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
661	2024-08-10	Big Data Analytics on Lung Cancer Diagnosis Framework With Deep Learning 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3281638 PMID:37256795	研究论文	本文提出了一种基于深度学习的PET图像自动筛查、去噪和病变组织分割框架	使用了包含残差连接的新型神经网络进行PET图像重建和去噪，并基于密度提出了自定义聚类算法用于病变组织分割	NA	提高PET图像中病变组织分割的效率和准确性	PET图像中的病变组织	计算机视觉	肺癌	深度学习	神经网络	图像	真实医疗PET图像	NA	NA	NA	NA
662	2024-08-10	Construction of Gene Expression Patterns to Identify Critical Genes Under SARS-CoV-2 Infection Conditions 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3283534 PMID:37285245	研究论文	本文提出了一种新的基因表达网络模型（GEM）来描述SARS-CoV-2感染条件下的基因表达行为，并通过实验确定了关键的COVID-19相关基因。	本文创新性地使用基因表达网络模型来分析SARS-CoV-2感染条件下的基因表达行为，并通过基因功能富集、蛋白质相互作用和模块挖掘等方法确定了关键基因。	本文主要关注基因表达的网络分析，可能忽略了其他生物学过程对基因表达的影响。	研究SARS-CoV-2感染机制中的基因表达变化，并确定关键基因。	SARS-CoV-2感染条件下的基因表达行为及其相关基因。	生物信息学	传染病	基因表达分析	网络模型	基因表达数据	未明确提及样本数量	NA	NA	NA	NA
663	2024-08-10	Artificial Intelligence and Blockchain Enabled Smart Healthcare System for Monitoring and Detection of COVID-19 in Biomedical Images 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3294333 PMID:37436867	研究论文	本文介绍了一种结合人工智能和区块链技术的智能医疗系统，用于在医学影像中监测和检测COVID-19	设计了一种新的基于区块链的深度学习架构，用于在放射影像中识别病毒，并实现了基于Grad-CAM的颜色可视化方法以提高解释性	NA	开发一种智能系统帮助抗击COVID-19疫情	COVID-19病毒在医学影像中的检测	计算机视觉	COVID-19	深度学习	多层顺序深度学习架构	影像	使用基准数据集	NA	NA	NA	NA
664	2024-08-10	Detection of Lungs Tumors in CT Scan Images Using Convolutional Neural Networks 2024 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2023.3315303 PMID:37708019	研究论文	本文提出了一种基于卷积神经网络（CNN）的模型，用于CT扫描图像中的肺部肿瘤和结节分割	该模型包括预处理和后处理步骤，使用过滤进行图像增强，形态学操作进行精细分割，并通过活动计数算法精确检测肿瘤和结节	NA	开发一种高效的计算机辅助诊断系统，用于早期检测肺部肿瘤	肺部肿瘤和结节	计算机视觉	肺癌	卷积神经网络（CNN）	CNN	图像	使用了基准数据集进行模型效率评估	NA	NA	NA	NA
665	2024-08-09	A novel method for identifying rice seed purity using hybrid machine learning algorithms 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e33941 PMID:39108897	研究论文	本文提出了一种利用混合机器学习算法自动识别特定水稻品种纯度的新方法	该方法通过深度学习架构提取相关特征，并应用机器学习算法进行分类，显著优于现有方法	NA	开发一种有效的水稻种子纯度识别系统	水稻种子纯度	机器学习	NA	混合机器学习算法	深度学习架构	数据	NA	NA	NA	NA	NA
