深度学习在生物医药领域的应用

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	算法框架	模型架构	性能指标	计算资源
901	2024-08-07	Toward robust and high-throughput detection of seed defects in X-ray images via deep learning 2024-May-06, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01195-2 PMID:38711143	研究论文	本文提出了一种基于深度学习的2D X射线图像种子缺陷检测方法，通过X-Robustifier管道实现快速且鲁棒的检测。	引入了特定的数据增强技术以补偿缺陷比例低的问题，并提高了对X射线成像系统物理参数变化的鲁棒性。	NA	优化种子批次的品质，通过非破坏性成像技术检测种子内部缺陷。	种子中的缺陷检测。	计算机视觉	NA	X射线成像	物体检测神经网络	图像	缺陷和无缺陷的种子2D X射线图像	NA	NA	NA	NA
902	2024-08-07	Glaucoma detection using non-perfused areas in OCTA 2024-05-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-60839-4 PMID:38705883	研究论文	本文提出了一种基于光学相干断层扫描血管成像（OCTA）中非灌注区域的概率密度函数特征，用于区分青光眼患者和健康对照的新方法	该方法通过计算灌注距离区域的特征，减少了血管分割错误的影响，并且在不同毛细血管丛上的表现优于使用手工特征的先前方法	该方法依赖于血管分割的准确性，尽管灌注距离测量对分割错误较不敏感，但仍可能受其影响	旨在开发一种更敏感且计算效率高的方法，用于通过OCTA图像检测青光眼	青光眼患者和健康对照者的OCTA图像中的非灌注区域	数字病理学	青光眼	光学相干断层扫描血管成像（OCTA）	NA	图像	未具体说明样本数量	NA	NA	NA	NA
903	2024-08-07	VitTCR: A deep learning method for peptide recognition prediction 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109770 PMID:38711451	研究论文	本研究介绍了基于视觉转换器（ViT）架构的预测模型VitTCR，旨在识别T细胞受体（TCR）与肽之间的相互作用，这对开发癌症免疫疗法和疫苗至关重要	VitTCR通过使用Atchley因子将TCR-肽相互作用转换为数值AtchleyMaps进行预测，并集成了来自氨基酸接触概率的位置偏置权重矩阵（PBWM）以提高准确性	需要进一步的比较研究以理解VitTCR在不同情境下的有效性	开发一种计算工具，用于预测TCR-肽相互作用，为免疫疗法和疫苗开发提供见解	T细胞受体（TCR）与肽之间的相互作用	机器学习	NA	视觉转换器（ViT）	ViT	数值AtchleyMaps	NA	NA	NA	NA	NA
904	2024-08-07	Mpox-AISM: AI-mediated super monitoring for mpox and like-mpox 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109766 PMID:38711448	研究论文	本文提出了一种名为“超级监控”的实时可视化技术，利用人工智能和互联网技术快速、便捷且廉价地诊断早期猴痘患者	本文的创新点在于整合了深度学习模型、数据增强、自监督学习和云服务，实现了对早期猴痘的高精度诊断	NA	旨在解决早期猴痘患者诊断的挑战，避免其传播	早期猴痘患者及类似猴痘的皮肤疾病	机器学习	猴痘	深度学习	深度学习模型	图像	使用了公开可访问的数据集	NA	NA	NA	NA
905	2024-08-07	Revealing neural dynamical structure of C. elegans with deep learning 2024-May-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109759 PMID:38711456	研究论文	本研究利用深度神经网络（DNN）方法重建秀丽隐杆线虫的神经动力学，并研究其运动神经机制	本研究首次使用深度神经网络模型识别出神经活动空间中的两个极限环，分别对应基本旋转行为和额外转弯行为，揭示了主要运动模式	研究面临高维度和随机性的挑战	探索秀丽隐杆线虫的神经动力学结构及其运动神经机制	秀丽隐杆线虫的神经动力学	机器学习	NA	深度神经网络（DNN）	DNN	神经影像数据	NA	NA	NA	NA	NA
906	2024-08-07	Deep learning for high-resolution seismic imaging 2024-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61251-8 PMID:38705877	研究论文	本研究利用深度学习技术，通过结合Transformer和卷积神经网络（CNN）架构以及自适应空间特征融合（ASFF），实现了高分辨率地震成像	本研究引入了新的神经网络框架，直接将地震数据映射到反射模型，无需低分辨率结果的后处理	NA	提高地震成像的分辨率	地震波的传播和反射数据	计算机视觉	NA	深度学习	Transformer和CNN	地震数据	NA	NA	NA	NA	NA
907	2024-08-07	Artificial intelligence in endocrinology: a comprehensive review 2024-May, Journal of endocrinological investigation IF:3.9Q2 DOI:10.1007/s40618-023-02235-9 PMID:37971630	综述	本文全面回顾了人工智能在内分泌学领域的应用现状，重点关注机器学习算法和深度学习模型在诊断、治疗和管理内分泌疾病中的潜力	探讨了人工智能在内分泌学多个领域的应用，包括筛查诊断、风险预测、转化研究和预防医学，展示了其在优化医疗结果和揭示内分泌疾病复杂机制中的价值	NA	提供人工智能在内分泌学和代谢领域应用的概述	内分泌疾病，如糖尿病及相关疾病、甲状腺疾病、肾上腺肿瘤和骨矿物质疾病	机器学习	内分泌疾病	NA	机器学习算法和深度学习模型	NA	NA	NA	NA	NA	NA
