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
501	2024-08-05	ROCOv2: Radiology Objects in COntext Version 2, an Updated Multimodal Image Dataset 2024-Jun-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03496-6 PMID:38926396	研究论文	本文介绍了更新版的放射学对象上下文数据集ROCOv2，包括放射图像及其相关的医学概念和说明。	ROCOv2是对2018年发布的ROCO数据集的更新版本，新增了35,705张图像，并提供了经过手动策划的成像模式概念。	数据集的具体使用限制或范围没有在摘要中提及	研究旨在提供医用图像分析所需的多模式数据集。	研究对象为包括放射图像在内的医学图像及其相关说明。	数字病理学	NA	NA	NA	图像	79,789张图像
502	2024-08-05	Deep learning model integrating cfDNA methylation and fragment size profiles for lung cancer diagnosis 2024-06-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-63411-2 PMID:38926407	研究论文	本研究开发了一种结合cfDNA甲基化和片段大小特征的深度学习模型来诊断肺癌	创新之处在于将cfDNA甲基化数据与片段大小特征结合，构建深度学习模型，识别肺癌患者与健康个体的甲基化标记	研究主要依赖数据库的数据，可能存在数据集成偏差	本研究的目的是识别肺癌患者的甲基化标记，并开发相应的深度学习诊断模型	研究对象为肺癌患者和健康个体的cfDNA样本	数字病理学	肺癌	甲基化免疫沉淀测序和酶切全基因组甲基化测序	深度学习模型	cfDNA甲基化数据	142个肺癌样本和56个健康样本
503	2024-08-05	An integrated remote sensing, petrology, and field geology analyses for Neoproterozoic basement rocks in some parts of the southern Egyptian-Nubian Shield 2024-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-62093-0 PMID:38926393	研究论文	本研究利用深度学习和卷积神经网络（CNN）结合现场地质学首次对埃及南东沙漠的Samadia-Tunduba地区进行地质绘图	首次将CNN算法与地质现场工作结合使用，提高了岩石单元的识别精度	研究区域的 geological maps 之前未能准确匹配区域特征	识别南埃及-努比亚地盾某些地区的不同岩石类型	Neoproterozoic 基底岩石和区域内的不同岩石单元	数字地质学	NA	深度学习，卷积神经网络（CNN）	CNN	图像	NA
504	2024-08-05	Accurate Prediction of NMR Chemical Shifts: Integrating DFT Calculations with Three-Dimensional Graph Neural Networks 2024-Jun-25, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.4c00422 PMID:38842505	研究论文	本文提出了一种新型的三维图神经网络模型CSTShift，用于预测核磁共振化学位移。	创新在于将DFT计算的屏蔽张量描述符与原子特征相结合，捕捉各向同性和各向异性屏蔽效应。	在计算成本和预测准确性方面仍然存在一定的限制。	研究的目的是提高核磁共振化学位移的预测准确性。	研究对象为氢和碳的化学位移。	计算机视觉	NA	密度泛函理论（DFT）	三维图神经网络（GNN）	三维结构和屏蔽张量	NMRShiftDB2数据集和外部CHESHIRE数据集的高质量3D结构和化学位移
505	2024-08-05	Breast Cancer Molecular Subtype Prediction: A Mammography-Based AI Approach 2024-Jun-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12061371 PMID:38927578	研究论文	本研究介绍了一种基于乳腺X光影像的人工智能方法用于预测乳腺癌分子亚型	提出了一种针对乳腺癌分子亚型的新预测方法，利用乳腺X光影像和深度学习技术	分类结果受限于数据不平衡，虽然采取了一些策略进行改善，但仍可能影响最终准确性	研究乳腺癌分子亚型的预测方法以替代传统的活检方法	使用660名患者的1397幅乳腺X光影像进行分类	计算机视觉	乳腺癌	深度学习	ResNet-101	影像	660名患者的1397幅影像
506	2024-08-05	Channel-Blind Joint Source-Channel Coding for Wireless Image Transmission 2024-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s24124005 PMID:38931789	研究论文	本文探讨了一种新的无信道适应的联合源信道编码方法用于无线图像传输	提出了一种名为无信道盲联合源信道编码 (CBJSCC) 的新方法，该方法无需依赖外部信噪比信息，自适应动态信道和多样信噪比	在不同应用场景下的适应性可能受到一定限制，具体取决于环境因素	研究深度学习基础的联合源信道编码模型在动态变化信道下的自适应能力	深度学习基础的联合源信道编码模型	图像传输	NA	深度学习	编码器-解码器	图像	NA
