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
10741	2024-08-05	Research on load clustering algorithm based on variational autoencoder and hierarchical clustering 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303977 PMID:38870191	研究论文	本研究提出了一种将变分自编码器和度量学习相结合的深度时间序列聚类新方法	创新性地将变分自编码器与度量学习整合，以提高聚类精度和可解释性	在特征表示的区分能力和实例重建与聚类目标之间的断裂等问题依然存在	探索时间序列数据的聚类分析方法	工业负载数据的时间序列聚类	机器学习	NA	变分自编码器 (VAE)	门控递归单元 (GRU)	时间序列数据	工业负载数据，样本量未具体提及
10742	2024-08-05	A deep learning method for classification of HNSCC and HPV patients using single-cell transcriptomics 2024, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2024.1395721 PMID:38872916	研究论文	本研究开发了深度学习模型，用于利用单细胞转录组学分类头颈鳞状细胞癌（HNSCC）和人类乳头状瘤病毒（HPV）患者	提出了一个基于人工神经网络的模型，通过单细胞转录组学准确区分HNSCC与正常样本，并能够分类HPV阳性和阴性样本	研究样本量相对较小，仅使用了20个HNSCC样本和9个正常组织样本	旨在通过机器学习和深度学习技术提高HNSCC的早期检测效率	针对头颈鳞状细胞癌患者和正常样本进行分类	机器学习	头颈癌	单细胞转录组学	人工神经网络	基因表达数据	20个HNSCC样本（包括13个HPV阴性样本和7个HPV阳性样本），9个正常组织样本
10743	2024-08-05	Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1410249 PMID:38872880	研究论文	本研究探讨了结合高通量表型分析和深度学习在冬小麦育种中的应用	提出了将无人机辅助的高通量表型数据与深度学习相结合以提高冬小麦粒产、测试重量和蛋白质含量的预测准确性	未提到具体的样本数量和数据集多样性，可能影响结果的普适性	提高高产和抗逆小麦品种的育种效率	冬小麦在不同生长阶段的农业性状与高通量表型性状的相关性	数字病理学	NA	高通量表型分析（HTP）和深度学习（DL）	深度神经网络（DNN）	图像	NA
10744	2024-08-05	FaceTouch: Detecting hand-to-face touch with supervised contrastive learning to assist in tracing infectious diseases 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0288670 PMID:38870182	研究论文	本文介绍了一种名为FaceTouch的计算机视觉框架，用于检测手与脸的接触以协助追踪传染病	引入了一种基于监督对比学习的深度学习模型，可以在复杂场景中检测手对脸的接触，克服了面部部分遮挡的问题	缺乏其他基准数据集的支持，训练依赖于我们收集的数据集	旨在提供一种自动检测手与脸接触的方法，以减少传染病传播	检测在城市环境中或室内人们的手对脸的接触	计算机视觉	NA	深度学习	监督对比学习	视频	基于我们收集的数据集，样本数量未明确给出
10745	2024-08-05	Enhancing bladder cancer diagnosis through transitional cell carcinoma polyp detection and segmentation: an artificial intelligence powered deep learning solution 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1406806 PMID:38873177	研究论文	本研究探讨了通过深度学习模型在膀胱癌的诊断中进行移行细胞癌息肉检测与分割的可行性	提出了一种新方法，通过使用深度学习架构在低质量的膀胱镜图像上对移行细胞癌息肉进行精准分割	使用的数据集是低质量的膀胱镜图像，可能影响模型的准确性	目标是提高移行细胞癌息肉的早期诊断率和紧急治疗的时效性	研究对象为移行细胞癌息肉在膀胱镜图像中的检测与分割	计算机视觉	膀胱癌	深度学习	Unetplusplus_vgg19, Unet_vgg11, FPN_resnet34	图像	低质量的标注膀胱镜图像数据集
10746	2024-08-05	Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm 2024, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2024.1285166 PMID:38872900	研究论文	本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值	首次实现了利用深度学习工具快速自动分割主动脉根部，提升了模型重建的时间效率	未提及模型在不同患者或病理状态下的适应性和广泛验证	探索基于深度学习工具的主动脉根部的自动分割技术的临床价值	183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据	计算机视觉	心血管疾病	深度学习	NA	图像	183个患者的CT扫描数据
