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
981	2024-08-05	A novel optimization-assisted multi-scale and dilated adaptive hybrid deep learning network with feature fusion for event detection from social media 2024-Jul-17, Network (Bristol, England) DOI:10.1080/0954898X.2024.2376705 PMID:39015012	研究论文	提出了一种新的基于社交媒体数据的事件检测方法	引入了多尺度和膨胀自适应混合深度学习网络，并通过改进的海狸优化算法调优参数	未提及具体的实验环境和数据多样性	提高社交媒体事件检测的准确性	社交媒体数据中的事件	自然语言处理	NA	BERT, TF-IDF	MDA-HDL (多尺度和膨胀自适应混合深度学习)	文本	两个数据集，分别的准确率为94.96和96.42
982	2024-08-05	Deep learning with convolution neural network detecting mesiodens on panoramic radiographs: comparing four models 2024-Jul-17, Odontology IF:1.9Q2 DOI:10.1007/s10266-024-00980-8 PMID:39017730	研究论文	本研究旨在开发一种简单轻巧的深度学习卷积神经网络模型，以在全景放射影像中检测胚牙的存在	提出了一种简单轻量的CNN模型用于胚牙的检测，并对四种模型进行了比较	需要专业人士进一步评估，因为儿童对辐射的敏感性高于成人	开发用于检测胚牙的高效深度学习模型	628幅含有与不含胚牙的全景放射影像	计算机视觉	NA	深度学习，卷积神经网络（CNN）	binary_connect_mnist_LeNet	图像	628幅全景放射影像，分别用于训练、验证和测试
983	2024-08-05	Ualign: pushing the limit of template-free retrosynthesis prediction with unsupervised SMILES alignment 2024-Jul-15, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00877-2 PMID:39010144	研究论文	本研究介绍了UAlign，这是一种无模板的反合成预测管道。	提出了一种新的图到序列的无模板反合成预测管道，克服了Transformer方法在分子表征学习中的局限性	无监督学习机制可能在某些情况下不如监督学习方法准确	旨在提高反合成预测的有效性，特别是在无模板的情况下	研究分子结构在化学反应中的变化，特别是如何利用不变结构进行反应物生成	化学信息学	NA	图神经网络和Transformer	NA	SMILES	大量实验支持，具体样本数量未说明
984	2024-08-05	Real-time deep learning-based model predictive control of a 3-DOF biped robot leg 2024-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-66104-y PMID:39004665	研究论文	本研究利用深度学习改进了三自由度双足机器人腿部的控制	该研究将深度学习与模型预测控制相结合，能够在不依赖传统动态模型的情况下实现精确的轨迹跟踪	实验结果可能受到数据集的限制，未提及实际应用的长期稳定性	研究旨在提高双足机器人在轨迹控制方面的精确性和效率	研究对象为三自由度双足机器人腿部的动态控制	机器人技术	NA	深度学习	NA	数据集包含关节角度和执行器扭矩的详细信息	NA
985	2024-08-05	An ensemble deep learning models approach using image analysis for cotton crop classification in AI-enabled smart agriculture 2024-Jul-14, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01228-w PMID:39004764	研究论文	提出了一种结合深度学习的计算机视觉技术用于早期检测棉花疾病的框架	创新性在于采用集成学习框架与持续小波变换提取的特点相结合，提高棉花分类准确性	未提及具体的样本量和数据来源，可能影响结果的普适性	旨在利用深度学习和计算机视觉技术改善棉花作物管理	研究对象为健康和不健康的棉花植物	计算机视觉	NA	深度学习，持续小波变换（CWT），快速傅里叶变换（FFT）	AlexNet，GoogLeNet，InceptionV3，VGG-19	图像	NA
986	2024-08-05	Centimeter-Scale Tellurium Oxide Films for Artificial Optoelectronic Synapses with Broadband Responsiveness and Mechanical Flexibility 2024-Jul-16, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c04851 PMID:38950148	研究论文	本文介绍了一种由厘米级二氧化碲（TeO）薄膜组成的灵活光电子突触设备，能够检测并展示宽带波长的突触特性	该研究提出了利用光电子特性和机械灵活性的金属氧化物半导体人工突触，强调其在宽带神经形态计算中的应用潜力	未提及具体的测试条件和潜在的长期稳定性问题	探索灵活的光电子突触设备在神经形态计算中的应用	厘米级的二氧化碲薄膜及其光电子突触特性	神经形态计算	NA	光电子技术	NA	NA	NA