507	2024-08-05	Lung Disease Detection Using U-Net Feature Extractor Cascaded by Graph Convolutional Network 2024-Jun-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14121313 PMID:38928728	研究论文	本研究提出了一种通过图卷积网络改进CT扫描图像特征提取以诊断COVID-19的方法	该方法利用不同层次和核大小的图卷积网络提取特征，捕获节点的空间连接模式，显著提高了诊断准确性	NA	旨在提高通过CT扫描诊断肺病的准确性	CT扫描图像，主要针对COVID-19疾病的诊断	数字病理学	肺病	图卷积网络（GCN）	U-Net	图像	NA
508	2024-08-05	Separation of Damage Mechanisms in Full Forward Rod Extruded Case-Hardening Steel 16MnCrS5 Using 3D Image Segmentation 2024-Jun-20, Materials (Basel, Switzerland) DOI:10.3390/ma17123023 PMID:38930392	研究论文	本文探讨了全前向杆挤压的表面硬化钢16MnCrS5中损伤机制的分离	采用深度学习算法的图像分割技术，能够可重复地将孔隙与锰硫化物夹杂物分离，提供了对损伤机制的深入理解	研究仅集中于16MnCrS5钢的特定损伤机制，未考虑其他材料的适用性	评估形成过程中引起的延性损伤，以改进轻质组件的设计	主要研究对象是全前向杆挤压的表面硬化钢16MnCrS5中的孔隙形态和分布	材料科学	NA	扫描电子显微镜(SEM), 扫描透射电子显微镜(STEM), 电子通道对比成像(ECCI), 聚焦离子束(FIB)	深度学习算法	3D图像	具体样本数量未在摘要中提供
509	2024-08-05	Improved Intrusion Detection Based on Hybrid Deep Learning Models and Federated Learning 2024-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s24124002 PMID:38931786	研究论文	本文提出了一种基于联邦学习的混合深度学习模型，以提高工业物联网的网络入侵检测准确性	创新性地结合卷积神经网络与注意力机制，并引入变分自编码器来增强数据隐私保护	研究可能存在对不同设备的适用性和训练时间的限制	旨在通过确保数据隐私保护来提高网络入侵检测的准确性	以工业物联网为背景，研究网络入侵检测模型	计算机视觉	NA	联邦学习，深度学习	卷积神经网络（CNN）	真实世界物联网网络入侵数据集	NA
510	2024-08-05	Digital and Precision Technologies in Dairy Cattle Farming: A Bibliometric Analysis 2024-Jun-20, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14121832 PMID:38929450	研究论文	本研究通过文献计量分析探讨了数字化和精准技术在奶牛养殖中的应用与发展	文章介绍了数字养殖的概念，并展示了先进数字工具在奶牛管理中的变革潜力	未提及具体的实证研究或数据支持，主要基于文献分析	研究数字与精准技术在奶牛养殖管理中的应用	涉及奶牛养殖的数字和精准技术相关文献	数字农业	NA	文献计量分析	NA	文献	198篇文献
511	2024-08-05	Pipeline Leak Detection: A Comprehensive Deep Learning Model Using CWT Image Analysis and an Optimized DBN-GA-LSSVM Framework 2024-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s24124009 PMID:38931793	研究论文	本文介绍了一种先进的深度学习框架，用于精确检测管道泄漏	创新性地利用持续小波变换(CWT)图像和优化的DBN-GA-LSSVM框架，提高特征提取和分类准确性	NA	研究旨在提升管道漏水检测的准确性和可靠性	管道泄漏的检测以及信号的特征提取与分类	机器学习	NA	CWT, DBN, GA, LSSVM	DBN-GA-LSSVM	图像	NA
512	2024-08-05	Enhancing Automated Brain Tumor Detection Accuracy Using Artificial Intelligence Approaches for Healthcare Environments 2024-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060627 PMID:38927863	研究论文	本研究通过将YOLOv5与非局部神经网络集成，提高了脑肿瘤检测的准确性和鲁棒性	这一研究创新地将YOLOv5与非局部神经网络结合，并引入了K-means+和SPPF+模块以增强肿瘤检测能力	具体样本数量和来源的多样性没有详细说明	提高脑肿瘤检测的精确性和早期识别能力	脑肿瘤的MRI扫描数据集	计算机视觉	脑癌	深度学习	YOLOv5	影像	综合各类脑MRI扫描的全面数据集
513	2024-08-05	Energy-Efficient PPG-Based Respiratory Rate Estimation Using Spiking Neural Networks 2024-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s24123980 PMID:38931763	研究论文	该研究提出了一种基于脉搏波信号的呼吸频率估计新方法	创新点在于使用脉冲神经网络进行呼吸频率的端到端估计，采用反馈式积分发火神经元作为激活函数	没有提到样本数量及多样性限制	研究旨在开发一种有效的呼吸频率估计方法	研究对象为脉搏波信号，用于提取呼吸频率信息	生物医学信号处理	NA	PPG	脉冲神经网络	生理信号	使用BIDMC呼吸数据集进行评估
