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
821	2024-08-07	Deep Learning-Based Design Method for Acoustic Metasurface Dual-Feature Fusion 2024-May-06, Materials (Basel, Switzerland) DOI:10.3390/ma17092166 PMID:38730972	研究论文	本文提出了一种基于深度学习的声学超表面双特征融合设计方法	首次采用集成学习方法构建超表面物理结构参数与声场之间的正向映射关系模型，并提出基于卷积神经网络的双特征融合模型（DFCNN）	NA	旨在快速准确地设计声学超表面	声学超表面的物理结构参数与声场之间的关系	机器学习	NA	深度学习	卷积神经网络	声场数据	90%的集成学习模型误差小于3 dB，93%的DFCNN模型误差小于5 dB
822	2024-08-07	Identification of Novel Regulators of Leaf Senescence Using a Deep Learning Model 2024-May-05, Plants (Basel, Switzerland) DOI:10.3390/plants13091276 PMID:38732491	研究论文	本文开发了一种名为DEGRN的深度学习模型，用于解析植物基因相互作用，并通过大量RNA-Seq和scRNA-Seq数据成功识别了大量高质量的基因交互作用。	DEGRN模型能够利用高维表达数据，揭示包括叶片衰老在内的复杂生物过程中的新型调控因子。	NA	探索和解析植物基因调控网络，特别是叶片衰老过程中的基因相互作用。	植物基因调控网络，特别是转录因子及其目标基因在叶片衰老过程中的作用。	机器学习	NA	RNA-Seq	深度学习模型	表达数据	涉及1430个转录因子和13,739个非转录因子基因，共3,053,363个高质量交互作用。
823	2024-08-07	Computed tomography-based 3D convolutional neural network deep learning model for predicting micropapillary or solid growth pattern of invasive lung adenocarcinoma 2024-May, La Radiologia medica DOI:10.1007/s11547-024-01800-3 PMID:38512613	研究论文	研究基于CT的深度学习模型预测侵袭性肺腺癌中的微乳头状或实性生长模式	使用自步学习3D网络模型，该模型在预测侵袭性肺腺癌的微乳头状或实性生长模式方面表现优于其他模型	NA	探讨基于CT的深度学习模型预测侵袭性肺腺癌中微乳头状或实性生长模式的价值	侵袭性肺腺癌患者的CT扫描图像	计算机视觉	肺腺癌	深度学习	3D卷积神经网络	图像	617名侵袭性肺腺癌患者用于训练和内部验证，353名患者用于外部验证
824	2024-08-07	A Novel Method for the Object Detection and Weight Prediction of Chinese Softshell Turtles Based on Computer Vision and Deep Learning 2024-May-01, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091368 PMID:38731372	研究论文	本文提出了一种基于计算机视觉和深度学习的新方法，用于中国软壳龟的目标检测和重量预测	本文提出了一种颜色空间模型来有效分离龟与背景，并使用改进的深度学习目标检测网络提取龟甲和背甲的特征，实现了高精度的检测结果	NA	研究自动化龟分类中的视觉识别和重量预测	中国软壳龟	计算机视觉	NA	深度学习	CNN	图像	未具体说明样本数量
825	2024-08-07	The analysis of ecological security and tourist satisfaction of ice-and-snow tourism under deep learning and the Internet of Things 2024-May-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61598-y PMID:38730047	研究论文	本文提出了一种基于深度学习和物联网技术的预测方法，用于解决冰雪旅游领域的生态安全和游客满意度问题	该方法通过结合深度学习模型和物联网技术，提高了预测冰雪旅游生态安全和游客满意度的准确性和性能指标	NA	提出一种新的预测方法，以提高冰雪旅游生态安全和游客满意度的预测准确性	冰雪旅游的生态安全和游客满意度	机器学习	NA	深度学习 (DL) 和物联网 (IoT)	卷积神经网络和循环神经网络	环境数据和游客行为数据	NA
826	2024-08-07	Fine tuning deep learning models for breast tumor classification 2024-05-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60245-w PMID:38730248	研究论文	本文提出了一种利用深度学习模型对乳腺癌肿瘤进行良恶性分类的方法	使用自定义卷积神经网络（Custom CNN）模型，结合灰狼优化（GWO）和改进的猩猩部队优化（MGTO）算法进行超参数调优，显著提高了分类准确率	NA	提高乳腺癌肿瘤良恶性分类的准确性	乳腺癌肿瘤的良恶性分类	计算机视觉	乳腺癌	卷积神经网络（CNN）	Custom CNN	图像	使用BreakHis数据集中的组织病理学图像
827	2024-08-07	Fragment ion intensity prediction improves the identification rate of non-tryptic peptides in timsTOF 2024-May-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-48322-0 PMID:38730277	研究论文	本文研究了在timsTOF平台上通过片段离子强度预测提高非胰蛋白酶肽的鉴定率	通过深度学习模型Prosit对片段离子强度预测进行微调，显著提高了免疫肽的鉴定率	NA	提高免疫肽的鉴定率，支持免疫疗法和疫苗开发	非胰蛋白酶肽的鉴定	蛋白质组学	NA	质谱分析	深度学习	质谱数据	分析了302,105个独特的合成非胰蛋白酶肽，生成了包含93,227个MS/MS光谱的基准数据集
