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
1861	2025-02-21	Long short-term memory (LSTM)-based news classification model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301835 PMID:38814925	研究论文	本研究使用单向和双向长短期记忆（LSTM）深度学习网络进行中文新闻分类，并探讨了上下文信息对文本分类的影响，达到了较高的准确率	使用双向LSTM网络进行特征提取，结合单向LSTM网络进行特征整合，构建了一个高效的中文新闻分类模型	未提及模型在其他语言或更大数据集上的泛化能力	研究中文新闻分类的深度学习模型	中文新闻文章	自然语言处理	NA	word2vec, Adam优化器, dropout	LSTM, BiLSTM	文本	未提及具体样本数量
1862	2025-02-21	TASA: Temporal Attention With Spatial Autoencoder Network for Odor-Induced Emotion Classification Using EEG 2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2024.3399326 PMID:38722724	研究论文	本文提出了一种名为TASA的深度学习架构，用于使用脑电图（EEG）预测气味诱导的情绪	TASA架构通过两阶段学习框架改进，利用自编码器模块学习电极间的空间信息，并通过LSTM-MSA捕捉时间动态	NA	研究气味诱导的情绪分类	人类脑电图（EEG）数据	机器学习	NA	EEG	LSTM, 多头自注意力机制（MSA）	脑电图（EEG）数据	现有嗅觉EEG数据集
1863	2025-02-21	Reservoir parameters prediction based on spatially transferred long short-term memory network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296506 PMID:38289937	研究论文	本文提出了一种基于空间转移的长短期记忆网络的储层参数预测方法，以解决数据短缺问题	提出了一种基于转移学习的长短期记忆神经网络模型，通过共享神经网络结构中的部分参数，将历史数据的知识转移到新井预测中	由于检测成本、技术难度和复杂地质参数的限制，难以获得深度学习所需的大量数据	提高在数据短缺情况下的储层参数预测准确性	油气储层	机器学习	NA	转移学习	LSTM	地质数据	基于两个区块数据集进行测试
1864	2025-02-21	W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276155 PMID:38442101	研究论文	本文提出了一种名为W-WaveNet的多站点水质预测模型，结合了自适应图卷积和CNN-LSTM，用于处理水质数据的时间和空间相关性	W-WaveNet模型首次将自适应图卷积与CNN-LSTM结合，能够处理多站点水质数据中的非对齐空间相关性，适用于不同时间跨度的水质数据处理	模型仅在两个真实河流段的多站点水质数据上进行了验证，可能需要更多数据集的测试以验证其普适性	研究目的是开发一种能够同时考虑时间和空间相关性的多站点水质预测模型	多站点水质数据	机器学习	NA	自适应图卷积、CNN-LSTM	W-WaveNet	水质数据	两个真实河流段的多站点水质数据
1865	2025-02-21	Modeling opening price spread of Shanghai Composite Index based on ARIMA-GRU/LSTM hybrid model 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299164 PMID:38478502	研究论文	本研究旨在通过结合ARIMA模型与深度学习技术（LSTM和GRU），提高上海综合指数开盘价差预测的准确性	提出了一种结合ARIMA模型与深度学习技术（LSTM和GRU）的混合模型，用于预测上海综合指数的开盘价差	研究仅针对上海综合指数的开盘价差，未涉及其他股票指数或市场	提高上海综合指数开盘价差的预测准确性	上海综合指数的开盘价差	机器学习	NA	ARIMA, LSTM, GRU	ARIMA-LSTM, ARIMA-GRU	时间序列数据	1990年12月20日至2023年6月2日的上海综合指数数据
1866	2025-02-21	Leveraging transfer learning with deep learning for crime prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296486 PMID:38630687	研究论文	本研究利用迁移学习与深度学习相结合的方法进行犯罪预测，旨在提高预测的准确性和效率	提出了基于BiLSTM的迁移学习架构，用于跨区域犯罪知识的转移，并在多个犯罪数据集上验证了其优越性	需要大量的犯罪数据和资源来训练最先进的深度学习模型，这可能限制了其广泛应用	提高犯罪预测的准确性和效率，以增强执法机构在控制和预防犯罪方面的能力	芝加哥、纽约和拉合尔的犯罪数据集	机器学习	NA	迁移学习、深度学习	BiLSTM、CNN-LSTM、SMA、WMA、EMA	犯罪数据	多个犯罪数据集（芝加哥、纽约、拉合尔）
1867	2025-02-20	Quantitative analysis of the dexamethasone side effect on human-derived young and aged skeletal muscle by myotube and nuclei segmentation using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae658 PMID:39752317	研究论文	本文提出了一种使用深度学习和后处理技术对人类来源的年轻和老年骨骼肌中地塞米松副作用进行定量分析的新方法	通过同时进行肌管和细胞核分割，结合后处理技术，提高了分析的准确性和一致性	NA	定量分析地塞米松对人类来源的年轻和老年骨骼肌的副作用	人类来源的年轻和老年骨骼肌细胞	计算机视觉	NA	深度学习	NA	图像	NA
