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
741	2024-08-18	A novel model for predicting postoperative liver metastasis in R0 resected pancreatic neuroendocrine tumors: integrating computational pathology and deep learning-radiomics 2024-Aug-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05449-4 PMID:39143624	研究论文	本文介绍了一种结合计算病理学和深度学习放射组学的新模型，用于预测胰腺神经内分泌肿瘤患者R0切除术后的肝转移	该模型通过整合临床、病理和影像特征，提高了对胰腺神经内分泌肿瘤患者术后肝转移的预测准确性	NA	开发一种新的预测模型，以更好地预测胰腺神经内分泌肿瘤患者术后肝转移	胰腺神经内分泌肿瘤患者术后肝转移的预测	数字病理学	胰腺神经内分泌肿瘤	深度学习放射组学	CNN	图像	163名胰腺神经内分泌肿瘤患者
742	2024-08-18	Segmentation and characterization of macerated fibers and vessels using deep learning 2024-Aug-14, Plant methods IF:4.7Q1 DOI:10.1186/s13007-024-01244-w PMID:39143615	研究论文	本文开发了一种自动深度学习分割方法，利用YOLOv8模型对微观图像中的浸解纤维和导管进行快速准确的分割和特征化	采用YOLOv8模型进行快速准确的细胞分割和特征化，并开发了一个用户友好的网络应用程序	NA	研究木材细胞的形态、大小和排列，以理解木材特性	浸解纤维和导管的形态特征	计算机视觉	NA	深度学习	YOLOv8	图像	分析了32,640 x 25,920像素的图像
743	2024-08-18	Rapid Mold Detection in Chinese Herbal Medicine Using Enhanced Deep Learning Technology 2024-Aug, Journal of medicinal food IF:1.7Q4 DOI:10.1089/jmf.2024.k.0004 PMID:38919153	研究论文	本文提出了一种利用电子鼻技术和增强型深度学习技术快速准确检测中药材中霉菌污染的方法	引入了偏心时间卷积网络（ETCN）模型和随机共振（SR）技术，有效捕捉电子鼻数据的时空信息并消除噪声	NA	解决中药材加工和储存过程中霉菌污染导致的质量下降和功效降低问题	中药材中的霉菌污染	机器学习	NA	电子鼻技术	偏心时间卷积网络（ETCN）	电子鼻数据	八种传感器的数据
744	2024-08-18	A transfer learning approach to identify Plasmodium in microscopic images 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012327 PMID:39102445	研究论文	本文通过迁移学习方法，利用预训练的深度学习模型来识别显微图像中的疟原虫	采用DenseNet201模型，通过迁移学习方法在显微图像中高效识别疟原虫，达到99.41%的AUC值	未来工作计划通过增加数据和开发用户友好的界面来扩展该方法的应用	旨在通过计算机辅助诊断（CAD）场景中的自动识别方法来改善疟疾的诊断	研究对象为显微图像中的疟原虫	计算机视觉	疟疾	迁移学习	DenseNet201	图像	6222个感兴趣区域（ROI），其中6002个来自Broad Bioimage Benchmark Collection（BBBC），220个本地采集
745	2024-08-18	Reliable estimation of tree branch lengths using deep neural networks 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012337 PMID:39102450	研究论文	本研究探讨了使用深度学习框架在固定树形结构上从多序列比对或其表示中估计分支长度的可能性	深度学习方法在某些难以估计的分支长度参数空间区域表现出优越性能，特别是在估计与远缘物种相关的长分支时	NA	探索机器学习模型预测分支长度的可能性，以提高系统发育推断的准确性和计算效率	系统发育树中的分支长度	机器学习	NA	深度学习	深度神经网络	多序列比对	NA
746	2024-08-18	Development of a CT-Based comprehensive model combining clinical, radiomics with deep learning for differentiating pulmonary metastases from noncalcified pulmonary hamartomas: a retrospective cohort study 2024-Aug-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001593 PMID:38759692	研究论文	本研究开发了一种结合临床特征、放射组学和深度学习的综合模型，用于区分肺转移瘤和非钙化肺错构瘤	本研究首次将临床特征、放射组学和深度学习相结合，构建了一个综合模型，用于区分肺转移瘤和非钙化肺错构瘤	本研究为回顾性研究，且样本主要来自两家医院，可能存在一定的偏倚	评估一种结合临床特征、放射组学和深度学习的综合模型在区分肺转移瘤和非钙化肺错构瘤中的诊断效能	肺转移瘤和非钙化肺错构瘤的区分	数字病理学	肺部疾病	深度学习	综合模型	影像数据	256名来自中国人民解放军总医院第一医学中心的病人和85名来自上海长海医院的病人