828	2024-08-07	A dual-branch selective attention capsule network for classifying kiwifruit soft rot with hyperspectral images 2024-05-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61425-4 PMID:38724603	研究论文	本研究提出了一种双分支选择性注意力胶囊网络（DBSACaps），用于基于高光谱图像准确检测猕猴桃软腐病	使用双分支结构分别提取光谱和空间特征，并通过注意力机制融合这些特征，提高了分类准确性	NA	旨在通过深度学习方法基于高光谱图像准确检测猕猴桃软腐病	猕猴桃软腐病	计算机视觉	NA	高光谱图像	胶囊网络	图像	猕猴桃软腐病数据集
829	2024-08-07	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2024-May-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	研究论文	本研究探讨了使用生成对抗网络（GAN）生成的合成图像进行数据增强，以改善结肠镜检查病变分类的效果	通过将图像对反转到语义丰富且解耦的潜在空间并操纵潜在表示来生成新的合成图像，这种方法在结肠镜检查数据增强技术中表现优异，无需重新训练多个生成模型	NA	探索使用合成图像进行数据增强以解决结肠镜检查病变分类中标注数据不足的问题	结肠镜检查病变分类	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	NA
830	2024-08-07	Enhancing Fetal Electrocardiogram Signal Extraction Accuracy through a CycleGAN Utilizing Combined CNN-BiLSTM Architecture 2024-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s24092948 PMID:38733053	研究论文	本文提出了一种新的深度学习模型CBLS-CycleGAN，用于提高胎儿心电图信号提取的准确性	模型结合了CNN提取的空间特征和BiLSTM提取的时间特征，确保重建信号具有空间和时间依赖性的组合特征	NA	提高胎儿心电图信号提取的准确性，以反映胎儿在子宫内的发育状态和生理心脏活动	胎儿心电图信号	机器学习	NA	CycleGAN	CNN-BiLSTM	信号	使用两个真实的胎儿心电图信号数据库进行评估
831	2024-08-07	MultiFuseYOLO: Redefining Wine Grape Variety Recognition through Multisource Information Fusion 2024-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s24092953 PMID:38733058	研究论文	本研究提出了一种基于多源信息融合的方法，通过优化和改进YOLOV7模型，形成MultiFuseYOLO模型，以提高葡萄酒葡萄品种识别的准确性	本研究通过引入多源信息融合方法，特别是基于SynthDiscrim算法，显著提高了对相似葡萄品种的识别精度	NA	旨在通过多源信息融合方法提高葡萄酒葡萄品种识别的准确性和全面性	葡萄酒葡萄品种的识别	计算机视觉	NA	多源信息融合	YOLO	图像	未具体说明样本数量
832	2024-08-07	An Optimized Instance Segmentation of Underlying Surface in Low-Altitude TIR Sensing Images for Enhancing the Calculation of LSTs 2024-May-05, Sensors (Basel, Switzerland) DOI:10.3390/s24092937 PMID:38733039	研究论文	本研究提出了一种深度学习方法，用于优化低空热红外遥感图像中地表的实例分割，以提高地表温度计算的准确性	本研究采用基于掩膜的卷积神经网络进行像素级分类和分割，并通过优化超参数和架构，提高了地表分类的精确度	NA	提高基于低空热红外遥感图像的地表温度计算准确性	低空热红外遥感图像中的地表实例分割	计算机视觉	NA	深度学习	CNN	图像	1350张标注的热红外图像用于训练，150张新图像用于验证
833	2024-08-07	Predicting Transcription Factor Binding Sites with Deep Learning 2024-May-03, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25094990 PMID:38732207	研究论文	本文提出了一种基于双向Transformer编码器的深度学习方法，用于预测转录因子结合位点，并通过实验验证了其在不同细胞系中的有效性	本文提出的方法结合了双向长短期记忆层和胶囊层，以提高遗传数据嵌入的鲁棒性和意义	NA	研究转录因子如何调控基因表达及其在治疗中的潜在应用	转录因子结合位点的预测	机器学习	NA	ChIP-seq	双向Transformer编码器	基因数据	使用了ENCODE数据库中的五个细胞系（A549, GM12878, Hep-G2, H1-hESC, 和 Hela）以及五个额外的细胞系进行测试
834	2024-08-07	AI Concepts for System of Systems Dynamic Interoperability 2024-May-03, Sensors (Basel, Switzerland) DOI:10.3390/s24092921 PMID:38733028	研究论文	本文探讨了在系统工程中动态建立异构网络物理系统间互操作性的问题，并总结了相关领域的最新进展	文章提出了利用机器学习和深度学习方法来解决互操作性问题的新思路，并讨论了相关架构和开放问题	目前尚未有能够完全解决复杂系统间动态互操作性的概念实例，且需要实际测试环境	研究如何自动建立具有目的性通信的系统，以实现动态互操作性	异构网络物理系统间的互操作性问题	机器学习	NA	深度学习	神经网络	文本和代码	NA