666	2024-08-09	Cross-modal knowledge distillation for continuous sign language recognition 2024-Jul-30, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106587 PMID:39111160	研究论文	提出了一种跨模态知识蒸馏方法用于连续手语识别，该方法包含两个教师模型和一个学生模型，通过多模态信息传递提高手语识别准确率	引入跨模态知识蒸馏方法，通过两个教师模型提供丰富的软标签辅助学生模型训练	依赖于特定的教师模型和学生模型结构，可能不适用于所有手语识别场景	提高连续手语识别的准确率	连续手语视频到gloss序列的转换	自然语言处理	NA	知识蒸馏	跨模态模型	视频	使用了多个常用的手语数据集，包括PHOENIX 2014T、CSL-Daily和QSL	NA	NA	NA	NA
667	2024-08-09	Computational design of soluble and functional membrane protein analogues 2024-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07601-y PMID:38898281	研究论文	本文利用深度学习流程设计了复杂的蛋白质折叠结构和可溶性的膜蛋白类似物	成功将膜蛋白的独特拓扑结构特征在溶液中重现，并展示了其高热稳定性，为药物发现开辟了新途径	NA	设计复杂的蛋白质拓扑结构并赋予其膜蛋白的功能	膜蛋白及其可溶性类似物	机器学习	NA	深度学习	深度学习模型	蛋白质结构数据	NA	NA	NA	NA	NA
668	2024-08-08	Clinical feasibility of deep learning based synthetic contrast enhanced abdominal CT in patients undergoing non enhanced CT scans 2024-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68705-z PMID:39085456	研究论文	本文旨在开发并评估基于深度学习的合成增强型腹部CT（DL-SynCCT）在非增强CT（NECT）患者中的临床可行性	提出了一种使用虚拟非对比CT（VNC）的弱监督学习方法来开发DL-SynCCT	NA	评估基于深度学习的合成增强型CT在非增强CT患者中的临床应用	非增强CT患者	计算机视觉	NA	深度学习	CNN	图像	训练和内部验证使用了2202对回顾性收集的增强CT（CECT）图像及其对应的VNC图像；临床验证使用了来自三个机构的398名非增强CT（NECT）患者的数据	NA	NA	NA	NA
669	2024-08-08	Hybrid deep learning models for the screening of Diabetic Macular Edema in optical coherence tomography volumes 2024-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68489-2 PMID:39085461	研究论文	本文使用卷积神经网络和循环神经网络（CNN-RNN）的混合模型，在真实世界的糖尿病视网膜病变筛查项目中分析完整的光学相干断层扫描（OCT）立方体，以预测糖尿病黄斑水肿（DME）。	本研究避免了图像选择偏差，通过分析完整的OCT立方体，提高了在真实世界环境中检测DME的诊断准确性，并能检测到其他研究中常被忽视的黄斑外DME。	文章未明确提及具体的局限性。	开发和验证一种在真实世界糖尿病视网膜病变筛查中用于检测糖尿病黄斑水肿的高效混合深度学习模型。	研究对象包括4年内参与糖尿病视网膜病变筛查的4408名受试者的5314个OCT立方体。	计算机视觉	糖尿病黄斑水肿	光学相干断层扫描（OCT）	CNN-RNN	图像	5314个OCT立方体，来自4408名受试者	NA	NA	NA	NA
670	2024-08-08	Semantic-enhanced graph neural network for named entity recognition in ancient Chinese books 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68561-x PMID:39080339	研究论文	本文提出了一种基于图神经网络的模型，用于增强古汉语书籍中的命名实体识别（NER），通过整合字典级和章节级外部知识来提升NER的性能	本文创新性地利用图神经网络和图注意力机制，结合外部知识（字典级和章节级信息）来增强古汉语NER的语义表示	NA	探索如何通过外部知识增强古汉语书籍中的命名实体识别	古汉语书籍中的命名实体识别	自然语言处理	NA	图神经网络（GNN）	图注意力机制（GAT）	文本	在C_CLUE数据集上进行评估	NA	NA	NA	NA
671	2024-08-08	Human monkeypox disease prediction using novel modified restricted Boltzmann machine-based equilibrium optimizer 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68836-3 PMID:39080387	研究论文	本文提出了一种基于改进受限玻尔兹曼机和平衡优化器的新型深度学习方法，用于预测人类猴痘疾病	使用改进的受限玻尔兹曼机（MRBM）和平衡优化器（EO）进行参数调整，以最小化误差为主要目标函数，提高了猴痘疾病预测的性能	NA	开发一种新的深度学习方法来预测人类猴痘疾病	人类猴痘疾病的预测	机器学习	NA	深度学习	受限玻尔兹曼机（RBM）	图像	使用了Monkeypox Skin Lesion Dataset中的数据	NA	NA	NA	NA