747	2024-08-17	The street space planning and design of artificial intelligence-assisted deep learning neural network in the Internet of Things 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e35031 PMID:39144982	研究论文	本研究利用物联网技术和全卷积网络（FCN）框架，对街道空间进行分类并分析其绿色视野比率（GLR）和满意度，提出改进街道绿化的策略	首次采用FCN-8s框架进行街道视图图像的语义分割，并结合物联网技术分析历史城区街道空间的GLR和满意度	NA	探讨物联网技术在街道空间规划与设计中的应用，并提出改进街道绿化的方法	街道空间类型及其绿色视野比率（GLR）和满意度	计算机视觉	NA	物联网技术	FCN	图像	T城历史城区的街道空间
748	2024-08-17	Volleyball training video classification description using the BiLSTM fusion attention mechanism 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34735 PMID:39144994	研究论文	本研究旨在探索使用深度学习技术对排球训练视频进行分类和描述的方法	开发了一种创新的模型，结合双向长短期记忆网络（BiLSTM）和注意力机制（BiLSTM-MAFTC），提高了排球视频内容分析的准确性和效率	NA	探索排球训练视频的分类和描述方法	排球训练视频	计算机视觉	NA	深度学习	BiLSTM	视频	NA
749	2024-08-17	Real-time object detection, tracking, and monitoring framework for security surveillance systems 2024-Aug-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e34922 PMID:39145028	研究论文	本文提出了一种用于安全监控系统的实时物体检测、跟踪和监控框架	该框架基于近似中值滤波、组件标记、背景减除和深度学习方法设计，使用Python和C#编程语言实现，并在MOT15、MOT16和MOT17数据集上展示了比现有技术更高的准确性和精确度	未来的研究将考虑框架的动态可扩展性，以适应不同拥挤场景的监控应用领域	开发一种高效的实时监控系统，用于物体检测、跟踪和监控	安全监控系统中的物体检测和跟踪	计算机视觉	NA	深度学习	NA	视频	使用MOT15、MOT16和MOT17数据集进行评估
750	2024-08-17	Deep learning facilitated superhigh-resolution recognition of structured light ellipticities 2024-Aug-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.528796 PMID:39146140	研究论文	本文提出了一种基于深度学习网络的高精度方法，用于区分具有微小椭圆度差异的椭圆光束	首次提出了一种能够有效区分椭圆光束的高精度方法，其精度达到99%	NA	探索椭圆光束在实际应用中的潜力，特别是在自由空间光通信中的应用	椭圆光束及其在光通信中的应用	计算机视觉	NA	深度学习	Transformer	图像	两类不同的椭圆光束
751	2024-08-17	A novel hierarchical network-based approach to unveil the complexity of functional microbial genome 2024-Aug-14, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10692-6 PMID:39138557	研究论文	本文介绍了一种基于分层网络的新方法，利用高阶网络理论中的“固态基序结构（SMS）”来揭示同一属内微生物基因组结构与功能的复杂性	引入了一种复杂结构——固态基序结构（SMS），并通过分层生物网络分析有效地将微生物基因组结构与其功能联系起来	NA	旨在通过分层网络分析框架理解同一属内微生物基因组结构与功能之间的相互作用	研究对象为Microcystis，一种关键的淡水蓝细菌	生物信息学	NA	深度学习技术，如自适应图编码器	自适应图编码器	基因组数据	利用了162个高质量的Microcystis基因组和来自七个地理上不同湖泊的宏基因组数据
752	2024-08-17	End-to-end reproducible AI pipelines in radiology using the cloud 2024-Aug-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51202-2 PMID:39138215	研究论文	本文展示了基于云基础设施实现和共享透明且可重复的AI放射学管道的潜力	利用云资源实现端到端可重复性，从数据检索到最终结果分析和报告，并提供了易于扩展的管道示例	NA	展示云基础设施在实现和共享透明且可重复的AI放射学管道中的应用	AI放射学管道的透明性和可重复性	计算机视觉	肿瘤学	深度学习	NA	图像	NA
753	2024-08-17	ENTRANT: A Large Financial Dataset for Table Understanding 2024-Aug-13, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03605-5 PMID:39138234	研究论文	本文介绍了ENTRANT，一个包含数百万表格的金融数据集，用于深度学习方法的表格理解预训练任务	ENTRANT数据集包含了表格的单元格属性、位置和层次信息，便于进行表格理解的预训练	NA	旨在通过提供大规模、格式化的数据集来促进表格理解的模型预训练	金融领域的表格数据	自然语言处理	NA	深度学习	NA	表格数据	数百万表格