10747	2024-08-05	STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1408688 PMID:38873109	研究论文	本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点	STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征	尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性	本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用	研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点	机器学习	癌症	深度学习	STM-ac4C	序列数据	独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集
10748	2024-08-05	Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305253 PMID:38870192	研究论文	本研究探讨了用于细胞穿透肽预测的分子描述符，结合深度学习技术。	提出了使用ConvBoost-CPP的创新方法，该方法结合了改进的卷积神经网络和XGBoost模型，以提高分类器的准确性	未提及具体的局限性	研究细胞穿透肽的分子描述符对膜渗透性的预测能力	细胞穿透肽以及与之相关的分子描述符，如氮、氧和疏水性	机器学习	NA	深度学习	ConvBoost-CPP	NA	NA
10749	2024-08-05	Deep learning based ECG segmentation for delineation of diverse arrhythmias 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303178 PMID:38870233	研究论文	本文研究了心电图中关键波形的准确描绘，特别是在不同心律失常情况下的表现	提出了一种类似U-Net的心电图分割模型，重点关注多样化的心律失常并开发后处理算法	在标准基准上的高表现模型在稀有心律失常下性能较差	旨在提高心电图分割在不同心律失常情况下的性能	多种心律失常的心电图数据	数字病理学	心脏病	深度学习	U-Net	心电图（ECG）	在多样化数据集上训练并在LUDB和QTDB数据集上评估
10750	2024-08-05	Stable tensor neural networks for efficient deep learning 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1363978 PMID:38873283	研究论文	该文章提出了一种基于张量的神经网络，用于高效地学习高维数据	引入了张量神经网络（t-NNs），作为传统全连接网络的扩展，以更高效的参数空间进行训练	本文没有具体提到实验的限制条件或潜在的应用局限性	研究旨在通过张量表示和处理来提高深度神经网络的训练效率	研究对象是高维数据及其在深度学习中的应用	机器学习	NA	深度神经网络	张量神经网络（t-NNs）	图像	使用了MNIST和CIFAR-10两个基准图像数据集
10751	2024-08-05	Prediction of miRNAs and diseases association based on sparse autoencoder and MLP 2024, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2024.1369811 PMID:38873111	研究论文	该研究提出了一种新的稀疏自编码器和多层感知器方法（SPALP）来预测miRNA与疾病之间的关联	采用稀疏自编码器和多层感知器结合的深度学习技术来提高miRNA-疾病关联预测的准确性	NA	旨在揭示miRNA与疾病之间的关联以探讨病理机制和治疗方法	miRNA和多种老年疾病的关联数据	计算机视觉	老年疾病	深度学习，稀疏自编码器和多层感知器	多层感知器	生物信息学数据	在研究中验证了与五种老年疾病相关的miRNA共30个，具体包括狼疮红斑、急性髓性白血病、心血管、卒中、糖尿病
10752	2024-08-05	Identification of biological indicators for human exposure toxicology in smart cities based on public health data and deep learning 2024, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2024.1361901 PMID:38873314	研究论文	本研究提出了一种基于公共健康数据和深度学习的方法，以识别智能城市中人类暴露的毒理生物指标	创新之处在于结合公共健康数据和深度学习，建立环境监测数据与健康指标之间的关联模型	研究可能受到传感器数据准确性和公共健康数据完整性影响	旨在通过识别毒理生物指标，准确评估和管理城市环境暴露风险	研究对象为城市公共健康数据与环境监测数据采集的污染物类型和浓度	计算机视觉	呼吸系统疾病与心血管疾病	深度学习	卷积神经网络	环境监测数据	涉及的样本数量及类型为通过智能城市基础设施收集的环境监测数据
10753	2024-08-05	MRET: Modified Recursive Elimination Technique for ranking author assessment parameters 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303105 PMID:38870157	研究论文	本文提出了一种修改的递归消除技术，通过深度学习对作者评估参数进行排名	创新点在于结合多层感知器分类器和修改递归消除技术来评估和排名作者影响力参数	限制在于仅针对数学领域的数据进行分析，可能不适用于其他领域的参数评估	研究的目的是识别和优先排序最有效的作者评估指标	研究对象包括525个尚未获奖的个体和525个被认为是潜在获奖者的个体	自然语言处理	NA	深度学习	多层感知器 (MLP)	数据集	共1050个个体，包括525个未获奖个体和525个潜在获奖个体