835	2024-08-07	Surface Defect Detection of Aluminum Profiles Based on Multiscale and Self-Attention Mechanisms 2024-May-02, Sensors (Basel, Switzerland) DOI:10.3390/s24092914 PMID:38733020	研究论文	本研究提出了一种基于多尺度和自注意力机制的铝型材表面缺陷检测模型AluDef-ClassNet	利用高斯差分金字塔捕获多尺度图像特征，引入自注意力机制增强特征表示，并采用改进的残差网络结构结合膨胀卷积扩大感受野	NA	解决铝型材表面缺陷检测中的多尺度复杂性、光照变化敏感性、遮挡和噪声等问题	铝型材表面缺陷	计算机视觉	NA	深度学习	CNN	图像	使用CCD相机获取的小规模高质量铝型材表面缺陷图像数据集
836	2024-08-07	Dosimetric impact of contour editing on CT and MRI deep-learning autosegmentation for brain OARs 2024-May, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.14345 PMID:38664894	研究论文	研究深度学习自动分割模型在脑部放射治疗中对危及器官的临床适用性，并评估轮廓编辑对CT和MRI模型性能的剂量学影响	探讨了轮廓编辑对深度学习自动分割模型性能的影响，并研究了几何和剂量学测量之间的相关性	研究发现几何测试指标不足以估计轮廓不准确对剂量的影响	评估深度学习自动分割模型在脑部放射治疗中的临床适用性	脑部放射治疗中的危及器官	机器学习	NA	深度学习	深度学习自动分割模型	CT和MRI图像	测试队列中的患者数量未明确提及
837	2024-08-07	Artificial-intelligence-based risk prediction and mechanism discovery for atrial fibrillation using heart beat-to-beat intervals 2024-May-10, Med (New York, N.Y.) DOI:10.1016/j.medj.2024.02.006 PMID:38492571	研究论文	本文开发了一种可解释的深度学习模型HBBI-AI，利用心搏间期预测房颤风险，并基于模型的可解释性提出并验证了房颤的可能机制	首次使用心搏间期数据，通过深度学习模型预测房颤风险，并揭示了自主神经失衡可能是房颤多个风险因素的共同机制	NA	提高房颤早期诊断效率，预防中风和其他并发症	房颤风险预测及其潜在机制	机器学习	心血管疾病	深度学习	深度学习模型	心搏间期数据	使用了大型内部和外部公共数据集
838	2024-08-07	Predicting the age of field Anopheles mosquitoes using mass spectrometry and deep learning 2024-May-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adj6990 PMID:38728404	研究论文	本文介绍了一种结合质谱技术和深度学习方法快速预测野外按蚊年龄的新方法	该方法通过结合矩阵辅助激光解吸电离飞行时间质谱和深度学习，实现了对野外按蚊年龄的快速准确预测	NA	提高按蚊媒介监测效率，支持疟疾传播的流行病学监测和媒介控制策略评估	野外收集的按蚊头部、腿部和胸部的质谱数据	机器学习	疟疾	矩阵辅助激光解吸电离飞行时间质谱	深度学习模型	质谱数据	251只野外收集的按蚊，共2763个质谱数据
839	2024-08-07	Machine learning in predicting pathological complete response to neoadjuvant chemoradiotherapy in rectal cancer using MRI: A systematic review and meta-analysis 2024-May-10, The British journal of radiology DOI:10.1093/bjr/tqae098 PMID:38730550	meta-analysis	本文通过系统综述和荟萃分析评估了机器学习模型在预测直肠癌患者对新辅助放化疗反应中的表现	与传统机器学习模型相比，基于深度学习的研究能够获得更高的AUC	深度学习模型在研究中占比较少且异质性较大	评估机器学习模型在预测直肠癌新辅助放化疗反应中的表现	直肠癌患者对新辅助放化疗的病理完全反应	machine learning	直肠癌	MRI	deep learning	image	共包含24项研究的1690名患者
840	2024-08-07	Diagnostic biomarker discovery from brain EEG data using LSTM, reservoir-SNN, and NeuCube methods in a pilot study comparing epilepsy and migraine 2024-05-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60996-6 PMID:38724576	研究论文	本研究通过使用深度学习神经网络模型（深度BiLSTM、reservoir SNN和NeuCube），从脑电图（EEG）数据中发现癫痫和偏头痛的诊断生物标志物	引入了一种新的在线尖峰编码算法用于尖峰神经网络（SNN），并提出了新的学习方法和识别诊断生物标志物的技术	需要进一步研究以探讨这些诊断生物标志物能在多早的阶段预测脑状态的发作	改进在线EEG分类、分析和早期脑状态诊断，增强AI模型的可解释性和发现能力	癫痫、偏头痛和健康受试者的EEG数据	机器学习	癫痫	EEG	LSTM, SNN, NeuCube	EEG数据	涉及癫痫、偏头痛和健康受试者的数据集