987	2024-08-05	Reaction Templates: Bridging Synthesis Knowledge and Artificial Intelligence 2024-Jul-16, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.4c00261 PMID:38924502	研究论文	本研究探讨了将反应模板集成到深度学习模型中的方法，以弥补合成知识和人工智能之间的差距	创新点在于通过反应模板将已知的合成知识整合到深度学习模型中，从而提升模型的可解释性和发展潜力	早期计算机程序依赖于手动编码规则，限制了可扩展性和适应性	研究如何将已知的合成知识与人工智能模型连接起来	研究对象包括化学反应模板及其在深度学习模型中的应用	化学研究	NA	深度学习	NA	化学反应数据库	NA
988	2024-08-05	Fcg-Former: Identification of Functional Groups in FTIR Spectra Using Enhanced Transformer-Based Model 2024-Jul-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c01622 PMID:39008658	研究论文	本研究提出了一种基于增强变压器模型的FTIR光谱功能组识别方法	采用自注意机制，通过深度学习模型提升功能组预测准确性	未提及具体的局限性	研究FTIR光谱中未知化合物的功能组识别方法	约8677个光谱数据集中的功能组	数字病理	NA	FTIR光谱	变压器模型	光谱	约8677个光谱
989	2024-08-05	Predicting wheat yield from 2001 to 2020 in Hebei Province at county and pixel levels based on synthesized time series images of Landsat and MODIS 2024-Jul-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67109-3 PMID:39003342	研究论文	该研究利用合成的Landsat和MODIS时间序列图像预测河北省的小麦产量	结合深度学习与不同的植被指数及气候数据构建小麦产量预测模型，且采用LSTM算法和NIRv的组合取得最佳预测效果	在图像质量和预测变量选择方面仍存在一定局限	构建高精度的小麦产量预测模型以确保粮食安全	河北省的小麦产量	数字农业	NA	深度学习	长短期记忆网络 (LSTM)	遥感数据	使用了2001年至2020年的合成影像数据
990	2024-08-05	Uncertainty quantification for probabilistic machine learning in earth observation using conformal prediction 2024-Jul-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65954-w PMID:39003341	研究论文	本文探讨了在地球观测数据中应用保形预测进行不确定性量化的方法	引入保形预测方法，提供统计上有效的预测区域，同时支持任意机器学习模型和数据分布	目前的开放实现需要将大量地球观测数据移动到算法中	量化地球观测数据中的不确定性，以提高数据可靠性	对地球观测数据集进行审查，评估不确定性信息的集成程度	机器学习	NA	NA	NA	地球观测数据	审查了多种地球观测数据集，发现只有22.5%的数据集包含不确定性信息
991	2024-08-05	Development of a deep-learning algorithm for age estimation on CT images of the vertebral column 2024-Jul, Legal medicine (Tokyo, Japan) DOI:10.1016/j.legalmed.2024.102444 PMID:38604090	研究论文	本文开发了一种用于脊柱CT图像年龄估计的深度学习算法，评估其准确性	该算法通过改进的VGG16回归分析和袋装技术提高了年龄估计的准确性	研究主要集中在脊柱CT图像，可能无法普遍适用其他部位的年龄估计	提高尸体年龄估计的准确性，特别是在老年尸体中	涉及140名患者的脊柱CT数据，包括每个年龄十年的CT数据	计算机视觉	NA	深度学习	VGG16	图像	1,120个CT数据，219具尸体
992	2024-08-05	Enhancement of cyber security in IoT based on ant colony optimized artificial neural adaptive Tensor flow 2024-Jul-15, Network (Bristol, England) DOI:10.1080/0954898X.2024.2336058 PMID:39007930	研究论文	提出了一种基于蚁群优化人工神经自适应Tensorflow的技术来检测IoT中的恶意软件	创新提出了ACO-ANT技术以检测通过IoT传播的恶意软件，并提高了检测精度	未提及该方法在不同IoT设备类型上的普适性	提高物联网中网络安全的检测能力	聚焦于恶意软件的检测和源代码重复的识别	计算机视觉	NA	深度学习, ACO-ANT	多目标递归神经网络 (M-RNN)	数据集	使用Malimg数据集进行实验
993	2024-08-05	Developing an explainable diagnosis system utilizing deep learning model: a case study of spontaneous pneumothorax 2024-Jul-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5e31 PMID:38955331	研究论文	本文开发了一个使用可解释深度学习模型的医疗图像分析系统，用于自发性气胸的诊断	研究创新性地提出了一个集成的医疗图像分析系统，增强了深度学习模型的可解释性	目前对自发性气胸的深度学习预测研究相对有限	提高医疗诊断模型的可解释性，以改善患者的治疗结果	自发性气胸的医疗图像和诊断过程	数字病理学	肺部疾病	深度学习	可解释深度学习模型	医学图像	NA
