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
381	2024-09-05	Leveraging electrocardiography signals for deep learning-driven cardiovascular disease classification model 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35621 PMID:39224246	研究论文	本研究介绍了一种基于深度学习的自动化心电图信号识别技术（ADL-ECGSR），用于心血管疾病的检测和分类	该技术采用双向长短期记忆网络（BiLSTM）进行特征提取，并结合Adamax优化器和龙fly算法（DFA）与堆叠稀疏自编码器（SSAE）模块进行信号识别和分类	文章未提及具体限制	开发一种高效的自动化心电图信号识别技术，以提高心血管疾病的诊断准确性	心电图信号及其在心血管疾病分类中的应用	机器学习	心血管疾病	深度学习	BiLSTM	心电图信号	使用PTB-XL数据集进行模拟验证
382	2024-09-05	The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36067 PMID:39224395	研究论文	本研究利用卷积神经网络（CNN）模型和深度学习方法，全面分析和评估大学体育舞蹈教学质量	引入基于一维CNN的教学质量评估（TQE）模型，创新性地应用深度学习技术量化评估体育舞蹈教育质量	NA	旨在通过多维评估体系和1D-CNN模型的应用，全面评估大学体育舞蹈教育质量	大学体育舞蹈教学质量	机器学习	NA	卷积神经网络（CNN）	CNN	一维评估数据	24个评估指标
383	2024-09-05	Deep learning artificial neural network framework to optimize the adsorption capacity of 3-nitrophenol using carbonaceous material obtained from biomass waste 2024-08-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70989-0 PMID:39215127	研究论文	本研究利用从农业废弃物中提取的碳质材料，通过人工神经网络和遗传算法优化吸附过程，以提高3-硝基苯酚的吸附能力。	本研究创新性地使用Haematoxylum campechianum树皮和椰壳（墨西哥坎佩切丰富的农业废弃物）进行毒素去除，并通过人工神经网络和遗传算法优化吸附条件，提高吸附效率。	NA	研究旨在通过深度学习优化吸附过程，提高碳质材料对3-硝基苯酚的吸附能力。	研究对象包括碳质材料（CM-HC）、3-硝基苯酚、人工神经网络和遗传算法。	环境科学	NA	扫描电子显微镜（SEM/EDS）、BET方法、X射线粉末衍射（XRD）、人工神经网络（ANNs）、遗传算法	人工神经网络（ANNs）	实验数据	吸附剂用量2-10 g/L，温度300.15-330.15 K，pH值3-8
384	2024-09-05	Character recognition system for pegon typed manuscript 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35959 PMID:39229500	研究论文	研究针对Pegon打印手稿的光学字符识别系统	首次探索了Pegon打印手稿的光学字符识别，并引入了新的合成和真实标注数据集	NA	开发和评估Pegon打印手稿的光学字符识别系统	Pegon打印手稿	计算机视觉	NA	OCR (光学字符识别)	YOLOv5, CTC-CRNN	文本	合成和真实标注的Pegon打印手稿数据集
385	2024-09-05	[Early classification and recognition algorithm for sudden cardiac arrest based on limited electrocardiogram data trained with a two-stages convolutional neural network] 2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202306066 PMID:39218594	research paper	本文提出了一种基于深度迁移学习的SCA早期预测与分类算法，利用有限的心电图数据，通过两阶段卷积神经网络模型进行预训练和微调，实现对SCA高风险心电信号的早期分类、识别和预测。	本文提出的方法通过深度迁移学习，解决了深度学习模型对大量训练数据的需求，实现了在有限数据下对SCA高风险信号的早期准确检测和识别。	NA	研究目的是开发一种能够在有限心电图数据下早期预测和分类突发心脏骤停（SCA）的算法。	研究对象是突发心脏骤停患者和窦性心律患者的心电图数据。	machine learning	cardiovascular disease	卷积神经网络	CNN	心电图数据	20名SCA患者和18名窦性心律患者的心电图数据，共16788个30秒的心率特征片段
386	2024-09-05	[Detection model of atrial fibrillation based on multi-branch and multi-scale convolutional networks] 2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202303014 PMID:39218595	研究论文	本文设计了一种基于Inception模块的心房颤动（AF）检测模型，通过构建多分支检测通道处理AF期间的原始ECG信号、梯度信号和频率信号	与仅使用RR间期和心率变异性特征的现有机器学习算法相比，该算法额外采用了频率特征，更充分地利用了信号中的信息	NA	旨在早期检测心房颤动（AF），提高诊断效率	心房颤动（AF）的早期检测	计算机视觉	心血管疾病	多分支和多尺度卷积网络	CNN	信号	在MIT-BIH AF数据库上测试，检测准确率为96.89%，敏感性为97.72%，特异性为95.88%