754	2024-08-17	Cross-modality sub-image retrieval using contrastive multimodal image representations 2024-Aug-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68800-1 PMID:39138271	研究论文	本文提出了一种新的跨模态子图像检索系统，结合深度学习生成表示和鲁棒特征提取及词袋模型，用于在不同模态间进行反向子图像搜索。	该系统通过深度学习将不同模态嵌入到共同空间，并结合鲁棒特征提取和词袋模型，实现了高效可靠的跨模态子图像检索。	文章讨论了比较方法的不足，并观察到学习表示和特征提取器的等变性和不变性属性在CBIR流程中的重要性。	旨在开发一种高效且可扩展的跨模态图像检索方法，以改善组织表征和癌症诊断。	研究对象为使用明场和二次谐波生成显微镜图像的数据集。	计算机视觉	NA	深度学习	NA	图像	使用公开可用的明场和二次谐波生成显微镜图像数据集
755	2024-08-17	Reproducibility and across-site transferability of an improved deep learning approach for aneurysm detection and segmentation in time-of-flight MR-angiograms 2024-08-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68805-w PMID:39138338	研究论文	本研究旨在复制并改进基于深度学习的脑动脉瘤分割模型，并通过独立的测试数据集验证其跨站点可转移性	通过测试不同的全自动预处理流程，改进了模型的性能，并在外部数据集上展示了优异的转移性能	NA	复制并改进基于深度学习的脑动脉瘤分割模型，并验证其跨站点可转移性	脑动脉瘤的检测与分割	计算机视觉	NA	NA	卷积神经网络	图像	训练集包含235个TOF-MRAs，测试集包含两个独立的70个TOF-MRAs数据集
756	2024-08-17	Geometric deep learning for molecular property predictions with chemical accuracy across chemical space 2024-Aug-13, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00895-0 PMID:39138560	研究论文	本文介绍了一种基于新型量子化学数据集的几何深度学习框架，用于预测气相和液相的分子性质	提出了一种灵活的性质预测工具，能够处理二维和三维分子信息，并实现了高水平的量子化学精度	NA	旨在将深度学习确立为工业和学术界标准性质预测流程的关键步骤	分子性质预测	机器学习	NA	几何深度学习	几何模型	分子数据	124,000个分子
757	2024-08-17	EnzyACT: A Novel Deep Learning Method to Predict the Impacts of Single and Multiple Mutations on Enzyme Activity 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00920 PMID:39038814	研究论文	介绍了一种名为EnzyACT的新型深度学习方法，用于预测单个和多个突变对酶活性的影响	EnzyACT结合了图技术与蛋白质嵌入，能够预测单个或多个突变对酶活性的变化	酶活性与稳定性的复杂交互作用，增强一个属性往往导致另一个属性的降低	开发一种快速准确的方法来预测突变对酶活性的影响，有助于酶设计和理解活性与稳定性的权衡机制	酶活性及其突变的影响	机器学习	NA	深度学习	深度学习模型	蛋白质数据	包括单点和多点突变的新数据集
758	2024-08-17	3DReact: Geometric Deep Learning for Chemical Reactions 2024-Aug-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00104 PMID:39007724	研究论文	本文介绍了3DReact模型，一种利用几何深度学习预测化学反应性质的方法	3DReact模型能够利用原子映射信息和反应物及产物的几何结构，提供了一个灵活的框架，适用于不同数据集和原子映射体制	NA	开发一种新的几何深度学习模型，用于从三维结构预测化学反应性质	化学反应的性质预测	机器学习	NA	几何深度学习	3DReact	三维结构数据	使用了GDB7-22-TS、Cyclo-23-TS和Proparg-21-TS数据集
759	2024-08-17	Advancing plant biology through deep learning-powered natural language processing 2024-Aug-05, Plant cell reports IF:5.3Q1 DOI:10.1007/s00299-024-03294-9 PMID:39102077	研究论文	本文探讨了深度学习方法，特别是大型语言模型（LLMs）在植物生物学领域的应用	开发了蛋白质语言模型（PLMs），能够深入分析核酸和蛋白质序列，揭示生物数据中的复杂模式和关系	NA	推动植物科学的基础研究，特别是在多尺度植物性状方面	植物细胞系统及相关序列数据	自然语言处理	NA	深度学习	大型语言模型（LLMs）	序列数据	NA
760	2024-08-17	Decoding dynamic visual scenes across the brain hierarchy 2024-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012297 PMID:39093861	研究论文	本研究利用Allen视觉编码-Neuropixels数据集和深度学习神经网络模型，探讨了大脑在处理动态自然视觉场景时的神经编码机制	研究揭示了大脑不同区域对动态视觉场景的编码能力，并发现了解码性能与已知的解剖和功能层次指数之间的强相关性	研究主要集中在使用深度学习模型进行解码，可能未涵盖所有可能的神经编码机制	探索大脑如何在其层次结构中表示视觉信息，并理解动态自然视觉场景的神经基础	大脑在处理动态自然视觉场景时的神经编码机制	神经科学	NA	深度学习	神经网络模型	神经放电模式	使用Allen视觉编码-Neuropixels数据集，涵盖广泛的大脑区域