1868	2025-02-20	CRISPR-Enhanced Photocurrent Polarity Switching for Dual-lncRNA Detection Combining Deep Learning for Cancer Diagnosis 2024-08-13, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c02617 PMID:39092917	研究论文	本文开发了一种新型CRISPR/Cas13a增强的光电流极性转换光电化学（PEC）生物传感器，用于联合检测双长链非编码RNA（lncRNA），并结合深度学习（DL）辅助癌症诊断	结合CRISPR/Cas13a技术和深度学习，开发了一种新型光电化学生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	未提及具体局限性	开发一种新型生物传感器，用于双lncRNA的联合检测和癌症早期智能诊断	长链非编码RNA（lncRNA）	生物传感器	癌症	CRISPR/Cas13a技术，光电化学（PEC）技术，深度学习（DL）	深度学习模型	光电化学数据	全血样本
1869	2025-02-20	Systematic Assessment of Deep Learning-Based Predictors of Fragmentation Intensity Profiles 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00857 PMID:38728051	研究论文	本文对六种基于深度学习的肽段碎片强度预测方法进行了全面评估	首次系统评估了六种深度学习方法在预测肽段碎片强度方面的表现，并考虑了多种实验条件的影响	研究仅限于六种方法，可能未涵盖所有相关的最新方法	评估和比较不同深度学习方法在预测肽段碎片强度方面的准确性和速度	肽段碎片强度预测方法	机器学习	NA	质谱分析	深度学习	质谱数据	近170万前体（包括胰蛋白酶肽和HLA肽）对应的超过1800万实验光谱，来自40个独立的PRIDE库提交
1870	2025-02-20	Vocabulary Matters: An Annotation Pipeline and Four Deep Learning Algorithms for Enzyme Named Entity Recognition 2024-06-07, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.3c00367 PMID:38733346	研究论文	本研究开发了一个用于酶命名实体识别（NER）的注释管道和四种深度学习算法，旨在提高生物医学文献的自动化处理效率	首次开发了酶NER算法，结合了字典匹配和基于规则的关键词搜索的自动化注释管道，并评估了四种不同词汇和架构的深度学习模型	尽管注释管道在精度上表现优异，但在1-score和召回率上被微调的transformer模型超越，表明其在训练数据之外的泛化能力有限	开发并评估用于酶命名实体识别的自动化注释管道和深度学习模型，以提高生物医学文献的自动化处理效率	酶命名实体识别	自然语言处理	NA	深度学习	BiLSTM, transformer	文本	超过4800篇全文出版物，其中526篇为手动注释
1871	2025-02-20	An investigation into augmentation and preprocessing for optimising X-ray classification in limited datasets: a case study on necrotising enterocolitis 2024-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-024-03107-0 PMID:38652416	研究论文	本文探讨了在有限数据集上优化X射线分类的数据增强和预处理技术，以坏死性小肠结肠炎（NEC）为例	提出了两种基于颜色对比和边缘增强的优化管道，以提高在有限数据集上开发可靠计算机辅助诊断模型的性能	研究仅限于NEC数据集，可能不适用于其他疾病或更大规模的数据集	优化X射线分类在有限数据集上的性能，特别是针对坏死性小肠结肠炎的诊断	364名患者的1090张腹部X射线图像	计算机视觉	坏死性小肠结肠炎	数据增强和预处理技术	ResNet-50	图像	1090张腹部X射线图像，来自364名患者
1872	2025-02-20	Deep Learning-based U-Mamba Model to Predict Differentiated Gastric Cancer using Radiomics Features from Spleen Segmentation 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056349216241118115005 PMID:39710921	研究论文	本研究旨在开发一种基于深度学习的自动化方法，用于分割脾脏CT图像，并构建预测胃癌分化的模型	使用U-Mamba深度学习模型实现脾脏CT图像的自动分割，并结合放射组学特征预测胃癌分化程度	研究仅纳入了262名患者，样本量相对较小	开发自动化脾脏CT图像分割方法并构建胃癌分化预测模型	262名病理确诊的胃癌患者	数字病理	胃癌	CT成像	U-Mamba	图像	262名胃癌患者
1873	2025-02-20	Deep learning and explainable AI for classification of potato leaf diseases 2024, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2024.1449329 PMID:39963448	研究论文	本研究提出了一种结合可解释人工智能（XAI）和迁移学习的深度学习方法，用于马铃薯叶部病害的准确分类	结合迁移学习和可解释AI技术，提升模型在有限标注数据下的学习能力，并通过Grad-CAM增强模型的可解释性	未提及具体的数据集规模限制或模型在其他作物病害上的泛化能力	提高马铃薯叶部病害分类的准确性和模型的可解释性	马铃薯叶部病害	计算机视觉	NA	迁移学习，可解释AI（XAI）	深度学习模型	图像	使用公开的马铃薯叶部病害数据集，具体样本数量未提及