514	2024-08-05	EMPDTA: An End-to-End Multimodal Representation Learning Framework with Pocket Online Detection for Drug-Target Affinity Prediction 2024-Jun-19, Molecules (Basel, Switzerland) DOI:10.3390/molecules29122912 PMID:38930976	研究论文	提出了一种整合蛋白质口袋预测和药物-靶标亲和力预测的端到端框架EMPDTA	EMPDTA将口袋检测和药物-靶标亲和力预测结合在一个统一的深度学习系统中	没有提到具体的局限性	旨在加速药物开发，提升药物-靶标相互作用的预测精度	针对药物-靶标相互作用的预测	计算机视觉	NA	深度学习	多任务学习模型	基准数据集	多个基准数据集
515	2024-08-05	Multiclass Classification of Visual Electroencephalogram Based on Channel Selection, Minimum Norm Estimation Algorithm, and Deep Network Architectures 2024-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s24123968 PMID:38931751	研究论文	这项工作解决了将多类视觉脑电图信号分类为40个类别的挑战	采用了基于互信息的判别通道选择和最小范数估计算法来选择判别通道，并增强EEG数据	由于EEG信号的非线性和非平稳性，基于EEG特征的多类分类仍然是BCI系统面临的重要挑战	研究多类视觉脑电图信号的分类以用于脑-机接口应用	针对40个标签的EEG数据进行分类	数字病理学	NA	深度学习	EEGNet和卷积递归神经网络	EEG信号	使用k折交叉验证，涉及的样本数量未具体说明
516	2024-08-05	Development and Validation of a Deep Learning Classifier Using Chest Radiographs to Predict Extubation Success in Patients Undergoing Invasive Mechanical Ventilation 2024-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060626 PMID:38927862	研究论文	本文开发并验证了一种基于深度学习的模型，使用胸部X光预测接受侵入性机械通气患者的拔管成功率	首次利用常规收集的胸部X光片进行拔管结果预测，改进了传统数据预测方法	模型性能虽改善显著，但仍有较大提升空间和实验需求	研究旨在提高识别可安全拔管患者的能力	研究对象为2288名接受侵入性机械通气的重症监护病房患者	计算机视觉	NA	深度学习	ResNet50	图像	2288名患者
517	2024-08-05	Recruitment and Aggregation Capacity of Tea Trees to Rhizosphere Soil Characteristic Bacteria Affects the Quality of Tea Leaves 2024-Jun-18, Plants (Basel, Switzerland) DOI:10.3390/plants13121686 PMID:38931118	研究论文	本研究分析了不同茶树品种的根际土壤细菌群落及其与茶叶质量的关系	通过高通量测序技术和机器深度学习模型，识别出能够有效区分不同茶树品种的特征微生物	对样本的种类和数量的具体影响缺乏详细的数据支持	探讨不同茶树品种之间的质量差异及其根际土壤细菌的影响	44种茶树品种的根际土壤细菌群落	数字病理学	NA	高通量测序技术	机器深度学习模型	土壤样本	44种茶树品种的土壤样本
518	2024-08-05	Integrated Circuit Bonding Distance Inspection via Hierarchical Measurement Structure 2024-Jun-18, Sensors (Basel, Switzerland) DOI:10.3390/s24123933 PMID:38931717	研究论文	本文提出了一种基于分层测量结构的集成电路粘接距离检测方法	创新点在于提出了分层测量结构，以提高对小尺寸焊点的检测精度和识别能力	在复杂背景中，粘接线和焊点的密集分布可能依然对检测造成一定的挑战	旨在提高集成电路中粘接距离的自动检测和测量精度	研究对象为集成电路中的金线和焊点	计算机视觉	NA	多层卷积网络	多分支网络	图像	通过全面实验验证了所提出模块的有效性
519	2024-08-05	Assessment of Bone Age Based on Hand Radiographs Using Regression-Based Multi-Modal Deep Learning 2024-Jun-18, Life (Basel, Switzerland) DOI:10.3390/life14060774 PMID:38929756	研究论文	本研究开发了一种基于回归的多模态深度学习模型，用于评估骨龄，利用手部放射影像和临床数据作为输入。	该文章创新性地结合了手部放射影像和性别、年龄等临床数据，提升了模型的稳健性和诊断精度。	研究中存在数据分布不平衡和样本量有限的问题。	本研究的目的是开发一种新的骨龄评估模型。	研究对象为2974名儿科患者的手部放射影像。	数字病理学	NA	卷积神经网络（CNN）	EfficientNetV2S和深度神经网络（DNN）	图像和临床数据	2974名儿科患者的手部放射影像
520	2024-08-05	Multi-Scale Digital Pathology Patch-Level Prostate Cancer Grading Using Deep Learning: Use Case Evaluation of DiagSet Dataset 2024-Jun-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11060624 PMID:38927860	研究论文	本文介绍了一种基于深度学习的前列腺癌病理分级方法	提出将前列腺癌分级框架化为分类问题，并利用多尺度数字病理学和ResNet模型进行分析	NA	提高前列腺癌的分级准确性，以实现更有效的治疗规划	使用Diagset数据集中的前列腺癌样本进行研究	数字病理学	前列腺癌	深度学习	ResNet	图像	使用Diagset数据集中的多个病理切片样本