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
11381	2024-08-07	High-precision tracking and positioning for monitoring Holstein cattle 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302277 PMID:38743665	研究论文	本文提出了一种基于深度学习的跟踪算法，用于在复杂实际场景中进行多目标跟踪，以提高对荷斯坦牛的监测和定位精度	提出的多目标跟踪算法在多个性能指标上优于现有顶级跟踪算法，特别是在多目标跟踪准确性、精确性和IDF1方面	算法在实际多变的牧场条件下仍面临挑战，如规模变化、不可预测的运动和遮挡问题	提高在复杂牧场环境中对荷斯坦牛的监测和定位精度	荷斯坦牛的监测和定位	计算机视觉	NA	深度学习	CenterTrack算法	图像	NA
11382	2024-08-07	Predicting hotspots for disease-causing single nucleotide variants using sequences-based coevolution, network analysis, and machine learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302504 PMID:38743747	研究论文	本文开发了一种基于蛋白质残基接触网络的序列分析方法，结合共进化分析工具和机器学习算法，用于预测疾病相关单核苷酸变异的热点	本文创新地整合了多种共进化分析工具和机器学习算法，通过蛋白质残基网络来预测疾病突变的热点，克服了以往方法依赖已知蛋白质结构或未充分考虑残基间相互作用的局限	NA	旨在通过高吞吐量准确预测目标蛋白质中的疾病相关突变，以支持个性化医疗	疾病相关的单核苷酸变异热点	机器学习	NA	NA	随机森林、梯度提升和极端梯度提升	蛋白质序列	107种富含疾病突变的蛋白质
11383	2024-08-07	A machine learning approach to detect potentially harmful and protective suicide-related content in broadcast media 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300917 PMID:38743759	研究论文	本研究利用机器学习方法对广播媒体中的自杀相关内容进行分类，以识别其潜在的有害或保护性特征	首次应用机器学习模型对大量广播媒体数据进行分类，以符合自杀报道的媒体推荐标准	模型性能依赖于训练样本的数量，而非分类任务的难度	探索机器学习在识别广播媒体中自杀相关内容的有害或保护性特征方面的应用	广播媒体中的自杀相关内容	机器学习	NA	TF-IDF, 线性SVM, BERT	多数分类器, 基于词频的方法, 深度学习模型	文本	2519份英语广播媒体转录本
11384	2024-08-07	Specific emitter identification based on multiple sequence feature learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299664 PMID:38748654	研究论文	本文提出了一种基于多序列特征学习的特定发射机识别算法	该算法通过提取通信辐射源发射信号的多序列特征，并构建多序列融合卷积网络进行深度特征提取和分类，有效提高了特定发射机识别的性能	NA	解决传统特定发射机识别算法依赖先验知识、泛化能力差以及现有基于深度学习的算法特征选择不佳的问题	特定发射机识别算法	机器学习	NA	卷积神经网络	CNN	信号序列	NA
11385	2024-08-07	Multi-strategy modified sparrow search algorithm for hyperparameter optimization in arbitrage prediction models 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303688 PMID:38748753	研究论文	本文提出了一种多策略改进的麻雀搜索算法（MSMSSA）用于优化LSTM网络的超参数，构建了一个套利价差预测模型（MSMSSA-LSTM）	引入了好点集理论、比例自适应策略和改进的位置更新方法，以增强麻雀算法的空间探索能力	NA	提高深度学习模型在套利数据特征捕捉和预测准确性方面的性能	套利数据特征和预测模型性能	机器学习	NA	麻雀搜索算法（SSA）	LSTM	数据	中国期货市场中的螺纹钢和热卷期货的实际价差数据
11386	2024-08-07	Attention pyramid pooling network for artificial diagnosis on pulmonary nodules 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302641 PMID:38753596	研究论文	本文提出了一种注意力金字塔池化网络（APPN）用于肺结节的自动诊断	结合注意力机制和金字塔池化模块，实现了多尺度特征融合并聚焦于关键特征，使用门控空间记忆技术提取更精确的分类特征	未提及具体限制	提高肺结节在CT影像中的分类准确性，从而降低肺癌死亡率	肺结节的自动检测与分类	计算机视觉	肺部疾病	深度学习	CNN	图像	使用LIDC-IDRI数据集进行实验
11387	2024-08-07	Toward explainable AI in radiology: Ensemble-CAM for effective thoracic disease localization in chest X-ray images using weak supervised learning 2024, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2024.1366415 PMID:38756502	研究论文	本文开发了一种基于类激活映射（CAM）的集成模型Ensemble-CAM，用于通过弱监督学习解决胸部X光图像中胸腔疾病定位的问题	提出了Ensemble-CAM模型，结合集成学习和迁移学习，通过类激活函数实现疾病定位，减少对大量标注数据的依赖，并通过可视化解释性特征增强预测结果的信心	NA	开发一种可解释的人工智能模型，用于胸部X光图像中的胸腔疾病定位，并减少对大量标注数据的依赖	胸部X光图像中的胸腔疾病定位	计算机视觉	胸腔疾病	弱监督学习	集成模型	图像	三个胸部X光图像数据集