1874	2024-11-23	Large language modeling and deep learning shed light on RNA structure prediction 2024-Dec, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02488-z PMID:39572717	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1875	2025-02-19	A comprehensive dataset of rice field weed detection from Bangladesh 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110981 PMID:39957731	研究论文	本文介绍了一个包含3632张高分辨率RGB图像的全面数据集，用于检测孟加拉国稻田中的杂草	开发了一个包含11种常见稻田杂草的高分辨率图像数据集，适用于全球不同农业环境	数据集主要来自孟加拉国，可能在其他地区的适用性有限	通过提供高质量数据集，支持深度学习与机器学习在稻田杂草检测中的应用	稻田中的杂草	计算机视觉	NA	NA	NA	图像	3632张高分辨率RGB图像
1876	2025-02-19	Mine 4.0-mineCareerDB: A high-resolution image dataset for mining career segmentation and object detection 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110976 PMID:39957730	研究论文	本文介绍了Mine 4.0-MineCareerDB，一个公开的高分辨率图像数据集，专门用于分析采矿职业	提供了一个专门为采矿行业设计的高分辨率图像数据集，支持计算机视觉应用	数据集仅包含373张图像，可能不足以覆盖所有采矿场景	推动计算机视觉在采矿行业中的应用，如设备识别、安全分析和自动化研究	采矿操作和活动的图像	计算机视觉	NA	无人机摄影	NA	图像	373张采矿活动图像
1877	2025-02-19	A dataset of mammography images with area-based breast density values, breast area, and dense tissue segmentation masks 2024-Dec, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.110980 PMID:39957743	研究论文	本文介绍了一个新的数据集，旨在推动自动乳腺密度估计的研究，这是乳腺X光片解读中的一个关键因素	该数据集基于公开的VinDr-Mammo数据集，提供了745张乳腺X光片图像及专家放射科医生对整个乳房和致密组织区域的注释，为自动乳腺密度分析提供了新的资源	数据集的样本量相对较小，可能限制了模型的泛化能力	推动自动乳腺密度估计的研究，以改进乳腺癌筛查	乳腺X光片图像	数字病理学	乳腺癌	乳腺X光摄影	深度学习模型	图像	745张乳腺X光片图像
1878	2025-02-19	Single unit electrophysiology recordings and computational modeling can predict octopus arm movement 2024-Sep-19, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.13.612676 PMID:39345497	研究论文	本文通过单单位电生理记录和计算模型预测章鱼手臂运动	利用机器学习和统计分析的计算模型，揭示了章鱼简化神经系统中运动回路的原理，并提高了脑机接口设备的潜力	研究仅限于章鱼前神经索的电生理记录，可能不适用于其他生物或神经系统	研究章鱼简化神经系统中的运动回路原理，并改进脑机接口设备	章鱼前神经索和手臂运动	机器学习	NA	单单位电生理记录	深度学习模型	电生理数据	NA
1879	2025-02-19	Deep Learning Evaluation of Glaucoma Detection Using Fundus Photographs in Highly Myopic Populations 2024-06-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12071394 PMID:39061968	研究论文	本研究旨在使用深度学习技术通过眼底照片识别高度近视人群中的青光眼和正常眼	利用卷积块注意力模块（CBAM）增强卷积神经网络（CNN）性能，提高青光眼检测的准确性	研究仅包括高度近视患者，排除了病理性近视患者，可能限制了结果的普遍性	识别高度近视人群中的青光眼	高度近视患者的眼底照片	计算机视觉	青光眼	深度学习	CNN, ConvNeXt_Base+CBAM	图像	3088张眼底照片（1540张青光眼组，1548张高度近视组）
1880	2025-02-19	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究旨在通过训练深度神经网络，基于结构性MRI自动区分三种临床表型的额颞叶痴呆（FTD）患者	提出了一种可解释的深度学习并行特征嵌入和可视化框架，用于区分FTD的三种临床亚型	样本量相对较小，且来自多个站点，可能存在数据异质性	自动区分额颞叶痴呆（FTD）的三种临床表型，以帮助早期和精确诊断	277名FTD患者（包括173名行为变异型FTD、63名非流利型原发性进行性失语和41名语义型原发性进行性失语）	数字病理学	老年疾病	结构性MRI	深度神经网络（DNN）	图像	277名FTD患者