	改善PET支持的双能CT重建的图像质量	对gCT图像的重建进行了深入研究，特别是在PET/CT扫描中	数字病理学	NA	PET，双能CT	深度神经网络	图像	计算机模拟、真实仿真数据和真实患者数据
9951	2024-08-05	PheSeq, a Bayesian deep learning model to enhance and interpret the gene-disease association studies 2024-04-16, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-024-01330-7 PMID:38627848	研究论文	本文介绍了一种名为PheSeq的贝叶斯深度学习模型，用于增强和解释基因-疾病关联研究	PheSeq模型通过整合和感知表型描述，提高了基因-疾病关联研究的稳健性和解释能力	未提及具体的局限性	旨在提高基因-疾病关联研究的可靠性和可解释性	研究对象包括阿尔茨海默病、乳腺癌和肺癌的基因	机器学习	阿尔茨海默病; 乳腺癌; 肺癌	贝叶斯深度学习	NA	NA	三个案例研究涉及多个基因，阿尔茨海默病1024个基因，乳腺癌818个基因，肺癌566个基因
9952	2024-08-05	Single cell lineage tracing reveals clonal dynamics of anti-EGFR therapy resistance in triple negative breast cancer 2024-04-11, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-024-01327-2 PMID:38605363	研究论文	本研究揭示了三阴性乳腺癌（TNBC）中针对EGFR治疗抵抗的克隆动态	通过单细胞转录组学和细胞条形码技术，揭示了EGFR扩增的TNBC细胞在afatinib处理下的亚克隆动态	NA	阐明三阴性乳腺癌中EGFR治疗抵抗的机制	EGFR扩增的三阴性乳腺癌细胞	数字病理学	乳腺癌	单细胞转录组学	深度学习	NA	NA
9953	2024-08-05	Single-Subject Deep-Learning Image Reconstruction With a Neural Optimization Transfer Algorithm for PET-Enabled Dual-Energy CT Imaging 2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2024.3418347 PMID:38941203	研究论文	该文章提出了一种单主体深度学习图像重建方法，以改善PET辅助的双能CT成像。	本研究通过使用神经网络表示作为深度系数先验，提出了一种不依赖于群体基础预训练的新方法，从而提高了gCT图像重建的效果。	本研究未提供方法在不同临床环境下的适用性验证。	本研究旨在提高PET辅助双能CT成像的图像重建质量。	本研究关注于gCT图像的重建，基于单主体的神经网络表示。	数字病理学	NA	POSITRON发射断层成像 (PET)	深度神经网络	图像	计算机模拟，真实的假体数据和真实的患者数据
9954	2024-08-05	CVAE-DF: A hybrid deep learning framework for fertilization status detection of pre-incubation duck eggs based on VIS/NIR spectroscopy 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124569 PMID:38878719	研究论文	本文提出了一种基于可见光/近红外光谱的预孵化鸭蛋受精状态检测的混合深度学习框架CVAE-DF	创新性地结合了卷积变分自编码器和改进的深度森林模型用于鸭蛋受精状态的早期检测	研究主要集中在鸭蛋的检测，可能对其他类型的蛋类适用性有限	旨在尽早检测预孵化鸭蛋的受精状态以减少污染风险	255个预孵化鸭蛋的可见光/近红外光谱数据	数字病理学	NA	可见光/近红外光谱	卷积变分自编码器 (CVAE) 和深度森林 (DF) 模型	光谱数据	255个鸭蛋
9955	2024-08-05	Non-invasive detection of systemic lupus erythematosus using SERS serum detection technology and deep learning algorithms 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124592 PMID:38861826	研究论文	本研究开发了一种基于SERS技术和深度学习算法的系统性红斑狼疮（SLE）非侵入性检测方法	研究中提出了使用Au@Ag-PSi复合基材结合深度学习算法对SLE进行准确筛查的创新方法	文章中未详细说明研究的具体局限性	旨在提高系统性红斑狼疮快速筛查的效率与准确性	研究对象为系统性红斑狼疮患者的血清样本	数字病理	系统性红斑狼疮	SERS	CNN	血清样本	涉及SLE患者的血清样本，样本大小未具体说明
