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
441	2024-09-17	PolyMeme: Fine-Grained Internet Meme Sensing 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175456 PMID:39275367	研究论文	本文介绍了一个名为PolyMeme的数据集，用于细粒度互联网模因检测	提出了PolyMeme数据集，包含了约27K个来自四个类别的模因，填补了现有数据集在模因格式、风格和内容多样性方面的不足	未提及	开发一个细粒度的互联网模因检测系统	互联网模因	计算机视觉	NA	深度学习	ResNet, ViT	图像	约27K个模因样本	NA	NA	NA	NA
442	2024-09-17	A Self-Attention Legendre Graph Convolution Network for Rotating Machinery Fault Diagnosis 2024-Aug-23, Sensors (Basel, Switzerland) DOI:10.3390/s24175475 PMID:39275385	研究论文	本文提出了一种结合自注意力机制的Legendre图卷积网络，用于旋转机械故障诊断	该方法将振动信号从欧几里得空间转换为非欧几里得空间的图信号，并采用基于Legendre多项式的快速局部谱滤波和自注意力图池化方法，显著提高了模型的稳定性和计算效率	NA	提高旋转机械故障诊断的准确性和适应性	旋转机械的故障诊断	机器学习	NA	图卷积网络	Legendre图卷积网络	振动信号	10种不同的行星齿轮箱故障任务	NA	NA	NA	NA
443	2024-09-17	Coronary computed tomographic angiography-derived anatomic and hemodynamic plaque characteristics in prediction of cardiovascular events 2024-Aug, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03149-0 PMID:38878147	研究论文	本研究探讨了基于深度学习的冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征与导致后续主要不良心血管事件（MACE）的高风险斑块之间的关联	本研究创新性地结合了深度学习和计算流体动力学算法，从CCTA中提取了不良斑块特征和血流动力学参数，并验证了这些参数在预测MACE事件及其预后中的价值	本研究为回顾性分析，样本量较小，且未涉及前瞻性验证	研究基于CCTA的解剖和血流动力学斑块特征与MACE事件之间的关系，并评估血流动力学参数在预测MACE事件及其预后中的价值	冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征	数字病理学	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习	图像	86名患者，共134个斑块形成的血管和83个随后发生冠状动脉事件的罪犯血管	NA	NA	NA	NA
444	2024-09-16	Pediatric septic shock estimation using deep learning and electronic medical records 2024-Aug, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2024.00031 PMID:39266275	研究论文	本研究利用深度学习和电子病历数据开发了一种用于儿科脓毒性休克早期诊断的模型	本研究的创新点在于使用深度学习模型简化了儿科脓毒性休克的早期诊断过程	本研究需要通过前瞻性研究进行外部验证	开发一种基于深度学习的模型，用于儿科脓毒性休克的早期诊断	儿科患者（<18岁）的脓毒性休克病例	机器学习	NA	深度学习	深度学习模型	电子病历数据	9,616,115次测量，其中34,696例脓毒性休克病例	NA	NA	NA	NA
445	2024-09-15	LungPath: artificial intelligence-driven histologic pattern recognition for improved diagnosis of early-stage invasive lung adenocarcinoma 2024-Aug-31, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-24-258 PMID:39263012	研究论文	开发了一种基于深度学习算法的LungPath模型，用于早期肺腺癌的CT扫描图像自动分割和高风险病理模式的预测	提出了基于Mask-RCNN和ResNet50_3D的深度学习模型，用于早期肺腺癌的高风险病理模式识别	研究仅基于回顾性数据，且样本量相对较小	开发和评估一种深度学习算法，用于早期肺腺癌的高风险病理模式识别	早期肺腺癌患者及其CT扫描图像	计算机视觉	肺癌	深度学习	Mask-RCNN, ResNet50_3D	图像	432名早期肺腺癌患者，其中385名在开发组，47名在外部测试组	NA	NA	NA	NA