11388	2024-08-07	Apriori prediction of chemotherapy response in locally advanced breast cancer patients using CT imaging and deep learning: transformer versus transfer learning 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1359148 PMID:38756659	研究论文	本研究使用深度学习网络和CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应，比较了ViT变换器和迁移学习网络的性能	首次使用ViT变换器和迁移学习网络结合CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应，并展示了注意力机制的重要性	研究结果依赖于训练数据和测试数据的分割比例，且不同网络的性能差异较大	开发预测模型以预测局部晚期乳腺癌患者对新辅助化疗的肿瘤反应	局部晚期乳腺癌患者对新辅助化疗的反应	机器学习	乳腺癌	CT影像	ViT变换器, VGG16, VGG19, ResNet-50, ResNet-101, ResNet-152, InceptionV3, Xception	影像	117名局部晚期乳腺癌患者，其中82名有临床病理反应，35名无反应
11389	2024-08-07	Open and remotely accessible Neuroplatform for research in wetware computing 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1376042 PMID:38756757	研究论文	本文介绍了一个开放且远程访问的神经平台，用于湿件计算和类器官智能的研究	开发了一个硬件和软件系统，支持大规模的电生理实验，并设计了微流控系统以自动化培养基流动和更换	NA	探索使用生物神经网络进行计算的新方法	神经类器官	人工智能	NA	电生理技术	NA	数据	超过1,000个脑类器官
11390	2024-08-07	Contrastive learning with token projection for Omicron pneumonia identification from few-shot chest CT images 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1360143 PMID:38756944	研究论文	本文提出了一种名为CoTP的对比学习模型，通过令牌投影技术提高从少量胸部CT图像中识别Omicron肺炎的诊断质量	利用无标签数据进行CoTP的拟合，并通过少量标记样本进行微调，同时引入新的Omicron数据集和改进的数据增强策略	NA	提高基于少量胸部CT图像的Omicron肺炎诊断效率	Omicron肺炎的胸部CT图像识别	计算机视觉	肺炎	对比学习	ResNet50	图像	少量标记样本和无标签数据
11391	2024-08-07	A Survey on 3D Skeleton-Based Action Recognition Using Learning Method 2024, Cyborg and bionic systems (Washington, D.C.) DOI:10.34133/cbsystems.0100 PMID:38757045	综述	本文综述了基于三维骨骼的动作识别（3D SAR）在计算机视觉领域的研究进展，特别关注了深度学习架构的应用	首次全面讨论了基于深度学习的3D骨骼数据动作识别方法	之前的综述主要集中在视频或RGB数据为主的方法，对骨骼数据的覆盖有限	强调动作识别的重要性，并突出三维骨骼数据作为宝贵模态的意义	基于四种基本深度架构的动作识别技术	计算机视觉	NA	深度学习	循环神经网络、卷积神经网络、图卷积网络、Transformer	骨骼数据	涉及当前最大的3D骨骼数据集NTU-RGB+D及其新版本NTU-RGB+D 120
11392	2024-08-07	Human Pose Estimation for Clinical Analysis of Gait Pathologies 2024, Bioinformatics and biology insights IF:2.3Q3 DOI:10.1177/11779322241231108 PMID:38757143	研究论文	本研究提出了一种用于定量评估步态障碍的二分类方法，特别是针对杜兴肌营养不良症（DMD）的步态特征进行分析	研究利用从YouTube和公开数据集中收集的新颖基准数据集，提取时间距离变量和下肢矢状关节角度，并采用机器学习和深度学习技术进行模式识别	当前模型能够区分健康对象和DMD患者，但不能区分DMD患者和其他步态障碍患者	开发一种成本效益高的方法，通过分析2D和3D人体姿态估计轨迹来检测步态异常	杜兴肌营养不良症（DMD）患者的步态特征	计算机视觉	神经肌肉疾病	人体姿态估计	支持向量机（SVM）和深度网络	视频（RGB）	数据来自YouTube和公开数据集的健康儿童
11393	2024-08-07	A deep learning model based on contrast-enhanced computed tomography for differential diagnosis of gallbladder carcinoma 2024-Aug, Hepatobiliary & pancreatic diseases international : HBPD INT IF:3.6Q2 DOI:10.1016/j.hbpd.2023.04.001 PMID:37080813	研究论文	本研究开发了一种基于对比增强计算机断层扫描（CT）图像的深度学习模型，用于辅助放射科医生鉴别胆囊癌	本研究首次使用基于ResNet50网络的深度学习模型，结合对比增强CT图像，用于胆囊癌的鉴别诊断	研究样本量相对较小，且仅限于胆囊病变大于10mm的患者	开发一种深度学习模型，以辅助放射科医生在早期诊断胆囊癌	胆囊癌与良性胆囊病变的鉴别	机器学习	胆囊癌	对比增强CT	ResNet50	图像	278名胆囊病变大于10mm的患者，分为训练集194例和验证集84例
