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
10761	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
10762	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
10763	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
10764	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
10765	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
10766	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
10767	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
10768	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
10769	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）
10770	2024-08-05	GSOOA-1DDRSN: Network traffic anomaly detection based on deep residual shrinkage networks 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32087 PMID:38868050	研究论文	本文提出了一种基于深度残差收缩网络的网络流量异常检测方法GSOOA-1DDRSN	提出了一种改进的鱼鹰优化算法来选取网络流量中最相关和重要的特征，并设计了一维深度残差收缩网络作为分类器	未提及具体的局限性	增强网络流量异常检测的能力	网络流量数据	网络安全	NA	优化算法和深度学习	一维深度残差收缩网络 (1DDRSN)	网络流量数据	使用了NSL-KDD和UNSW-NB15数据集进行验证
10771	2024-08-05	Application of the artificial intelligence system based on graphics and vision in ethnic tourism of subtropical grasslands 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e31442 PMID:38867958	研究论文	本研究旨在通过利用深度学习算法和物联网技术来优化民族旅游资源的评估和决策。	本文改进了现有的深度学习算法，整合了ResNet + Canny + 局部二值模式（LBP）的特征提取算法，并提出智能决策方法。	本研究未提及具体的局限性。	该研究的目的是优化乡村旅游的智能发展技术。	本研究针对蒙古装饰图案进行识别和特征提取。	计算机视觉	NA	深度学习算法，物联网技术	AlexNet, VGGNet, ResNet	图像	NA
10772	2024-08-05	A deep neural network algorithm-based approach for predicting recovery period of accidents according to construction scale 2024-Jun-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e32215 PMID:38868011	研究论文	本文提出了一种基于深度神经网络算法预测建筑工地事故恢复期的方法	创新地使用深度神经网络根据施工规模开发事故预测模型	未提及特定的限制因素	旨在提高对建筑工地事故恢复期的预测准确性	建筑工地的事故恢复期	机器学习	NA	深度神经网络 (DNN)	DNN	NA	NA
10773	2024-08-05	Information-hiding cameras: Optical concealment of object information into ordinary images 2024-Jun-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adn9420 PMID:38865455	研究论文	我们介绍了一种信息隐藏相机，结合了通过深度学习联合优化的电子解码器	该系统使用衍射光学处理器，将输入图像转换并隐藏成看似普通的模式，具有多种秘密消息的无限组合能力	NA	研究信息隐藏技术在视觉信息安全中的应用	信息隐藏衍射相机在不同光照条件和噪声水平下的性能	计算机视觉	NA	衍射光学处理	深度学习	图像	NA
10774	2024-08-05	Dual-Extraction Modeling: A multimodal deep learning architecture for phenotypic prediction and functional gene mining of complex traits 2024-Jun-13, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2024.101002 PMID:38872306	研究论文	本文介绍了一种多模态深度学习架构Dual-Extraction Modeling (DEM)，用于复杂性状的表型预测和功能基因挖掘	提出了双重提取建模方法，能够从异质组学数据集中提取代表性特征，具有优越的准确性和解释性	研究中未提及具体的样本量和数据限制	研究旨在开发一种通用的多模态计算工具，以实现准确的表型预测和特征相关基因的识别	研究对象为复杂性状的表型和影响这些性状的功能基因	机器学习	NA	深度学习	NA	组学数据	NA
10775	2024-08-05	Binary classification of dead detector elements in flat panel detectors using convolutional neural networks 2024-Jun-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad57cd PMID:38870913	研究论文	本文提供了一种新颖的深度学习技术，用于生成平面探测器的死探测器元素地图。	提出了一种在缺乏真实地图情况下生成死探测器地图的新技术，且能够在不同探测器上进行一定程度的泛化。	模型在利用不同厂商制造的探测器时的性能需进一步研究。	研究旨在开发一种能够生成死探测器元素地图的深度学习模型。	研究对象是平面探测器上的死探测器元素。	计算机视觉	NA	卷积神经网络	CNN	图像	NA
10776	2024-08-05	All-optical phase conjugation using diffractive wavefront processing 2024-Jun-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-49304-y PMID:38862510	研究论文	提出了一种用于近似全光相位共轭的衍射波前处理器	利用深度学习优化了一组衍射层，以全光方式处理任意相位畸变输入场	实验验证中使用的相位畸变是训练期间未见过的	研究一种新的光学相位共轭技术	衍射波前处理器和相位畸变镜	光学	NA	深度学习	NA	光学波前数据	使用了多种相位畸变进行实验验证
10777	2024-08-05	Unsupervised manifold embedding to encode molecular quantum information for supervised learning of chemical data 2024-Jun-11, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-024-01217-z PMID:38862828	研究论文	本文探讨了分子表示在化学机器学习中的重要性，并提出了一种新的低维表示方法MEMS	开发了分子表面的流形嵌入MEMS，以保留电子特性，实现化学学习的特征化	NA	探究分子相互作用的局部电子信息以提高化学数据学习的预测能力	分子表面和电子属性的表示	计算机视觉	NA	NA	神经网络	化学数据	NA
10778	2024-08-05	Deep learning with mixup augmentation for improved pore detection during additive manufacturing 2024-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63288-1 PMID:38862686	研究论文	本研究提出了一种混合增强的数据学习方法，以改善在增材制造过程中孔洞检测的精度	使用Mixup数据增强技术，提高了不平衡数据集中的孔洞预测准确性	使用的模型可能对数据集的特定特征敏感，且过程缺陷预测依赖于标注数据的质量	改善增材制造过程中孔洞检测的准确性	对激光粉床熔融实验中的孔洞进行识别和检测	机器学习	NA	NA	卷积神经网络 (CNN)	声学数据	五个不同实验的测试数据集
10779	2024-08-05	Deformable multi-modal image registration for the correlation between optical measurements and histology images 2024-Jun, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066007 PMID:38868496	研究论文	本研究探讨了一种基于深度学习的自动化多模态图像配准方法，以对齐乳腺标本图像与相应的组织学图像	创新点在于提出了一种无监督和有监督学习的图像配准方法，有效处理了强度变化和结构差异带来的挑战	该研究的局限性在于未具体列出数据集的多样性和实际应用中的具体限制	研究目的是探讨基于深度学习的自动图像配准技术的有效性	研究对象为乳腺标本图像和通过不同模态获取的组织学图像	数字病理学	NA	深度学习	VoxelMorph模型	图像	包含手动配准图像的特征数据集
10780	2024-08-05	Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.521657 PMID:38867785	研究论文	本研究探讨了差异性动静脉分析对糖尿病视网膜病变(OCTA)分类的影响	该研究利用深度学习进行动静脉区域分割，并通过差异性动静脉分析显著提高了糖尿病视网膜病变的分类准确性	在研究中未提及样本的多样性和临床背景对结果的潜在影响	研究糖尿病视网膜病变的分类性能与差异性动静脉分析的关系	糖尿病患者及其视网膜病变状态的分类	数字病理学	糖尿病视网膜病变	光学相干断层扫描血管造影	支持向量机(SVM)	图像	NA