672	2024-08-08	Training high-performance deep learning classifier for diagnosis in oral cytology using diverse annotations 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67879-w PMID:39080384	研究论文	本文利用深度学习技术，通过多口腔病理学家对口腔脱落细胞学图像的标注，训练出高性能的卷积神经网络（CNN）分类器，用于诊断口腔细胞学图像	本文创新性地采用了概率模型和多数投票方法来处理多口腔病理学家的标注，以提高分类器的性能	文章指出，使用单个病理学家的标注训练的模型在许多测试中显示出非常低的准确性和较大的变异性	研究目的是通过深度学习技术优化卷积神经网络，以提高口腔脱落细胞学图像的诊断准确性	研究对象是口腔脱落细胞学图像及其多口腔病理学家的标注	机器学习	NA	深度学习	CNN	图像	14,535张图像	NA	NA	NA	NA
673	2024-08-08	A multibranch and multiscale neural network based on semantic perception for multimodal medical image fusion 2024-07-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68183-3 PMID:39080442	研究论文	本文介绍了一种基于语义感知的多分支多尺度神经网络，用于多模态医学图像融合	提出了一种新的医学图像融合技术，利用无监督图像分割增强融合过程中的语义理解，并采用多分支、多尺度的深度学习架构结合先进的注意力机制来优化特征提取和融合过程	NA	提高多模态医学图像融合的质量和诊断效用	多模态医学图像融合技术	计算机视觉	NA	深度学习	多分支多尺度神经网络	图像	NA	NA	NA	NA	NA
674	2024-08-08	Automated vehicle damage classification using the three-quarter view car damage dataset and deep learning approaches 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34016 PMID:39104489	research paper	本文介绍了使用三-四分之三视角车辆损坏数据集和深度学习方法进行自动车辆损坏分类的研究	引入了三-四分之三视角车辆损坏数据集（TQVCD数据集），并使用五种流行的预训练深度学习架构进行性能评估，同时实施了模型集成方法以增强分类鲁棒性	NA	解决车辆损坏分类领域中公共数据集稀缺和数据集构建复杂性的问题	车辆损坏分类	computer vision	NA	deep learning	ResNet-50, DenseNet-160, EfficientNet-B0, MobileNet-V2, ViT	image	三-四分之三视角车辆损坏数据集（TQVCD数据集）	NA	NA	NA	NA
675	2024-08-08	Rigdelet neural network and improved partial reinforcement effect optimizer for music genre classification from sound spectrum images 2024-Jul-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34067 PMID:39104510	研究论文	本文提出了一种新的音乐流派分类方法，通过将音频信号转换为声谱图，并利用增强的Rigdelet神经网络（RNN）提取纹理特征，同时使用改进的部分强化效应优化器（IPREO）优化RNN，以避免局部最优并提高其泛化能力	本文的创新点在于结合了Rigdelet神经网络和改进的部分强化效应优化器（IPREO），以及混合CNN-双向RNN设计，有效提取复杂的序列听觉数据	NA	研究目的是提高音乐流派分类的准确性	研究对象是音乐流派分类	机器学习	NA	Rigdelet神经网络（RNN）	CNN, 双向RNN	声谱图	使用了GTZAN数据集进行实验	NA	NA	NA	NA