994	2024-08-05	Nursing students' approaches to learning in selected Malawian nursing schools: a cross-sectional study 2024-Jul-12, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-05746-y PMID:38997697	研究论文	本研究评估了马拉维选定护理学院护理与助产学生的学习方法。	提供了马拉维护理和助产学生学习方法的实证数据	采用的问卷法可能存在主观偏差，且样本仅限于三所护理学院	探讨马拉维护理学院学生学习方式的多样性及其影响	马拉维的护理和助产学生	护理教育	NA	问卷调查法	NA	问卷数据	251名护理学生
995	2024-08-05	Water body extraction from high spatial resolution remote sensing images based on enhanced U-Net and multi-scale information fusion 2024-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-67113-7 PMID:38997473	研究论文	本文提出了一种名为EU-Net的新网络模型，用于从高分辨率遥感图像中提取水体	提出的EU-Net模型结合了改进的残差连接和注意力机制，并设计了多尺度扩张卷积和多尺度特征融合模块，以增强水体提取性能	高分辨率图像中的水体提取仍面临复杂背景的挑战，可能存在一定的提取误差	提高从高分辨率遥感图像中提取水体的准确性	高分辨率遥感图像中的水体	计算机视觉	NA	深度学习	EU-Net	遥感图像	实验结果验证EU-Net的性能，但具体样本数量未提及
996	2024-08-05	Graph Feature Refinement and Fusion in Transformer for Structural Damage Detection 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134415 PMID:39001194	研究论文	提出了一种用于结构损伤检测的CGsformer网络，结合了图卷积网络和深度学习方法	创新性地引入了图卷积网络，通过层次学习实现从全局到局部的信息提取	未来研究可能需要进一步验证在更复杂结构上的性能	探讨结构响应数据的全局和局部信息关系以提高损伤检测精度	四层钢框架模型实验数据和IASC-ASCE基准结构模拟数据	数字病理	NA	深度学习	图卷积网络	实验数据	两组数据，分别为四层钢框架实验数据和模拟数据
997	2024-08-05	Tackling Few-Shot Challenges in Automatic Modulation Recognition: A Multi-Level Comparative Relation Network Combining Class Reconstruction Strategy 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134421 PMID:39001199	研究论文	本文提出了一种新的元学习方法，以解决自动调制识别中的少样本问题	创新性在于提出了多级比较关系网络与类重建的结合，利用自编码器重建支持样本	目前实验仅在RadioML2018数据集上进行，缺乏在其他数据集上的验证	目标是解决深度学习基础的自动调制识别中的少样本挑战	研究对象为自动调制识别中的有限样本数据	机器学习	NA	元学习	多级比较关系网络	无线信号数据	使用RadioML2018数据集进行实验，样本数量未具体说明
998	2024-08-05	Utilizing Deep Feature Fusion for Automatic Leukemia Classification: An Internet of Medical Things-Enabled Deep Learning Framework 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134420 PMID:39001200	研究论文	本文提出了一种基于人工智能的医疗物联网框架，用于自动识别外周血涂片中的白血病。	引入了一种新的深度学习融合模型，通过整合原始和分割图像来检测急性淋巴细胞白血病，并显示出优越的准确性和性能。	研究中未提及模型在不同种类的白血病或实时应用中的表现。	早期诊断急性淋巴细胞白血病，以便及时启动治疗。	包含来自89名个体的6512张原始和分割图像的数据集。	计算机视觉	白血病	深度学习	融合模型	图像	来自89名个体的6512张原始和分割图像
999	2024-08-05	A Comprehensive Survey on Deep Learning-Based LoRa Radio Frequency Fingerprinting Identification 2024-Jul-08, Sensors (Basel, Switzerland) DOI:10.3390/s24134411 PMID:39001190	综述	本文对基于深度学习的LoRa无线频率指纹识别进行了全面的调研	提出了深度学习基于硬件固有特征的无线频率指纹识别作为设备识别的新方法	未提及具体的实验结果或实际应用案例	旨在评估和总结基于深度学习的LoRa设备识别技术的最新进展	LoRa设备的无线频率指纹识别技术	机器学习	NA	深度学习	NA	信号	NA
1000	2024-08-05	Enhancing Immunotherapy Response Prediction in Metastatic Lung Adenocarcinoma: Leveraging Shallow and Deep Learning with CT-Based Radiomics across Single and Multiple Tumor Sites 2024-Jul-08, Cancers IF:4.5Q1 DOI:10.3390/cancers16132491 PMID:39001553	研究论文	本研究评估了基于CT的放射组学特征在预测转移性肺腺癌患者无进展生存期中的潜力	创新点在于利用单一及多肿瘤位点的CT-based放射组学特征与先进的机器学习生存算法相结合，以提升预后预测的准确性	研究局限在于仅涵盖特定癌症中心的患者，可能影响结果的外部可推广性	研究的目的是为转移性肺腺癌患者提供有效的无进展生存期预测	研究对象为接受第一线免疫检查点抑制剂治疗的转移性肺腺癌患者	机器学习	肺癌	CT放射组学	深度学习	图像	140名患者