908	2024-08-07	Underwater sound speed profile estimation from vessel traffic recordings and multi-view neural networks 2024-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0025920 PMID:38717207	研究论文	本文研究了利用海洋船舶噪声作为机会声源来估计海洋声速剖面的潜力，并提出了一种基于深度学习的反演方案	本文提出了一种新的深度学习方法，利用单个水听器记录的移动船舶水下辐射噪声来估计海洋声速剖面	研究仅限于圣巴巴拉海峡，且数据集仅包含2015年至2017年的记录	探索利用海洋船舶噪声估计海洋声速剖面的方法	海洋声速剖面	机器学习	NA	深度学习	神经网络	声学记录和船舶描述数据	数据集包括2015年至2017年间圣巴巴拉海峡的船舶自动识别系统数据和声学记录，每天通常记录4到10次航行	NA	NA	NA	NA
909	2024-08-07	Predicting underwater acoustic transmission loss in the SOFAR channel from ray trajectories via deep learning 2024-May-01, JASA express letters IF:1.2Q3 DOI:10.1121/10.0025976 PMID:38717470	研究论文	本文提出了一种基于深度学习的声学传输损失预测方法，通过训练U-net型卷积神经网络，实现射线轨迹与传输损失之间的准确映射	采用深度学习方法简化传统复杂算法和计算密集型问题，提供了一种快速且准确的预测模型	NA	解决声学传输损失预测中的算法复杂和计算密集问题	水下声学传输损失	机器学习	NA	深度学习	U-net型卷积神经网络	射线轨迹	使用Munk声速剖面的SOFAR通道进行验证	NA	NA	NA	NA
910	2024-08-07	Landslide susceptibility assessment using deep learning considering unbalanced samples distribution 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30107 PMID:38707366	研究论文	本研究提出了一种深度学习方法（DNN-MSFM），用于改进滑坡易发性评估（LSA）模型，特别是解决由于应用数据集中样本分布不平衡导致的局限性	DNN-MSFM方法结合了深度神经网络（DNN）和均方误差分类损失函数（MSFM），从算法角度处理不平衡样本	NA	提高滑坡易发性评估模型的性能，特别是在样本分布不平衡的情况下	滑坡易发性评估	机器学习	NA	深度神经网络（DNN）	DNN-MSFM	数据集	包含293个滑坡样本和653个非滑坡样本的不平衡数据集	NA	NA	NA	NA
911	2024-08-07	Contribution to pulmonary diseases diagnostic from X-ray images using innovative deep learning models 2024-May-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e30308 PMID:38707425	研究论文	本文提出三种深度学习模型，用于通过胸腔X光片识别特定肺部疾病	提出的模型在识别肺部疾病方面优于现有模型，达到了高准确率	NA	提高肺部疾病的诊断准确性和及时性	肺部疾病的识别和分类	机器学习	肺部疾病	深度学习	CNN	图像	三个基准测试集	NA	NA	NA	NA
912	2024-08-07	Optical coherence tomography choroidal enhancement using generative deep learning 2024-May-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01119-3 PMID:38704440	研究论文	本文提出了一种基于人工智能的解决方案，利用生成式深度学习增强光学相干断层扫描（OCT）中脉络膜的可视化，并允许对脉络膜指标进行定量测量。	本研究通过生成式深度学习模型成功生成了逼真的增强SDOCT数据，这些数据与SSOCT图像难以区分，提供了脉络膜的改进可视化。	NA	旨在通过生成式深度学习增强SDOCT扫描中脉络膜的可视化，并实现脉络膜指标的定量测量。	研究对象包括362对SDOCT-SSOCT配对样本，涵盖健康眼、青光眼和糖尿病视网膜病变眼。	计算机视觉	眼科疾病	生成式深度学习	生成式深度学习模型	图像	总共涉及362对SDOCT-SSOCT配对样本，包括410只健康眼、192只青光眼眼和133只糖尿病视网膜病变眼。	NA	NA	NA	NA
913	2024-08-07	Deep-learning-based stock market prediction incorporating ESG sentiment and technical indicators 2024-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-61106-2 PMID:38704434	研究论文	本研究提出了一种结合ESG情绪指数和技术指标的深度学习方法，用于预测S&P 500指数	本研究创新地将ESG情绪指数与技术指标结合，提高了股票价格预测的准确性	NA	探索结合ESG情绪指数和技术指标的深度学习模型在股票市场预测中的应用	S&P 500指数	机器学习	NA	深度学习	深度学习模型	文本和历史数据	S&P 500指数	NA	NA	NA	NA
914	2024-08-07	ViroISDC: a method for calling integration sites of hepatitis B virus based on feature encoding 2024-May-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05763-0 PMID:38704528	研究论文	本文提出了一种基于特征编码的深度学习方法ViroISDC，用于检测乙型肝炎病毒（HBV）的整合位点	ViroISDC在检测HBV整合位点方面比现有工具Lumpy、Pindel、Seeksv和SurVirus表现出更好的整体性能，且对测序深度和整合序列长度的敏感性较低	NA	开发一种新的方法来提高HBV整合位点检测的准确性和稳定性	乙型肝炎病毒（HBV）的整合位点	机器学习	肝癌	深度学习	NA	语言数据	NA	NA	NA	NA	NA