11394	2024-08-07	Performance Evaluation of Deep, Shallow and Ensemble Machine Learning Methods for the Automated Classification of Alzheimer's Disease 2024-Jul, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065724500291 PMID:38576308	研究论文	本文评估了深度、浅层和集成机器学习方法在阿尔茨海默病自动分类中的性能	提出了一种基于机器学习模型的集成分类器，用于磁共振成像数据，准确率达到了96.52%，比最佳个体分类器提高了3-5%	NA	评估不同机器学习方法在阿尔茨海默病分类中的性能，帮助选择最适合数据可用性的算法	阿尔茨海默病及其相关认知状态的分类	机器学习	阿尔茨海默病	机器学习	集成分类器	磁共振成像数据	使用了阿尔茨海默病神经成像倡议和开放获取影像研究系列数据集
11395	2024-08-07	Reduction of ADC bias in diffusion MRI with deep learning-based acceleration: A phantom validation study at 3.0 T 2024-Jul, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.018 PMID:38631532	研究论文	本研究通过深度学习技术加速扩散磁共振成像（diffusion MRI），减少在高b值图像中的信噪比（SNR）低和相关的定量ADC值偏差问题，使用商业扩散模型进行验证。	本研究采用深度学习基础的C-SENSE AI重建技术，有效减少了DWI在低SNR下的ADC偏差和随机测量误差。	研究主要在商业扩散模型上进行验证，实际临床应用中的效果需要进一步验证。	进一步加速诊断放射学中的DWI，并解决由于高b值图像中低SNR导致的ADC值偏差问题。	研究对象包括扩散磁共振成像中的ADC偏差和随机测量误差。	计算机视觉	NA	深度学习	C-SENSE AI	图像	使用商业扩散模型进行实验
11396	2024-08-07	Deepm6A-MT: A deep learning-based method for identifying RNA N6-methyladenosine sites in multiple tissues 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.03.004 PMID:38485031	研究论文	本文提出了一种基于双向门控循环单元（Bi-GRU）和卷积神经网络（CNN）的改进方法Deepm6A-MT，用于预测RNA N6-甲基腺苷（m6A）修饰位点	Deepm6A-MT通过两个输入通道提高了预测准确性和效率，其中一个通道使用嵌入层后接Bi-GRU和CNN，另一个通道使用单热编码、二核苷酸单热编码和核苷酸化学性质编码	NA	开发一种新的深度学习方法，以提高RNA m6A修饰位点的预测性能	RNA m6A修饰位点	机器学习	NA	双向门控循环单元（Bi-GRU）和卷积神经网络（CNN）	Bi-GRU和CNN	RNA序列	NA
11397	2024-08-07	Deep learning methods in biomedical informatics 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.002 PMID:38588786	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11398	2024-08-07	DEEP-EP: Identification of epigenetic protein by ensemble residual convolutional neural network for drug discovery 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.004 PMID:38621436	研究论文	本文提出了一种基于深度学习的新模型，用于准确预测表观遗传蛋白（EP）	引入了基于深度学习的模型，结合DDE编码和ERCNN模型，实现了对EP的精确预测	NA	旨在通过深度学习技术加速表观遗传蛋白的研究和药物发现	表观遗传蛋白（EP）	机器学习	NA	深度学习	ERCNN	蛋白质序列	两个不同的数据集
11399	2024-08-07	Language model based on deep learning network for biomedical named entity recognition 2024-Jun, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2024.04.013 PMID:38641084	研究论文	本文提出了一种基于BiLSTM-CRF架构的多任务学习框架，结合语言模型用于生物医学命名实体识别，通过差异化编码和多任务学习方法提高实体识别性能	模型使用语言模型设计差异化编码，获取动态词向量以区分不同数据集中的词汇，并通过多任务学习方法共享不同类型实体的动态词向量	深度学习方法需要大量训练数据，数据不足会影响模型识别性能	解决生物医学命名实体识别任务中多义词和数据不足的问题	生物医学文本中的命名实体	自然语言处理	NA	深度学习	BiLSTM-CRF	文本	四个典型训练集
11400	2024-08-07	Quantifying abnormal emotion processing: A novel computational assessment method and application in schizophrenia 2024-Jun, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115893 PMID:38657475	研究论文	本文介绍了一种使用深度学习技术从口语中快速评估情感处理的新方法，并在精神分裂症谱系障碍患者和健康对照组中进行了测试	提出了一种新的计算评估方法，利用深度学习从口语中估计情感处理，并引入了“情感对齐”（EA）这一新指标	需要进一步的验证工作来确认该方法的有效性和普遍性	开发一种自动化的方法来评估精神分裂症谱系障碍中的情感处理	精神分裂症谱系障碍患者和健康对照组的情感处理能力	机器学习	精神分裂症	深度学习	NA	口语	37名精神分裂症谱系障碍患者和51名健康对照组