10754	2024-08-05	Characterization and quantification of in-vitro equine bone resorption in 3D using μCT and deep learning-aided feature segmentation 2024-Aug, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117131 PMID:38777311	研究论文	本研究开发了一种准确的高通量方法来定量马骨吸收体积。	开发了一种基于深度学习的CNN用于3D μCT图像中骨吸收事件的识别，无需预培养成像。	主要基于马骨样本，可能不适用于其他种类的骨骼。	旨在定量分析马骨中的成骨细胞吸收活动。	以马骨切片为研究对象，分析骨吸收的3D表现。	数字病理学	NA	μCT	卷积神经网络（CNN U-Net类似）	3D图像	使用已知吸收区域的档案骨切片进行训练，样本量不详
10755	2024-08-05	Validation of de novo designed water-soluble and transmembrane β-barrels by in silico folding and melting 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5033 PMID:38864690	研究论文	本文探讨了基于深度学习的结构预测算法在新设计水溶性和跨膜β桶蛋白的验证中的应用	提出了一种新的基于逐步扰动的预测方法 ('in silico melting')，并强调了不同算法在设计识别和实验预测成功率中的优势	缺乏高质量模型与实验成功之间关系的正式证据	研究深度学习结构预测模型的可解释性及其在复杂蛋白设计中的潜力	研究新设计的水溶性和跨膜β桶蛋白	计算机视觉	NA	深度学习	AlphaFold2, ESMFold	蛋白质结构	实验特征化的新设计水溶性和跨膜β桶蛋白
10756	2024-08-05	Multi-center Dose Prediction Using Attention-aware Deep learning Algorithm Based on Transformers for Cervical Cancer Radiotherapy 2024-Jul, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2024.03.022 PMID:38631974	研究论文	提出了一种基于Transformer的AtTranNet算法用于宫颈癌放射治疗中的剂量预测	开发了针对多个中心的数据集的深度学习算法，能够快速、准确地进行剂量预测	该研究可能无法覆盖所有类型的治疗方案和癌症患者的特征	开发一种强大的深度学习算法以实现宫颈癌体积调制弧治疗的剂量准确预测	367名宫颈癌患者和70名不同处方的子宫内膜癌患者	数字病理学	宫颈癌	深度学习	Transformer	医学影像数据	共367名宫颈癌患者和70名子宫内膜癌患者
10757	2024-08-05	Prediction and visualization of moisture content in Tencha drying processes by computer vision and deep learning 2024-Jul, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13381 PMID:38349009	研究论文	本文利用计算机视觉和深度学习技术检测Tencha干燥过程中的水分含量	将计算机视觉与一维卷积神经网络相结合，新颖地实现了对Tencha干燥过程水分含量的预测与可视化	研究未提及样本多样性和外部验证的范围	旨在提高Tencha干燥过程中水分含量的监测和控制	Tencha干燥过程中的水分含量	计算机视觉	NA	深度学习	一维卷积神经网络（1D-CNN）	图像	NA
10758	2024-08-05	Time series prediction of insect pests in tea gardens 2024-Jul, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.13393 PMID:38372506	研究论文	该研究探讨了在茶园中白蝴蝶种群的时间序列预测。	研究使用了三种深度学习算法进行茶园虫害的时间序列预测，特别强调了LSTM-Attention的效果。	对深度学习算法在茶园虫害预测中的应用研究仍然有限。	研究茶园中虫害的时间序列预测，以确保茶叶质量。	主要研究对象是茶园中的白蝴蝶种群。	机器学习	NA	深度学习	LSTM-Attention, LSTM, Informer	时间序列数据	NA
10759	2024-08-05	A deep learning model for DNA enhancer prediction based on nucleotide position aware feature encoding 2024-Jun-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.110030 PMID:38868182	研究论文	该文章提出了一种基于深度学习的DNA增强子预测模型PDCNN	PDCNN模型通过统计核苷酸表示提取基因序列中的隐藏特征，增强了预测准确性	当前模型可能无法解决所有类型的基因序列特征	研究深度学习在DNA增强子预测中的应用	基因序列中的DNA增强子	机器学习	NA	深度学习	卷积神经网络	基因序列	NA
10760	2024-08-05	Deep learning model based on contrast-enhanced MRI for predicting post-surgical survival in patients with hepatocellular carcinoma 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31451 PMID:38868019	研究论文	本文旨在开发基于对比增强MRI数据的深度学习模型，以预测肝细胞癌患者的术后总生存率。	本研究的创新点在于使用三维卷积神经网络（3D-CNN）从MRI图像中提取特征，并结合临床因素建立综合模型，从而提高了预测能力。	该研究仅为回顾性研究，可能存在选择偏倚，并且尚需进一步验证模型的通用性。	研究的目的是提高肝细胞癌患者术后生存率的预测能力。	研究对象为564名接受手术切除的肝细胞癌患者。	计算机视觉	肝癌	对比增强MRI	3D-CNN	图像	共涉及564名手术切除患者，分为训练集（326），测试集（143）和外部验证集（95）