915	2024-08-07	Freeprotmap: waiting-free prediction method for protein distance map 2024-May-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05771-0 PMID:38704533	研究论文	本文提出了一种名为FreeProtMap的学习框架，用于快速且准确地预测蛋白质残基间距离图	FreeProtMap采用无等待和无对齐的深度学习方法，通过局部性设计、三角不等式距离约束和轻量级模型结构提高预测速度和精度	NA	开发一种快速且可靠的蛋白质残基间距离预测方法	蛋白质残基间距离图	机器学习	NA	深度学习	神经网络	蛋白质数据	每年数亿个蛋白质	NA	NA	NA	NA
916	2024-08-07	Deep learning-based spinal canal segmentation of computed tomography image for disease diagnosis: A proposed system for spinal stenosis diagnosis 2024-May-03, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000037943 PMID:38701305	研究论文	本研究提出了一种基于深度学习的脊柱管分割方法，用于通过计算机断层扫描图像诊断脊柱狭窄症	本研究引入了针对脊柱管分割和疾病诊断的新型深度学习方法，强调图像处理技术以提高分割准确性	NA	开发一种精确的脊柱管分割系统，以辅助脊柱狭窄症的诊断	脊柱管的分割及脊柱狭窄症的诊断	计算机视觉	脊柱疾病	深度学习	NA	图像	NA	NA	NA	NA	NA
917	2024-08-07	A transformer model for cause-specific hazard prediction 2024-May-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05799-2 PMID:38702609	研究论文	本研究提出了一种基于Transformer架构的模型，用于预测离散时间竞争风险中的特定原因危险性	该模型不依赖于比例风险的先验参数假设，特别适用于处理序列数据中的复杂关系，并在多个任务中显示出最先进的性能	NA	旨在开发一种新的模型，用于在存在竞争事件和非比例风险的复杂动态中预测特定原因的危险性	离散时间竞争风险中的特定原因危险性	机器学习	NA	Transformer	Transformer	序列数据	2000-50,000名患者	NA	NA	NA	NA
918	2024-08-07	Improvement of 2D cine image quality using 3D priors and cycle generative adversarial network for low field MRI-guided radiation therapy 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16860 PMID:38043123	研究论文	本研究利用3D先验信息和循环生成对抗网络（CycleGAN）提高低场磁共振引导放疗中2D动态图像的质量	开发了一种基于深度学习的框架，包括两个CycleGAN（去噪CycleGAN和增强CycleGAN），用于建立3D和2D磁共振图像之间的映射，显著提高了图像质量和自动目标轮廓的准确性	NA	提高磁共振引导放疗中动态磁共振图像的质量	18名接受磁共振引导立体定向体部放疗的胰腺癌患者	计算机视觉	胰腺癌	磁共振成像（MRI）	CycleGAN	图像	18名胰腺癌患者	NA	NA	NA	NA
919	2024-08-07	Deep learning-based conditional inpainting for restoration of artifact-affected 4D CT images 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16851 PMID:38055336	研究论文	本文提出了一种基于深度学习的条件修复方法，用于恢复受伪影影响的4D CT图像中的解剖学正确信息	该方法利用患者特定的先验图像信息，通过深度学习检测常见的插值和双重结构伪影，并进行条件修复，以确保解剖学上可靠的结果	NA	旨在提高受伪影影响的4D CT图像的治疗计划质量和图像信息可靠性	4D CT图像中的伪影区域	计算机视觉	肺癌	深度学习	NA	图像	65例内部4D CT图像（48例轻微伪影，17例明显伪影）及两个公开的4D CT数据集作为独立外部测试集	NA	NA	NA	NA
920	2024-08-07	PDFF-CNN: An attention-guided dynamic multi-orientation feature fusion method for gestational age prediction on imbalanced fetal brain MRI dataset 2024-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.16875 PMID:38043088	研究论文	本文提出了一种基于金字塔挤压注意力（PSA）引导的动态多方向特征融合CNN（PDFF-CNN），用于从不平衡的胎儿脑部MRI数据集中预测胎龄	PDFF-CNN包含四个组件：转换模块、特征提取模块、动态特征融合模块和平衡均方误差（MSE）损失，能够学习多尺度和多方向的特征表示，并自动学习特征向量的权重以动态融合多尺度和多方向的脑沟和脑回特征	NA	旨在解决胎儿位置不确定和外部干扰导致的胎儿脑部定位和方向变化问题，以及胎儿脑部MRI数据不平衡分布对胎龄预测的挑战	胎儿脑部MRI图像	计算机视觉	NA	MRI	CNN	图像	1327例常规临床T2加权MRI图像，来自157名受试者	NA	NA	NA	NA