9956	2024-08-05	Rapid identification and quantitative analysis of malachite green in fish via SERS and 1D convolutional neural network 2024-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2024.124655 PMID:38885572	研究论文	本文开发了一个结合表面增强拉曼散射和深度学习网络的现场检测平台，用于快速定量检测鱼类中的美蓝。	本文提出了一种透明柔性表面增强拉曼散射基底与一维卷积神经网络结合的新方法，显示了优越的检测性能。	本研究没有涉及其他假设影响因素的系统评估。	研究旨在确保水产品中美蓝的安全性，提供快速定量检测方法。	研究对象为水产产品中的美蓝和鱼鳞上的残留物。	数字病理学	NA	表面增强拉曼散射(SERS)	一维卷积神经网络(1D CNN)	光谱数据	NA
9957	2024-08-05	The use of artificial intelligence algorithms to detect macroplastics in aquatic environments: A critical review 2024-Oct-01, The Science of the total environment DOI:10.1016/j.scitotenv.2024.173843 PMID:38871326	评论	本文对在水域环境中检测宏观塑料的人工智能算法进行了批判性综述	本文分析了机器学习和深度学习方法在水域环境中检测、分类和数量化宏观塑料的应用，并介绍了最新的发展趋势	传统的机器学习技术在多类分类中表现出效率不足，且对处理大量数据的计算需求较高	评估机器学习和深度学习在检测宏观塑料中的有效性，并提供有效的废物管理策略	分析水域环境中宏观塑料的检测和分类方法	机器学习	NA	深度学习	卷积神经网络	卫星图像、航拍图像和无人机视频记录	NA
9958	2024-08-05	Deep learning-based quantification of osteonecrosis using magnetic resonance images in Gaucher disease 2024-Sep, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117142 PMID:38834102	研究论文	本研究提出了一种基于深度学习的方法，用于通过MRI图像定量评估高雪病患者的骨坏死。	使用深度学习构建U-net模型进行骨坏死的分割和特征参数提取，实现了对骨坏死的客观定量评估。	在定量测量骨坏死时没有发现与骨髓负担评分之间的强相关性。	开发一种新的定量方法，以客观评估高雪病患者的骨坏死程度。	研究对象为来自英国国家高雪病研究数据库的高雪病患者的MRI T1加权图像。	数字病理学	高雪病	MRI	U-net	图像	364个T1w图像（脊柱176个，股骨188个）用于训练，917个T1w图像用于应用
9959	2024-08-05	On leveraging self-supervised learning for accurate HCV genotyping 2024-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64209-y PMID:38965254	研究论文	本文提出了一种基于自监督学习的深度学习方法用于HCV基因分型	引入了混沌游戏表示法进行基因组序列的二维映射，并利用卷积自编码器进行深层特征提取，显著超过传统方法	当前方法在处理某些基因型时可能存在数据稀缺的问题	研究旨在提高HCV基因分型的准确性，以改善患者管理和治疗决策	分析了十种HCV基因型：1a、1b、2a、2b、2c、3a、3b、4、5和6	计算基因组学	肝炎C	自监督学习	卷积自编码器	基因组序列	分析中使用了十种不同的HCV基因型
9960	2024-08-05	Early detection of tuberculosis: a systematic review 2024-Jul-05, Pneumonia (Nathan Qld.) DOI:10.1186/s41479-024-00133-z PMID:38965640	系统评审	本系统评审分析了关于结核病早期检测的多个研究结果	强调了不同方法学和限制，并展示了它们对理解结核病早期检测的重要贡献	未详细列出各个研究的具体局限性	探讨结核病早期检测的有效方法	分析已发布的早期检测结核病的研究	NA	结核病	干扰素伽马释放检测、便携式X光、核酸扩增检测、高灵敏度酶联免疫吸附检测	深度学习模型	NA	NA