446	2024-09-15	Automatic detection of adenoid hypertrophy on lateral nasopharyngeal radiographs of children based on deep learning 2024-Aug-31, Translational pediatrics IF:1.5Q2 DOI:10.21037/tp-24-194 PMID:39263285	研究论文	本研究评估了基于深度学习的侧位鼻咽部X光片在儿童腺样体肥大诊断中的准确性和可靠性	本研究首次使用多种深度学习模型（如AlexNet、VGG16、Inception v3、ResNet50和DenseNet121）进行腺样体肥大的自动检测，并发现DenseNet121模型表现最佳	本研究仅使用了三家医院的儿童侧位鼻咽部X光片数据，样本量有限，且未涉及其他类型的影像数据	评估深度学习模型在儿童腺样体肥大诊断中的应用效果	儿童腺样体肥大及其在侧位鼻咽部X光片上的表现	计算机视觉	耳鼻喉疾病	深度学习	DenseNet121	影像	1188名儿童，包括705名男性和483名女性，年龄范围为8个月至13岁	NA	NA	NA	NA
447	2024-09-15	Deep learning to predict long-term mortality from plain chest X-ray in patients referred for suspected coronary artery disease 2024-Aug-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-24-322 PMID:39268143	研究论文	本文研究了使用深度学习模型从普通胸部X光片预测长期死亡率的方法	本文首次在疑似冠心病患者中验证了深度学习模型从胸部X光片预测长期死亡率的有效性	研究仅在意大利和荷兰的两家学术医院进行，样本量有限，可能影响结果的普适性	验证深度学习模型从胸部X光片预测长期死亡率的有效性	疑似冠心病患者的长期死亡率	计算机视觉	心血管疾病	深度学习	深度卷积神经网络	图像	6031名患者，其中4259名用于模型训练，602名用于微调/验证，1170名用于内部验证	NA	NA	NA	NA
448	2024-09-15	Refining CycleGAN with attention mechanisms and age-Aware training for realistic Deepfakes 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36665 PMID:39262956	研究论文	本文提出了一种改进的CycleGAN框架，通过引入注意力机制和年龄感知训练，旨在生成更逼真的Deepfake人脸图像	本文的创新点在于在CycleGAN框架中引入了注意力机制和自适应残差块，以提取更细致的面部特征，并在损失函数中加入了相对损失概念，同时采用了年龄约束的训练方法	本文未提及具体的局限性	改进现有基于生成对抗网络（GAN）的人脸图像生成算法，解决域无关性和面部细节不足的问题	人脸图像生成算法	计算机视觉	NA	生成对抗网络（GAN）	CycleGAN	图像	使用了CelebA数据集进行实验验证	NA	NA	NA	NA
449	2024-09-15	Deep learning fusion framework for automated coronary artery disease detection using raw heart sound signals 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35631 PMID:39262986	研究论文	本文提出了一种基于原始心音信号的深度学习融合框架，用于自动化冠状动脉疾病检测	本文创新性地构建了一个融合框架，结合了多领域特征模型和医学多领域特征融合模型，用于冠状动脉疾病的检测	NA	研究目的是开发一种非侵入性的方法，用于早期冠状动脉疾病的检测	研究对象是冠状动脉疾病	机器学习	心血管疾病	深度学习	融合模型	心音信号	400名参与者的心音信号数据集	NA	NA	NA	NA
450	2024-09-15	Diabetes detection from non-diabetic retinopathy fundus images using deep learning methodology 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36592 PMID:39258195	研究论文	本文研究了使用深度学习方法从无糖尿病视网膜病变的视网膜图像中检测糖尿病	本文创新性地开发了一种人工智能机器学习模型，能够从无糖尿病眼病的视网膜图像中检测糖尿病	本文未详细讨论模型的泛化能力和在不同人群中的适用性	研究目的是开发一种能够从视网膜图像中非侵入性检测糖尿病的机器学习模型	研究对象包括47,076张视网膜图像和基于疾病持续时间的患者分组	机器学习	糖尿病	深度学习	机器学习算法	图像	47,076张视网膜图像	NA	NA	NA	NA