387	2024-09-05	[A lightweight recurrence prediction model for high grade serous ovarian cancer based on hierarchical transformer fusion metadata] 2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202308009 PMID:39218608	研究论文	本文提出了一种新的轻量级深度学习算法模型，用于预测高级别浆液性卵巢癌的复发	模型采用Ghost卷积（Ghost Conv）和坐标注意力（CA）建立Ghost计数器残差（SCblock）模块提取图像的局部特征信息，并通过分层融合Transformer（STblock）模块捕获全局信息和整合多层次信息，增强了不同层之间的交互	NA	提高高级别浆液性卵巢癌复发预测的准确性和效率	高级别浆液性卵巢癌的复发预测	机器学习	卵巢癌	Ghost卷积（Ghost Conv）、坐标注意力（CA）、分层融合Transformer（STblock）	Transformer	图像	NA
388	2024-09-05	[Study on automatic and rapid diagnosis of distal radius fracture by X-ray] 2024-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202309050 PMID:39218607	research paper	本文结合深度学习与图像分析技术，提出了一种有效的桡骨远端骨折类型分类方法	使用扩展的U-Net三层级联分割网络进行精确分割，并通过分别对关节面区域和非关节面区域图像进行分类训练，以区分骨折类型	NA	开发一种自动且快速的桡骨远端骨折诊断方法	桡骨远端骨折的自动诊断	computer vision	NA	NA	U-Net	image	测试集上的准确率分别为正常0.99，A型0.92，B型0.91，C型0.82
389	2024-09-05	Delineating yeast cleavage and polyadenylation signals using deep learning 2024-Aug-20, Genome research IF:6.2Q1 DOI:10.1101/gr.278606.123 PMID:38914436	研究论文	本文利用深度学习模型解析酵母中3'-端切割和多聚腺苷酸化信号的退化调控元件及其在介导多聚(A)位点形成、切割异质性和强度中的位置重要性	开发了深度学习模型来揭示酵母多聚(A)位点的独特基序配置，并提供了对酵母多聚(A)位点形成的深入见解	NA	解决酵母中多聚腺苷酸化信号的退化调控元件的特征问题	酵母中的多聚腺苷酸化信号及其调控元件	机器学习	NA	深度学习	深度学习模型	序列数据	未明确提及样本数量
390	2024-09-05	The Artificial Intelligence-Powered New Era in Pharmaceutical Research and Development: A Review 2024-Aug-15, AAPS PharmSciTech IF:3.4Q2 DOI:10.1208/s12249-024-02901-y PMID:39147952	综述	本文综述了人工智能（AI）、机器学习（ML）和深度学习（DL）在制药研究和开发领域的应用	这些计算技术通过先进的建模技术提高了效率和准确性，能够处理复杂数据并在几分钟内促进新发现	NA	探讨AI在制药研究和开发中的应用现状及其在未来研究和制药工业4.0和5.0时代中的潜在作用	AI、ML和DL在制药研究开发中的应用，包括药物发现、个性化医疗、药物配方优化等	机器学习	NA	AI、ML、DL	NA	复杂数据集	NA
391	2024-09-05	Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.232635 PMID:39105640	研究论文	本文开发了一种深度学习模型，用于在MRI中自动检测临床显著性前列腺癌（csPCa），并将其性能与放射科医生的性能进行比较	使用深度学习模型预测临床显著性前列腺癌，无需肿瘤位置信息，并能通过Grad-CAMs显示肿瘤定位	研究仅限于单个学术机构的数据，且未提及模型的泛化能力	开发和验证一种深度学习模型，用于在MRI中自动检测临床显著性前列腺癌	临床显著性前列腺癌的检测	机器学习	前列腺癌	MRI	卷积神经网络（CNN）	图像	5735次检查，涉及5215名患者，其中1514次检查显示临床显著性前列腺癌
392	2024-09-05	Computational tools for plant genomics and breeding 2024-Aug, Science China. Life sciences DOI:10.1007/s11427-024-2578-6 PMID:38676814	研究论文	本文综述了植物基因组学和作物育种领域中计算工具的应用	介绍了通过高通量测序、分子生物学和数据科学推动的基因组装配、基因组注释、表观基因组和转录组分析等技术进步	NA	探讨计算工具在植物基因组学和作物育种中的应用	植物基因组学和作物育种	生物技术	NA	高通量测序	深度学习	基因组数据	NA
393	2024-09-05	Artificial Intelligence in Otology, Rhinology, and Laryngology: A Narrative Review of Its Current and Evolving Picture 2024-Aug, Cureus DOI:10.7759/cureus.66036 PMID:39224718	综述	本文综述了人工智能在耳鼻喉科领域的当前应用和未来发展	探讨了人工智能在耳鼻喉科领域的多样化应用和进展，包括机器学习、神经网络和深度学习等子领域	NA	旨在展望人工智能在耳鼻喉科领域的应用和未来发展	人工智能在耳鼻喉科领域的应用，包括听力辅助设备、影像技术、脑干听觉系统解释等	机器学习	NA	机器学习, 神经网络, 深度学习	NA	影像, 声音	NA