676	2024-08-08	An attention-based deep learning for acute lymphoblastic leukemia classification 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67826-9 PMID:39075091	研究论文	本研究提出了一种基于注意力机制的深度学习模型DDRNet，用于急性淋巴细胞白血病分类，通过集成深度残差扩张块、全局和局部特征增强块以及通道和空间注意力块，提高了分类准确性和特征识别能力	本研究引入了深度残差扩张块、全局和局部特征增强块以及通道和空间注意力块，这些模块的组合有效解决了分类过程中的特定挑战，提高了特征的辨别能力	NA	开发一种高效的计算机辅助诊断系统，以帮助血液学家减少工作量，提供准确结果，并处理大量数据	血液细胞图像，包括嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞	机器学习	急性淋巴细胞白血病	深度学习	深度残差扩张卷积神经网络（DDRNet）	图像	16,249张图像，分为四个类别，训练和测试比例为80:20	NA	NA	NA	NA
677	2024-08-08	Extended dipeptide composition framework for accurate identification of anticancer peptides 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68475-8 PMID:39075193	研究论文	本文提出了一种基于扩展二肽组成的框架，用于准确识别抗癌肽	提出的扩展二肽组成框架通过考虑局部序列环境信息和重构CD-HIT框架来去除噪声和冗余，提高了预测准确性和效率	未来工作将包括扩展到更多样化的数据集，并结合三级结构信息和深度学习技术	开发一种先进的特征提取框架，用于提高抗癌肽识别的准确性	抗癌肽的识别	机器学习	NA	NA	SVM, DT, RF, KNN	序列数据	多个数据集	NA	NA	NA	NA
678	2024-08-08	Developing a fair and interpretable representation of the clock drawing test for mitigating low education and racial bias 2024-07-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68481-w PMID:39075127	研究论文	本研究开发了一种公平且可解释的时钟绘制测试（FaIRClocks）表示方法，旨在评估并减轻对教育程度低于8年的人群的分类偏见，同时通过一系列神经心理学测量方法筛查其认知功能。	本研究的创新点在于开发了FaIRClocks模型，该模型能够识别并减轻对教育程度低于8年人群的偏见，特别是在术前认知筛查中。	研究中使用的初始未加权分类器在低教育程度患者中存在100%的I类错误率，表明存在显著偏见。	研究目的是开发一种公平且可解释的时钟绘制测试表示方法，以减轻对教育程度较低和种族的偏见。	研究对象包括教育程度低于8年的人群以及使用时钟绘制测试进行认知筛查的患者。	机器学习	NA	深度学习	深度学习特征集	图像	使用了来自国家健康和老龄趋势研究（NHATS）的公开数据以及佛罗里达大学术前认知筛查项目的时钟绘制数据	NA	NA	NA	NA
679	2024-08-08	Boundary guidance network for medical image segmentation 2024-07-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67554-0 PMID:39069513	研究论文	本文提出了一种名为边界引导网络的医学图像分割网络，用于准确分割膀胱肿瘤区域	该网络结合了CNN提取的局部特征和Parallel ViT记录的不同层次的长距离依赖关系，以及设计的边界提取模块和前景-背景双通道解码模块	NA	解决膀胱肿瘤形态多样和边界模糊导致的准确分割难题	膀胱肿瘤的准确分割	计算机视觉	膀胱癌	CNN, Parallel ViT	边界引导网络	图像	新提出的膀胱肿瘤内窥镜数据集(BTD)及三个公共数据集	NA	NA	NA	NA
680	2024-08-08	DiffPROTACs is a deep learning-based generator for proteolysis targeting chimeras 2024-Jul-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae358 PMID:39101502	研究论文	本文介绍了一种基于深度学习的扩散模型DiffPROTACs，用于生成新的PROTAC连接子	提出了O(3)等变图Transformer模块，结合Transformer和图神经网络(GNN)来更新PROTAC原子的坐标，提高了生成PROTAC的效率和有效性	NA	开发一种新的深度学习模型，用于生成PROTAC连接子，以促进PROTAC技术的研究	PROTAC连接子的设计和生成	机器学习	NA	扩散模型和Transformer	扩散模型	分子数据	使用了两个传统的FBDD数据集ZINC和GEOM，以及自建的PROTACs数据集	NA	NA	NA	NA