451	2024-09-15	Advancing sub-seasonal to seasonal multi-model ensemble precipitation prediction in east asia: Deep learning-based post-processing for improved accuracy 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35933 PMID:39258194	研究论文	本研究通过深度学习后处理技术提高了东亚地区次季节至季节性降水预测的准确性	采用基于U-Net架构的深度学习模型进行后处理，显著提升了降水预测的准确性	NA	提高次季节至季节性降水预测的准确性	东亚地区的降水预测	机器学习	NA	深度学习	U-Net	降水数据	使用了六个S2S气候模型的降水预测数据及其多模型集合	NA	NA	NA	NA
452	2024-09-14	Daily PM2.5 concentration prediction based on variational modal decomposition and deep learning for multi-site temporal and spatial fusion of meteorological factors 2024-Aug-29, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-13005-2 PMID:39207594	研究论文	本文提出了一种基于变分模态分解和深度学习的多站点时空融合气象因子预测每日PM2.5浓度的混合模型	该研究引入了新的混合模型VCBA，结合了变分模态分解、因果卷积神经网络、双向长短期记忆网络和注意力机制，用于时空融合的多站点数据预测	NA	准确预测每日PM2.5浓度，以保护环境和公众健康	PM2.5浓度及其影响因素	机器学习	NA	变分模态分解（VMD）	因果卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）	气象数据	太原市多个站点	NA	NA	NA	NA
453	2024-09-14	A study on the classification of complexly shaped cultivated land considering multi-scale features and edge priors 2024-Aug-15, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-024-12966-8 PMID:39145878	研究论文	本文提出了一种考虑多尺度特征和边缘先验的复杂形状耕地提取网络（MFEPNet），通过设计上下文交叉注意力融合模块和纹理增强边缘模块，提高了复杂形状耕地的提取精度	本文的创新点在于设计了上下文交叉注意力融合模块和纹理增强边缘模块，有效减少了尺度变化、边缘模糊和全局视野有限的影响	NA	研究目的是提高复杂形状耕地的提取精度，为可持续农业发展提供准确的耕地分布数据	研究对象是复杂形状的耕地，特别是其多尺度和模糊边缘问题	计算机视觉	NA	深度学习	CNN-transformer	图像	使用了IFLYTEK和荷兰数据集划分的规则和不规则耕地数据集	NA	NA	NA	NA
454	2024-09-13	The impact of AI-enabled CRM systems on organizational competitive advantage: A mixed-method approach using BERTopic and PLS-SEM 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36392 PMID:39253149	研究论文	本文探讨了AI驱动的CRM系统对组织竞争优势的影响，采用混合方法研究	本文结合BERTopic主题建模和PLS-SEM方法，分析了AI-CRM系统的关键特征及其对组织竞争优势的影响	NA	探讨AI-CRM系统的关键特征及其对组织竞争优势的影响	AI-CRM系统的关键特征及其对组织竞争优势的影响	机器学习	NA	BERTopic主题建模，PLS-SEM	NA	文本	NA	NA	NA	NA	NA
455	2024-09-13	Systematic review and meta-analysis on the classification metrics of machine learning algorithm based radiomics in hepatocellular carcinoma diagnosis 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36313 PMID:39253167	综述	本文系统综述和荟萃分析了基于机器学习算法的放射组学在肝细胞癌诊断中的分类指标表现	评估了机器学习驱动的放射组学在肝细胞癌诊断中的分类性能，并发现LASSO作为特征选择器和Logistic Regression作为分类器在二分类问题中的适用性	仅评估了2018年至2022年间的436篇文章中的34篇，可能存在选择偏倚	评估机器学习驱动的放射组学在肝细胞癌诊断中的分类性能	肝细胞癌的诊断	机器学习	肝癌	放射组学	Logistic Regression	图像	12个队列研究	NA	NA	NA	NA