394	2024-09-04	3D physiologically-informed deep learning for drug discovery of a novel vascular endothelial growth factor receptor-2 (VEGFR2) 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35769 PMID:39220924	研究论文	本研究提出了一种利用三维深度学习和结构建模方法设计针对VEGFR2的新型抑制剂的策略	采用几何增强的分子表示学习方法（GEM）和图神经网络（GNN）预测候选药物活性，并通过分子动力学模拟进一步验证其有效性	NA	开发新型VEGFR2抑制剂，以减少现有药物的副作用并提高耐受性	VEGFR2抑制剂的设计与筛选	机器学习	NA	3D深度学习，结构建模方法，分子动力学模拟	GNN	分子数据	NA
395	2024-09-04	GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35865 PMID:39220956	研究论文	本文提出了一种名为GBERT的新框架，结合GPT和BERT模型用于假新闻检测	GBERT框架结合了BERT的深度上下文理解和GPT的生成能力，创建了一个全面的文本表示	NA	研究目的是识别给定文本的真伪，解决假新闻问题	假新闻检测	自然语言处理	NA	GPT, BERT	GBERT	文本	两个真实世界基准语料库
396	2024-09-04	Model based deep learning method for focused ultrasound pathway scanning 2024-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70689-9 PMID:39198623	研究论文	本文介绍了一种基于机器学习的深度学习方法，用于设计高强度聚焦超声（HIFU）治疗计划，该方法利用患者独特的材料特性图和精确的热模拟	提出的方法结合了数值模型和机器学习技术，能够准确预测HIFU的加热过程，并生成高质量的治疗计划	NA	开发一种新的机器学习方法，用于优化HIFU治疗计划，以提高治疗效果并减少副作用	高强度聚焦超声治疗计划的设计	机器学习	NA	高强度聚焦超声（HIFU）	数值模型	图像数据	使用离体牛肝进行了一系列测试
397	2024-09-04	ConIQA: A deep learning method for perceptual image quality assessment with limited data 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70469-5 PMID:39209864	研究论文	本文介绍了一种基于深度学习的图像质量评估方法ConIQA，该方法利用一致性训练和新的数据增强技术，适用于标记数据稀缺的情况	ConIQA通过结合标记和未标记数据进行学习，提高了在特定领域图像质量评估的性能	ConIQA的性能在完美匹配参考图像和失真图像不应被期望的应用中可能下降	开发一种适用于虚拟现实和增强现实应用中与人类感知紧密对齐的图像质量评估方法	研究在计算机生成全息图（CGH）中出现的特定伪影，如振铃、斑点和量化误差，并评估现有图像质量评估方法的不足	计算机视觉	NA	深度学习	神经网络	图像	包含1000张自然图像及其通过不同CGH算法渲染的图像，每张图像由十三名参与者进行质量评级
398	2024-09-04	Effective weight optimization strategy for precise deep learning forecasting models using EvoLearn approach 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69325-3 PMID:39209882	研究论文	本文提出了一种名为EvoLearn的新方法，通过结合遗传算法和反向传播来优化神经网络模型的学习过程，以提高预测准确性和学习效率	EvoLearn方法通过在训练过程中从多个模型中选择最佳组件，显著提高了预测准确性	NA	旨在通过EvoLearn方法优化神经网络模型的学习过程，提高时间序列预测的准确性	时间序列预测，包括空气污染和能源消耗时间序列	机器学习	NA	遗传算法，反向传播	MLP, DNN, CNN, RNN, GRU	时间序列数据	两种时间序列类型的两个数据集
399	2024-09-04	Software defined networking based network traffic classification using machine learning techniques 2024-Aug-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70983-6 PMID:39209938	研究论文	本文利用机器学习技术，基于软件定义网络（SDN）进行网络流量分类	采用监督和非监督机器学习模型，如逻辑回归、决策树、随机森林等，结合SDN提高分类性能	研究存在加密流量检测、有效载荷检查、检测准确性低等问题	提高网络流量分类的效率和准确性	域名系统（DNS）、Telnet、Ping和语音流量	机器学习	NA	机器学习（ML）和深度学习（DL）	决策树	网络流量	使用分布式互联网流量生成器（D-ITG）工具模拟的流量
400	2024-09-04	Prediction of hearing recovery with deep learning algorithm in sudden sensorineural hearing loss 2024-08-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-70436-0 PMID:39209945	研究论文	本研究旨在建立一个基于深度学习的预测模型，用于预测特发性突发性感音神经性听力损失（SSNHL）的预后	采用两层分类过程，首先使用22个多层感知器（MLP）网络对患者进行初步分类，然后将结果传递给第二层元分类器进行最终预后确定	NA	建立一个预测特发性突发性感音神经性听力损失预后的深度学习模型	1108名SSNHL患者	机器学习	耳鼻喉疾病	深度学习算法	多层感知器（MLP）网络	临床数据	1108名患者