456	2024-09-13	Development of deep learning model for diagnosing muscle-invasive bladder cancer on MRI with vision transformer 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36144 PMID:39253215	研究论文	开发并验证了一种基于Vision Transformer的深度学习模型，用于在MRI上自动诊断肌肉浸润性膀胱癌	使用Vision Transformer模型在MRI上诊断肌肉浸润性膀胱癌，并展示了其优于传统卷积神经网络的性能	研究为多中心回顾性研究，样本量相对较小，且未提及模型的泛化能力在其他数据集上的表现	开发和验证一种能够自动诊断肌肉浸润性膀胱癌的深度学习模型	肌肉浸润性膀胱癌的MRI图像	计算机视觉	膀胱癌	深度学习	Vision Transformer (ViT) 和卷积神经网络 (CNN)	MRI图像	训练集包含170名患者，测试集包含53名患者	NA	NA	NA	NA
457	2024-09-13	The technological assessment of green buildings using artificial neural networks 2024-Aug-30, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36400 PMID:39253242	研究论文	本研究旨在构建一个全面的评估模型，用于高效评估绿色建筑中的适用技术	本研究结合物联网和人工神经网络，提出了一种混合评估模型，显著提高了建筑环境参数和能耗预测的准确性和稳定性	NA	构建一个全面的评估模型，用于高效评估绿色建筑中的适用技术	绿色建筑中的适用技术	机器学习	NA	物联网 (IoT)、人工神经网络 (ANN)	多层感知器 (MLP)、长短期记忆 (LSTM)	物理量数据、经济指标数据	包括温度、湿度、光照强度等物理量数据，以及能源效率和建筑运营成本等经济指标数据	NA	NA	NA	NA
458	2024-09-13	TSpred: a robust prediction framework for TCR-epitope interactions using paired chain TCR sequence data 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae472 PMID:39052940	研究论文	提出了一种名为TSpred的深度学习框架，用于基于配对链TCR序列数据预测TCR-表位相互作用	结合了CNN和注意力机制，设计了互惠注意力机制，提高了对未见表位的泛化能力和模型解释性	未提及	开发一种稳健的预测框架，用于预测TCR-表位相互作用，应用于癌症免疫疗法和疫苗设计	TCR-表位相互作用	机器学习	NA	深度学习	CNN和注意力机制	序列数据	未提及	NA	NA	NA	NA
459	2024-09-13	BertSNR: an interpretable deep learning framework for single-nucleotide resolution identification of transcription factor binding sites based on DNA language model 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae461 PMID:39107889	研究论文	提出了一种名为BertSNR的可解释深度学习框架，用于在单核苷酸分辨率下识别转录因子结合位点	BertSNR通过多任务学习整合序列级和标记级信息，基于预训练的DNA语言模型，显著提高了转录因子结合位点预测的准确性和可解释性	NA	开发一种高分辨率和可解释的计算方法，用于识别转录因子结合位点	转录因子结合位点	计算生物学	NA	深度学习	BertSNR	DNA序列	NA	NA	NA	NA	NA
460	2024-09-13	Attention-based approach to predict drug-target interactions across seven target superfamilies 2024-08-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae496 PMID:39115379	研究论文	本文介绍了一种基于注意力机制的方法（MMAtt-DTA），用于预测跨七个目标超家族的药物-靶点相互作用	提出了一种新的基于注意力机制的方法（MMAtt-DTA），该方法在预测药物-靶点相互作用方面表现优异，超过了现有的十四种最先进的机器学习、深度学习和图方法	NA	旨在开发一种高效的方法来预测药物-靶点相互作用，以支持药物再利用和新药机制的发现	药物-靶点相互作用，特别是跨七个目标超家族的相互作用	机器学习	癌症	注意力机制	MMAtt-DTA	生物活性数据	185,676个药物-靶点对	NA	NA	NA	NA